IA : DigiKey utilise « des collaborateurs numériques » pour renforcer son expertise

Chez DigiKey, l’IA ne vise pas seulement à révolutionner le futur mais surtout à résoudre des problèmes concrets dès aujourd’hui, explique Nick Krmpotich, vice-président IA du distributeur. Son approche : des agents d’IA utilisés comme « stagiaires numériques » qui libèrent les experts des tâches répétitives dans plus de 70 cas d’usage en cours. Le vrai défi n’est désormais plus technologique mais culturel : comment réapprendre à utiliser le temps libéré ?

Par Nick Krmpotich, vice-président IA et automatisation intelligente de DigiKey

Je travaille dans le secteur technologique depuis des années et, tout au long de ma carrière, j’ai été témoin de plusieurs transformations majeures qui ont redéfini le fonctionnement des entreprises, évoluant des ordinateurs personnels et d’Internet au cloud computing et au télétravail. Chaque vague s’accompagnait de prédictions, d’enthousiasme et d’un certain battage médiatique.

L’IA ressemble à bien des égards à ces bouleversements, mais le rythme est différent. La plupart des nouvelles technologies se déploient sur plusieurs années, mais les capacités de l’IA, elles, semblent progresser de semaine en semaine. Ce rythme effréné incite à considérer les prévisions audacieuses quant à l’impact potentiel sur le monde du travail dans cinq ou dix ans. Mais de mon côté, je m’intéresse davantage à une question plus simple : que pouvons-nous faire dès aujourd’hui avec cette technologie ?

Chez DigiKey, cette question commence par la complexité. DigiKey propose plus de 17 millions de produits via sa plateforme de commerce électronique. Chaque jour, nos équipes traitent une quantité considérable d’informations, s’étendant des spécifications des produits et des structures tarifaires aux exigences de conformité commerciale, aux données des fournisseurs et aux questions des clients. Le défi repose rarement sur un manque d’expertise, mais réside plutôt dans le fait que les personnes hautement qualifiées consacrent souvent beaucoup trop de temps à collecter des informations et trop peu à mettre leurs connaissances en pratique. C’est précisément là que l’IA peut faire toute la différence.

Une métaphore que j’ai utilisée avec nos équipes est celle du « jumeau numérique stagiaire ». Imaginez un stagiaire désireux d’aider, prêt à se charger des tâches répétitives et capable de trier de grandes quantités d’informations en quelques secondes. Il peut accomplir un travail utile, mais il a tout de même besoin d’être guidé et de disposer du contexte nécessaire. Et il a encore besoin d’une personne expérimentée pour vérifier son travail et prendre la décision finale.

C’est ainsi que je conçois les agents d’IA. Les agents d’IA offrent aux experts un point de départ différent. Au lieu de passer des heures à rechercher des données dans plusieurs systèmes, à recouper des informations ou à traiter des tâches administratives de routine, les employés peuvent commencer leur travail en sachant qu’une grande partie de ces tâches préparatoires a déjà été effectuée. Le temps autrefois consacré à ces processus peut être dédié à la réflexion, à la résolution des problèmes et à l’engagement client.

Il est important de constater ce que les employés peuvent accomplir lorsque l’IA élimine certains des obstacles qui se dressent sur leur chemin. Les tâches que l’IA peut prendre en charge sont parfois qualifiées de tâches à faible valeur ajoutée. Mais lorsqu’elles sont confiées à un « jumeau numérique stagiaire » ou à un agent d’IA, les employés expérimentés peuvent alors se consacrer à la résolution de problèmes plus complexes, au service client et à l’innovation.

Lorsque l’on nous interroge sur notre stratégie en matière d’IA, beaucoup pensent que nous nous concentrons sur les possibilités futures et sur la manière dont nous allons transformer le secteur de la distribution grâce à l’IA. En réalité, nous nous attachons avant tout à résoudre des problèmes professionnels très concrets qui permettent de libérer du temps pour nos collaborateurs dès aujourd’hui.

Au cours de l’année écoulée, nous avons suivi un modèle d’investissement 70-20-10. Environ 70% de nos efforts en matière d’IA sont consacrés à l’optimisation des capacités opérationnelles, 20% sont dédiés à l’amélioration de l’expérience clients et les 10% restants sont réservés à l’expérimentation et aux opportunités à plus long terme.

Ce plan d’investissement reflète les enseignements tirés par les entreprises à mesure que l’IA gagne en maturité, à savoir que la plus grande valeur ajoutée réside dans la simplification des tâches quotidiennes. Nous utilisons des agents d’IA dans des domaines tels que la comptabilité, les opérations clients et la conformité commerciale. Il s’agit là d’environnements dans lesquels les employés passent beaucoup de temps à collecter des informations, à naviguer entre les systèmes et à maîtriser des règles métier complexes.

Dans bien des cas, le travail n’est pas difficile en soi ; il s’agit simplement d’un volume important associé à une grande complexité. Prenons l’exemple de la conformité aux règles commerciales, où la détermination de l’impact des droits de douane sur des millions de produits implique un réseau complexe de relations entre les fabricants, les sites de production, les réglementations et les exigences des clients. Le nombre de scénarios possibles augmente rapidement. L’IA est particulièrement bien adaptée à ce type d’environnement car elle peut analyser de grandes quantités d’informations et mettre en évidence les détails les plus importants.

Les leçons retenues de notre premier agent d’IA performant
Au début de l’année, nous avons mis en production un agent d’IA au sein de notre service comptable. L’agent contribue au traitement des demandes de versement de paiement des clients en analysant les e-mails, en identifiant l’action demandée, en recueillant les informations pertinentes et en soumettant des recommandations aux employés pour approbation. Aujourd’hui, ce système automatise environ les deux tiers de nos demandes de versement de paiement.

Les gains de productivité sont significatifs et nous avons tiré de nombreux autres enseignements et connaissances précieux de ce processus. La mise en œuvre de cet agent nous a obligés à établir l’infrastructure, la gouvernance, les contrôles de sécurité et les processus opérationnels requis pour exécuter ces systèmes de manière responsable. Nous avons identifié les points forts et les points faibles de la technologie, ainsi que les domaines où la supervision humaine restait indispensable.

Ces enseignements et ces connaissances sont désormais réutilisables. Les opportunités ne se limitent plus à un seul cas d’utilisation. En effet, nous comptons actuellement plus de 70 cas d’utilisation à différents stades d’adoption au sein de notre entreprise. Une fois le schéma compris, un tout autre champ des possibles s’ouvre. On peut alors commencer à analyser l’ensemble de l’organisation et à se poser la même question : quelles tâches exigent des utilisateurs qu’ils jonglent entre plusieurs systèmes, collectent des informations et prennent des décisions en fonction de règles métier établies ? Ces tâches sont souvent d’excellents candidats pour les flux de travail assistés par l’IA. Le plus difficile a été de mettre en production le premier agent opérationnel. Nous pouvons maintenant nous concentrer sur le développement de ce que nous avons appris.

Le plus difficile n’a rien à voir avec la technologie
L’IA continue de progresser à un rythme extraordinaire. Ce qui paraissait inconcevable il y a un an peut désormais paraître banal grâce à un agent performant. Le plus grand défi consiste désormais à aider les employés à s’adapter à une nouvelle façon de travailler. Auparavant, une grande partie de notre temps était consacrée au travail administratif. Avec l’automatisation croissante de ces tâches administratives, une autre question se pose : que faire du temps ainsi libéré ?

Il est plus difficile de répondre à cette question qu’il n’y paraît. Il serait tentant de considérer ce temps libéré comme une marge de manœuvre dans le système, mais la réalité est tout autre. Les employés qui consacraient auparavant leurs matinées à la recherche de données sont désormais censés utiliser ce temps pour réfléchir plus en profondeur au problème auquel ils sont confrontés, par exemple pour repérer un élément manquant dans un rapport, aider un fournisseur à trouver une solution ou dialoguer avec un client au lieu de simplement traiter sa demande.

Cette évolution dans notre rapport au temps n’est pas propre à DigiKey. Toute organisation qui expérimente l’IA est confrontée à des changements similaires. Les discussions difficiles ne portent plus sur les technologies, mais sur la culture d’entreprise, le leadership et ce que signifie « bien travailler » une fois que les tâches fastidieuses sont éliminées. Les organisations qui comprendront ces enjeux prendront une longueur d’avance sur celles qui se contentent d’acquérir les outils.

Ce que qu’il faut surveiller de près
Si je devais identifier une tendance qui mérite davantage d’attention, ce serait l’évolution rapide des modèles d’IA open-source. Pour la plupart des gens, l’IA rime avec quelques grands noms. Ces plateformes sont importantes, mais des modèles spécialisés continuent également d’émerger et offrent des performances exceptionnelles dans des domaines ciblés, souvent à des coûts nettement inférieurs. Ce point est important car l’IA est de plus en plus un sujet de débat économique autant que technologique.

Sélectionner le bon modèle revient à sélectionner le bon outil. Un modèle à usage général peut s’avérer idéal pour une tâche donnée, tandis qu’un modèle plus restreint et plus ciblé peut fournir des résultats comparables pour une autre tâche à un coût bien moindre.

À mesure que les organisations adoptent l’IA à grande échelle, ces décisions deviennent encore plus cruciales. Les entreprises qui tireront le meilleur parti de l’IA seront celles qui sont capables de déterminer quel modèle correspond à quel problème et de prendre ces décisions de manière cohérente.

Une certaine vision de l’avenir
Quand on me demande où en sera l’IA dans cinq ou dix ans, je repense à des conversations similaires autour des ordinateurs personnels, d’Internet et du cloud computing. À un moment donné, la technologie elle-même finit par passer au second plan. Personne ne se présente en précisant utiliser Internet pour le travail. Personne ne qualifie l’utilisation d’un ordinateur portable de stratégie innovante. Ces outils font désormais tout simplement partie intégrante des méthodes de travail. Je pense que l’IA évolue dans la même direction.

L’avenir est peu susceptible d’appartenir aux organisations qui se contentent d’avoir accès à l’IA. Cet accès devient de plus en plus universel. Le facteur de différenciation sera de savoir utiliser ces outils de manière réfléchie, sécurisée et responsable. Il s’agira de comprendre où l’automatisation crée de la valeur et où le jugement humain reste indispensable.

Les anciennes règles restent en vigueur. Les organisations doivent réfléchir attentivement à la gouvernance, à la sécurité, aux dépenses et à la responsabilité. L’IA n’élimine pas ces responsabilités. Au contraire, elle les renforce.

Malgré tous les débats autour de l’intelligence artificielle, je demeure convaincu que la variable la plus importante reste l’humain. L’IA peut traiter les informations et contribuer à gérer la complexité. Cependant, l’expertise humaine et le jugement des employés expérimentés resteront toujours indispensables.