Ce que la bataille des Falaises Rouges peut nous apprendre sur la transformation de l'entreprise grâce à l'IA

En l'an 208 après J.-C., Cao Cao Il commandait une armée si puissante que rares étaient ceux qui auraient osé la défier. Il contrôlait une part écrasante des ressources, disposait du plus grand vivier de talents et d'une capacité d'action apparemment illimitée. Son objectif était tout aussi ambitieux : traverser le fleuve Yangtsé, vaincre les forces de Sun Quan et de Liu Bei, et unifier la Chine.

Dans le langage des affaires d'aujourd'hui, considérez cela comme un leader du marché, disposant d'une part de marché dominante, de moyens financiers considérables, des meilleurs talents du secteur et d'un mandat stratégique visant à transformer l'entreprise et à redéfinir le paysage concurrentiel.

De l'autre côté du fleuve se trouvaient Sun Quan et Liu Bei : deux rivaux bien plus modestes et plus combatifs, dont les forces réunies étaient largement surpassées en nombre.

À première vue, cela semblait être une victoire sans histoire pour Cao Cao. Mais il y avait un problème : ses soldats du Nord n'étaient pas habitués à combattre sur l'eau. Ils ont eu le mal de mer et ont eu du mal à se déplacer sur les navires. Cao Cao a donc trouvé une solution apparemment ingénieuse : enchaînez les navires les uns aux autres et posez des planches entre eux, transformant ainsi la flotte en une plate-forme stable. Chacun pouvait désormais se déplacer comme s'il se trouvait sur la terre ferme.

Dans le domaine de l'IA d'entreprise, cela vous dit sans doute quelque chose : mettre en place une plateforme d'IA centralisée à l'échelle de l'entreprise ; relier toutes les entités opérationnelles ; harmoniser les données data, les modèles, la gouvernance et les processus de validation ; uniformiser l'expérience utilisateur et garder le contrôle sur l'ensemble du système.

Lors de la réunion stratégique, quelqu'un aurait pu demander : Et s'ils nous attaquaient avec du feu ?

Cao Cao avait une réponse. C'était l'hiver. Le vent dominant soufflait du nord-ouest. Ses troupes se trouvaient sur la rive nord, tandis que l'ennemi occupait la rive sud. S'ils tentaient de mettre le feu à ses navires, le vent ne ferait que ramener les flammes vers eux.

Le raisonnement était irréfutable. Le risque était maîtrisé. À une exception près : le vent a tourné. Et c'est à ce moment-là que la bataille des Falaises Rouges est devenu l'un des tournants les plus marquants de l'histoire chinoise.

Le commandant adverse, Zhou Yu, a immédiatement perçu cette faille : les navires étaient amarrés les uns aux autres.

Huang Gai, un général chevronné en qui Cao Cao avait toute confiance, proposa une ruse. Il ferait semblant de faire défection, s'approcherait de la flotte de Cao Cao avec une flottille de navires chargés de combustible et de petit bois, puis y mettrait le feu.

Les soldats de Cao Cao observaient les navires qui s'approchaient, convaincus que Huang Gai venait se rendre. C'est alors que les flammes ont éclaté. Un vent fort soufflant du sud-est a propagé l'incendie d'un navire à l'autre. Ce qui avait été conçu pour assurer la stabilité s'est transformé en un mécanisme de propagation de la destruction. La flotte a pris feu. Les camps situés sur la rive ont pris feu. Les forces de Cao Cao ont été vaincues.

La version littéraire traditionnelle chinoise de cette histoire a par la suite ajouté de nombreux éléments marquants : le célèbre “ emprunt du vent d’est ”, des stratagèmes élaborés et la poursuite au col de Huarong. Mais le récit historique consigné dans Zizhi Tongjian est bien plus concis.

Et sa description de la bataille comporte deux détails d'une importance capitale :

• Les navires étaient reliés entre eux.
• Le vent soufflait fortg.

L'une était une vulnérabilité structurelle. L'autre était une variable imprévue. Ensemble, elles ont transformé le plus grand atout de Cao Cao en sa plus grande faiblesse.

C'est une façon étonnamment utile d'envisager transformation de l'entreprise grâce à l'IA.

Contrôle centralisé ou agilité autonome ?

Comment évitez-vous le risque systémique dans votre architecture d'IA ?

Cao Cao fit enchaîner ses navires les uns aux autres. L'avantage immédiat était évident : ses soldats pouvaient se déplacer sur l'eau sans souffrir du mal de mer. La stabilité s'en trouva améliorée. La coordination s'en trouva améliorée. La flotte devint plus facile à gérer.

Mais Cette même décision a créé une vulnérabilité systémique. Auparavant, si un navire prenait feu, seul ce navire brûlait. Désormais, si un navire prend feu, c'est toute la flotte qui risque de brûler. Le fait que les navires aient été reliés entre eux C'était là la faille que Huang Gai avait repérée — une faille que Cao Cao avait lui-même créée.

De nombreuses grandes entreprises sont confrontées à une tentation similaire lorsqu'elles entament leur transformation vers l'IA.

On a souvent tendance à vouloir mettre en place une plateforme d'IA centralisée à l'échelle de l'entreprise: relier toutes les unités opérationnelles, consolider data, harmoniser les capacités, mettre en place une gouvernance commune et offrir une expérience utilisateur cohérente.

Du point de vue de la gouvernance, cela est tout à fait logique. Cela permet de réduire les investissements redondants, de renforcer la sécurité et la conformité, et de générer des économies d'échelle. Mais cela repose sur la même logique sous-jacente – et erronée – que celle qui consiste à enchaîner les navires les uns aux autres : prendre un ensemble d'unités indépendantes et les regrouper au sein d'un système géré de manière centralisée.

Le problème, c'est qu'une fois que tout est étroitement lié, trois difficultés apparaissent.

• Risque concentré: Un incident de type « data » survenant au sein d'une unité opérationnelle peut rapidement se transformer en une crise de confiance et de conformité à l'échelle de l'entreprise.
• Perte de vitesse: Les équipes opérationnelles perdent la capacité d'expérimenter de manière autonome. Lorsqu'une nouvelle opportunité liée à l'IA se présente, leur première question n'est peut-être plus “ Pouvons-nous essayer cela ? ”, mais “ Quand l'équipe centrale pourra-t-elle donner son accord ? ”
• L'illusion de la transformation: Une plateforme d'IA centralisée peut donner à une organisation l'impression qu'elle est en pleine transformation, alors qu'elle se contente peut-être simplement d'utiliser l'IA pour rendre les processus existants plus rapides et moins coûteux — sans se demander si ces processus devraient réellement exister sous leur forme actuelle.

Bien sûr, les plateformes centralisées et l'agilité indépendante ne s'excluent pas mutuellement.

Une architecture d'IA aboutie doit offrir des fonctionnalités communes, des mesures de sécurité et des économies d'échelle au niveau de la plateforme, tout en laissant aux unités opérationnelles la marge de manœuvre nécessaire pour faire leurs propres choix et évoluer de manière autonome.

Le couplage doit être délibéré. Il ne doit jamais se transformer en chaîne..Cela implique de délimiter clairement les frontières de gouvernance entre la plateforme et les applications qui s'appuient sur celle-ci :

Uniformiser la plateforme. Donner plus de moyens aux applications. Cela permet à l'organisation de maintenir des normes communes et des contrôles des risques tout en préservant la capacité de chaque unité opérationnelle à s'adapter aux évolutions du marché.

La question n'est pas de savoir si les navires doivent être reliés. Il s'agit plutôt de quels navires doivent être connectés, à quel niveau et dans quel but.

Transformation descendante ou innovation interne ?

D'où vient le véritable moteur de l'adoption de l'IA ?

La ruse de Huang Gai n'était pas simplement une manœuvre militaire. Elle a fonctionné car elle offrait un prétexte plausible pour l'attaque incendiaire. Huang Gai était un général chevronné que Cao Cao connaissait bien. Sa réputation rendait sa reddition crédible. Le feu ne venait pas de l'extérieur ; cela venait de l'intérieur.

Il s'agit là d'un autre enseignement utile pour l'IA d'entreprise.

Lorsque les organisations se lancent dans une transformation axée sur l'IA, l'approche par défaut est souvent descendante: le siège social définit la stratégie, met en place la plateforme, établit le modèle de gouvernance, puis le déploie à l'échelle de l'entreprise.

Le problème, c'est que Les nouvelles technologies créent naturellement un obstacle à la confiance. On demande aux gens de modifier leurs méthodes de travail, de se familiariser avec des outils inconnus et d’assumer le coût de l’expérimentation. Et c’est pourquoi certains des succès les plus rapides en matière d’IA trouvent souvent leur origine bien plus près de l’activité elle-même.

Les personnes qui ont passé des années à exercer une fonction donnée comprennent où se situent les véritables freins. Lorsqu’elles acquièrent en outre une maîtrise suffisante de l’IA pour discerner ce que cette technologie est capable de faire et ce dont elle est incapable, elles peuvent identifier des points d’entrée bien plus précis et valider de nouveaux cas d’utilisation avec beaucoup moins d’efforts.

Ces personnes ne sont peut-être pas celles qui possèdent les compétences techniques les plus pointues au sein de l'organisation. Mais elles possèdent souvent quelque chose d'aussi précieux : connaissances en matière d'entreprise et confiance au sein de l'entreprise.

La stratégie descendante et l'innovation ascendante ne sont donc pas des modèles concurrents. Elles répondent à des problèmes différents :

• Un leadership descendant fournit des orientations, des ressources, une gestion des risques et un cadre permettant la mise à l'échelle.
• Innovation portée par les entreprises garantit la pertinence, la rapidité et une validation concrète.

La stratégie d'IA la plus efficace combine ces deux aspects. Définissez la ligne directrice au plus haut niveau, puis identifiez et mobilisez les personnes au sein de l'organisation qui sont en mesure de la mettre en œuvre.

Chaque organisation a besoin de son propre « Huang Gai » : des personnes qui comprennent suffisamment bien l'activité pour savoir où l'IA peut créer de la valeur, et qui jouissent d'une crédibilité suffisante pour faire advenir ce changement au sein même de l'organisation.

La question n'est pas de savoir si la transformation doit se faire de haut en bas ou de bas en haut. Elle est la suivante : “Qui, au sein de l'entreprise, est capable de faire naître l'étincelle ??”

Une stratégie qui relevait de la logique face à un paradigme qui a évolué

Quels sont les critères qui devraient guider votre jugement lors d'une transformation vers l'IA ?

Cao Cao ne prenait pas les risques à la légère. D'après le récit historique, ses conseillers avaient envisagé la possibilité d'une attaque incendiaire. Son raisonnement était simple : l'ennemi se trouvait au sud. Ses forces étaient au nord. C'était l'hiver. Le vent dominant soufflait du nord-ouest. Ainsi, si l'ennemi tentait d'utiliser le feu, les flammes seraient repoussées vers lui.

Ce raisonnement n’était pas irrationnel. En réalité, il reposait sur des années d’expérience. Cao Cao avait passé des décennies à combattre dans le nord de la Chine. Sa connaissance des conditions météorologiques hivernales avait été confirmée à maintes reprises. Le problème n’était pas que son expérience fût erronée.

Le problème, c'est qu'il avait transposé une règle locale dans un contexte différent et l'avait considérée comme universelle.

La région du Yangtsé était soumise à des conditions climatiques différentes. Le contexte avait changé. Et lorsque le contexte change, même un modèle parfaitement rationnel peut aboutir à une réponse erronée.

Nous entendons des arguments similaires de la part des entreprises lorsque nous abordons le sujet de l'IA :

• “ Notre secteur est trop spécialisé. L’IA ne sera pas en mesure de s’en charger. ”
• “ Nous disposons de vingt ans de savoir-faire propre à notre entreprise. Un modèle ne peut pas le comprendre. ”
• “ Nos clients ont besoin de confiance. Une machine ne peut pas leur apporter cela. ”

Ces affirmations auraient pu être tout à fait raisonnables dans le contexte technologique antérieur. Mais l'IA n'est pas simplement un outil plus performant. Elle représente un changement de paradigme.

L'expérience qui faisait de quelqu'un un excellent marin à l'époque des voiliers ne lui permet pas nécessairement de savoir comment se comportera un bateau à vapeur.

Il en va de même pour l'IA. De nombreuses organisations émettent des jugements tout à fait rationnels concernant l'IA en se fondant sur des hypothèses qui ne sont plus valables.

Ils se trompent :

• «Cela ne fonctionne pas encore” au lieu de “Cela ne marchera jamais.”
• «Je ne l'ai jamais vu” au lieu de “Cela n'existe pas.”
• «Nous procédons ainsi depuis vingt ans” au lieu de “Nous procéderons ainsi pendant les vingt prochaines années.”

Il s'agit là de pièges cognitifs dangereux en période de transition technologique. La solution ne consiste pas à écarter l'expérience. L'expérience reste l'une des sources de jugement les plus précieuses. Mais les organisations doivent intégrer une habitude supplémentaire dans chaque discussion portant sur la stratégie en matière d'IA : Quelles sont les hypothèses qui sous-tendent notre conclusion, et ces hypothèses sont-elles toujours valables dans le nouveau paradigme technologique ??

Aux moments décisifs de leur stratégie en matière d'IA, les organisations devraient également veiller à faire intervenir délibérément des points de vue différents. Non pas parce que ces personnes détiennent nécessairement la bonne réponse, mais parce qu'elles pourraient poser la question à laquelle personne d'autre n'a pensé.

Dans le camp de Cao Cao, la personne disparue n'était pas un autre stratège. C'était quelqu'un qui demandait : “Et si le vent soufflait différemment de l'autre côté de la rivière ??”

Commandement centralisé contre prise de décision décentralisée

À qui devraient revenir les droits de décision à l'ère de l'IA ?

La structure de commandement de Cao Cao était fortement centralisée. Les ordres émanaient du commandement central et étaient transmis par la voie hiérarchique. Ce modèle fonctionnait bien sur les champs de bataille que Cao Cao connaissait bien : de vastes espaces ouverts, des conditions relativement prévisibles et suffisamment de temps pour que les ordres circulent le long de la chaîne de commandement.

À Red Cliffs, la situation était différente. Le champ de bataille évoluait d'une minute à l'autre. Et lorsque les navires de Huang Gai se sont approchés, les soldats de Cao Cao se sont contentés d'observer. Ils attendaient des instructions. Avant même que quiconque ait pu réagir, le feu s'était déjà propagé. C'est là que le contraste avec les forces adverses prend toute son importance.

Huang Gai a su saisir l'opportunité offerte par la connexion entre les navires et a agi en s'appuyant sur la structure de commandement existante, contournant ainsi le long processus d'escalade. Le principe général est simple : Lorsque l'environnement évolue plus rapidement que la hiérarchie ne peut y répondre, la prise de décision centralisée devient un frein..

Les grandes entreprises tombent souvent précisément dans ce piège lorsqu'elles utilisent l'IA. Elles centralisent la plateforme ; elles centralisent les autorisations ; elles centralisent les accès. Et elles centralisent les décisions concernant les cas d'utilisation autorisés, les data pouvant être utilisés et les modèles pouvant être déployés.

Cette intention est compréhensible : maîtriser les risques et éviter le chaos. Mais ce modèle repose sur une hypothèse implicite : L'IA est suffisamment stable pour permettre au centre d'évaluer tous les aspects avant que l'entreprise ne doive agir.

En réalité, c'est souvent le contraire qui est vrai. Les opportunités offertes par l'IA sont réparties un peu partout. Les besoins des entreprises dépendent fortement du contexte. Ce sont généralement les équipes les plus proches des clients et des opérations qui identifient ces opportunités en premier. Et tandis que le siège social évalue encore s'il vaut la peine de se lancer dans un cas d'utilisation, il se peut que le cas d'utilisation ait déjà changé. Alors que l'équipe de gouvernance évalue encore si un modèle est sûr, le modèle lui-même a peut-être fait l'objet de plusieurs itérations.

La question n'est donc pas : Faut-il contrôler l'IA ou non ?? C'est : Ce qui doit être géré au niveau central — et ce qui doit être décidé au niveau local?

La leçon à tirer de « Red Cliffs » est étonnamment d'actualité. La direction centrale doit assumer la responsabilité de trois éléments :

• Objectif stratégique: Quel est notre objectif ?
• Glissières de sécurité: Quelles sont les limites non négociables en matière de sécurité, de conformité et de risques ?
• L'arsenal: À quels modèles courants, à quelle infrastructure data, à quelles plateformes et à quelles fonctionnalités de sécurité tout le monde devrait-il avoir accès ?

Vient ensuite la partie cruciale : Lorsque l'occasion se présente, prenez la décision là où elle se présente.

Appliqué à la gouvernance de l'IA en entreprise, ce principe est simple :

• Centralisez ce qui doit l'être: Sécurité, conformité, principes architecturaux et utilisation rationnelle des ressources.
• Décentralisez ce qui tire profit de la proximité avec l'entreprise: Quels cas d'utilisation privilégier, comment mettre en œuvre l'IA, comment mener des expérimentations et à quel rythme procéder aux itérations.

Ce sont souvent les équipes les plus proches du métier qui sont en mesure d'identifier les nouvelles opportunités qui se profilent. Donnez-leur les outils nécessaires. Fixez-leur des lignes directrices. Puis laissez-les agir.

Le test de Red Cliffs pour l'IA d'entreprise

On se souvient souvent de la bataille des Falaises Rouges comme de l’histoire d’une force en infériorité numérique qui a vaincu une armée bien plus imposante. Mais du point de vue de l’IA d’entreprise, la leçon la plus intéressante est tout autre.

Cao Cao n'a pas perdu parce qu'il manquait de ressources. Il a perdu parce que la manière dont il avait organisé ses ressources a créé une faille; sa transformation a été impulsée depuis le centre plutôt que depuis la périphérie ; son jugement reposait trop fortement sur des hypothèses qui avaient changé ; et sa structure décisionnelle n'a pas su réagir assez rapidement lorsque l'environnement a évolué.

Cela fait de « Red Cliffs » un cadre étonnamment utile pour réfléchir à la transformation induite par l'IA.

Il convient de se poser quatre questions :

• Lors de la conception de votre architecture d'IA, êtes-vous en train de constituer une flotte résiliente ou de relier tous les navires entre eux pour former un système fragile ?
• Pour favoriser l'adoption de l'IA, le moteur de l'innovation se trouve-t-il dans un document stratégique au siège social ou entre les mains des collaborateurs au sein de l'entreprise qui sont réellement capables de faire jaillir l'étincelle ?
• Lors de l'évaluation du calendrier et des risques liés à l'IA, vos décisions reposent-elles sur ce que votre expérience vous dicte aujourd'hui ou sur ce qui pourrait être possible dans le cadre du paradigme technologique de demain ?
• Et lors de la conception de la gouvernance de l'IA, essayez-vous de contrôler chaque mouvement de chaque navire, ou bien fixez-vous la direction, les limites et les capacités qui permettent à la flotte de se déplacer ?

Les entreprises qui feront les bons choix ne seront pas nécessairement celles qui disposent des budgets les plus importants en matière d'IA, des modèles les plus avancés ou des équipes techniques les plus importantes. Ce seront celles qui comprendront où uniformiser, où innover, quelles hypothèses remettre en question et à qui confier le pouvoir de décision.

Au cours de la prochaine décennie, marquée par une concurrence axée sur l'IA, cela pourrait bien faire la différence entre une organisation qui se contente d'adopter l'IA et une autre qui opère une véritable transformation grâce à elle.