1 octobre 2024 / Par Laurent Boinot, Microsoft

Alimenter le changement : appliquer l’IA générative à la transformation stratégique dans l’analyse de services publics

Introduction

Dans le paysage en évolution rapide de l’intelligence artificielle (IA), les entreprises de services publics sont confrontées à des défis, mais bénéficient de possibilités uniques, lorsqu’elles intègrent des technologies d’IA sophistiquées. L’une des évolutions les plus prometteuses est la montée en puissance des modèles d’IA générative fournis sous forme de logiciels-service. Comprendre les diverses applications de ces technologies dans le secteur des services publics d’électricité nécessite une approche structurée.

En nous concentrant sur le quadrant des logiciels-service d’IA générative, nous étudierons comment les services publics d’électricité peuvent tirer parti de ces outils de manière efficace.

En approfondissant dans ces domaines, les services publics peuvent non seulement exploiter la puissance de l’IA générative pour améliorer leurs activités, mais aussi s’assurer que leurs investissements correspondent à des objectifs stratégiques à long terme.

Identification des utilisateurs et de la gouvernance

Lorsque les services publics commencent à exploiter les solutions de logiciels-service d’IA générative, la première étape critique consiste à identifier les utilisateurs initiaux de la technologie et à établir une structure de gouvernance efficace. On peut procéder de manière systématique en tenant compte de trois dimensions clés : les fonctions du poste, l’unité d’entreprise et le niveau hiérarchique. Ces paramètres garantissent que la mise en œuvre de l’IA générative est à la fois stratégique et bénéfique pour les différentes facettes de l’organisme.

Identifier les utilisateurs clés :

La sélection des premiers détenteurs de licences pour les technologies d’IA générative devrait être stratégique et viser des personnes qui, de par leurs fonctions, peuvent tirer parti de l’IA pour améliorer considérablement l’efficacité opérationnelle, la satisfaction du client et l’innovation.

  • Fonctions du poste : Se concentrer sur les fonctions qui portent intrinsèquement sur l’analyse des données, les processus de prise de décision ou la découverte et la synthèse d’information.
  • Unité d’entreprise : Donner la priorité aux groupes qui bénéficieront le plus directement et le plus immédiatement des applications de l’IA générative, comme ceux qui sont chargés du service à la clientèle, des opérations de réseau, de l’informatique, des ressources humaines, des affaires réglementaires et de la planification.
  • Niveau hiérarchique : Mobiliser à la fois des employés sur le terrain qui maîtrisent la technologie et comprennent le fonctionnement quotidien, et des cadres supérieurs capables de piloter le changement et d’allouer des ressources efficacement. Ainsi, les outils d’IA générative sont utilisés sagement et s’harmonisent avec les objectifs généraux de l’entreprise.

Identifier des ambassadeurs :

Il est essentiel de sélectionner au sein de l’organisme des ambassadeurs enthousiastes quant au potentiel de l’IA générative, qui comprennent bien les processus de leur propre unité et qui savent combler le fossé entre la technologie et l’application pratique. Ils seront chargés de promouvoir l’utilisation des technologies d’IA générative, d’aider à la formation et de recueillir des commentaires en vue d’une amélioration continue.

Gouvernance et processus :

Pour gérer efficacement l’intégration et l’utilisation des technologies d’IA générative, il faut établir un cadre de gouvernance solide. Ce cadre devrait englober la supervision stratégique et la gestion opérationnelle. On s’assurera que les initiatives d’IA générative correspondent aux objectifs à long terme de l’entreprise tout en restant agiles et adaptables selon les besoins immédiats.

  • Supervision stratégique : Former un comité directeur comprenant des cadres des unités d’entreprises concernées, des informaticiens et des ambassadeurs. Ce comité définira l’orientation stratégique, suivra les progrès et garantira l’harmonisation des projets d’IA générative et de la stratégie globale de l’entreprise.
  • Gestion opérationnelle : Mettre en place une équipe de projets d’IA générative chargée de la gestion quotidienne des applications d’IA. Cette équipe travaillera en étroite collaboration avec les ambassadeurs pour s’assurer que la technologie est utilisée efficacement dans les différents services et pour résoudre des problèmes concrets.
  • Gestion du changement : Mettre en œuvre un processus de communication structuré comprenant des mises à jour régulières, des ateliers et des séances de rétroaction. Ainsi, les ambassadeurs pourront diffuser efficacement l’information et recueillir les avis des utilisateurs à tous les niveaux, ce qui sera propice à créer une culture d’amélioration continue et d’innovation.

En sélectionnant soigneusement les bons utilisateurs, en trouvant des ambassadeurs et en établissant un cadre de gouvernance robuste, les services publics peuvent poser des bases solides pour réussir l’intégration des technologies d’IA générative. Cette stratégie permet non seulement d’améliorer l’efficacité opérationnelle, mais aussi d’accélérer l’adoption de l’IA dans l’ensemble de l’organisme, ouvrant ainsi la voie à des gains significatifs de productivité et de satisfaction de la clientèle.

Sélection de cas d’utilisation et formation des ambassadeurs

Après avoir identifié les utilisateurs initiaux et établi un cadre de gouvernance pour les technologies d’IA générative dans le secteur des services publics, il faut sélectionner les meilleurs cas d’utilisation selon des profils spécifiques et former intégralement les ambassadeurs. Cela optimisera les avantages de l’IA générative dans l’ensemble de l’organisme.

Déterminer quels sont les meilleurs cas d’utilisation

La sélection des cas d’utilisation de l’IA générative devrait viser des domaines où l’IA peut avoir d’importantes répercussions : réduction du temps, amélioration de l’efficacité et hausse de productivité. Ces cas d’utilisation devraient être directement liés au fonctionnement quotidien et aux objectifs stratégiques des unités d’entreprise concernées. Voici des exemples correspondant à différents profils :

  • Analystes des opérations : Automatisation des tâches routinières d’analyse des données et des programmes d’entretien prédictif afin de prévenir les temps d’arrêt et d’optimiser les opérations du réseau.
  • Responsables du service à la clientèle : Mise en place de robots conversationnels et d’outils d’IA avancés pour traiter les demandes des clients, réduire les temps de réponse et personnaliser les interactions avec la clientèle.
  • Personnel chargé des affaires réglementaires : L’IA générative peut considérablement simplifier la soumission des tarifs exigée des services publics en automatisant l’assemblage d’ensembles de données et de modèles financiers complexes. En outre, elle peut accroître l’exactitude et la force de persuasion de rapports réglementaires en produisant des récits clairs et complets correspondant aux exigences de conformité.

Chacun de ces cas d’utilisation correspond aux défis spécifiques de fonctions déterminées. Ainsi, l’adoption de l’IA générative conduit à des améliorations tangibles.

Former les ambassadeurs

Une fois les cas d’utilisation sélectionnés, la prochaine étape cruciale consiste à former les ambassadeurs. Ces derniers devront non seulement maîtriser les outils d’IA générative, mais aussi être équipés pour faciliter et promouvoir leur adoption dans l’ensemble de l’organisme.

  • Formation technique : Les ambassadeurs reçoivent une formation approfondie sur les applications d’IA générative spécifiques liées à leurs cas d’utilisation désignés. Il s’agit notamment de comprendre les aspects techniques des outils d’IA, les exigences en matière de données et l’intégration aux systèmes existants.
  • Acquisition de compétences non techniques : Étant donné que les ambassadeurs piloteront le changement dans leur service, ils doivent aussi être formés en communication, en leadership et en gestion du changement. Ces compétences sont essentielles pour faire face aux résistances, favoriser une attitude positive à l’égard des nouvelles technologies et promouvoir la résolution collaborative des problèmes.
  • Séances de formation des formateurs : Les ambassadeurs doivent assister à des formations spécialisées qui les préparent à former d’autres utilisateurs. Il s’agit notamment de comprendre les différents styles d’apprentissage, de créer des supports de formation efficaces et d'animer des séances de formation attrayantes qui peuvent aider les utilisateurs à comprendre et à adopter efficacement les nouvelles technologies.

Mise en place de la formation

Le processus de formation doit être itératif et adaptatif. Les ambassadeurs commenceront par former des utilisateurs pilotes dans leur service respectif. Les avis recueillis à ses premières séances de formation peuvent servir à peaufiner en continu la formation offerte :

  • Boucles de rétroaction : Établir des boucles de rétroaction régulières où les utilisateurs peuvent parler de leurs expériences, de leurs défis et de leurs succès avec les outils d’IA générative. Ce retour d’information devrait être utilisé pour ajuster le matériel et les méthodes de formation.
  • Adapter la formation : À mesure que les compétences augmentent et que les problèmes initiaux sont résolus, les ambassadeurs peuvent commencer à donner la formation à de plus grands groupes dans leur service, en faisant les ajustements nécessaires selon la taille et les besoins du groupe.

Grâce à des cas d’utilisation soigneusement choisis et à des ambassadeurs bien préparés, les services publics peuvent s’assurer que leur investissement dans les logiciels-service d’IA générative améliore non seulement des aspects opérationnels spécifiques, mais favorise également une culture plus large de l’innovation et de l’efficacité. Cette approche structurée de l’engagement et de l’autonomisation des utilisateurs par le biais de formations ciblées ouvrira la voie à une transformation numérique réussie dans le secteur des services publics.

Analyses de rentabilité et détermination de la valeur :

La phase finale de l’évaluation de la valeur des capacités de l’IA générative dans une entreprise de services publics d’électricité tourne autour de la production d’analyses de rentabilité pour chaque cas d’utilisation et profil choisi. De plus, elle consiste à définir clairement comment et où ces technologies génèrent le plus de valeur. En se fiant à certains indicateurs de rendement clés, l’entreprise peut quantifier l’impact de l’IA générative et s’assurer que les investissements sont à la fois justifiés et stratégiquement ciblés.

Réaliser des analyses de rentabilité

Pour mesurer efficacement les avantages de l’IA générative, les analyses de rentabilité doivent être adaptées à chaque profil et à chaque cas d’utilisation, en tenant compte des besoins et des paramètres uniques de chaque service. Pour cela, il faut :

  • Déterminer quels indicateurs de rendement clés (IRC) sont pertinents : Pour chaque cas d’utilisation, déterminer quels IRC mesureront efficacement l’impact des technologies d’IA générative. Par exemple, dans les opérations de réseau, il pourrait s’agir de la réduction des temps d’arrêt et des temps d’intervention en cas d’interruption, de même que de la baisse des coûts d’entretien.
  • Quantifier les avantages : Calculer les améliorations attendues dans ces IRC en mettant en œuvre des solutions d’IA générative. Il peut s’agir de comparer des données historiques, de mener une analyse prédictive et d’analyser des scénarios pour prévoir d’éventuelles améliorations.
  • Estimer les répercussions financières : Traduire ces améliorations en termes financiers, comme les économies de coûts, l’augmentation des revenus et le retour sur investissement. Cela aidera à communiquer aux parties intéressées la valeur des initiatives d’IA générative et à justifier de nouveaux investissements dans la réorganisation des processus d’entreprise.

Recommandations pour maximiser la valeur

Une fois réalisées les analyses de rentabilité, des recommandations peuvent être formulées sur comment et dans quels domaines les solutions d’IA générative apportent le plus de valeur à une entreprise de services publics d’électricité. Ces recommandations devraient guider les décisions stratégiques et les améliorations fonctionnelles :

  • Domaines optimaux pour la mise en œuvre : Mettre en évidence les domaines de l’organisme où l’IA générative peut avoir le plus d’incidences. Par exemple, les équipes de service à la clientèle peuvent grandement bénéficier des robots conversationnels pilotés par l’IA et des outils de recherche qui améliorent l’interaction avec le client et sa satisfaction.
  • Intégration aux systèmes existants : Recommander des stratégies pour intégrer l’IA générative à l’infrastructure informatique existante afin d’améliorer l’utilisation des données et de simplifier les flux de travail sans perturber le fonctionnement courant.
  • Amélioration continue : Émettre des conseils sur la mise en place de mécanismes d’évaluation continue pour comparer le rendement des solutions d’IA générative aux IRC initiaux. Des ajustements et des mises à jour devraient être effectués sur la base de données réelles et des avis des utilisateurs afin d’optimiser continuellement le système.

Adaptation et expansion

Une fois les succès initiaux documentés, il faut envisager d’adapter l’application de l’IA générative à d’autres parties de l’organisme. L’expansion peut être guidée par :

  • Des exemples de réussite : Utiliser les déploiements réussis comme études de cas pour promouvoir une adoption plus large dans l’ensemble de l’entreprise.
  • Améliorations itératives : Favoriser une culture de l’innovation en améliorant les applications de l’IA générative, en intégrant des fonctionnalités avancées et en s’adaptant aux nouveaux défis à mesure que la technologie évolue.
  • Partenariats stratégiques : Explorer les partenariats avec les fournisseurs d’IA générative pour collaborer à la production de solutions personnalisées qui répondent spécifiquement aux besoins du secteur des services publics.

En réalisant des analyses de rentabilité, en mesurant les résultats par rapport à des IRC définis et en formulant des recommandations éclairées, les services publics peuvent démontrer la valeur des technologies d’IA générative pour améliorer leurs activités et leur service à la clientèle. Cette approche garantit que les investissements dans l’IA générative se traduisent par des avantages réels et quantifiables qui favorisent l’excellence opérationnelle.

Conclusion

L’intelligence artificielle progresse rapidement. L’IA générative comme source de logiciels-service constitue pour les services publics une occasion de transformation. Si les aspects techniques du déploiement de l’IA générative sont simplifiés par les logiciels-service (éliminant la nécessité d’investir beaucoup dans l’infrastructure et des installations complexes), le défi de la gestion du changement reste important.

Pour que l’intégration dans le secteur soit complète, il faut favoriser une culture qui accepte les nouvelles technologies, la formation continue et l’adaptation à l’évolution des outils et des méthodes. En fin de compte, en naviguant à travers ces défis, les entreprises de services publics peuvent tirer parti de l’IA générative non seulement pour améliorer l’efficacité opérationnelle et le service à la clientèle, mais aussi pour se positionner en vue de l’innovation et de la croissance futures dans un paysage industriel en constante évolution.

En savoir plus sur les solutions énergétiques et de ressources, y compris l’intégration de l’IA générative en tant que logiciels-service avec Microsoft.

Laurent BOINOT

Chef, Énergie et Services publics, Amériques

Chef, Secteur de l’énergie et des services publics, Amériques, à Microsoft, Laurent Boinot est chargé de cerner les tendances, les possibilités et les cas d’utilisation qui permettent à Microsoft et à ses partenaires d’en faire plus avec moins. Avant d’occuper son poste actuel, M. Boinot a travaillé dans le domaine des services-conseils stratégiques sur quatre continents et a créé la première entreprise européenne de formations en ligne ouvertes à tous. Il a récemment cosigné un article dans l’International Journal of Sustainable Development sur les méthodes d’IA appliquées à l’évaluation des risques environnementaux. Expert-comptable, Laurent Boinot détient une maîtrise en administration publique de la Kennedy School of Government de l’Université de Harvard.

https://www.linkedin.com/in/laurentboinot/

Partager