Les problèmes d'IA découlent souvent de lacunes de processus

De nombreuses entreprises découvrent que la mise en œuvre de l'intelligence artificielle ne résout pas leurs problèmes, mais accélère plutôt l'exécution de processus défectueux. Gartner a prédit que jusqu'à 30 % des projets d'IA générative seront abandonnés après la phase de preuve de concept d'ici la fin de 2025, citant des données médiocres, une valeur commerciale floue et des coûts croissants.

Un rapport du MIT de 2025 a fait écho à cette constatation, notant que la plupart des initiatives d'IA en entreprise ne génèrent pas encore d'impact mesurable sur le compte de résultat. Cela souligne la nécessité de comprendre les causes profondes d'un problème avant d'envisager l'automatisation.

Pour relever ces défis, deux pratiques établies sont recommandées : les marches GEMBA et les conversations cruciales (Crucial Conversations). Les marches GEMBA permettent aux dirigeants d'observer la réalité sur le terrain, tandis que les conversations cruciales favorisent une communication honnête entre les employés.

GEMBA, un terme japonais signifiant "le lieu réel", implique de se rendre là où le travail s'effectue et de comprendre la création de valeur. Ce principe, étroitement lié au système de production Toyota et à la méthode "genchi genbutsu" (aller et voir par soi-même), encourage les dirigeants à observer directement et à demander "pourquoi".

Par exemple, si un rapport mensuel indique des retards dans la livraison des commandes clients, l'hypothèse courante pourrait être que la production a ralenti. Cependant, une marche GEMBA pourrait révéler des problèmes sous-jacents tels que des temps d'attente pour les matériaux, des retards d'approvisionnement ou des prévisions de ventes fluctuantes qui constituent les véritables goulots d'étranglement du processus.