L'industrie manufacturière connaît une division que peu d'autres secteurs présentent. D'un côté se trouve la technique opérationnelle : systèmes de commande, capteurs, maintenance prédictive et contrôle qualité par reconnaissance d'image. Ces systèmes sont souvent acquis de manière formelle, intégrés dans des machines ou des lignes de production, et soumis aux procédures d'ingénierie et de sécurité existantes. De l'autre côté se trouve l'environnement de bureau et de support : achats, planification, support d'ingénierie, contact client et administration. Là, l'IA générative apparaît de la même manière que dans toute autre organisation — via un navigateur, un compte isolé, un abonnement isolé.
Le rapport entre ces deux niveaux détermine la manière dont une approche de gouvernance doit être organisée. Alors que la technique opérationnelle est relativement bien documentée parce qu'elle fait partie des investissements en capital et des contrats de maintenance, le niveau du bureau n'est souvent consigné nulle part. Qui ne regarde que la ligne de production ne voit qu'une fraction de ce qui est utilisé en matière d'IA dans l'organisation.
Un aperçu des logiciels approuvés ne raconte rarement toute l'histoire. Un ingénieur qui fait résumer un dessin, un planificateur qui utilise un outil d'IA pour réorganiser les calendriers de livraison, un acheteur qui fait comparer des devis par un modèle externe — cela se produit souvent sans qu'une demande ait été déposée ou qu'une licence ait été enregistrée. Ce n'est pas de la négligence ; c'est une conséquence pratique de la pression du temps et de la disponibilité d'outils gratuits ou peu coûteux.
Cette IA fantôme constitue, pour un dirigeant ou un gestionnaire de risques, le véritable point d'attention. La question n'est pas seulement ce que l'organisation a acquis, mais ce qui est utilisé quotidiennement pour accomplir le travail plus rapidement. Le découvrir requiert une approche différente d'un audit technique : cela requiert que les personnes soient disposées à dire ce qu'elles utilisent, sans que cette conversation ne ressemble à une obligation de justification. Qui demande « qui a utilisé quelque chose ici sans autorisation » n'obtient pas de réponse. Qui demande « qu'utilisez-vous pour faire votre travail » obtient bien une réponse.
Toute utilisation de l'IA dans l'industrie manufacturière ne porte pas le même poids. Une application d'IA qui participe à la validation de conception ou au contrôle qualité d'un produit fini touche à la sécurité et à la responsabilité d'une manière différente d'un outil qui rédige un e-mail à un fournisseur. Un système qui influence la planification de production peut avoir des conséquences sur les délais de livraison et les obligations contractuelles ; un outil qui résume des notes internes, généralement pas.
Cette différenciation est la base de la classification : toute utilisation de l'IA ne doit pas nécessairement recevoir le même niveau de surveillance, mais la distinction doit bien être établie, et sur la base de ce que fait le système et de ce sur quoi il exerce une influence — pas sur la base de l'endroit où il a été acquis. Un outil téléchargé par un collaborateur individuel peut avoir tout autant d'influence sur la production livrée à un client qu'un système acquis par une voie formelle.
L'industrie manufacturière travaille rarement en isolement. Fournisseurs, sous-traitants et clients font partie du même processus, et l'utilisation de l'IA chez l'une de ces parties peut influencer ce qu'une organisation livre elle-même. Si un fournisseur utilise l'IA pour interpréter des spécifications ou générer des rapports de qualité, il naît une dépendance qui n'est pas visible dans les systèmes propres, mais qui est bien pertinente pour celui qui porte la responsabilité du produit final.
C'est une différence avec les secteurs où le processus primaire se déroule en grande partie à l'intérieur de ses propres murs. Une approche de gouvernance pour l'industrie manufacturière doit donc non seulement cartographier l'utilisation interne, mais aussi se former une image de l'endroit dans la chaîne où l'IA joue un rôle dans des décisions qui concernent finalement l'organisation.
La plupart des entreprises manufacturières disposent déjà de structures de risque : pour la sécurité des produits, pour la gestion de la qualité, pour l'évaluation des fournisseurs. La gouvernance de l'IA fonctionne mieux lorsqu'elle se raccorde à ce qui existe déjà, plutôt que de devenir un processus nouveau et isolé. Une classification des applications d'IA par niveau de risque peut par exemple être liée aux critères d'évaluation existants pour les fournisseurs ou au système de gestion de la qualité, de sorte que le reporting à la direction ou au conseil de surveillance ne devienne pas un parcours distinct à côté des lignes de responsabilité existantes, mais y soit intégré.
La manière précise dont ce raccordement prend forme diffère selon l'organisation et dépend de l'organisation de gouvernance existante. D'autres secteurs connaissent des questions comparables à partir d'une structure différente : dans le secteur du transport, une tension comparable existe entre les systèmes opérationnels et l'usage de bureau, dans le secteur agricole, la dépendance de la chaîne est souvent encore plus directement perceptible, et dans les services aux entreprises, le niveau opérationnel fait largement défaut, ce qui fait de l'IA fantôme pratiquement le seul niveau à cartographier là-bas.
Un inventaire de l'utilisation de l'IA et une classification par risque donnent à une organisation une vue sur ce qui se passe et où une surveillance est nécessaire. Cette question s'inscrit dans le prolongement d'une autre question que beaucoup d'entreprises manufacturières se posent : quelle part du travail lui-même, au niveau des tâches individuelles, peut en réalité être reprise par l'IA. Là où la gouvernance cartographie ce qui se passe et qui en porte la responsabilité, le scan de travail de FTE TO AI calcule, par tâche, quelle part entre effectivement en ligne de compte pour une reprise — une question à laquelle on ne peut bien répondre qu'une fois qu'il est clair ce qui est déjà en cours.
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.