L’adoption de la Work AI ne s’ancre pas grâce aux modèles et aux fonctionnalités. Elle s’ancre lorsque les collaborateurs en perçoivent la valeur dans leurs workflows, puis la partagent. Chez Nextdoor, nous n’avons pas simplement « lancé une plateforme ». Nous avons construit une boucle d’apprentissage qui a transformé une curiosité naissante en habitudes quotidiennes : un rythme régulier de permanences, des conseils entre pairs sur Slack, des réussites rapides mises en avant dans des bulletins et des conseils ciblés directement dans le produit, au moment précis du besoin. Cette boucle a transformé des poches d’expérimentation en une capacité déployée à l’échelle de l’entreprise.
Notre conviction : la clé d’une adoption durable consiste à intégrer l’IA directement là où les collaborateurs travaillent déjà, en connectant les systèmes sur lesquels ils s’appuient au quotidien et en intégrant l’intelligence de façon fluide dans ces workflows, plutôt qu’en ajoutant des couches de processus ou de complexité supplémentaires.
Pourquoi nous nous sommes lancés
Comme beaucoup d’entreprises en croissance, nos connaissances étaient dispersées sur diverses plateformes. Mais le problème n’était pas le manque d’informations : c’était le coût de leur recherche au bon moment, avec le bon contexte.
Les équipes montaient en puissance rapidement. Les projets avançaient encore plus vite. Les collaborateurs passaient plus de temps à chercher des réponses qu’à créer de la valeur. Il nous fallait un moyen de rendre les connaissances faciles à trouver, exploitables et sûres.
C’est là que l’idée de la Work AI a fait mouche : une seule couche intelligente qui connectait instantanément les personnes à l’information, à travers les systèmes, sans ajouter de friction ni de nouveaux processus.
De la plateforme à la pratique : ce qui a réellement changé
Nous avons connecté à Glean les systèmes centraux dans lesquels les collaborateurs évoluent déjà, afin que les réponses et les actions puissent se faire en un seul endroit plutôt que dans huit onglets. L’objectif n’était pas « plus d’IA ». C’était moins de friction : un seul endroit pour poser des questions, un seul endroit pour agir, avec à chaque fois un contexte respectueux des autorisations.
Nous avons ancré le déploiement de Glean autour de quatre actions légères auxquelles les collaborateurs pouvaient participer en quelques minutes, pas en plusieurs mois :
- Un canal Slack d’assistance dédié où les questions, les conseils entre pairs et les réussites « à partager » circulent au grand jour.
- Des permanences en direct qui ont évolué au fil du temps : hebdomadaires au départ pour instaurer la confiance ; puis mensuelles à l’échelle de l’entreprise, complétées par des sessions d’apprentissage hebdomadaires menées par les équipes, à mesure que l’expertise se localisait.
- Des mises à jour concises dans les bulletins d’entreprise pour susciter l’action sans multiplier les réunions.
- Une gamification à dessein, récompensant les trois meilleurs créateurs d’agents, utilisateurs expérimentés de l’Assistant et adoptants de la recherche — en célébrant des manières variées de réussir.
Des signaux, pas des slogans : comment nous avons su que ça fonctionnait
Nous sommes convaincus qu’une boucle d’apprentissage réussie doit générer sa propre télémétrie. La nôtre l’a fait.
Tôt dans le déploiement, les données nous ont montré un engagement constant au-delà du groupe pilote, et que les collaborateurs commençaient là où ils évoluaient. Pour certaines équipes, Google Drive concentrait la majorité des clics et des citations ; pour d’autres, c’était Slack, Confluence ou Coda.
Nous les avons perçus comme des indices clairs pour curer du contenu spécifique à chaque équipe et affiner les connecteurs, afin de rencontrer chaque équipe là où elle en était. Nous avons aussi activé par défaut l’extension Chrome de Glean, pour faciliter les premiers pas.
Suivre les signaux nous a aidés à garantir une adoption humaine et accessible. Les collaborateurs n’ont pas eu à apprendre un nouveau système pour essayer l’IA ; ils ont simplement appris à poser de meilleures questions là où ils travaillaient déjà.
Les cas d’usage les plus enthousiasmants de Nextdoor
- Ressources humaines : découvrez Finn, votre guide pour l’ouverture des inscriptions
Chaque année, la période d’ouverture des inscriptions submerge les équipes RH de questions récurrentes. Finn, notre agent convivial pour l’année de couverture 2026, explique les nouveautés, compare les options médicales/dentaires/optiques, oriente directement les collaborateurs vers les bonnes actions dans Workday et met en lumière les avantages et programmes de bien-être qu’ils pourraient manquer. Les RH traitent moins de tickets récurrents ; les collaborateurs font des choix éclairés et respectent les échéances avec de la marge. - Ventes : une intelligence client instantanée pour un engagement plus profond
Les responsables de comptes ne passent plus des heures à rassembler le contexte des annonceurs. Saisissez une marque, et l’agent commercial récupère des signaux business à jour depuis le web, les associe à notre historique interne (performance des campagnes, interactions, contexte d’assistance) et fournit 1 à 5 insights personnalisés, formatés pour l’action. Les commerciaux arrivent préparés — avec des points de discussion opportuns et des angles qui alimentent des conversations plus riches. - Business Operations : une analyse experte de Trust & Safety
Protéger les utilisateurs implique d’examiner rapidement et de façon cohérente de nombreux cas de fraude potentielle. Notre agent T&S compile l’historique utilisateur, les liens vers les politiques, les cas passés similaires et les comportements signalés en une évaluation structurée assortie d’actions recommandées et de preuves. Les analystes restent dans la boucle et aux commandes — mais ils peuvent désormais traiter davantage de cas, avec une plus grande cohérence, et consacrer leur jugement là où il compte le plus. - Produit et développement : des références techniques, à la demande
Au lieu de fouiller dans le code ou dans une documentation obsolète, les ingénieurs posent désormais des questions en langage naturel et obtiennent des réponses vérifiées, tirées du code actuel et de la documentation technique — sans spéculation, sans approximation.- Cette capacité en libre-service simplifie considérablement les workflows, multipliant la productivité individuelle par 2 à 3 par rapport à une recherche manuelle ou à la sollicitation d’un ingénieur. Elle réduit aussi les changements de contexte des ingénieurs en offrant un accès facile aux réponses. Au-delà des simples recherches, l’agent identifie les derniers déploiements, explique les implémentations de fonctionnalités, met au jour les limitations du code (au-delà de GQL) et a déjà permis jusqu’à 2 fois de gains de temps sur des tâches comme la recherche de documents de référence et de détails de mutation.
- Revenue Operations : l’enrichissement des données à la vitesse du RevOps
Le RevOps passait auparavant 1 à 2 heures pour 50 comptes à rechercher des adresses et à les saisir manuellement dans Salesforce. L’agent d’enrichissement d’adresses ingère un CSV, regroupe le travail par lots, effectue des recherches automatisées et produit un fichier propre et validé (ou l’envoie directement vers Sheets) en environ 5 à 6 minutes. C’est du temps récupéré et une précision accrue. Voir la figure 2 pour le flux d’enrichissement d’adresses du RevOps.
Exemple : un flux d’agent type
Les stratégies derrière les résultats
- Réduire les frictions jusqu'à la première réussite
Le SSO, l'intégration Slack, une extension Chrome et un créateur d'agents no-code ont permis aux collaborateurs de tester leurs idées immédiatement. Sans ticket IT, sans attente. - Amener l'IA là où se fait le travail
Nous avons connecté les systèmes les plus importants afin que les collaborateurs puissent rechercher une seule fois, citer une seule fois et agir partout — avec les autorisations respectées de bout en bout. - Curer et réutiliser, plutôt que réinventer
Une bibliothèque d'agents, des micro-ateliers et des modèles « Agent Wins » ont aidé les équipes à remixer ce qui fonctionnait au lieu de repartir de zéro. Chacun joue un rôle unique pour aider les équipes à remixer des solutions éprouvées plutôt que de repartir de rien.- Bibliothèque d'agents : une ressource centralisée et consultable qui met en relation les équipes avec des experts et des solutions éprouvées, garantissant que le savoir-faire n'est pas cloisonné et accélérant la collaboration.
- Micro-ateliers au niveau des équipes : des démonstrations ciblées d'outils et de méthodes efficaces, pour un apprentissage rapide, pertinent et adapté aux spécificités de chaque équipe.
- Partage interfonctionnel des « Agent Wins » : des études de cas documentées et des modèles réutilisables qui capturent le contexte, les étapes et les résultats des déploiements d'agents réussis. Cela crée une bibliothèque vivante d'approches éprouvées, favorisant une culture d'amélioration continue.
Conclusion : la suite et les enseignements pratiques
Dans un avenir proche, la maîtrise de l'IA sera aussi naturelle que la maîtrise des données. Chaque équipe comptera quelqu'un capable de construire ou de guider un agent. L'organisation évoluera des « centres d'excellence » vers des « centres d'accompagnement » distribués, où experts métiers et technologues co-créent. Les entreprises qui réussiront combineront jugement humain et automatisation intelligente, et traiteront l'IA comme une capacité partagée — et non comme une fonction cloisonnée.
Enseignements pratiques pour passer de la maîtrise à la pratique quotidienne :
- Commencez par les humains, pas par les fonctionnalités : ancrez-vous dans Slack, les permanences et deux ou trois excellents agents que les collaborateurs peuvent tester dès aujourd'hui.
- Partagez chaque semaine, en toute transparence, les signaux de « ce qui fonctionne ». Rendez l'apprentissage visible.
- Gardez des points de contact courts et fréquents : un lien à cliquer, un agent à essayer.
- Bouclez la boucle publiquement : montrez ce qui a changé grâce aux retours des collaborateurs. La confiance se cumule.
Notre boucle d'apprentissage — Slack, permanences, mise en récit des réussites rapides et accompagnement intégré au produit — n'a pas simplement « lancé l'IA ». Elle a fait en sorte que Work AI ressemble à notre façon de travailler déjà : collaborative, rapide et ancrée dans des résultats concrets. C'est là le côté humain de Work AI : créez les conditions, et laissez la communauté faire émerger la valeur.
