Un cadre de Farid Mheir
Leading with AI
Un cadre pour examiner ce que l’adoption de l’IA change dans une organisation. Quatre volets relient l’orientation stratégique, la capacité de l’organisation, les choix habilitants et l’exécution.
Je réponds personnellement. Sans engagement. Aucune liste.
La question utile
Qu’est-ce qui change ici, pourquoi est-ce important, et qu’est-ce que quelqu’un doit décider ou faire?
Le cadre sert à suivre un changement concret à travers l’organisation. Si l’IA accélère la programmation, par exemple, les conséquences peuvent inclure de nouvelles possibilités de produits, une structure d’équipe différente, de nouveaux contrôles de qualité et un plan d’investissement révisé.
Une équipe a besoin des quatre volets en même temps : l’état d’esprit, les compétences, les outils et le passage à l’action. Chaque volet compte trois éléments.
L’état d’esprit (Mindset)
Où l’IA pourrait-elle créer de la valeur, et qu’est-ce qui a assez changé pour exiger une réponse stratégique?
Repérer où l’IA pourrait créer de la valeur et quelles occasions méritent l’attention.
Stratégie d’affaires
Qu’est-ce qui compte pour l’entreprise? Quelle hypothèse l’IA pourrait-elle changer? Quel résultat justifierait d’agir?
Ce que l’IA change
Qu’est-ce qui devient possible ou praticable? Quelle contrainte se déplace? Qui gagne ou perd un avantage?
Cas d’usage stratégiques
Quel travail est délégué? Qu’est-ce qui entre et qu’est-ce qui sort? Pourquoi prioriser ce candidat plutôt qu’un autre?
Résultat type : Une orientation stratégique et un premier portefeuille de cas d’usage.
Les compétences (Skillset)
Quelles capacités organisationnelles, quelles responsabilités et quelle gouvernance ce portefeuille d’IA exige-t-il?
Déterminer ce que l’organisation doit être capable de faire.
État de préparation de l’organisation
Qu’est-ce que les gens doivent apprendre ou changer? Qui manque de capacité ou de confiance? Quel écart faut-il combler avant d’aller de l’avant?
Modèle opérationnel
Qui est responsable du résultat? Que peut exécuter l’IA? Qui accepte les résultats, règle les exceptions et entretient le processus?
Gouvernance
Qu’est-ce qui est permis? Qui demeure responsable? Quand le système doit-il s’arrêter, attendre ou escalader?
Résultat type : Évaluation de l’état de préparation, écarts de capacité, droits de décision et exigences de gouvernance.
Les outils (Toolset)
Quels choix de données, de solution, de déploiement, de sécurité et de cycle de vie faut-il faire?
Faire des choix éclairés sur la façon dont un cas d’usage peut fonctionner.
Solutions et acquisition
Quel type de solution convient? Que faut-il posséder, louer ou acheter? Comment changer de fournisseur ou récupérer notre travail?
Données
Quelle information est requise? Est-elle utilisable et autorisée? Qui la tient à jour? Où vont les corrections?
Sécurité et adéquation opérationnelle
Comment la solution échoue-t-elle? À quoi peut-elle accéder, que peut-elle modifier? Comment détecter, contenir et corriger les problèmes?
Résultat type : Conditions de données et de technologie, questions d’approvisionnement, contrôles et exigences d’exploitation.
Le passage à l’action (Actionset)
Que faut-il financer, tester, déployer à grande échelle, suspendre ou arrêter au cours des 12 à 24 prochains mois?
Transformer l’orientation en actions financées et mesurables, et en apprentissages.
Analyse de rentabilité et coûts sur le cycle de vie
Quel résultat crée de la valeur? Qu’est-ce qui change par rapport à la situation de référence? Que coûte le succès dans la durée?
Expériences et points de décision
Quelle hypothèse teste-t-on? Par rapport à quelle référence? Quel résultat change notre décision?
Feuille de route et système de gestion
Qu’est-ce qui vient en premier? Qui en est responsable? Quelles preuves changeront la séquence, le financement ou la portée?
Résultat type : Analyse de rentabilité, plan d’expérience, feuille de route et prochaines actions.
Les volets interagissent
Une bonne idée peut révéler un écart de capacité. Une contrainte de données peut changer le cas d’usage. Une expérience peut changer l’analyse de rentabilité. Il faut revenir sur les décisions antérieures à mesure que les preuves s’améliorent.
Les quatre volets servent à examiner le même changement sous plusieurs angles. Un cas d’usage n’a pas forcément une incidence aussi forte dans chaque élément.
Le cours
Leading with AI est aussi le nom du cours que je dirige au McGill Executive Institute, construit autour de ces quatre volets. Il est donné en anglais et conçu pour les dirigeants, pas pour les ingénieurs. Les participants apprennent à évaluer les occasions, à poser de meilleures questions à leurs équipes et à leurs fournisseurs, et à relier les décisions en IA à la valeur d’affaires.
Le livre
Mon livre AI Mindsets est une source apparentée, mais ses trente et un états d’esprit ne sont pas les douze éléments de ce cadre. Le livre porte sur la façon dont une personne pense, travaille et dirige avec l’IA. Le cadre porte sur ce qu’une organisation doit décider et être capable de faire.
Leading with AI et le Fog Index
Leading with AI regarde vers l’intérieur, soit votre organisation. L’AI Fog Index regarde vers l’extérieur : il aide à cerner l’incertitude qui entoure encore un cas d’usage et ce qui pourrait la réduire. Il ne remplace pas le jugement.
Ensemble, ce sont les deux cadres de mon cru qui structurent le travail en IA que je fais par l’entremise de FMCS. Voir le travail de conseil →