Les services aux entreprises ne vendent pas un produit mais un jugement : un avis, une analyse, un second avis. Cela rend le rapport à l'IA différent de celui des secteurs où l'IA accélère surtout des processus. Ici, l'IA touche directement au cœur même du métier — le travail intellectuel lui-même, et la confidentialité de ce qu'un client a partagé pour rendre ce travail intellectuel possible. Un avocat qui alimente un modèle de langage avec des pièces d'un dossier, un consultant qui fait vérifier une analyse préliminaire par un chatbot, un comptable qui fait résumer des chiffres par un système externe : chaque fois, une information se déplace qui aurait dû rester à l'intérieur des murs du cabinet et de la relation de confiance avec le client.
Le rapport entre ce que les organisations ont officiellement acquis ici et ce que les collaborateurs utilisent réellement est généralement déséquilibré. Là où, dans les secteurs à forte composante opérationnelle, l'IA est souvent déployée via un département IT, la pression dans les cabinets de conseil et juridiques est surtout individuelle : quelqu'un avec une échéance et un outil d'IA qui travaille plus vite que le collègue d'à côté. Cela rend l'IA fantôme non pas exceptionnelle mais plausible comme norme — précisément dans un secteur où le temps est facturé et où la rapidité est récompensée.
Un aperçu des licences logicielles montre ce qui a été acquis, pas ce qui est utilisé. Dans les services aux entreprises, une grande partie du personnel travaille en outre avec ses propres appareils, ses propres extensions de navigateur et ses propres abonnements à des services d'IA gratuits à essayer. Un associé ou un conseiller senior qui utilise un modèle de langage pour vérifier une note préliminaire n'apparaît dans aucun tableau de bord IT. Pourtant, c'est précisément cet usage qui présente le risque le plus élevé : il touche à la confidentialité client, au secret professionnel, à la question de savoir qui est responsable de quoi lorsqu'un avis a été en partie façonné par un algorithme.
La seule façon de savoir ce qui se passe réellement est de le demander — et cette question n'a de sens que si celui qui répond n'a rien à perdre. Un collaborateur qui pressent qu'admettre l'usage de l'IA débouchera sur une conversation sur ses performances répondra par la négative ou pas du tout. Un inventaire fondé sur la confiance plutôt que sur le contrôle donne un tableau différent : pas complet, mais plus honnête qu'une liste qui ne fait qu'additionner ce qui a été approuvé.
L'usage de l'IA dans ce secteur ne relève pas d'une seule catégorie. Un outil qui vérifie des faits dans un document juridique porte un risque différent d'un outil qui résume un document de processus interne. Un système qui participe à la rédaction d'un avis fiscal destiné à un client demande un type de supervision différent d'un outil qui organise des comptes rendus de réunion. Une gouvernance efficace commence par distinguer ces rôles et niveaux de risque, et y associe un niveau de surveillance adapté — non pas en fonction du nom du système, mais en fonction de ce qu'il fait et de la destination finale du résultat.
Les cabinets de ce secteur disposent souvent déjà de structures de gestion des risques : revue de dossiers, principe du double regard, contrôle de conformité, contrôle qualité. Une approche de gouvernance de l'IA qui en serait déconnectée deviendrait une couche supplémentaire que personne n'adopterait. Il est plus judicieux d'adopter une approche qui s'appuie sur la structure de risque existante : mêmes propriétaires, mêmes lignes de reporting, même rythme de contrôle, l'usage de l'IA faisant partie de ce qui est déjà examiné plutôt qu'un dossier à part.
Un dirigeant ou un General Counsel à qui l'on demande comment l'usage de l'IA est encadré au sein du cabinet ne peut pas se contenter d'une impression. La démontrabilité exige un inventaire consigné : quels outils, quel rôle, quel niveau de risque, quels accords sur ce qui peut ou ne peut pas en être fait. Ce n'est pas d'abord une reddition de comptes vers l'extérieur — c'est avant tout, pour la direction elle-même, un instrument pour savoir sur quoi elle pilote, avant qu'un organe de contrôle, un client ou son propre comité des risques ne pose la question.
La manière dont l'IA fantôme apparaît et la manière dont la gouvernance peut y répondre diffèrent selon le secteur. Ceux qui souhaitent comparer comment cette problématique se manifeste là où de nombreux systèmes et contacts clients se rencontrent la trouveront dans La gouvernance de l'IA dans les services financiers ; ceux qui veulent voir comment cela se joue dans un secteur qui construit et utilise lui-même des produits d'IA peuvent le lire dans La gouvernance de l'IA dans le secteur des TIC ; et pour un aperçu de la manière dont cela fonctionne dans des organisations avec beaucoup de personnel opérationnel et peu de pilotage IT centralisé, il y a La gouvernance de l'IA dans le commerce de détail.
Un inventaire de l'usage de l'IA donne une image de ce qui tourne et de qui l'utilise, mais ne répond pas à la question qui vient ensuite : quelle part du travail lui-même peut réellement être transférée à l'IA, et quelle part ne le peut pas. C'est un autre calcul, par tâche plutôt que par outil. Le werkscan de FTE TO AI effectue ce calcul : pour chaque tâche, il détermine quelle part du travail est susceptible d'être reprise par l'IA, comme étape suivante à l'aperçu que fournit le Responsible AI Scan.
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.