Rebecca Hinds (00:00)

Bienvenue dans Intelligence Real and Imagined du Work AI Institute chez Glean.

‍

Rebecca Hinds (00:05)

C’est l’émission où nous faisons le tri entre ce qui est réel, ce qui est du buzz et ce qui fonctionne réellement avec l’IA au travail.

‍

Rebecca Hinds (00:13)

Je suis votre hôte, Rebecca Hinds, et je dirige notre Work AI Institute ici chez Glean.

‍

Rebecca Hinds (00:18)

Aujourd’hui, je suis rejointe par deux incroyables leaders féminines de l’IA, Shweta Puri de Nextdoor et Nichole Sterling de Women Defining AI.

‍

Rebecca Hinds (00:27)

Cet épisode s’inspire de notre rapport AI Transformation 100 et nous parlons de l’adoption de l’IA, de la manière dont elle se produit non pas grâce au buzz, mais grâce à la confiance, à l’expérimentation, à de meilleurs workflows et à des personnes prêtes à repenser la façon dont le travail est accompli.

‍

Rebecca Hinds (00:46)

Allons-y.

‍

Rebecca Hinds (00:50)

Shweta, pourquoi ne pas ouvrir le bal et vous présenter.

‍

Shweta Puri (00:55)

Bonjour à toutes et à tous.

‍

Shweta Puri (00:56)

Je suis très heureuse d’être ici.

‍

Shweta Puri (00:58)

Je suis Shweta Puri, responsable Marketing technology et AI operations chez Nextdoor, le réseau de quartier qui connecte les personnes à des communautés locales aux États-Unis et au-delà.

‍

Shweta Puri (01:08)

Mon parcours se situe à l’intersection du marketing, de la technologie, des opérations et, plus récemment, de l’IA en entreprise.

‍

Shweta Puri (01:15)

Concrètement, cela signifie que je ne suis ni chercheuse ni fournisseur.

‍

Shweta Puri (01:19)

Je suis une praticienne qui a réellement dû trouver comment rendre l’IA concrète au sein d’une entreprise avec de vraies contraintes budgétaires, de vrais sceptiques et de vrais workflows qui ne s’arrêteraient pas pour un pilote.

‍

Shweta Puri (01:32)

Donc.

‍

Shweta Puri (01:32)

Donc je suis cliente de Glean et aussi une utilisatrice avancée depuis nos tout premiers jours avec la plateforme, et cela fait environ un an.

‍

Shweta Puri (01:39)

J’ai un point de vue un peu inhabituel ici.

‍

Shweta Puri (01:43)

J’ai vécu les deux côtés, la personne qui le déploie et aussi la personne qui l’utilise au quotidien.

‍

Shweta Puri (01:48)

C’est donc cette double perspective que j’espère apporter à cette conversation aujourd’hui.

‍

Shweta Puri (01:52)

Et j’ai aussi raconté ce parcours sur le blog de Glean, que je partagerai en ressource de suivi.

‍

Shweta Puri (01:59)

Mais la version courte, c’est que la technologie était la partie facile.

‍

Shweta Puri (02:02)

Tout le reste, c’est ce dont nous sommes ici pour parler.

‍

Shweta Puri (02:05)

Je redonne la main à Rebecca.

‍

Rebecca Hinds (02:07)

Formidable.

‍

Rebecca Hinds (02:08)

Et j’ai vraiment hâte de lire ce billet de blog.

‍

Rebecca Hinds (02:10)

Je suis sûre que nous l’enverrons en suivi.

‍

Rebecca Hinds (02:12)

C’est très instructif.

‍

Rebecca Hinds (02:14)

Nichole, veuillez vous présenter.

‍

Nichole Sterling (02:16)

Bonjour à toutes et à tous, je m’appelle Nichole Sterling.

‍

Nichole Sterling (02:18)

Je suis la cofondatrice de Women Defining AI.

‍

Nichole Sterling (02:22)

Nous sommes une entreprise d’IA et d’éducation pour les femmes et les personnes non binaires.

‍

Nichole Sterling (02:28)

Nous avons commencé il y a plusieurs années comme un simple lunch and learn et aujourd’hui nous avons une communauté qui compte près de 2 000 membres.

‍

Nichole Sterling (02:38)

Et je me suis éloignée du rôle opérationnel au sein de Women Defining AI parce que j’ai lancé ma propre entreprise d’IA.

‍

Nichole Sterling (02:45)

C’est l’une des belles choses que nous avons vu émerger de notre communauté Women Defining AI : des femmes obtiennent de nouveaux postes, créent de nouvelles entreprises.

‍

Nichole Sterling (02:55)

Je suis par ailleurs une élue du public.

‍

Nichole Sterling (02:58)

J’occupe le poste de maire adjointe pour ma communauté.

‍

Nichole Sterling (03:01)

Et donc mon entreprise d’IA a fusionné mon expertise métier en administration locale avec mon parcours de technologue.

‍

Nichole Sterling (03:08)

J’aborde donc le sujet non seulement comme quelqu’un qui a dû impulser l’IA au sein de la communauté, mais aussi qui utilise elle-même l’IA, et également depuis une perspective de fournisseur dans la façon dont j’interagis avec les gouvernements locaux.

‍

Nichole Sterling (03:24)

Je siège également à la Gov AI coalition, et j’aide donc les gouvernements locaux à se procurer une IA sûre, éthique et responsable partout aux États-Unis.

‍

Nichole Sterling (03:33)

Ravie de la conversation d’aujourd’hui et merci de me recevoir.

‍

Rebecca Hinds (03:36)

La session d’aujourd’hui porte sur la manière dont l’adoption de l’IA se produit réellement.

‍

Rebecca Hinds (03:42)

Et ce que nous constatons de manière constante, c’est que la plupart des organisations ne rencontrent pas de difficultés d’accès à l’IA.

‍

Rebecca Hinds (03:48)

Nous pensons souvent que l’IA est fondamentalement un problème d’accès.

‍

Rebecca Hinds (03:52)

Si nous donnons cette technologie aux employés, ils l’utiliseront.

‍

Rebecca Hinds (03:55)

La réalité n’est pas celle-là, et ce que nous voyons, c’est que la conversion entre une exposition réelle à l’IA et un véritable changement, une exposition au changement, est très difficile.

‍

Rebecca Hinds (04:07)

Comment mettez-vous cette technologie entre les mains des personnes de façon à ce qu’elles l’utilisent activement et qu’elles l’utilisent à leur avantage au quotidien ?

‍

Rebecca Hinds (04:15)

Donc, Shweta, l’une des choses que nous observons, et je sais que vous le voyez aussi, c’est que de plus en plus d’organisations créent de nouveaux postes dont l’intitulé contient « AI ».

‍

Rebecca Hinds (04:25)

Et votre poste en est un exemple.

‍

Rebecca Hinds (04:29)

Marketing technology and AI operations lead.

‍

Rebecca Hinds (04:32)

Parlez-nous un peu de votre rôle, de ce dont vous êtes responsable et de l’importance d’avoir « AI » dans l’intitulé.

‍

Shweta Puri (04:41)

Oui, ce sont des temps enthousiasmants.

‍

Shweta Puri (04:44)

Tout le monde veut adopter l’IA d’une manière ou d’une autre.

‍

Shweta Puri (04:47)

Mais je vais vous donner le point de vue de mon côté : j’ai passé plus de 10 ans à diriger la martech et les opérations, ce qui est, là encore, un travail de « tissu conjonctif » pas si glamour, qui consiste à faire en sorte que les outils fonctionnent réellement pour les gens.

‍

Shweta Puri (05:02)

L’an dernier, j’ai opéré une transition vers les AI operations et l’enablement chez Nextdoor, et Glean a été l’une des toutes premières plateformes que nous avons mises en place.

‍

Shweta Puri (05:13)

Ce que j’en suis venu à apprécier dans le fait d’avoir l’IA dans mon intitulé de poste, c’est que ce n’est pas tant une question d’expertise technique pointue que de responsabilité vis-à-vis de résultats concrets : aider les équipes à trouver des façons pertinentes de travailler autrement avec l’IA, pour qu’elle devienne une véritable composante de la manière dont les gens font leur travail, plutôt qu’un simple outil supplémentaire dans lequel nous avons investi.

‍

Shweta Puri (05:37)

Donc mon rôle se situe vraiment à l’intersection entre la technologie au service de l’entreprise et les processus humains.

‍

Shweta Puri (05:44)

Et l’objectif n’est pas de déployer davantage d’outils, mais de changer les comportements, voire les fondations elles-mêmes.

‍

Shweta Puri (05:51)

Voilà à quoi cela ressemblait : une pratique que nous avons démarrée avec un pilote d’environ 50 personnes ; nous n’avons pas simplement ouvert un lien d’inscription en espérant que ça se passe bien.

‍

Shweta Puri (06:03)

Nous avons sélectionné des champions qui comprenaient profondément le problème.

‍

Shweta Puri (06:06)

Et cela voulait aussi dire que, dès le premier jour, tout le monde dans la salle avait le contexte, la conviction et une bonne raison de s’en soucier.

‍

Shweta Puri (06:13)

Cette sélection délibérée a donc fait toute la différence.

‍

Shweta Puri (06:16)

Et en l’espace d’un mois, nous avions une base solide d’utilisateurs actifs mensuels, et aussi pas mal d’utilisateurs actifs quotidiens.

‍

Shweta Puri (06:24)

Nous avons donc pris la décision de le déployer largement dans toute l’entreprise, pour environ 550 employés.

‍

Shweta Puri (06:31)

Et nous en sommes maintenant à plus de 500 utilisateurs, 700 agents créés et presque 82 % d’adhérence en seulement six mois de ce déploiement à grande échelle.

‍

Shweta Puri (06:43)

Donc oui, je veux dire, la phase un consistait à amener les gens à utiliser.

‍

Shweta Puri (06:46)

La recherche était le point d’entrée, pas la destination, et trouver des réponses était utile mais pas transformateur.

‍

Shweta Puri (06:52)

Donc la phase deux, c’est là que les choses ont vraiment commencé à devenir intéressantes : quand nous sommes passés de, vous savez, « je recherche via Glean » à « je travaille via Glean », ce qui tourne entièrement autour des agents, des automatisations, de l’IA intégrée au travail réel, et pas comme une note de bas de page.

‍

Shweta Puri (07:12)

Donc oui, c’est le parcours à date, à haut niveau, chez Nextdoor.

‍

Rebecca Hinds (07:19)

Et cette intégration de l’IA dans le flux de travail, c’est quelque chose que nous entendons systématiquement comme étant incroyablement important.

‍

Rebecca Hinds (07:25)

On parle parfois de « toggle tax ».

‍

Rebecca Hinds (07:28)

Et c’est aussi un sujet que nous analysons dans notre rapport.

‍

Rebecca Hinds (07:30)

La réalité, c’est que les employés sont souvent tellement submergés, tellement surchargés, qu’ils n’ont pas envie de basculer vers une autre plateforme ou un autre outil pour utiliser la technologie.

‍

Rebecca Hinds (07:42)

Donc Shweta, l’un des points sur lesquels je voudrais revenir dans votre parcours, c’est ce que nous observons souvent dans les organisations : ce qu’on appelle parfois l’écart entre ambition et exécution.

‍

Rebecca Hinds (07:54)

Beaucoup d’ambition associée à la technologie, beaucoup de battage, mais ensuite, quand il faut passer à l’action, on ne voit pas cela se traduire en résultats concrets.

‍

Rebecca Hinds (08:04)

Y a-t-il des aspects de votre parcours et de celui de Nextdoor où vous avez constaté : vous avez mené des formations, des pilotes, des déploiements à grande échelle, mais il y a eu un écart pour traduire cette ambition et ce travail de préparation en résultats réels ?

‍

Shweta Puri (08:23)

Oui, c’est vrai.

‍

Shweta Puri (08:25)

Je veux dire, c’est ça le vrai défi.

‍

Shweta Puri (08:26)

Et encore une fois, la formation seule ne change presque jamais la donne.

‍

Shweta Puri (08:31)

Donc je dirais cela en tant que personne qui en a beaucoup fait, et voici ce que j’ai appris à mes dépens.

‍

Shweta Puri (08:37)

Pensez à la dernière fois où vous avez vraiment, vous savez, changé votre façon de travailler à cause d’une annonce à l’échelle de l’entreprise.

‍

Shweta Puri (08:44)

Probablement jamais : il y a toujours des annonces dans l’entreprise, n’est-ce pas.

‍

Shweta Puri (08:48)

Mais si un pair que vous respectez, quelqu’un dans un rôle similaire au vôtre, vous prenait à part et vous disait : « tu sais, ça m’a fait gagner deux heures la semaine dernière », vous essaieriez probablement très vite et vous laisseriez tomber le reste.

‍

Shweta Puri (09:01)

Exact.

‍

Shweta Puri (09:02)

Donc l’adoption de l’IA fonctionne exactement de la même manière.

‍

Shweta Puri (09:05)

Le signal doit venir de quelqu’un qui a de la crédibilité dans la salle, et pas d’une équipe centrale qui se contente de diffuser un message à tout le monde.

‍

Shweta Puri (09:13)

Donc le deuxième déclic, c’était les okrs.

‍

Shweta Puri (09:16)

Quand nous avons intégré l’usage de l’IA dans la manière dont les équipes mesurent la réussite — non pas comme une initiative parallèle, mais comme une composante de la façon dont elles atteignent leurs objectifs — l’IA a cessé d’être, vous savez, une charge supplémentaire, et a commencé à devenir la manière dont les gens travaillaient réellement.

‍

Shweta Puri (09:33)

Si votre programme IA ne touche pas aux okrs, cela reste quelque chose d’optionnel et les gens considéreront cela comme optionnel, même selon les rôles.

‍

Shweta Puri (09:43)

Donc je dirais : partez des bases, comme intégrer l’IA dans les OKRs, ou faire en sorte que les personnes pilotent davantage l’adoption de cette façon.

‍

Rebecca Hinds (09:53)

Oui, c’est un éclairage vraiment précieux, c’est sûr.

‍

Rebecca Hinds (09:55)

Nichole, je me tourne vers vous.

‍

Rebecca Hinds (09:57)

Avez-vous également constaté cet écart entre ambition et exécution dans votre travail ?

‍

Rebecca Hinds (10:03)

Et selon vous, qu’est-ce qui l’alimente ?

‍

Nichole Sterling (10:06)

Oui, absolument.

‍

Nichole Sterling (10:09)

Il y a toujours ce décalage entre des dirigeants qui disent qu’il faut qu’on obtienne, qu’on ait, qu’on doit avoir.

‍

Nichole Sterling (10:15)

Et pourtant, ils ne le font peut-être pas.

‍

Nichole Sterling (10:16)

Et s’ils proposent une formation, c’est très bien.

‍

Nichole Sterling (10:19)

Nous avons vu beaucoup d’entreprises, que ce soit dans des initiatives comme Women Defining AI ou même dans mon domaine des collectivités locales, où elles ne proposent pas de formation, elles ne donnent pas de lignes directrices.

‍

Nichole Sterling (10:29)

Et du coup, tout le monde se demande : bon, comment est-ce qu’on fait, concrètement ?

‍

Nichole Sterling (10:34)

Et je pense que l’une des raisons qui explique cela, c’est qu’il y a beaucoup de hype : vous savez, 2025 tournait beaucoup autour des agents.

‍

Nichole Sterling (10:42)

Et donc tout le monde parle des agents : est-ce quelque chose que je devrais connaître ?

‍

Nichole Sterling (10:45)

Et malheureusement, parce qu’il y a cette pression autour de la hype, en interne, les gens ne font pas certains fondamentaux, vous savez, les bases : formation, expérimentation, utilisation.

‍

Nichole Sterling (11:00)

Du coup, les gens n’ont pas une très bonne compréhension de ce qu’ils pourraient tirer de l’IA, ni des outils qu’ils pourraient utiliser à leur avantage.

‍

Nichole Sterling (11:08)

Et donc cela crée ce que nous aimons appeler cette frontière aux contours irréguliers.

‍

Nichole Sterling (11:12)

Et c’est l’idée que, vous savez, certains outils d’IA sont excellents, très bons pour certaines choses, mais qu’ensuite ils sont moins performants sur d’autres.

‍

Nichole Sterling (11:23)

Et c’est aussi spécifique au contexte, vous savez, potentiellement à votre entreprise et à votre rôle.

‍

Nichole Sterling (11:28)

Et donc on a l’impression que l’IA a cette sorte de contour très irrégulier : vraiment excellente sur certaines choses, peut-être moins sur d’autres.

‍

Nichole Sterling (11:32)

Et puis bien sûr, c’est spécifique au contexte.

‍

Nichole Sterling (11:36)

Et donc, si vous n’aidez pas vos équipes en interne à comprendre, à expérimenter, et à expérimenter ouvertement au sein de l’entreprise, nous continuons simplement à courir après ce cycle de hype.

‍

Nichole Sterling (11:54)

Et donc, on a clairement l’impression qu’il existe un écart entre l’ambition et l’exécution.

‍

Rebecca Hinds (11:58)

Et l’une des choses que vous avez toutes les deux exprimées, c’est l’importance du parcours d’apprentissage.

‍

Rebecca Hinds (12:04)

Et je pense souvent que c’est sous-estimé, à commencer par le fait que vos employés sachent utiliser l’IA pour la recherche, quelque chose que la plupart des employés connaissent déjà.

‍

Rebecca Hinds (12:17)

Puis, peut-être, passer aux assistants et comprendre : d’accord, comment interagit-on avec un assistant intelligent dans le cadre du travail au quotidien ?

‍

Rebecca Hinds (12:26)

Et ensuite, le saut, ce sont les agents.

‍

Rebecca Hinds (12:29)

Il est très difficile de passer de zéro à agent d’une manière avec laquelle les employés se sentent à l’aise.

‍

Rebecca Hinds (12:36)

Je veux parler des champions, des champions IA.

‍

Rebecca Hinds (12:40)

Je pense que c’est une expression de plus en plus courante et je pense que c’est reconnu comme une stratégie importante.

‍

Rebecca Hinds (12:47)

Pas seulement un changement impulsé d’en haut : comment activer ces champions et influenceurs IA au sein d’une organisation ?

‍

Rebecca Hinds (12:54)

Shweta, comment identifies-tu les champions ?

‍

Rebecca Hinds (12:57)

Que recherches-tu pour identifier ces personnes qui peuvent aider à mener la charge autour de l’adoption de l’IA ?

‍

Shweta Puri (13:06)

Oui, bien sûr, chez nous, les champions n’étaient pas ceux que l’on aurait naturellement attendus.

‍

Shweta Puri (13:14)

Ce n’étaient pas toujours les personnes les plus techniques.

‍

Shweta Puri (13:17)

C’étaient plutôt des personnes curieuses, transverses, prêtes à essayer des choses, à échouer et à revenir avec une meilleure version.

‍

Shweta Puri (13:27)

Donc, dans notre pilote, ce sont les champions qui ont réellement choisi les participants.

‍

Shweta Puri (13:31)

Ils avaient donc vraiment quelque chose en jeu.

‍

Shweta Puri (13:33)

Donc, vous savez, ce n’était pas comme si on leur avait assigné un rôle : ils l’ont choisi.

‍

Shweta Puri (13:37)

Donc, le fait de se l’approprier comptait.

‍

Shweta Puri (13:39)

Et après presque six à sept mois de travail avec ces personnes — maintenant, en fait plus longtemps, pilote inclus, ça fait presque un an — vous savez exactement quel contenu donner à quelqu’un selon l’étape où il se trouve dans son parcours.

‍

Shweta Puri (13:55)

Donc, vous savez, un nouvel utilisateur de Glean a toujours besoin d’un type d’impulsion différent de quelqu’un qui a déjà construit, disons, cinq ou six agents.

‍

Shweta Puri (14:03)

Nous avons aussi mis en place une infrastructure pour permettre aux champions de réussir.

‍

Shweta Puri (14:08)

Un canal privé, type Slack, où chacun pouvait partager des idées, mettre en avant des réussites et échanger des conseils.

‍

Shweta Puri (14:14)

Les power users influencent clairement les autres employés de l’entreprise.

‍

Shweta Puri (14:20)

Et ensuite, nous avons aussi lancé des office hours récurrentes, qui n’étaient pas vraiment des présentations, mais plutôt des sessions collaboratives de debug, des mises à jour en petits formats et des bulletins internes.

‍

Shweta Puri (14:32)

Et nous avons aussi gamifié le tout, en mettant en lumière les meilleurs créateurs d’agents, par exemple les utilisateurs de chat les plus actifs, les workflows les plus créatifs.

‍

Shweta Puri (14:41)

Et cela a rendu la réussite visible et reproductible.

‍

Shweta Puri (14:44)

Donc notre mantra est devenu : amener l’IA au travail, ne pas amener les employés vers un autre outil.

‍

Shweta Puri (14:50)

Donc intégrer l’IA là où les employés travaillent déjà réellement.

‍

Rebecca Hinds (14:56)

C’est super.

‍

Rebecca Hinds (14:57)

Et pour celles et ceux qui nous rejoignent, nous parlons des champions IA et de l’importance des champions IA au sein de l’Organisation.

‍

Rebecca Hinds (15:05)

C’est quelque chose que nous observons systématiquement aussi : associer ce changement important impulsé d’en haut à l’activation de vos influenceurs et champions IA, et reconnaître qu’ils ne sont peut-être pas ceux que l’on imagine.

‍

Rebecca Hinds (15:17)

Et nous constatons de manière constante qu’ils ne sont généralement pas très techniques, qu’ils ne sont généralement pas en haut de l’organigramme, mais qu’ils ont une très, très grande influence pour encourager les autres autour d’eux à adopter.

‍

Rebecca Hinds (15:29)

Nichole, je suis curieuse : de ton point de vue, quelles sont les caractéristiques que tu vois chez ces champions IA ?

‍

Rebecca Hinds (15:35)

Ont-ils une Persona ou une empreinte particulière qui revient encore et encore ?

‍

Nichole Sterling (15:41)

Oui, je suis d’accord avec Shweta quand elle dit que, vous savez, ce sont généralement des early adopters curieux, des généralistes transverses.

‍

Nichole Sterling (15:50)

Ça me décrit, moi et Helen, la co-

‍

Nichole Sterling (15:52)

fondatrice, co-fondatrice de Women Defining A to A T.

‍

Nichole Sterling (15:56)

Et vous savez, comme tu l’as mentionné, souvent ce ne sont pas forcément les plus techniques, mais ils ont les idées, ils comprennent leurs workflows, et ils peuvent regarder l’IA et se dire : oh, ça pourrait probablement fonctionner ici.

‍

Nichole Sterling (16:11)

Et l’une des autres caractéristiques que nous voyons encore et encore chez certains de ces champions, c’est que ce sont des power users prêts à essayer, échouer, parler de cet échec — ce qui a marché, ce qui n’a pas marché — puis continuer.

‍

Nichole Sterling (16:26)

C’est vraiment l’éthique autour de laquelle nous avons construit notre communauté : juste, mettez-le dehors, essayez, échouez, échouez plusieurs fois jusqu’à ce que vous trouviez quelque chose qui fonctionne.

‍

Nichole Sterling (16:37)

Et donc, l’une des choses — et c’est d’ailleurs une autre tendance que nous observons —, c’est qu’ils peuvent appliquer des solutions à différents problèmes au lieu de cantonner l’IA à un seul usage.

‍

Nichole Sterling (16:46)

C’est du genre : « Oh non, je n’utilise l’IA que pour ça, juste ici. »

‍

Nichole Sterling (16:49)

Non, ils appliquent en permanence des solutions à différents problèmes.

‍

Nichole Sterling (16:54)

Et c’est vraiment enthousiasmant à observer, même dans ma propre expérience.

‍

Nichole Sterling (16:58)

Oui.

‍

Nichole Sterling (16:58)

Donc, en termes de champion, parce que beaucoup d’autres secteurs commencent tout juste à émerger avec l’IA, et les administrations locales en font partie.

‍

Nichole Sterling (17:07)

Ils ne sont pas, ils ne sont pas aussi en avance que le secteur privé, mais ils ne veulent pas non plus être laissés de côté et, d’ailleurs, j’anime une session plus tard aujourd’hui sur le vibe coding et les administrations locales.

‍

Nichole Sterling (17:19)

On ne penserait pas que beaucoup d’administrations locales s’y intéressent, ou que c’est juste… que ça repousse un peu trop les limites.

‍

Nichole Sterling (17:24)

Mais cela illustre vraiment cette idée : ce sont eux les experts métier, ils savent comment le travail s’organise et comment les processus s’enchaînent — et si on leur mettait entre les mains un outil qui leur permettait de créer ce pour quoi, d’habitude, ils doivent s’appuyer sur des consultants coûteux, ou sur d’autres personnes pour donner vie à leur idée.

‍

Nichole Sterling (17:44)

Et c’est génial de voir ça se produire dans différents secteurs.

‍

Nichole Sterling (17:48)

Et, encore une fois, tout revient toujours à : qui est partant, et qui a l’idée.

‍

Rebecca Hinds (17:54)

Et je pense que l’un des changements les plus fascinants que nous observons partout, c’est la manière dont le cycle de vie du développement produit évolue rapidement : pouvoir prototyper très vite, beaucoup plus facilement, et pouvoir démontrer une preuve de concept alors qu’auparavant on dépendait de ces experts.

‍

Rebecca Hinds (18:13)

C’est assez enthousiasmant.

‍

Rebecca Hinds (18:14)

Mais cela ouvre aussi des risques pour l’organisation, et il faut également être intentionnel dans la façon de gérer cela.

‍

Rebecca Hinds (18:22)

J’aime le fait que vous ayez aussi abordé les profils transverses, et le fait qu’ils soient de très bons candidats pour être des champions de l’IA.

‍

Rebecca Hinds (18:30)

C’est quelque chose que nous observons systématiquement aussi, vous savez, parce qu’en partie, ils ne construisent pas seulement pour eux-mêmes : ils pensent de manière plus globale à l’organisation.

‍

Rebecca Hinds (18:40)

Et je pense que c’est, vous savez, souvent une stratégie que nous recommandons aux organisations : ne cherchez pas seulement, vous savez, les personnes curieuses — c’est un groupe très important — mais cherchez aussi les personnes qui se situent à l’intersection de plusieurs fonctions et équipes.

‍

Rebecca Hinds (18:54)

Oui, donc j’aimerais passer à la mesure.

‍

Rebecca Hinds (18:59)

C’est très difficile à l’ère de l’IA.

‍

Rebecca Hinds (19:03)

Vous savez, comment mesure-t-on le succès ?

‍

Rebecca Hinds (19:04)

Comment mesure-t-on l’efficacité ?

‍

Rebecca Hinds (19:06)

Nichole, j’aimerais commencer par vous.

‍

Rebecca Hinds (19:09)

Comment pensez-vous que les dirigeants devraient envisager la mesure en ce moment ?

‍

Nichole Sterling (19:16)

Oui, c’est une conversation qui a lieu depuis quelques années maintenant, parce que je pense que la première réaction instinctive, c’est : « Bon, comment est-ce que je mesure le succès de ce truc ? »

‍

Nichole Sterling (19:26)

Et surtout avec l’IA qui est nouvelle — et nouvelle dans nos comportements —, les gens ont vraiment essayé de trouver une manière de la mesurer efficacement.

‍

Nichole Sterling (19:34)

Et on ne sait pas s’il existe vraiment des métriques parfaites, pour l’instant.

‍

Nichole Sterling (19:39)

C’est encore principalement une question d’usage.

‍

Nichole Sterling (19:41)

C’est une question de création d’habitudes, comme nous en avons déjà parlé.

‍

Nichole Sterling (19:45)

C’est une question de compréhension de la façon dont le travail peut se déplacer ou changer.

‍

Nichole Sterling (19:49)

Et donc, à quoi ressemble le “bon” dépend en réalité du travail à accomplir.

‍

Nichole Sterling (19:55)

Avec l’IA, j’ai le privilège de travailler avec différents secteurs et différentes industries.

‍

Nichole Sterling (20:02)

Et au début, c’était toujours axé sur la métrique de productivité.

‍

Nichole Sterling (20:05)

C’est du genre : « Oui, mais si vous essayez juste de récupérer tant d’heures, et que vous ne faites que prendre plus de travail administratif, est-ce que ça aide vraiment l’organisation ? »

‍

Nichole Sterling (20:15)

Et c’est quelque chose que j’ai vu revenir dans de nombreux secteurs.

‍

Nichole Sterling (20:19)

Et donc, ensuite, ça devient : « OK, quels sont ces objectifs de plus haut niveau vers lesquels on pourrait aller ? »

‍

Nichole Sterling (20:25)

Que ce soit, vous savez, un objectif plus élevé, un objectif global — dans les administrations locales, ça pourrait être quelque chose comme, vous savez, la satisfaction des citoyens, ou quelque chose comme ça.

‍

Nichole Sterling (20:37)

Mais, encore une fois, les gens essaient toujours de comprendre comment ça s’articule, comment tout se connecte.

‍

Nichole Sterling (20:44)

Donc, pour moi, cela a vraiment été très contextuel.

‍

Rebecca Hinds (20:48)

Ça dépend vraiment d’une fonction à l’autre.

‍

Rebecca Hinds (20:51)

Nous voyons, d’équipe à équipe, un ancrage sur les KPI métiers existants — je pense que c’est un marqueur de ce qui fonctionne, étant donné à quel point la technologie est malléable et flexible aujourd’hui.

‍

Rebecca Hinds (21:05)

Étroitement lié à la conversation sur les métriques, il y a ce phénomène qu’on appelle parfois l’AI theater.

‍

Rebecca Hinds (21:12)

Utiliser la technologie, pour utiliser la technologie.

‍

Rebecca Hinds (21:15)

Il y a beaucoup de pression en ce moment pour montrer que vous utilisez l’IA, montrer que vous investissez dans l’IA et que vous développez cette capacité au sein de votre organisation.

‍

Rebecca Hinds (21:23)

Nichole, comment voyez-vous l’AI theater se manifester au quotidien ?

‍

Rebecca Hinds (21:28)

Quels sont quelques-uns de ces signes révélateurs ?

‍

Nichole Sterling (21:31)

Donc, j’ai dit que j’ai la chance d’observer cela dans différents secteurs, et c’est toujours quand j’entends quelqu’un dire : « Oh, on utilise ChatGPT », mais à un niveau superficiel.

‍

Nichole Sterling (21:45)

Et ce qui, pour moi, est le vrai déclic, c’est quand ils disent : « Oh, c’est la version gratuite. »

‍

Nichole Sterling (21:50)

Et là, je me dis : « OK, ça veut dire que c’est beaucoup de gesticulations, beaucoup de théâtre. »

‍

Nichole Sterling (21:56)

Vous n’avez pas vraiment de stratégie solide.

‍

Nichole Sterling (22:01)

Et comme je l’ai dit, ça ressort partout.

‍

Nichole Sterling (22:03)

Et donc, je pense qu’en externe, les PDG font beaucoup de grandes déclarations sur l’IA, mais les employés ne savent pas vraiment ce que ça signifie pour leur quotidien.

‍

Nichole Sterling (22:13)

Et ils ne priorisent pas la formation ni l’expérimentation publiquement.

‍

Nichole Sterling (22:18)

Et ils peuvent simplement dire : oh, eh bien, nous utilisons ChatGPT.

‍

Nichole Sterling (22:20)

Mais encore une fois, comme toutes les choses dont nous avons parlé : que ce soit la formation, la compréhension de la façon dont ça fonctionne dans les workflows, est-ce qu’on échoue ?

‍

Nichole Sterling (22:27)

Nous voulons entendre ces histoires d’échec autant que les histoires de réussite.

‍

Nichole Sterling (22:32)

Et donc, vous savez, si les gens n’ont pas ces directives et que c’est vraiment juste beaucoup de gesticulations en interne, les gens manquent tout simplement de sentiment de maîtrise.

‍

Nichole Sterling (22:42)

Ils ne savent pas à quoi ressemble une bonne IA pour leur rôle, pour le rôle de leur équipe.

‍

Nichole Sterling (22:47)

Et c’est là que c’est vraiment frustrant d’entendre que des entreprises continuent d’agir de cette façon juste pour pouvoir dire qu’elles font de l’IA.

‍

Rebecca Hinds (22:58)

Et je pense qu’un moyen de lutter contre cela, c’est Shweta, ce que vous évoquiez plus tôt en termes d’importance d’intégrer l’IA dans le flux de travail.

‍

Rebecca Hinds (23:08)

Et je veux revenir à cette conversation parce que je pense que c’est très pertinent ici.

‍

Rebecca Hinds (23:13)

Pouvez-vous nous présenter un workflow où l’IA est passée d’un projet annexe, peut-être plus dans la mise en scène et le discours que dans l’action, à une intégration profonde dans le flux de travail et dans le travail quotidien des employés ?

‍

Shweta Puri (23:31)

Oui, bien sûr.

‍

Shweta Puri (23:32)

La façon dont j’y pense, c’est que nos agents ou nos automatisations que nous avons construits avec l’IA — ou Glean si vous préférez — relèvent en gros de deux catégories.

‍

Shweta Puri (23:43)

La première, ce sont des agents « evergreen » ou « toujours actifs », et la deuxième catégorie, je l’appellerais « saisonnière », et les deux sont essentielles. Les agents evergreen / toujours actifs répondent aux mêmes questions qui ne disparaissent jamais.

‍

Shweta Puri (24:00)

Et un bon exemple ici, c’est par exemple l’agent d’assistance IT, qui est, vous savez, un agent très utilisé dans notre entreprise.

‍

Shweta Puri (24:10)

Nous avions déjà un canal Slack où les employés posaient des questions à l’IT, n’est-ce pas ?

‍

Shweta Puri (24:14)

Le problème n’était pas d’avoir la réponse ; le problème, en réalité, c’est que les réponses étaient enfouies dans l’historique de défilement et non découvrables au moment où les gens les cherchent.

‍

Shweta Puri (24:24)

Donc chaque question semblait nouvelle, et évidemment il y avait auparavant un humain qui interagissait ou répondait à ces questions.

‍

Shweta Puri (24:32)

Cependant, nous avons placé un agent Glean dans ce canal existant et maintenant c’est la première ligne de réponse.

‍

Shweta Puri (24:38)

Il détourne les questions répétées, s’appuie sur des bases de données et documents historiques et ne redirige vers des humains que les problèmes réellement nouveaux.

‍

Shweta Puri (24:48)

Donc nous n’avons pas créé un nouveau process ici, nous avons rendu l’existant plus intelligent.

‍

Shweta Puri (24:53)

Et le même principe s’applique en quelque sorte à un autre agent que nous allons bientôt déployer, au lieu de pinguer un data analyst.

‍

Shweta Puri (25:02)

Et cela s’appelle un agent d’aide data, où les employés pourront désormais poser des questions en langage naturel et obtenir des réponses extraites directement de l’environnement Databricks, dans notre cas.

‍

Shweta Puri (25:14)

Et c’est, vous savez, un gain de temps à la fois pour les personnes qui posent les questions et aussi pour l’équipe qui devait traiter ces demandes auparavant.

‍

Shweta Puri (25:22)

Donc ce sont quelques exemples d’agents evergreen / toujours actifs.

‍

Shweta Puri (25:28)

Ensuite, il y a ces agents saisonniers avec lesquels nous avons expérimenté récemment.

‍

Shweta Puri (25:32)

Et vous savez, comme ces cas d’usage sont en quelque sorte intégrés — ils ont des échéances et une audience captive — l’inscription annuelle aux avantages sociaux en était un parfait exemple : chaque année, l’équipe People est submergée par les mêmes questions sur les plans, les options, les dates limites, les actions Workday, etc.

‍

Shweta Puri (25:54)

Donc notre, vous savez, agent « avantages » a été nommé pour paraître accessible, vous savez, et ainsi les employés obtiennent instantanément de la clarté et des réponses précises tout de suite au lieu d’attendre une réponse RH.

‍

Shweta Puri (26:11)

Et un autre exemple saisonnier, c’est un agent d’auto-évaluation de performance, que nous avons lancé en amont du cycle d’évaluation : qui aime rédiger ses auto-évaluations chaque trimestre ou tous les six mois ?

‍

Shweta Puri (26:24)

Les employés pouvaient demander à l’agent de structurer leur évaluation, de fournir des exemples et des conseils pratiques, et d’obtenir de l’aide pour formuler l’impact au moment précis où ils en ont besoin.

‍

Shweta Puri (26:35)

Donc ce sont quelques-uns des agents à fort impact que nous avons commencé à utiliser récemment, et ils ont montré un impact significatif.

‍

Rebecca Hinds (26:45)

C’est super.

‍

Rebecca Hinds (26:45)

Et il y a un commentaire dans le chat de Joshua qui, je pense, illustre très bien cela aussi.

‍

Rebecca Hinds (26:52)

Nous pensons souvent que les agents IA devraient tout faire.

‍

Rebecca Hinds (26:55)

Ils devraient automatiser l’ensemble du processus.

‍

Rebecca Hinds (26:57)

Et ce que vous avez fait de très bien, c’est que vous avez réfléchi très soigneusement à la division du travail pour les aspects du travail, par exemple, qui sont routiniers et pour lesquels il existe des précédents : déléguez cela à un agent.

‍

Rebecca Hinds (27:10)

La nouveauté, en termes de nouvelles tâches, de nouvelles demandes des employés, c’est souvent une démarche proprement humaine.

‍

Rebecca Hinds (27:19)

Et je pense que cette division du travail, ce n’est pas facile, mais c’est important quand on pense aux agents en particulier et aux workflows.

‍

Rebecca Hinds (27:28)

Je veux conclure avec une dernière question, et Shweta, je vais vous la poser en premier.

‍

Rebecca Hinds (27:35)

Il y a beaucoup de pression pour aller vite avec l’IA en ce moment, et je pense qu’il y a aussi beaucoup de peur d’aller trop lentement et d’avoir l’impression d’être à la traîne.

‍

Rebecca Hinds (27:46)

Quelle est une action concrète que vous recommanderiez aux gens de faire la semaine prochaine ou le mois prochain, en termes de faire ce pas supplémentaire pour faire avancer leur adoption de l’IA ?

‍

Shweta Puri (27:58)

Oui.

‍

Shweta Puri (27:59)

S’il n’y a qu’une chose que je veux que vous reteniez aujourd’hui, c’est : ne commencez pas par un deck de stratégie.

‍

Shweta Puri (28:07)

Commencez par un flux, un workflow que votre équipe utilise déjà, et rendez-le plus intelligent.

‍

Shweta Puri (28:12)

C’est tout.

‍

Shweta Puri (28:13)

C’est tout le playbook.

‍

Shweta Puri (28:14)

Trouvez les points de friction, intégrez l’IA, choisissez une métrique pour prouver ce qui fonctionne, puis laissez vos équipes l’étendre.

‍

Shweta Puri (28:23)

C’est comme ça qu’on est passés, vous savez, d’un dossier à 50% / 50% à plus de 700 agents.

‍

Shweta Puri (28:29)

Pas en planifiant tout en amont, mais en suivant les signaux, un workflow à la fois.

‍

Shweta Puri (28:35)

Donc, on doit diviser pour mieux régner.

‍

Shweta Puri (28:37)

Et vous savez, tout ne peut pas être déployé dès le premier jour.

‍

Shweta Puri (28:41)

Donc je vous promets que, une fois que votre équipe ressentira qu’elle récupère, vous savez, 20 minutes, la question suivante sera : est-ce qu’on doit utiliser l’IA ou, vous savez, où peut-on mieux utiliser l’IA ?

‍

Shweta Puri (28:55)

Donc, concrètement, intégrez l’IA directement dans les processus existants.

‍

Rebecca Hinds (29:01)

C’est un excellent conseil.

‍

Rebecca Hinds (29:02)

Nichole, et vous ?

‍

Rebecca Hinds (29:03)

Quelle action recommanderiez-vous à chaque organisation de prendre, dès maintenant, dans son parcours d’adoption de l’IA ?

‍

Nichole Sterling (29:11)

Oui.

‍

Nichole Sterling (29:12)

Alors, comme je l’ai mentionné, j’ai ma propre entreprise d’IA et, en général, comme je suis à la fois la cliente et l’experte métier, je prototype souvent de nouveaux ensembles de fonctionnalités, puis je les confie à mon équipe d’ingénierie pour les mettre en production.

‍

Nichole Sterling (29:27)

Et je raconte cette histoire comme exemple, un peu comme enseignement à retenir.

‍

Nichole Sterling (29:31)

Je prototypais, en gros, un analyseur d’ADU.

‍

Nichole Sterling (29:35)

Les ADU, ce sont des accessory dwelling units.

‍

Nichole Sterling (29:39)

C’est un excellent moyen d’accélérer des initiatives de logement abordable au sein des juridictions.

‍

Nichole Sterling (29:44)

Et au fur et à mesure que je le construisais, vous savez, je me suis dit « bof », j’ai arrêté cette session, j’en ai démarré une autre parce que je fais du vibe coding et j’ai essayé plusieurs façons de résoudre le sujet.

‍

Nichole Sterling (29:55)

Et au final, ce qui en est sorti, c’était une nouvelle idée à laquelle je n’avais même pas pensé auparavant, parce qu’après avoir construit une sorte de prototype pour savoir où ces accessory dwelling units détachées pourraient être implantées dans l’une de mes municipalités ou villes de test…

‍

Nichole Sterling (30:10)

… je me suis dit : vous savez ce qui rendrait ça vraiment génial ? Pouvoir faire un analyseur de politiques sur ce sujet et, en gros, ajuster des métriques de politique publique.

‍

Nichole Sterling (30:20)

Donc : et si on réduisait l’emprise résidentielle de ces parcelles à 5 000, et qu’on faisait en sorte que n’importe quel ADU puisse être sur une parcelle de 5 000 pieds carrés, parce que chaque juridiction est différente, et commencer à ajouter des toggles là-dessus.

‍

Nichole Sterling (30:35)

Et là je me suis dit : oh mon Dieu, c’est en fait la partie la plus cool, et ce n’est pas du tout ce avec quoi je comptais commencer.

‍

Nichole Sterling (30:41)

Donc, mon conseil pour vous : prenez un problème récurrent et résolvez-le de six façons différentes avec l’IA, comme exercice d’équipe.

‍

Nichole Sterling (30:52)

Idéalement, vous aurez certains échecs, parce que peut-être que les versions 1, 2 et 3 ne fonctionnent pas très bien, mais peut-être qu’au moment où vous arrivez à une version 6, il y a quelque chose d’intéressant — et peut-être que quelque chose d’intéressant en sort, que vous n’aviez pas prévu au départ.

‍

Nichole Sterling (31:07)

Donc : six façons différentes de résoudre un problème, s’aligner sur le meilleur pattern, et en faire une habitude.

‍

Rebecca Hinds (31:12)

J’adore.

‍

Rebecca Hinds (31:13)

Et c’est, c’est tellement concret — et ça s’aligne avec le fait que, vous savez, il existe énormément de preuves suggérant qu’on est plus créatifs, plus innovants, quand on a aussi une plus grande quantité d’idées avec lesquelles travailler.

‍

Rebecca Hinds (31:24)

Et je pense que ça va tout à fait dans ce sens.

‍

Rebecca Hinds (31:26)

Donc six façons différentes : je pense que c’est quelque chose qu’on peut tous mettre en pratique.

‍

Rebecca Hinds (31:31)

Eh bien, merci Shweta.

‍

Rebecca Hinds (31:32)

Merci Nichole de nous avoir rejoints.

‍

Rebecca Hinds (31:33)

Merci à toutes et à tous de nous avoir suivis.

‍

Rebecca Hinds (31:35)

J’ai beaucoup appris.

‍

Rebecca Hinds (31:36)

Je pense que notre audience aussi.

‍

Rebecca Hinds (31:38)

Et restez à l’écoute pour le prochain épisode.

‍

Rebecca Hinds (31:41)

Si vous avez apprécié cet épisode, abonnez-vous à Intelligence Real and Imagined pour ne manquer aucune conversation.

‍

Rebecca Hinds (31:47)

Et téléchargez le rapport AI Transformation 100 via le lien dans les notes de l’épisode.

‍

Rebecca Hinds (31:52)

Merci de votre écoute, et à la prochaine.