Données vs Processus

Introduction

La révolution de l'IA arrive à un moment crucial pour le monde occidental. L'échiquier géopolitique est plus complexe qu'il ne l'a été depuis la chute du mur de Berlin ; les institutions publiques et privées traversent une crise profonde de légitimité ; et alors que chaque entreprise lutte pour accomplir sa mission essentielle, le sentiment général est que la dernière génération d'investissements technologiques n'a pas été à la hauteur.

Que ce soit pour protéger la nation, produire des denrées alimentaires ou fournir des soins médicaux, le diagnostic est similaire : les opérations quotidiennes sont devenues extrêmement complexes et la technologie n'a pas suivi. Les systèmes d’entreprise fondamentaux se sont rigidifiés en camisoles qui entravent les employés sur le terrain. Les solutions SaaS infinies produites par le Complexe Industriel du Logiciel ont embelli les bureaux des gestionnaires tout en ignorant les réalités opérationnelles. Après une décennie de marketing et de dîners coûteux promettant la transformation numérique, les résultats sont fragmentation et coûts parasitaires.

Avec l'IA, les entreprises ont une occasion générationnelle de briser ces chaînes. La question demeure : que faut-il changer pour que cette révolution soit digne de ce nom ?

Le système d'IA

Pour transformer véritablement le fonctionnement d'une entreprise, le système d'IA doit être centré sur les processus, et non simplement sur les données. Chaque processus décisionnel crucial implique des étapes interconnectées, des points de transfert et un apprentissage basé sur le feedback. Que ce soit la gestion des emplois du temps dans un hôpital, l'optimisation des itinéraires dans l’aviation, ou la production manufacturière, les équipes opérationnelles doivent gérer des tâches sensibles au facteur temps et prendre des décisions dynamiques impliquant plusieurs parties prenantes.

Un logiciel purement centré sur les données ne fait qu'agréger l'information, créer des tableaux de bord et fournir des aperçus occasionnels. Il s'agit d'une technologie managériale, destinée à l'analyse hors ligne et à la surveillance passive. Elle n’est pas conçue pour l’équilibrage des stocks, le positionnement de flottes ou les activités cruciales en première ligne.

À l'ère de l'IA, la valeur potentielle n'est pas simplement incrémentale ; elle est une transformation fondamentale visant à automatiser toutes les fonctions centrales. Les architectures centrées sur les données, qui supportent les flux de « chat » ou de recherche (« RAG »), simplifient la récupération d’informations mais restent fondamentalement unidirectionnelles. Introduire de l’automatisation dans les flux centraux nécessite une architecture opérationnelle axée sur les processus, où les approches pilotées par l’IA peuvent être continuellement testées et ajustées grâce au feedback humain.

Encoder les processus pour automatiser

Un processus ne peut être automatisé que s'il est encodé dans un logiciel. Chaque processus comprend des phases : identifier les tâches à prioriser, explorer différentes options, prendre une décision en considérant les contraintes et les validations nécessaires, puis exécuter cette décision en mettant à jour les systèmes transactionnels et les contrôleurs opérationnels. Chaque exécution modifie l’état du monde, influençant la prochaine itération du processus.

L'intégration complète des données — structurées, en flux continu, médias, documents — est essentielle pour fournir le contexte requis aux équipes opérationnelles. L'architecture d'IA doit donc permettre une intégration flexible de toutes ces données dans un modèle opérationnel commun, incluant des outils de virtualisation, de supervision des flux de données et d’application de politiques de sécurité granulaires.

Mais un processus ne se limite pas aux données. Les sources de logique, comme les systèmes de règles métier, les modèles prédictifs ou les algorithmes d’optimisation, sont cruciales pour l’exploration et l’analyse de scénarios. L'encodage de cette logique dans un modèle partagé peut nécessiter d'importer du code existant sous forme de conteneurs ou via des APIs.

Enfin, chaque action doit être encodée, en enregistrant les entrées, les scénarios envisagés et les résultats obtenus. Concrètement, le système d’IA doit interagir avec les divers systèmes d’action de l’entreprise (ERP, MES, PLM, etc.) et garder une trace durable des actions effectuées.

Niveaux d'automatisation

L'encodage continu permet à l'automatisation pilotée par l'IA d'évoluer progressivement, apprenant constamment grâce au feedback des équipes opérationnelles. Palantir utilise le cadre des niveaux d'automatisation pour évaluer cette évolution :

Niveau 0 : Accès basique aux modèles de langage pour aider à la synthèse ou à l'extraction de données.

Niveau 1 : Intégration sécurisée des données, recherche et visualisation.

Niveau 2 : L'IA interagit avec les données et la logique pour guider les décisions en temps réel.

Niveau 3 : L'IA générative est intégrée aux données, à la logique et aux actions, assimilant les connaissances humaines.

Niveau 4 : L'IA pilote entièrement le processus, les humains conservant un rôle de supervision.

Ces niveaux sont accompagnés d'une mesure holistique : l'étendue et la connectivité de l'automatisation au sein de l'entreprise, permettant d'éliminer les silos artificiels entre les processus et de rapprocher la stratégie des opérations.

L'Entreprise Cybernétique

À terme, l'IA devrait permettre de repenser complètement les processus opérationnels à partir des principes fondamentaux, intégrant les flux disjoints en processus continus évalués sur des KPIs reflétant mieux les résultats réels. À mesure que l'automatisation s'étend, le rôle des utilisateurs opérationnels évolue vers une gestion d'équipes d'agents d'IA, supervisant un apprentissage continu effectué à la vitesse de la machine.

Cette vision reflète une véritable gouvernance opérationnelle : l'« entreprise cybernétique », objectif initial de la révolution informatique. Pour que la révolution de l'IA réussisse, elle doit s'appuyer sur des architectures ouvertes et extensibles, rompant avec le Complexe Industriel du Logiciel. Cela implique des normes ouvertes, une flexibilité dans les formats de données et les moteurs de calcul, et des environnements de développement modulaires, sécurisés et intégrés aux outils courants.

Cette nouvelle architecture technologique centrée sur les processus, et non simplement sur les données, est essentielle pour intégrer pleinement l'IA dans les processus opérationnels fondamentaux, permettant à l'entreprise d'exécuter efficacement sa mission essentielle.