Plateforme d’IA d’entreprise sécuritaire et évolutive

D’abord et avant tout, nous proposons une expérience conviviale sous forme de clavardage, grâce à laquelle l’utilisateur peut télécharger des documents, des présentations ou pratiquement n’importe quel type de fichier et bénéficier de l’aide de l’IA pour réaliser une tâche spécifique ou une série de tâches. Très semblable à n’importe quel outil de clavardage LLM standard, il offre la possibilité de changer le modèle de langage à tout moment, de sorte que l’utilisateur a plus de contrôle sur le modèle qu’il utilise pour chaque type de tâche. Le problème professionnel qu’il cherche à régler est le plus simple et le plus universel qui soit : le temps que les travailleurs du savoir passent à synthétiser, rédiger et reformater des documents. Nous voulions leur permettre de récupérer ce temps. Sur le plan culturel, c’était notre porte d’entrée, l’endroit où des dizaines de milliers d’employés ont découvert l’IA pour la première fois dans un environnement contrôlé et ont commencé à imaginer tout ce qu’elle pouvait encore faire. C’est la mise de base, mais c’est aussi la table sur laquelle tout le reste se joue.

À mesure que les utilisateurs se familiarisent avec le produit et découvrent les capacités des modèles de langage de grande envergure (LLM), ils peuvent commencer à créer leurs propres agents personnels : des microautomatisations pour les tâches régulières et répétées, effectuées au quotidien. Cette interface est avant tout un outil pédagogique : une fois entraînée, l’IA est capable de répéter à l’infini n’importe quel processus basé sur du texte, avec un haut degré de précision. Ici, l’humain reste toujours au cœur du processus, l’IA servant davantage à renforcer les capacités de l’employé qu’à agir de manière autonome. Le problème opérationnel réside dans la charge cognitive répétitive, ces petites tâches fréquentes qui, sans qu’on s’en rende compte, accaparent une journée de travail. Le changement culturel consiste à ce que les employés cessent d’être de simples utilisateurs pour devenir des créateurs, en repensant eux-mêmes leur flux de travail plutôt que d’attendre que quelqu’un d’autre s’en charge. Le clavardage crée la fluidité; les agents personnels transforment cette fluidité en travail réutilisable.

Les employés qui ont créé des agents personnels ont la possibilité de les partager avec d’autres. Comme il existe de nombreuses fonctions communes au sein de l’entreprise, il est naturel que nous souhaitions favoriser une culture de partage. Nous voulons maximiser la productivité, même si tout le monde n’est pas au même niveau. À cette fin, nous avons créé une approche de partage des agents à l’échelle de l’organisation, qui a connu beaucoup de succès. La valeur opérationnelle est directe : un agent bien conçu peut accroître la productivité de centaines de collègues qui font le même travail. D’un point de vue culturel, c’est le marché qui permet de généraliser la réinvention individuelle : le nouveau mode de travail imaginé par un membre de l’équipe devient progressivement la nouvelle norme pour tous ceux qui occupent ce poste. Créer un agent personnel, c’est bâtir une première fois; s’adresser au marché, c’est en faire profiter tout le monde.

La recherche d’informations est un autre cas d’utilisation courant qui revient souvent dans les discussions sur les modèles de langage de grande envergure; c'était d'ailleurs l'une des questions les plus fréquentes qui nous ont été posées au tout début du lancement de notre plateforme. Pour répondre à ce besoin, nous avons créé une solution générique qui permet à un administrateur de site SharePoint de créer une expérience de clavardage sur ses données. Il existe de nombreux produits qui offrent cette fonctionnalité, mais nous avons constaté que certains sites sont complexes et ne peuvent pas être traités de manière générique. Le défi opérationnel réside dans le temps nécessaire pour trouver la bonne réponse au sein d’un ensemble de contenus tentaculaire; le changement culturel réside dans le fait que les bibliothèques intelligentes confèrent aux responsables de site les plus proches du contenu le pouvoir de se positionner en tant qu’experts dans leur domaine. L’un des cas complexes que la solution générique n’a pas pu traiter entièrement est abordé dans le cas d’utilisation suivant.

Il s’agit certes d’une solution largement commercialisée aujourd’hui, mais dans une entreprise soumise à une réglementation stricte comme la nôtre, permettre à un tiers d’accéder à des données et à des enregistrements audio de réunions potentiellement sensibles est tout simplement hors de question. À cette fin, nous avons créé notre propre assistant virtuel Teams qui peut se joindre à une réunion et prendre des notes. Ce processus a été simplifié pour aboutir à l’interface la plus intuitive et conviviale possible. La valeur ajoutée pour l’entreprise est évidente : gain de temps, meilleure mémorisation, moins d’actions oubliées. Et, tout aussi important, nous disposons désormais d’une capacité de transcription et de synthèse qui s’intègre en toute sécurité à notre environnement et qui est réutilisable ailleurs. Sur le plan culturel, il s’agit d’un changement d’habitudes à l’échelle de toute l’équipe : les réunions sont désormais envisagées comme un travail collaboratif plutôt que comme de simples séances de prise de notes.

Tout cela en une seule année civile. Avec la bonne plateforme et un état d’esprit d’ingénieur, on peut entrevoir les possibilités et comprendre à quel moment la réutilisation des services devient essentielle pour évoluer efficacement et rapidement. Le fil conducteur de chacun de ces cas d’utilisation est un trio délibéré : un véritable problème métier qui mérite d’être résolu, une plateforme technologique qui nous permet de le résoudre en toute sécurité et de manière répétée et une culture d’entreprise qui encourage les membres de l’équipe à repenser leur propre travail et à partager le résultat. Si l’on supprime l’un ou l’autre de ces trois prérequis, les autres cessent de se renforcer mutuellement. Consultez d’autres exemples de cas récents d’utilisation de l’IAC de la Banque CIBC (PDF, 195 ko) Une nouvelle fenêtre s’affichera..

Nous souhaitons maintenant aborder la question des données, car il s’agit sans doute de l’un des aspects les plus importants, mais aussi les plus négligés, du déploiement à grande échelle de l’IA générative au sein d’une grande entreprise. En tant que responsable de la plateforme, cela a été une expérience extraordinaire de déployer un projet d’une telle envergure et de le voir prendre son envol au sein de toute l’organisation. Mais comment jauger le succès? Quels sont les indicateurs clés de performance et comment faut-il les mesurer? Il ne suffit pas de savoir qu’on utilise le produit. Il faut tout savoir : le qui, le quoi, le pourquoi, le quand, le comment et, surtout, le coût de tout ça.

Chacun de nos produits intègre d’emblée des fonctionnalités d’analyse approfondie, sans aucun compromis. Dans un contexte où tout fonctionne selon un modèle strict de consommation, on ne peut avancer à l’aveuglette. Mais bien que le coût soit clairement un facteur important, il est loin d’être le seul qui compte. Savoir qui utilise chaque produit et de quelle manière constitue également une information précieuse lorsqu’on cherche à concevoir des solutions plus spécialisées. La solution générique offre facilement un gain de productivité de l’ordre de 10 % dans la plupart des cas, mais si l’on peut atteindre 50 % en la personnalisant, pourquoi s’en priver si la banque possède la masse critique nécessaire et que les avantages directs sont mesurables?

À cette fin, nous avons créé un produit de données contenant plus de deux ans d’information approfondie sur nos utilisateurs, des données pilotes aux données de production. Nous avons utilisé ces données non seulement pour calculer les tendances d’utilisation quotidiennes, suivre les coûts et analyser l’utilisation des fonctionnalités, mais aussi pour établir un score d’aptitude IA pour chaque employé qui utilise notre logiciel. La maîtrise de l’IA est importante, car l’adoption n’est pas le résultat souhaité... les résultats sont le résultat souhaité. Une équipe qui maîtrise parfaitement un outil ne se contente pas de l’utiliser; elle repense son organisation de travail en fonction de celui-ci, ce qui se répercute à terme sur l’expérience client, la productivité et la croissance.

La maîtrise se mesure comme suit :

• Débutant : N’est pas familier avec les outils d’IA; possède un minimum d’expérience et une compréhension de base
• Intermédiaire : À l’aise avec les principes de base de l’IA et utilise les outils plus régulièrement
• Praticien : Utilisateur régulier et efficace de l’IA qui applique des solutions à des tâches réelles
• Expert (cible clé) : Hautement compétent, tire le maximum des fonctions d’IA et favorise l’innovation
• Professeur : Leader et mentor en IA, établit des pratiques exemplaires et guide les autres

Tous les employés n’évoluent pas au même rythme, et ils n’intègrent pas non plus l’IA dans leur quotidien professionnel de la même manière. L’une des découvertes les plus intéressantes, mais tout aussi frustrantes, a été l’absence totale de tout modèle discernable du parcours d’un employé vers la maîtrise de l’intelligence artificielle. Le niveau hiérarchique, le poste, l’âge, le sexe ou le lieu de travail des salariés n'ont révélé aucune tendance commune. Le seul point commun que l’on observe est que, tous secteurs d'activité confondus, la courbe de maîtrise présente une forme en cloche très similaire. Notre utilisateur le plus assidu de la plateforme, mesuré simplement par la consommation, était un étudiant en stage coopératif. Le numéro deux était un directeur principal. Nous comptons des professeurs issus de tous les secteurs d’activité et à tous les niveaux de l’organisation, ce qui signifie une chose essentielle : cette technologie a le potentiel d’accompagner littéralement n’importe quel employé, jusqu’au PDG.

La partie de loin la plus difficile de notre mission, c’est de faire en sorte que tout le monde l’utilise de la même manière. La technologie est un jeu d’enfant comparée au changement des comportements.

À cette fin, nous avons conçu un réseau de champions du changement en matière d’intelligence artificielle, conçu spécialement pour diffuser les apprentissages et les connaissances à l’échelle de l’organisation. Nous avons mis en place un réseau de plus de 1 000 de nos employés les plus expérimentés et nous en avons fait un moteur de changement en leur donnant les moyens de former leurs collègues au sein de leurs services respectifs. Ce réseau des champions est l’infrastructure culturelle qui rend tout le reste reproductible : la composante du modèle opérationnel qui transforme un flux de travail repensé dans un service de la Banque en un flux de travail repensé dans un autre, sans que l’équipe chargée de la plateforme ait à intervenir dans chaque discussion. C’est ainsi qu’on déploie l’IA, selon un processus entièrement basé sur les données.

Une plateforme qui résout de vrais problèmes d’affaires, une infrastructure technologique qui permet de construire une fois et de réutiliser à l’infini et une culture où les membres de l’équipe repensent leur propre travail et s’entraident à faire de même : voilà à quoi ressemble pour nous une année de croissance exponentielle. C’est aussi le modèle de fonctionnement que nous avons l’intention de maintenir. Les cas d’utilisation continueront d’affluer, la courbe de maîtrise continuera d’évoluer et le Réseau des champions continuera de transformer les avancées individuelles en pratiques communes. C’est la plateforme que nous avons décidé de bâtir et que nous continuons de bâtir chaque jour.