Pour de nombreuses grandes entreprises, l’intelligence artificielle vit encore dans des projets parallèles. De petites équipes testent des outils, exécutent des projets pilotes et présentent des résultats qui ont du mal à se propager au-delà de quelques services. Citi a emprunté une voie différente : au lieu de limiter l’IA aux spécialistes, la banque a passé les deux dernières années à intégrer la technologie dans le travail quotidien de l’organisation.
Cet effort a abouti à la création d’un effectif interne d’IA d’environ 4 000 employés, répartis dans des rôles allant de la technologie et des opérations aux risques et au support client. Le chiffre a été rapporté pour la première fois par Business Insiderqui détaille comment Citi a construit ses programmes « AI Champions » et « AI Accelerators » pour encourager la participation et non le contrôle central.
L’ampleur de l’intégration est remarquable, puisque Citi emploie environ 182 000 personnes dans le monde, et plus de 70 % d’entre elles utilisent désormais sous une forme ou une autre des outils d’IA approuvés par l’entreprise, selon le même rapport. Ce niveau d’utilisation place Citi devant de nombreux pairs qui restreignent encore l’accès à l’IA aux équipes techniques ou aux laboratoires d’innovation.
Des pilotes centraux à l’adoption au niveau des équipes
Plutôt que de commencer par les outils, Citi s’est concentrée sur les personnes. La banque a invité ses employés à se porter volontaires en tant que champions de l’IA, leur donnant ainsi accès à des formations, à des ressources internes et aux premières versions des systèmes d’IA approuvés. Les employés ont ensuite soutenu leurs collègues de leurs propres équipes, agissant comme des points de contact locaux et non comme des formateurs formels.
L’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 le support au sein des équipes, Citi a réduit l’écart entre l’expérimentation et le travail de routine.
La formation a joué un rôle central. Les employés pouvaient obtenir des badges internes en suivant des cours ou en démontrant comment ils utilisaient l’IA pour améliorer leurs propres tâches. Les badges n’étaient pas accompagnés 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 Insiderce modèle piloté par les pairs a permis à l’IA de se propager plus rapidement que les mandats descendants.
Utilisation quotidienne, avec garde-corps
Les dirigeants de Citi ont conçu cet effort comme une réponse à une question d’échelle et non comme une nouveauté. Avec des opérations couvrant la banque de détail, les services d’investissement, la conformité et le support client, de petits gains d’efficacité peuvent s’accumuler rapidement. Les outils d’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 ses employés à des outils approuvés par l’entreprise, avec des garde-fous quant aux données pouvant être utilisées et à la manière dont les résultats sont traités. Cette contrainte a ralenti certaines expériences, mais elle a également rendu les gestionnaires plus à l’aise en permettant un accès plus large. Dans les secteurs réglementés, la confiance compte souvent plus que la rapidité.
Ce que montre l’approche de Citi sur la mise à l’échelle de l’IA
La structure du programme de Citi constitue une leçon pour d’autres grandes entreprises. L’adoption de l’IA n’exige pas que chaque employé devienne un expert. Cela nécessite suffisamment de personnes pour comprendre suffisamment bien les outils pour les appliquer de manière responsable et les expliquer aux autres. En formant des milliers de personnes au lieu de dizaines, Citi a réduit sa dépendance à l’égard d’un petit groupe de spécialistes.
Il y a aussi un signal culturel en jeu. Encourager les employés occupant des postes non techniques à participer envoie le message que l’IA n’est pas réservée aux ingénieurs ou aux data scientists. Cela fait désormais partie de la façon dont le travail est effectué, à l’instar des feuilles de calcul ou des logiciels de présentation des décennies précédentes.
Ce changement s’aligne sur les tendances plus larges du secteur. Des enquêtes menées par des entreprises comme McKinsey ont montré que de nombreuses entreprises ont du mal à mettre leurs projets d’IA en production, invoquant souvent un manque de talents et une propriété floue. Le modèle de Citi évite certains de ces problèmes en répartissant la propriété entre les équipes, tout en gardant la gouvernance centralisée.
Mais cette approche n’est pas sans limites. L’adoption par les pairs dépend d’un intérêt soutenu, et toutes les équipes n’évoluent pas au même rythme. Il existe également le risque que les réseaux de soutien informels deviennent inégaux, certains groupes en bénéficiant plus que d’autres. Citi a tenté de résoudre ce problème en faisant tourner les Champions et en mettant à jour le contenu de la formation à mesure que les outils changent.
Ce qui ressort, c’est la volonté de la banque de traiter l’IA comme une infrastructure et non comme une innovation. Au lieu de se demander si l’IA pourrait transformer l’entreprise, Citi a demandé où elle pourrait éliminer les frictions dans le travail existant. Ce cadre facilite la mesure des progrès et réduit la pression nécessaire pour produire des résultats spectaculaires.
Cette expérience remet également en question l’hypothèse répandue selon laquelle l’adoption de l’IA doit commencer au sommet. La haute direction de Citi a soutenu cet effort, mais une grande partie de l’élan est venue des employés qui ont donné du temps pour apprendre et enseigner. Dans les grandes organisations, cette énergie ascendante peut être difficile à générer, mais c’est souvent elle qui détermine la pérennité des nouvelles technologies.
Alors que de plus en plus d’entreprises passent du stade pilote à la production, l’expérience de Citi constitue une étude de cas utile. Cela montre que l’échelle ne vient pas de l’achat de plus d’outils, mais du fait d’aider les gens à se sentir en confiance dans l’utilisation de ceux qu’ils possèdent déjà. Pour les entreprises qui se demandent pourquoi les progrès de l’IA semblent lents, la réponse réside peut-être moins dans les stratégies que dans la manière dont le travail est réellement effectué, une équipe à la fois.
(Photo de Declan Sun)
