Vous avez déployé les agents et géré le changement. Maintenant, vous vous demandez comment prouver que vous réalisez la transformation qui vous a été demandée. 

Actuellement, lorsque les dirigeants doivent prouver le retour sur investissement de leurs logiciels et de leurs investissements en IA, ils se tournent vers la métrique la plus visible disponible : l'utilisation des tokens.

Meta a créé un classement interne classant les employés selon le nombre de tokens IA qu'ils consommaient. Il a fuité, est devenu viral, puis a été supprimé. Les tokens sont mesurables, ils sont traçables, et ils confirment au moins que quelque chose se passe.

Le problème, c'est que la plupart des entreprises mesurent l'IA de la même façon qu'elles mesuraient l'adoption des logiciels il y a dix ans, alors que l'IA est une bête fondamentalement différente.

Un usage élevé ne garantit pas une valeur élevée, et si vous ne comprenez pas comment l'IA est réellement utilisée par vos collaborateurs, vous n'avez aucun levier pour l'améliorer.

Attendez, une seconde. C'est quoi des tokens ? Indice : ce n'est pas de la crypto.

Les tokens sont la façon dont les équipes et les fournisseurs mesurent l'utilisation de l'IA. Chaque fois qu'un employé interagit avec un agent IA — qu'il pose une question, génère du contenu ou effectue une tâche — cette interaction est mesurée en tokens. Considérez-les comme la monnaie de l'activité IA. Plus vos équipes utilisent l'IA, plus les tokens sont consommés.

Il est logique que cette métrique soit devenue la référence. Pendant longtemps, c'est l'un des seuls chiffres disponibles. Mais le volume de tokens vous indique qu'une activité a eu lieu. Il ne vous dit pas si les employés utilisent l'IA pour les bonnes raisons, ni si quoi que ce soit est lié à un travail qui compte vraiment. Vous pouvez avoir de bons chiffres de tokens, et pourtant ont un investissement en IA qui ne tient pas ses promesses. 

Manger ou être mangé, édition entreprise 

Les entreprises qui parviennent réellement à transformer une main-d'œuvre massive et héritée grâce à l'IA traitent l'adoption de l'IA comme quelque chose qui doit être activement géré et mis à jour. 

Cela commence par observer comment le travail se déroule réellement dans les flux de travail IA. S'ils se connectent, les utilisent pour les bonnes tâches, obtiennent des résultats utiles et les intègrent dans leur façon de travailler au quotidien. 

Dans la plupart des entreprises aujourd'hui, l'adoption semble correcte en surface, mais s'effondre silencieusement en dessous. Les employés se heurtent à des impasses, trouvent des solutions de contournement et finissent par abandonner l'outil complètement. Et personne ne le sait, parce que personne ne peut le voir. 

L'IA ressemble davantage à Humain + SaaS + IA

Les employés ne vivent pas encore dans les outils d'IA. Ils passent constamment d'un agent d'IA à des applications SaaS, et le vrai travail se déroule dans les deux environnements. Analyser l'utilisation de l'IA de manière isolée ne vous donne qu'une vue partielle d'un flux de travail qui ne l'est pas du tout.

Comprendre correctement la productivité et l'adoption signifie voir l'ensemble du tableau : 

  • Où l'IA est-elle véritablement intégrée dans la façon dont le travail est accompli ? 
  • Où les outils SaaS portent-ils encore l'essentiel de la charge ? 
  • Cet équilibre évolue-t-il réellement au fil du temps à mesure que nous investissons davantage dans l'IA ?

Cette dernière question est plus importante que la plupart des organisations ne le réalisent. L'argument financier en faveur de l'IA a toujours reposé sur l'hypothèse qu'elle réduirait à terme la dépendance à un portefeuille SaaS surdimensionné. Plus de capacités IA, moins d'outils redondants, des dépenses technologiques plus légères et plus efficaces. 

Mais la plupart des entreprises augmentent leurs budgets IA tandis que les coûts SaaS restent stables, sans réelle visibilité sur la concrétisation de ce compromis. 

Alors, que faire maintenant ?

Les responsables informatiques ont ici une véritable opportunité de changer la façon dont leurs organisations perçoivent l'IA : comme un problème d'adoption qui nécessite une attention et une évolution continues. La chose la plus précieuse que l'informatique puisse faire en ce moment est de s'assurer que les outils qui ont été achetés et déployés fonctionnent réellement comme prévu, et qu'ils continuent à fonctionner de cette façon au fur et à mesure que les workflows évoluent.

Cela nécessite une plateforme qui vous offre des analyses sur l'ensemble de votre stack technologique employé, SaaS et agents IA réunis, afin que vous puissiez voir où l'engagement est fort, où les frictions s'accumulent, et où les employés rencontrent des difficultés que personne n'a encore signalées. 

Cela signifie être en mesure d'agir sur ces informations en temps réel, en intégrant des conseils directement dans les flux de travail afin que les employés obtiennent de l'aide exactement quand et où ils en ont besoin, sans attendre un programme de formation ou une initiative de gestion du changement. Et cela signifie aborder les conversations avec le conseil d'administration avec quelque chose de plus utile que des comptages de jetons : des courbes d'adoption, des points de friction réductions, consolidation SaaS, évolutions de la productivité. Et de vraies recommandations sur les prochaines étapes à suivre. 

Vous voulez voir à quoi cela ressemble en pratique ? Découvrez comment Pendo for IT aide les équipes d'entreprise à passer de la mesure de l'IA à une véritable adoption à l'échelle de leur organisation.