Les grandes entreprises ont souvent recours à l’intelligence artificielle dans le cadre de projets pilotes. Des équipes restreintes testent des outils, mènent des pilotes et présentent des résultats qui peinent à se propager au-delà de quelques départements. Citi a choisi une voie différente en intégrant l’IA dans le quotidien de l’organisation au lieu de la limiter aux spécialistes, la banque a passé les deux dernières années à pousser la technologie dans le travail quotidien.
Cette initiative a abouti à la création d’une force de travail interne en IA d’environ 4 000 employés, issus de divers domaines tels que la technologie, les opérations, le risque et le support client. Le chiffre a été rapporté pour la première fois par Business Insider, qui a détaillé comment Citi a mis en place ses programmes "AI Champions" et "AI Accelerators" pour encourager la participation sans contrôle central.
L’intégration à grande échelle est remarquable, car Citi emploie environ 182 000 personnes dans le monde entier, et plus de 70 % d’entre elles utilisent désormais des outils IA approuvés par l’entreprise sous une forme ou une autre, selon le même rapport. Ce niveau d’utilisation place Citi devant de nombreux concurrents qui restreignent toujours l’accès à l’IA aux équipes techniques ou aux laboratoires d’innovation.
De pilotes centraux à l’adoption par les équipes
Au lieu de commencer par les outils, Citi s’est concentré sur les personnes. La banque a invité les employés à se porter volontaires en tant que "AI Champions", leur donnant accès à des formations, des ressources internes et des versions préliminaires des systèmes IA approuvés. Les employés ont ensuite soutenu leurs collègues au sein de leurs propres équipes, agissant en tant que points de contact locaux et non en tant que formateurs officiels.
Cette approche reflète une vision pratique de l’adoption. Les nouveaux outils échouent souvent non pas parce qu’ils manquent de fonctionnalités, mais parce que le personnel ne sait pas quand ni comment les utiliser. En intégrant un soutien au sein des équipes, Citi a réduit l’écart entre l’expérimentation et le travail quotidien.
La formation a joué un rôle central. Les employés pouvaient obtenir des badges internes en suivant des cours ou en montrant comment ils utilisaient l’IA pour améliorer leurs propres tâches. Les badges n’étaient pas assortis de promotions ou d’augmentations de salaire, mais ils ont contribué à créer de la visibilité et de la crédibilité au sein de l’organisation. Selon Business Insider, ce modèle basé sur les pairs a contribué à propager l’IA plus rapidement que les ordres venant d’en haut.
Utilisation quotidienne, avec des garde-fous
Le leadership de Citi a présenté l’effort comme une réponse à l’échelle et non à la nouveauté. Avec des activités couvrant la banque de détail, les services d’investissement, la conformité et le support client, de petits gains d’efficacité peuvent s’additionner rapidement. Les outils IA sont utilisés pour résumer des documents, rédiger des notes internes, analyser des ensembles de données et aider au développement de logiciels. Aucune de ces utilisations n’est nouvelle en soi, mais la différence réside dans la manière dont elles sont appliquées.
L’accent mis sur les tâches quotidiennes façonne également la posture de risque de Citi. La banque a limité les employés aux outils approuvés par l’entreprise, avec des garde-fous autour des données pouvant être utilisées et de la manière dont les résultats sont gérés. Cette contrainte a ralenti certaines expérimentations, mais elle a également donné plus de confiance aux managers pour autoriser un accès plus large. Dans les secteurs réglementés, la confiance est souvent plus importante que la vitesse.
Ce que l’approche de Citi montre sur la mise à l’échelle de l’IA
La structure du programme de Citi suggère une leçon pour d’autres grandes entreprises. L’adoption de l’IA n’exige pas que chaque employé devienne un expert. Il faut suffisamment de personnes pour comprendre suffisamment bien les outils pour les utiliser de manière responsable et les expliquer aux autres. En formant des milliers de personnes au lieu de dizaines, Citi a réduit sa dépendance à un petit groupe de spécialistes.
Il y a aussi un signal culturel en jeu. Encourager les employés de secteurs non techniques à participer envoie le message que l’IA n’est pas réservée aux ingénieurs ou aux data scientists. Elle devient une partie intégrante de la façon dont le travail est réalisé, tout comme les tableurs ou les logiciels de présentation il y a quelques décennies.
Cette évolution s’inscrit dans des tendances plus larges de l’industrie. Des enquêtes de sociétés comme McKinsey ont montré que de nombreuses entreprises peinent à passer des projets d’IA à la production, citant souvent des lacunes en matière de talents et de propriété floue. Le modèle de Citi contourne certains de ces problèmes en distribuant la propriété dans les équipes, tout en maintenant la gouvernance centralisée.
Cependant, l’approche n’est pas sans limites. L’adoption dirigée par les pairs dépend d’un intérêt soutenu, et toutes les équipes n’avancent pas au même rythme. Il existe également un risque que les réseaux de soutien informels deviennent inégaux, certains groupes en bénéficiant plus que d’autres. Citi a tenté de remédier à cela en faisant tourner les Champions et en mettant à jour le contenu de la formation au fur et à mesure que les outils changent.
Ce qui ressort, c’est la volonté de la banque de considérer l’IA comme une infrastructure et non comme une innovation. Au lieu de se demander si l’IA pourrait transformer l’entreprise, Citi s’est demandé où elle pouvait supprimer les frictions du travail existant. Ce cadre facilite la mesure des progrès et réduit la pression pour produire des résultats spectaculaires.
L’expérience remet également en question une idée reçue selon laquelle l’adoption de l’IA doit commencer par le sommet. Le leadership senior de Citi a soutenu l’effort, mais une grande partie de l’élan est venue des employés qui ont consacré du temps à apprendre et à enseigner. Dans les grandes organisations, cette énergie ascendante peut être difficile à générer, mais elle détermine souvent si une nouvelle technologie prend racine.
Alors que de plus en plus d’entreprises passent des pilotes à la production, l’expérience de Citi offre une étude de cas intéressante. Elle montre que l’échelle ne vient pas de l’achat de plus d’outils, mais de l’aide apportée aux personnes pour qu’elles se sentent en confiance en utilisant ceux qu’elles possèdent déjà. Pour les entreprises se demandant pourquoi les progrès en matière d’IA semblent lents, la réponse réside moins dans les présentations stratégiques que dans la manière dont le travail est effectivement réalisé, une équipe à la fois.