Comment devenir prêt pour l’IA : définir « Gagner »

Méthodes pratiques issues d’exemples réels

Dans mon dernier article, j’ai expliqué à quel point il est important de définir à quoi ressemble la victoire.

Car avant de vous plonger dans la technologie, vous devez d’abord regarder dans la bonne direction : vers le client / l’utilisateur / le citoyen. Vous pouvez relire pourquoi c’est si important ici et ici.

C’est l’étoile polaire. Il s’agit maintenant de définir le jeu. Qu’est-ce que gagner et qu’est-ce que perdre ?

C’est facile à comprendre et difficile à mettre en œuvre. Il existe une multitude de méthodes, et aucune ne convient à 100 %.

Le danger est toujours d’être soit trop générique, soit de se perdre dans les détails.

D’où cet article. Un guide pratique pour faire avancer les choses avec l’aide de l’IA.

Dans cet article, vous trouverez :

• des conseils pratiques
• des méthodes concrètes, et pourquoi elles comptent
• des exemples réels où nous les avons appliquées

Utiliser l’IA pour apprendre

Je trouve l’approche suivante utile :

1. Connaître quelques méthodes, c’est-à-dire lire à leur sujet – ou se les faire expliquer par une IA – et y réfléchir
2. Noter quelques points sur votre propre situation
3. Identifier les bonnes questions avec l’aide de l’IA
4. Répondre aux questions
5. Donner ces informations à l’IA et lui demander
   1. Qu’est-ce qui est absolument irréaliste à mettre en œuvre dans ma situation ?
   2. Qu’est-ce qui est tout à fait réaliste à mettre en œuvre dans ma situation ?
6. Puis écouter votre intuition :
   1. quelles réponses de l’IA me semblent justes,
   2. lesquelles me dérangent
   3. ou n’ai-je aucun ressenti ? Cela arrive lorsqu’il y a encore trop peu d’expérience sur laquelle s’appuyer. Dans ce cas, choisissez les étapes les plus simples à mettre en œuvre
7. Mettre en pratique de premiers petits pas, précisément sur les points qui semblent justes ou les plus simples.

Je vous présente ci-dessous des méthodes que j’ai moi-même appliquées avec des équipes et des dirigeants dans de grandes entreprises de divers secteurs, mais jamais exactement comme dans le modèle – toujours modifiées et adaptées à la situation !

Il existe beaucoup, beaucoup d’autres méthodes, et je ne peux pas toutes les couvrir. Ce qui compte davantage, c’est que vous commenciez à y réfléchir et à mettre en pratique quelque chose qui vous semble juste. La méthode que vous choisissez est secondaire.

Exemples réels tirés de ma carrière

Exemple : compagnie d’assurance, 7 équipes, env. 80 personnes

• Gagner : Chaque équipe et toutes les équipes ensemble développent des solutions (nouveaux logiciels + nouveaux workflows + nouvelles automatisations + nouveaux standards dans d’autres départements) qui traitent les demandes des clients à leur entière satisfaction, de manière entièrement automatique – sans travail manuel.
• Perdre : Les demandes des clients ne sont pas résolues, elles sont résolues manuellement, les clients sont insatisfaits, les équipes développent des solutions dont personne n’a besoin et qui ne contribuent en rien à gagner.
• Lien avec la data et l’IA : Le taux d’automatisation était calculé à partir des données et mesuré à chaque sprint. Une équipe a construit ce calcul et cette mesure.

Tout cela se passait encore avant l’IA. Si les équipes devaient le faire aujourd’hui, ce serait un jeu d’enfant pour elles, car cette organisation pratique depuis des années la façon de travailler consistant à s’aligner sur le client, à livrer à chaque sprint et à être mesurée par des KPI. Des conditions de départ parfaites.

Exemple : constructeur automobile, 10 équipes, env. 150 personnes

• Gagner : Toutes les équipes ensemble développent avec succès une nouvelle head unit (l’élément de la voiture où vivent votre radio, l’application de votre téléphone et votre navigation) avec de nouvelles fonctionnalités, de nouvelles applications, une nouvelle puce et un nouveau matériel, afin de pouvoir proposer aux clients des services supplémentaires pour le véhicule.
• Perdre : La nouvelle head unit n’apporte aucune valeur ajoutée par rapport à l’ancienne.
• Lien avec la data et l’IA : Aucun, à vrai dire, car l’exemple date déjà de quelques années.

Je l’ai tout de même inclus, parce que gagner et perdre y étaient vécus de manière exemplaire et que chacun était mesuré par des chiffres, des données et des faits, ce que j’ai trouvé génial.

À chaque sprint, la nouvelle head unit était testée en conduisant la voiture et en l’utilisant, et toutes les fonctionnalités livrées, tous les bugs, tous les coûts, etc. étaient saisis en données et mesurés. Les décisions étaient prises uniquement sur la base de chiffres, de données et de faits.

Exemple : entreprise pharmaceutique, 5 équipes, env. 50 personnes

• Gagner : Dans cette initiative, gagner signifiait : nous comprenons quel médecin traite les maladies pour lesquelles nous avons des médicaments, nous comprenons les maladies et comment nous pouvons aider, et nous comprenons quels médecins les commerciaux doivent visiter ensuite et dans quel ordre (modèle de recommandation).

(En Allemagne, il existe des lois strictes sur la protection des données dans la santé, c’est-à-dire que vous n’avez pas le droit de savoir qui a quelle maladie et qui consulte quel médecin.)

• Perdre : Construire des tableaux de bord dont personne n’a besoin et qui ne répondent pas à ces questions.
• Lien avec la data et l’IA : C’était une immense équipe de plateforme de données, que nous avons divisée en équipes plus petites. Une équipe de machine learning a également été créée. Le modèle de recommandation a été un succès total.

Exemple : enseigne de mode (en ligne et magasins), 2 équipes, env. 20 personnes

• Gagner : Le business sait quels vêtements de l’entrepôt doivent être proposés ensuite à quel groupe cible, en ligne et en magasin.

(Cette entreprise disposait d’un immense entrepôt, car son modèle économique reposait sur la vente d’articles des saisons passées de grandes marques.)

• Perdre : Un superbe data warehouse et zéro insight exploitable pour le business.
• Lien avec la data et l’IA : Une équipe de plateforme de données qui fournissait des données aux départements métier. L’IA n’en était ici qu’à ses débuts.

Exemple : fournisseur d’énergie, 3 équipes, env. 30 personnes

• Gagner : Tout nouveau ! Nouvelle plateforme de données (en parallèle, nouveau CRM, nouvel ERP), nouvelle infrastructure cloud, nouveau machine learning – et tout cela EN MÊME TEMPS !
• Perdre : Des millions ont été brûlés. Le client était à des kilomètres. Le programme de plateforme de données a été abandonné. Le machine learning, en revanche, a plutôt bien fonctionné. Le cloud a progressé. Je n’ai pas suivi davantage le CRM et l’ERP, mais la nouvelle plateforme de données n’est jamais entrée en production, et l’on continue de travailler avec l’ancienne.
• Lien avec la data et l’IA : 3 équipes qui ont construit l’infrastructure cloud, la plateforme de données et une initiative de machine learning.

Un parfait exemple d’école de ce qu’il NE FAUT PAS FAIRE dans le domaine de la data. J’y reviendrai dans de prochains articles.

Pas une seule méthode n’a été utilisée. La seule façon de travailler consistait à (micro-)manager les gens et à peindre des slides colorées.

Quelques méthodes utiles

Passons aux méthodes. Merci de rechercher vous-même les documents à leur sujet. D’une part, l’article deviendrait sinon trop long, et d’autre part, le but de l’exercice est que vous y réfléchissiez.

Ou interrogez une IA de votre choix sur chaque méthode. Ces méthodes sont anciennes et mondialement connues, c’est-à-dire que toute IA a été entraînée dessus.

Value Proposition Canvas

Il existe de beaux modèles pour cela. Ce qui compte, ce n’est pas de les remplir parfaitement.

• Vous devez comprendre comment placer le client au centre,
• et vous devez comprendre si ce que vous faites résout les pain points du client
• ou si ce que vous faites apporte un gain au client.

Vous devez y réfléchir et le cartographier de manière systématique. C’est tout l’exercice.

Si ce que vous prévoyez n’est ni un pain reliever ni un gain creator, quelle est alors sa raison d’être ?

C’est à cela que vous devez réfléchir.

Méthode Lean Startup

Dans la méthode Lean Startup, vous formulez des hypothèses, réfléchissez à la manière de les tester et menez des expériences. Sur la base de ce que vous avez mesuré, vous décidez de la suite.

Là encore, il ne s’agit pas d’imposer tel quel un modèle trouvé sur Internet. Réfléchissez d’abord.

• Quelles hypothèses avez-vous faites ?
• Comment pouvez-vous valider ou réfuter ces hypothèses ?
• Quelles expériences peuvent aider ?
• Que peut-on mesurer ?
• Quels critères d’arrêt voulez-vous fixer ?

Vous pouvez utiliser cette façon de penser pour toutes les initiatives. Au lieu de supposer que vous savez tout, partez du principe que vous ne faites que des hypothèses.

Il peut s’agir d’hypothèses sur ce que gagner signifie réellement pour le client, mais aussi d’hypothèses sur la justesse du chemin pour y parvenir.

Cette façon de penser vous oblige à formuler gagner et perdre avec des mots et à les traduire en données et en points de mesure.

Cette façon de penser est la discipline de vraiment aller jusqu’au bout.

Exercez cet état d’esprit et cherchez un exemple où il s’applique dans votre contexte.

Impact Mapping

Il existe là aussi de beaux modèles. Et là encore : n’en faites pas un dogme.

Mais : réfléchissez à la manière dont vous voulez mettre en œuvre « gagner ».

Qui doit faire quoi et comment, pour qu’au final il en ressorte quoi ?

Il s’agit à nouveau de construire de manière disciplinée le pont entre stratégie et exécution. À quoi bon une grande vision si vous ne savez pas comment la mettre en œuvre ?

C’est à cela que sert la méthode.

Elle vous oblige à écrire concrètement comment l’idée peut devenir réalité.

Il ne s’agit pas de détails. Mais il s’agit de garder les pieds sur terre.

Si rien ne vous vient à l’esprit, si vous ne savez pas qui devrait faire quoi et comment pour que la victoire devienne réelle, alors vous réalisez : votre formulation de gagner est trop générique. Retour à la value proposition, et refaites vos devoirs.

Ce n’est que lorsque vous êtes capable de formuler gagner de telle sorte que vous puissiez ensuite dire qui doit faire quoi et comment, et quel livrable contribue finalement à gagner, que la stratégie devient réellement exécution.

Balanced Scorecard

Je pense ici à une version simplifiée.

Il est SUPER IMPORTANT de ne pas se concentrer uniquement sur les objectifs financiers. Se focaliser uniquement sur le ROI ou sur des objectifs financiers ne vous mènera pas là où vous voulez aller.

Le workflow qui vous rapporte des profits à court terme – est-il stable, reproductible, indépendant des individus, et peut-il être maintenu ainsi sur une longue période sans que tout le monde s’épuise ? C’est la dimension Processus.

Un workflow reproductible et rentable, mais qui ne vous oblige pas à apprendre quelque chose de nouveau à chaque fois – c’est le moment où il devient un « système legacy ». Le monde continue de tourner et vous restez immobile, parce que vous n’avez pas prévu dès le départ que l’organisation doit apprendre en permanence.

Et enfin, le client revient au centre.

La Balanced Scorecard

• prend en compte le client,
• prend en compte la façon de travailler,
• et prend en compte l’apprentissage.
• Et, bien sûr, le profit aussi.

En supposant que vous sachiez ce que gagner signifie concrètement et que vous ayez un plan pour mettre en œuvre la stratégie, veillez à ce que tous les dirigeants doivent améliorer des KPI de tous les axes d’une Balanced Scorecard. C’est ainsi que vous évitez des incitations dysfonctionnelles.

Le client comme étoile polaire évite une focalisation unilatérale sur des bénéfices financiers à court terme. Améliorer la façon de travailler embarque tout le monde. Améliorer l’apprentissage de l’organisation oblige un dirigeant à coopérer avec d’autres dirigeants.

Un outil si simple, et si incroyablement utile.

KPI

Les KPI en découlent. Définissez des KPI qui couvrent tous les axes d’une Balanced Scorecard. Les équipes comme les dirigeants sont mesurés à l’aune de ces KPI.

• Mieux vaut moins que plus.
• Mieux vaut pragmatique que scientifiquement correct.
• La mesure doit être rapide et simple à réaliser.
• Mieux vaut mesurer une note sur 5 étoiles selon l’intuition de vos parties prenantes que ne rien mesurer du tout.
• Mieux vaut commencer tout de suite.

Il s’agit d’amélioration et d’établir des faits. Vous pouvez optimiser petit à petit, mais ne compliquez pas tout – dans mon dialecte allemand, on dit : n’en faites pas une thèse de doctorat !

Circle of Leaders

Il n’existe pas de méthode officielle portant ce nom. Je l’ai vue dans certaines organisations et je l’ai adaptée.

À un moment donné, j’ai réalisé que j’obtiens beaucoup plus en travaillant avec des groupes.

Dès le début, je réunis tous les dirigeants responsables d’une initiative dans un groupe et je l’appelle le xyz Circle. Xyz peut être n’importe quoi. Choisissez un nom adapté.

• Tout le monde doit en faire partie (tous ceux qui sont dirigeants et responsables de l’initiative),
• on se réunit chaque semaine, voire parfois chaque jour,
• et ceux qui ne sont pas présents soutiennent les décisions du groupe.

Tout ce qui doit être clarifié est clarifié. Tout ce qui doit être mesuré est mesuré. Tout ce qui doit être décidé est décidé.

Gardez l’ordre du jour simple. Mais allez-y avec constance.

Ça marche toujours.

• La responsabilité est répartie sur plusieurs épaules,
• on se comprend mieux,
• on avance beaucoup plus vite, tout le monde ressent soulagement et progrès.

La méthode est si bonne que je me demande à chaque fois pourquoi elle n’est pas depuis longtemps un standard de la littérature managériale.

• Vous n’avez pas à changer l’organigramme,
• vous n’avez pas à mener un projet de changement,
• il vous suffit de donner un nom sexy à l’ensemble,
• de rendre la réunion cool, efficace et efficiente,
• et de travailler avec la dynamique du groupe.

Vous devez être un hôte adapté pour une telle réunion. Concentré, aimable, pas bavard, ne pas vous mettre au centre, mais faciliter la vie de tous. Alors ça marche.

Les reviews sont des pitchs devant le conseil

Cette méthode est infaillible. Elle est géniale. Et elle est simple.

Même dans un immense groupe international, c’est faisable. Nous l’avons fait.

Une fois que vous savez quelles équipes participent à l’initiative, à quoi ressemble la victoire, comment vous voulez la mesurer, et une fois votre leadership circle formé, prenez le sponsor et trouvez le niveau le plus élevé de l’entreprise qui a intérêt à son succès. Idéalement le conseil d’administration.

Toutes les équipes et le leadership circle pitchent régulièrement devant le conseil, comme une startup.

L’ordre du jour DOIT comporter au minimum :

• une démo live de quelque chose qui tourne en production (eh oui, nous l’avons fait dans de grands groupes, c’était live en production)
• une explication de la manière dont cette démo se rattache à la value proposition pour le client/l’utilisateur/le citoyen
• des données prouvant comment vous avez validé l’hypothèse par des expériences
• des données prouvant ce que vous avez appris et ce que vous changez grâce à cet apprentissage
• et un bref aperçu de la manière dont vous allez exploiter et piloter tout cela

Le conseil décide s’il y aura ou non un financement supplémentaire. Cela signifie qu’il ne s’agit pas d’un processus de financement annuel. Cela signifie qu’aucun prestataire ne peut compter sur un financement annuel. Cela change toute la structure des prestataires. Nous en parlerons dans de prochains articles.

Bien sûr, tout cela ne fonctionne que si l’on va vraiment jusqu’au bout.

Stop : ce n’est PAS seulement la direction qui parle à la direction.

C’est un ÉVÉNEMENT. Tous les membres des équipes sont présents. Les équipes montrent elles-mêmes leur travail. C’est un pitch ! Ne faites pas perdre son temps au conseil avec d’ennuyeux détails techniques. Et faites en sorte que tous ceux qui n’y assistent pas ressentent un sérieux FOMO.

Prérequis : il doit être possible d’arrêter des initiatives parce que les hypothèses ne se sont pas vérifiées, sans que personne ne perde la face ou ne nuise à sa carrière.

Bien sûr, toutes les organisations n’y parviendront pas tout de suite. Il y a beaucoup à apprendre ! Ce sera le sujet de prochains articles.

C’est tout pour aujourd’hui.

Votre exercice

1. Prenez cet article, utilisez une IA de votre choix et donnez-lui en plus les informations suivantes sur vous et votre initiative :
   1. Secteur
   2. Taille de l’entreprise
   3. Votre rôle
   4. L’objet de l’initiative
   5. Les équipes qui y travaillent
   6. Vos parties prenantes
   7. Les problèmes que vous avez déjà identifiés
2. Demandez à l’IA de vous donner une liste de questions encore ouvertes auxquelles vous devez répondre avant de décider quelles méthodes vous pouvez appliquer
3. Répondez aux questions
4. Donnez ces informations à l’IA et demandez-lui :
   1. Qu’est-ce qui est absolument irréaliste à mettre en œuvre dans ma situation ?
   2. Qu’est-ce qui est tout à fait réaliste à mettre en œuvre dans ma situation ?
5. Puis écoutez votre intuition :
   1. quelles réponses de l’IA me semblent justes,
   2. lesquelles me dérangent
   3. ou n’ai-je aucun ressenti ? C’est parce que l’expérience manque.
6. Mettez en œuvre de premiers petits pas, précisément sur les points qui semblent justes ou les moins difficiles.

Essayez et contactez-moi. Est-ce que cela vous a aidé ?

Bien à vous,

Bianca

P.S. : Beaucoup, beaucoup d’autres articles et méthodes suivront. Nous ne faisons que commencer.

Je sais que tout le monde parle de repenser les workflows pour l’IA. Mais vous devez d’abord maîtriser les fondamentaux.

Si vous vous trompez au départ, les choses partiront dans la mauvaise direction et les dynamiques politiques mettront des bâtons dans les roues de vos plans. L’ensemble est un dispositif complet, il demande de nombreuses briques. Rejoignez-moi dans ce voyage d’apprentissage.