Perfectionnement en matière d’IA en cinq étapes Comment familiariser votre équipe marketing avec l’IA
Il est grand temps de développer les compétences en IA de votre équipe marketing. Mais les actions ponctuelles ne vous feront pas avancer. Ce dont vous avez besoin, c’est d’une mise à niveau systématique et continue des compétences avec une utilité claire, reposant sur la stratégie d’IA de votre entreprise ainsi que sur les tâches et les processus de votre équipe. Un tel perfectionnement peut être réalisé en seulement cinq étapes.
Étape 1: déterminer la nécessité d’agir
Votre entreprise dispose-t-elle d’une stratégie en matière d’IA? Si oui, celle-ci constitue la base de la mise à niveau de votre équipe marketing. En effet, c’est elle qui définit les compétences clés relatives à l’utilisation de l’IA qui doivent être acquises dans l’ensemble de l’entreprise. Toutefois, ces compétences sont souvent formulées de manière plutôt générale. Il s’agit donc de les décliner concrètement pour le marketing. Dans tous les cas, même en l’absence de stratégie d’IA à l’échelle de l’entreprise, posez-vous les questions suivantes:
- Quels objectifs souhaitez-vous atteindre dans votre équipe avec l’intelligence artificielle?
- Pour quels cas d’application concrets souhaitez-vous utiliser l’IA? Comment les hiérarchisez-vous?
- Quelles sont les compétences nécessaires pour cela?
Procédez ensuite à un état des lieux de votre positionnement sur le thème de l’IA en tant qu’équipe marketing. Réfléchissez aux points suivants:
- Quelles connaissances théoriques l’équipe possède-t-elle sur le fonctionnement de l’IA?
- De quelle expérience pratique votre équipe dispose-t-elle et avec quels outils?
- Jusqu’à présent, l’IA était-elle avant tout utilisée de manière individuelle ou avez-vous déjà mis en œuvre les premiers cas d’application et projets pilotes communs?
- Quelles sont les différences au niveau des compétences en matière d’IA au sein de l’équipe?
- Existe-t-il déjà des règles, des processus et des responsabilités concernant l’utilisation de l’IA?
- Quels sont les besoins des collaboratrices et des collaborateurs en matière d’IA?
En comparant les compétences requises et actuelles, vous identifierez les principales lacunes en matière de compétences, les actions requises et les principaux objectifs didactiques. Vous saurez ainsi dans quelle direction vous souhaitez évoluer en tant qu’équipe, car le perfectionnement en IA est un processus de développement.
Dans cette première étape, déterminez également le budget dont vous disposez et le temps de travail que votre équipe peut raisonnablement investir dans des formations, des entraînements et des formats d’échange réguliers.
Dans sa stratégie relative à l’IA, votre entreprise explique comment elle utilise l’intelligence artificielle pour atteindre les objectifs fixés dans la stratégie d’entreprise. La stratégie d’IA comprend notamment la vision et les objectifs généraux en matière d’IA (p. ex. efficacité accrue, nouveaux modèles commerciaux, meilleures expériences client), les champs d’application, la hiérarchisation des technologies et des outils, les directives relatives à la gestion et à la protection des données ainsi que les principes de gouvernance et d’éthique.
Important pour votre mise à niveau: la stratégie d’IA définit également les compétences clés que les collaboratrices et les collaborateurs doivent acquérir en lien avec l’utilisation de l’IA, par exemple l’interprétation des données, le design de l’automatisation ou l’évaluation des risques. Ces aptitudes, formulées de manière générale, vous permettront de définir les compétences spécifiques au marketing que vous souhaitez atteindre avec la mise à niveau. Grâce à cette procédure, vous vous assurez que votre attention est portée sur le renforcement des compétences et pas uniquement sur des connaissances isolées propres aux outils.
Étape 2: définir des mesures
Définissez maintenant les priorités de votre processus de développement. Dans ce cadre, vous avez le choix entre une multitude de mesures que vous pouvez combiner de manière adaptée à votre équipe, à ses lacunes en matière de compétences et aux cas d’application concrets:
- Formations internes (p. ex. sur les bases théoriques et la stratégie d’IA)
- Modules de cours externes
- E-learnings
- Mini-cours numériques avec petits exercices
- Démonstrations en direct et formations pour des outils d’IA spécifiques
- Ateliers pratiques pour tester des cas d’application
- Ateliers d’IA spécialement pour les cadres
- Coachings individuels
- Challenges IA
- Heures de permanence dédiées à l’IA
- Programmes d’échange sur l’IA avec d’autres entreprises
Le choix de l’une de ces offres d’apprentissage, de formation ou de coaching dépend de la situation initiale au sein de votre équipe. S’il existe déjà une stratégie d’IA, que l’IA est utilisée de manière intensive et que les collaboratrices et les collaborateurs peuvent donc largement étoffer leurs connaissances en IA de manière autonome, des challenges, des ateliers pratiques et des heures de permanence sur l’IA constituent des mesures judicieuses.
En revanche, si votre équipe n’utilise les outils d’IA que de manière limitée, des formations classiques et des entraînements avec un faible seuil d’inhibition sont un bon début. Dans ce cas, l’objectif est avant tout que les collaboratrices et les collaborateurs comprennent le fonctionnement des IA comme les Large Language Models, de l’IA générative et des agents IA ainsi que leurs possibilités, leurs limites et leurs risques.
Cette deuxième étape de la mise à niveau des connaissances est liée à des décisions «make-or-buy»: quelles formations, entraînements et autres mesures pouvez-vous réaliser vous-même et lesquels voulez-vous acheter, ou quelles offres externes existantes souhaitez-vous utiliser?
Lors du choix des mesures, veillez toujours à la rentabilité: les coûts liés au temps de travail employé, les formations (spécialistes externes, plateformes d’apprentissage, etc.) et les outils doivent représenter un investissement rentable et être surcompensés à moyen terme par les économies réalisées (gains en efficacité, etc.).
Facteurs de succès pour votre mise à niveau
Vos collaboratrices et vos collaborateurs doivent disposer de connaissances de base sur le fonctionnement de l’IA. C’est pourquoi les modules théoriques font également partie de votre offensive d’apprentissage. Mais en premier lieu, il s’agit de faciliter l’utilisation de l’IA pour les tâches pratiques, les processus et la résolution des problèmes de votre personnel.
Vos collaboratrices et vos collaborateurs disposent de différentes compétences en matière d’IA. Veillez donc à ce que tout le monde puisse apprendre en fonction de ses propres besoins et à son propre rythme. Pour cela, des plateformes d’apprentissage basées sur l’IA sont proposées, surtout au début, afin d’identifier les lacunes individuelles et de diffuser les contenus d’apprentissage et les exercices appropriés.
Créez de la diversité dans l’apprentissage en combinant par exemple des formations présentielles, des e-learnings plus longs et des micro-unités d’enseignement. Vous pouvez également varier le lieu de formation: effectuez par exemple les parties théoriques auprès d’entreprises externes et les formations pratiques en interne.
Encouragez l’échange lors de l’apprentissage. Des groupes de pairs composés de collaboratrices et de collaborateurs ayant un niveau de connaissances similaire sont adaptés à cet effet. Un programme de mentoring peut également être envisagé: dans ce cadre, les utilisatrices et les utilisateurs les plus à l’aise avec l’IA – appelés superusers, champions ou ambassadeurs de l’IA – encadrent les novices en interne et répondent aux questions qui surgissent au quotidien.
Veillez à ce que vos collaboratrices et collaborateurs puissent exercer et approfondir sans risque ce qu’ils ont appris dans leur travail quotidien. Créez par exemple un environnement sécurisé pour traiter et analyser les données pour le marketing.
Étape 3: créer des expériences de réussite rapides
Dès que les offres d’apprentissage démarrent, le travail de gestion est de mise: motivez votre équipe à mettre en pratique et à approfondir ce qu’elle a appris. En effet, les bénéfices à court terme sont décisifs dans la mise à niveau des connaissance en matière d’IA, surtout lorsque les collaboratrices et les collaborateurs ont des réserves vis-à-vis de l’IA et doutent des gains en efficacité qui en découlent. Vous pouvez par exemple organiser un hackathon au cours duquel une solution est élaborée en équipe avec les outils d’IA afin de résoudre un problème spécifique en peu de temps. Ainsi, les collaboratrices et les collaborateurs connaîtront leurs premiers succès, percevront nettement le fruit de leur apprentissage et découvriront comment l’IA peut faciliter leur quotidien professionnel.
L’effet d’apprentissage le plus important pour vos collaboratrices et vos collaborateurs est de développer les compétences en matière d’IA à l’aide de leurs tâches de marketing quotidiennes. Outre des formations et des entraînements de différents types, cela comprend également l’expérimentation individuelle. David Guntern, directeur de Digital Marketing GmbH «dreizweieins» et expert en IA dans le domaine du marketing, met toutefois en garde contre le fait de s’arrêter au «tâtonnement»: «Sans structure, il y a beaucoup d’output, mais peu d’impact. Pour que l’expérimentation soit productive, il faut de la sécurité psychologique et une culture de l’erreur positive – sinon, personne n’ose tester sans savoir quel sera le résultat, éventuellement échouer, et en tirer des enseignements.»
Jonas Hubmann, responsable de la filière d’études CAS AI en marketing à la HWZ, cite lui aussi plusieurs conditions pour que l’expérimentation avec l’IA soit efficace: «Il faut des cas d’application et des objectifs d’output clairs ainsi que des boucles de révision et de feed-back sur les résultats atteints. Mais surtout, les cadres doivent ancrer certains principes chez le personnel, comme ‹Intègre activement l’IA dans ton travail› ou ‹Utilise l’IA pour développer tes compétences›.»
Pour obtenir des bénéfices à court terme, il est important de sélectionner les premiers cas d’application appropriés. Jonas Hubmann conseille d’effectuer une évaluation à l’aide des deux critères que sont l’impact et la faisabilité: «Les cas d’application qui obtiennent de bons résultats selon ces deux critères constituent une short-list pour les premiers projets pilotes.»
Étape 4: approfondir les compétences et mettre en œuvre les processus d’IA
Adaptez maintenant en permanence les formats d’apprentissage, de formation et d’échange au niveau de compétence de votre équipe. À partir de cette étape, l’accent est davantage mis sur l’utilisation commune de l’IA. Il s’agit d’ancrer l’IA dans les processus, d’attribuer au sein de l’équipe des rôles tels que superuser IA et contrôleur qualité et de définir des KPI acceptés par tous afin de mesurer les progrès et de mettre à l’échelle les solutions. Ces KPI sont par exemple la fréquence d’utilisation des outils d’IA sous licence, le nombre d’entrées dans la Prompt Library ou le nombre de processus assistés par IA.
Des prompts moyens fournissent un output moyen. Les collaboratrices et les collaborateurs disposant de connaissances approfondies en matière d’IA ne font plus du prompting, mais du context engineering. David Guntern entend par là la capacité à donner à l’IA autant de contexte que possible et à structurer les tâches de sorte qu’elle puisse les résoudre de manière reproductible et contrôlée. «Des architectures d’information sont enregistrées à cet effet: pour chaque prompt, l’IA demande d’abord le rôle, le groupe cible, la tonalité, le format, la longueur, le type de contenu et les ‹constraints›, autrement dit les directives sur ce que l’IA ne doit pas faire et ce qu’elle doit impérativement respecter. Ces lignes directrices permettent de gérer la qualité de l’output.»
Étape 5: maintenir les connaissances à jour
Dès que vos collaboratrices et vos collaborateurs auront acquis des compétences approfondies en matière d’IA, il s’agira de maintenir leurs connaissances à jour et de mettre en œuvre dès le début de nouveaux processus en s’appuyant sur l’IA. C’est pourquoi la continuité de la mise à niveau des connaissances est si importante. Dans cette phase du processus de développement, vous misez en particulier sur l’apprentissage social ainsi que sur les échanges internes et externes.
Cinq conseils de Jonas Hubmann:
- Établir des rituels fixes: par exemple, réaliser un laboratoire d’IA hebdomadaire de 30 minutes – pour échanger brièvement et répondre aux questions liées à l’utilisation de l’IA
- Partager les cas exemplaires: par exemple, présenter les derniers exemples de bonnes pratiques lors d’un événement mensuel «Show and Tell»
- Rendre les connaissances et les enseignements accessibles à tous: par exemple, étendre en permanence la Prompt Library et les modèles
- Rendre les améliorations visibles: relever et communiquer les progrès quantitatifs (p. ex. gain de temps) et les gains de qualité dans et grâce à l’utilisation de l’IA
- Donner le bon exemple: en tant que cadre, développer en permanence ses propres compétences en matière d’IA, donner la priorité aux mesures de mise à niveau de l’équipe et reconnaître les progrès réalisés
