Gouvernance de l'IA : les conditions nécessaires pour déployer l'IA à grande échelle en toute confiance

Je passe une grande partie de mon temps là où les projets technologiques doivent être justifiés : dans les salles de réunion, au sein des comités d'investissement et lors de discussions portant sur les coûts, les risques et la rentabilité.

De ce point de vue, j'ai remarqué un phénomène curieux concernant l'intelligence artificielle. Peu de technologies ont été acceptées aussi facilement pour faire l'objet d'essais, et pourtant, de nombreuses organisations ont encore du mal à les déployer à grande échelle.

Une étude de Gartner publiée en septembre 2026 a révélé que seuls 4 % des assureurs avaient atteint les niveaux les plus avancés de maturité en matière d’IA pour pouvoir déployer cette technologie à grande échelle afin d’accroître la valeur de leur entreprise. Lorsque j’ai abordé ce sujet avec Dennis Milan, directeur des systèmes d’information et directeur technique chargé de l’innovation numérique chez Tokio Marine Seguradora, dans le cadre de l’émission « The IT Leaders’ Brief », il a fait une distinction à laquelle j’adhère : expérimenter l’IA générative chez soi est une chose ; l’utiliser au sein d’une entreprise responsable de millions d’assurés en est une autre.

L'écart entre la phase pilote et la mise à l'échelle n'est pas uniquement d'ordre technique. C'est aussi une question de confiance. La gouvernance contribue à instaurer cette confiance.

Les conseils d'administration approuvent les risques qu'ils comprennent

La gouvernance est souvent perçue comme un frein à l'innovation : encore un comité, une directive ou un formulaire à remplir. Du point de vue de ceux qui approuvent les investissements, je vois les choses différemment.

Un conseil d'administration n'approuve pas une technologie simplement parce qu'elle semble prometteuse. Il doit comprendre les enjeux : qui est responsable, quels sont les risques encourus, quel sera le coût du projet et quels sont les mécanismes de contrôle mis en place — notamment s'il est possible d'interrompre l'opération si nécessaire.

Les projets d'IA pour lesquels aucune réponse claire n'est apportée peuvent s'avérer coûteux s'ils restent en suspens. Ils sont peut-être trop incertains pour être déployés à grande échelle, mais les arguments en leur défaveur ne sont pas suffisamment solides pour que quiconque les arrête. C'est ainsi que les projets pilotes s'accumulent.

Dennis a souligné que l'entreprise reste responsable des réponses qu'elle fournit à ses clients, même lorsque la technologie est fournie par un prestataire spécialisé. La responsabilité ne peut pas être externalisée en même temps que la technologie. Lorsqu'une entreprise assume cette responsabilité et définit la manière dont elle va la gérer, la gouvernance devient l'un des éléments qui permettent aux dirigeants d'approuver l'IA en toute confiance.

L'IA peut mettre en évidence les faiblesses des processus existants

Un exemple cité par Dennis a montré comment le recours à l'IA peut mettre au jour des problèmes qui existaient déjà.

Alors qu'elle préparait des documents destinés à l'entraînement de modèles d'IA, son équipe s'est aperçue que certains contrats et procédures étaient difficiles à interpréter pour l'IA. En approfondissant la question, elle a constaté que les utilisateurs eux-mêmes avaient également du mal à les comprendre. La réécriture de ces documents a permis d'améliorer la manière dont l'IA les traitait et a rendu ces documents plus faciles à comprendre pour les courtiers et les clients.

Je constate le même phénomène dans toutes les organisations. L'IA peut mettre en évidence des ambiguïtés que les équipes ont appris à contourner grâce à leur expérience, à des échanges informels et aux connaissances détenues par quelques personnes. Un modèle ne peut pas s'appuyer sur ces raccourcis ; il dépend des informations qui lui sont fournies.

Cela signifie qu'une partie de la valeur d'un programme d'IA peut se révéler avant même qu'un agent ne soit mis en production : des processus plus clairs, une documentation plus cohérente et des règles métier enfin consignées par écrit. Ces avantages peuvent ne pas apparaître dans l'analyse de rentabilité initiale, car les problèmes sous-jacents n'étaient pas visibles. Ils devraient au moins être pris en compte comme des résultats potentiels.

Évaluer l'IA à l'aune des résultats commerciaux

La question qui revient le plus souvent au sein des comités d'investissement est de savoir comment mesurer le rendement de l'IA. C'est une question légitime, mais évaluer chaque agent individuellement peut conduire à des conclusions erronées.

À mesure que les entreprises embauchent davantage d'agents, il devient plus difficile d'évaluer chacun d'entre eux individuellement. Cela peut également conduire à privilégier ce qui est le plus facile à quantifier plutôt que ce qui est important pour l'entreprise.

Il convient plutôt d'évaluer l'IA à l'aune de son impact sur les processus, l'expérience client , ainsi que les résultats opérationnels et financiers. Dans le secteur de l'assurance, cela peut notamment inclure :

• Combien de temps faut-il pour établir un devis ?
• La question de savoir si les courtiers peuvent vendre des produits qui nécessitaient auparavant des connaissances spécialisées
• Combien de demandes de clients sont traitées sans être transmises à un niveau supérieur ?

Dennis a donné l'exemple d'une assurance commerciale dans laquelle un courtier saisit le code d'activité d'une entreprise et obtient un devis proposant une couverture adaptée, sur la base de données historiques. L'indicateur de performance ne réside pas dans les résultats du modèle pris isolément, mais dans la capacité d'un plus grand nombre de courtiers à vendre un produit qu'ils ne pouvaient pas vendre auparavant.

Les chiffres globaux du marché mettent en évidence le même défi. L’analyse du BCG sur l’adoption et la valeur de l’IA dans le secteur de l’assurance dommages révèle que les assureurs prévoient que les dépenses liées à l’IA, en pourcentage du chiffre d’affaires, tripleront d’ici 2026, alors que seuls 38 % d’entre eux tirent une valeur à grande échelle de l’IA dans leurs processus opérationnels clés. Un investissement accru ne garantit pas automatiquement de meilleurs résultats. Le défi consiste à relier l’IA aux priorités stratégiques, aux processus métier et à des résultats mesurables.

Comme l'a dit Dennis lors de notre conversation : « L'IA n'est pas une question de technologie, c'est une question d'entreprise. »

Pour développer l'IA à grande échelle, il faut une appropriation du projet et une visibilité sur les coûts

Dennis a indiqué que Tokio Marine comptait plus de 1 200 agents en activité au moment de la conversation. Il a expliqué comment l'entreprise était en train d'élaborer un catalogue et d'affecter des partenaires spécialisés en IA afin d'aider les divisions opérationnelles à déterminer dans quels domaines l'IA était pertinente — et dans quels cas une option plus simple, telle que l'automatisation, la modification des processus ou une procédure manuelle, serait plus adaptée.

Chaque agent peut apporter de la valeur, mais il engendre également des coûts récurrents, des dépendances et des risques à gérer. Les organisations doivent savoir à qui appartient chaque agent, quel est son coût de maintenance, quels résultats il génère et quand il a été évalué pour la dernière fois. Sans cette visibilité, il est difficile de décider ce qu’il faut conserver, améliorer ou supprimer.

Cette approche permet également de maîtriser les coûts liés à l'IA. L'ajout d'une couche d'IA à un service numérique qui fonctionne déjà bien peut entraîner des dépenses supplémentaires sans apporter de valeur ajoutée. Savoir quand ne pas recourir à l'IA — et avoir des raisons claires pour justifier ce choix — fait partie intégrante d'une stratégie d'IA bien pensée.

La gouvernance de l'IA doit inclure les partenaires commerciaux

Les débats sur la gouvernance portent souvent sur ce qui se passe au sein même de l'organisation. Or, l'IA peut également avoir des répercussions sur les partenaires et les intermédiaires qui font le lien entre une entreprise et ses clients.

Dennis a présenté le réseau de courtiers indépendants de Tokio Marine ainsi que les différents niveaux de maturité technologique au sein de ce réseau. Si les partenaires ne sont pas en mesure d'adopter de nouveaux systèmes ou de les utiliser, la mise en œuvre de ces systèmes en interne pourrait ne pas produire les résultats escomptés.

Pour les organisations qui s'appuient sur des intermédiaires, cela nécessite des règles d'intégration claires, des normes communes en matière de données et une approche réfléchie pour soutenir le canal de distribution. Réguler l'IA au sein d'un écosystème est plus difficile que de la réguler au sein d'une seule organisation, mais il s'agit également d'une décision stratégique, et pas seulement technique.

Les dirigeants doivent gérer le présent et se préparer à l'avenir

Dennis a utilisé le terme « ambidextrie » pour décrire la gestion des opérations quotidiennes tout en continuant à laisser place à l'innovation. Il a également souligné l'importance de la culture d'entreprise : identifier les personnes à l'aise avec l'IA et mettre en place un réseau permettant de partager les connaissances et de favoriser son adoption.

Je suis d'accord. J'ajouterais une question que je pose systématiquement lors des discussions sur l'IA avec les dirigeants : qui, au sein de votre organisation, est habilité à donner son accord ?

Si personne ne peut répondre, l'IA risque de rester en mode pilote. Si tout le monde répond par l'affirmative, son adoption risque de prendre le pas sur la supervision. Une gouvernance efficace permet de déterminer clairement qui prend les décisions, sur quelles informations elles se fondent et quelles sont les limites applicables.

Le conseil d'administration n'a pas besoin de maîtriser tous les détails techniques de chaque modèle. Il doit comprendre les risques, les responsabilités et les résultats attendus, et faire confiance aux processus qui guident les décisions relatives à l'IA.

Instaurer cette confiance est l'une des tâches les moins visibles — mais essentielles — pour faire passer l'IA du stade de la validation de principe à celui des résultats commerciaux.

Découvrez les services d'intelligence artificielle de Getronics pour comprendre comment la gouvernance peut faciliter la transition entre l'identification des cas d'utilisation, le déploiement et l'amélioration continue.