Une entreprise énergétique combine deux mondes qui ont rarement le même propriétaire. D'un côté se trouve la technique opérationnelle : systèmes de mesure et de régulation, gestion du réseau, maintenance des infrastructures critiques. De l'autre côté se trouve le bureau : contact client, facturation, planification, services juridiques et de conformité. L'IA apparaît dans les deux, mais avec un rapport différent entre risque et facilité. Dans la couche opérationnelle, une application d'IA touche rapidement à des systèmes dont une panne ou une décision erronée a des conséquences directes hors de l'organisation. Dans la couche bureau, il s'agit plus souvent de texte, de données et d'aide à la décision, avec un risque qui ressemble davantage à celui d'autres secteurs. Une gouvernance qui traite ces deux couches de façon indifférenciée manque l'essentiel : ce qui est un gain d'efficacité dans une couche est, dans l'autre, une question de sécurité et de contrôle.
À cela s'ajoute que les entreprises énergétiques sont souvent soumises à une surveillance renforcée, liées à des obligations de signalement sectorielles spécifiques et travaillent avec des données touchant à l'infrastructure nationale. Cela rend la question « qui a utilisé l'IA ici, et sur quoi » plus lourde que dans un environnement de bureau moyen. Le contenu réglementaire qui se trouve derrière — quelles obligations s'appliquent précisément et quand — est traité ailleurs ; il s'agit ici du mécanisme par lequel une organisation obtient et conserve une vue sur ce qui se passe.
Qui demande quels systèmes d'IA sont utilisés reçoit du service IT une liste d'outils approuvés. Cette liste est un point de départ, pas la réalité. Un planificateur qui utilise un modèle de langage pour résumer des rapports de maintenance, un analyste qui alimente un modèle externe avec des données de mesure pour reconnaître des schémas, un collaborateur sous contrat qui consulte un chatbot lors d'un protocole d'incident : cela se produit souvent sans qu'une demande ait été déposée ou qu'un accord ait été sollicité. Non par mauvaise volonté, mais parce que cela fonctionne et que personne ne s'en est enquis.
Le cœur d'un inventaire n'est donc pas de cocher les systèmes connus, mais de dresser un tableau de ce qui se passe réellement. Cela requiert un ton différent de celui d'un audit. Qui veut savoir ce qu'un collaborateur utilise doit le demander sans qu'une sanction y soit rattachée — sinon la réponse disparaît aussi vite que l'usage lui-même. La manière dont se déroule cette conversation et la raison pour laquelle une sanction produit l'effet inverse sont décrites dans comment éviter que des collaborateurs utilisent un outil que personne ne connaît. Un risque spécifique au sein de ce tableau plus large est la saisie de données de l'entreprise — données de mesure, conditions contractuelles, données de réseau — dans une fenêtre de chat gratuite en dehors de l'organisation ; ce qui est en jeu et comment le repérer sont abordés dans comment éviter que des données de l'entreprise ne se retrouvent dans une fenêtre de chat gratuite.
Après l'inventaire vient la question de ce qu'un système fait réellement. Une application d'IA qui réécrit un texte pour une lettre client a un rôle différent d'un modèle qui participe aux décisions de planification de maintenance sur la base de données de capteurs. La classification doit fixer ce rôle, ainsi que le niveau de risque qui lui correspond, indépendamment du service qui utilise l'outil par hasard. C'est là que le secteur de l'énergie demande une interprétation propre : un outil anodin dans une équipe marketing peut prendre un poids différent dans une équipe de gestion de réseau, parce que le résultat se répercute sur un système physique.
Cette approche — inventorier, classer, intégrer dans la gouvernance existante — n'est pas propre au secteur de l'énergie. Des questions comparables se posent dans les organisations travaillant avec des installations physiques et des risques de sécurité, comme on peut le lire à propos de la gouvernance de l'IA chez les entreprises d'installation avec une pratique technique et exécutive et de la gouvernance de l'IA dans la construction où planification et exécution se rencontrent. Les secteurs soumis à des exigences de surveillance strictes, comme on le voit dans la gouvernance de l'IA dans les soins de santé où la sécurité des patients et le contrôle se rencontrent, montrent également que la forme de la gouvernance évolue à mesure que les conséquences d'une erreur s'alourdissent. Qui établit cette comparaison constate que le secteur de l'énergie n'est pas unique dans la question, mais bien dans la lourdeur de la réponse.
Un ensemble de gouvernance placé à côté de la structure de risque existante fonctionne mieux qu'un nouveau cadre ajouté à côté. Les entreprises énergétiques disposent généralement déjà d'une structure de gestion des risques pour la sécurité opérationnelle et la conformité. La gouvernance de l'IA devrait en être un prolongement, avec les mêmes lignes de reporting vers la direction et l'autorité de contrôle, et non un processus isolé qu'il faudrait suivre à part et qui finirait un jour à côté des autres rapports de risque sans jamais s'y rejoindre.
Une fois qu'il est clair quelles applications d'IA existent et quel risque elles représentent, une autre question se pose : ce que cela signifie pour le travail que les personnes effectuent aujourd'hui. Un inventaire montre ce qui fonctionne ; un scan du travail montre ce que ce fonctionnement signifie pour les tâches, les fonctions et la capacité. Le scan du travail de FTE TO AI calcule, pour chaque tâche, quelle part du travail peut être reprise par l'IA, et place ainsi, à côté de l'image des risques, l'image de la capacité. C'est l'étape logique suivante après un inventaire : non seulement savoir ce qui se passe, mais aussi ce que cela signifie pour l'organisation qui doit composer avec.
Vraag maar. Governance begint bij weten wat er draait — ook wat niemand heeft goedgekeurd.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.