Comment Sage a déployé la gouvernance de l’IA à grande échelle sur plus de 100 cas d’usage

À mesure que l’adoption de l’IA s’accélérait chez Sage, l’enjeu n’était plus simplement d’expérimenter l’IA. Il s’agissait de déployer les initiatives d’IA à grande échelle, de manière responsable, cohérente et avec des responsabilités clairement définies.

Sage avait besoin d’un modèle de gouvernance capable de soutenir l’innovation sans ajouter une nouvelle couche de complexité. Un modèle permettant de relier chaque initiative d’IA aux données dont elle dépend, aux personnes qui en sont responsables, aux risques associés, aux décisions prises et à la valeur qu’elle doit générer.

Avec DataGalaxy, Sage a étendu les fondations de sa gouvernance des données à un modèle continu de gouvernance de l’IA, créant ainsi un cadre commun pour évaluer, approuver, déployer et suivre les initiatives d’IA tout au long de leur cycle de vie.

Le défi

Déployer l’IA à grande échelle impliquait aussi de faire évoluer sa gouvernance

À mesure que le nombre d’initiatives d’IA augmentait, Sage avait besoin d’une méthode cohérente pour déterminer quels projets pouvaient avancer, quelles équipes devaient les examiner et quelles conditions devaient être remplies avant leur déploiement.

Un processus d’approbation traditionnel ne suffisait pas. La gouvernance devait se poursuivre au-delà de l’évaluation initiale et rester liée à chaque initiative d’IA au fil de son évolution.

Sage devait pouvoir répondre à des questions essentielles telles que :

• Quel objectif métier cette initiative d’IA doit-elle soutenir ?
• De quels produits de données dépend-elle ?
• Qui est responsable de cette initiative ?
• Quelles évaluations en matière de sécurité, de confidentialité, d’éthique et de conformité sont nécessaires ?
• Pourquoi une initiative a-t-elle été approuvée, refusée ou approuvée sous certaines conditions ?
• Continue-t-elle à générer de la valeur après son déploiement ?
• Comment son niveau de risque évolue-t-il dans le temps ?

L’objectif était clair : donner aux équipes les garde-fous nécessaires pour innover en toute confiance, sans transformer la gouvernance en frein.

L’approche

Intégrer la gouvernance de l’IA au même modèle opérationnel

Plutôt que de créer un système de gouvernance distinct pour l’IA, Sage a étendu le modèle opérationnel déjà mis en place pour ses produits de données.

Comme DataGalaxy centralisait déjà les responsabilités, le lignage, les informations de gouvernance et le contexte métier des produits de données de Sage, les initiatives d’IA pouvaient être gouvernées en lien direct avec l’écosystème de données dont elles dépendaient.

Chaque initiative d’IA peut être reliée aux produits de données qui la sous-tendent, aux décisions de gouvernance, aux responsabilités, aux approbations et à la valeur attendue. Les équipes disposent ainsi d’une vision partagée, non seulement de l’initiative elle-même, mais aussi de sa raison d’être, de ce qui la rend possible et des personnes qui en sont responsables.

Un cycle de gouvernance de l’IA continu

De la demande d’IA au suivi continu

Sage a conçu la gouvernance de l’IA comme un processus continu, et non comme un simple point de contrôle ponctuel de conformité.

1. Demande d’IA

Chaque nouvelle initiative d’IA entre dans un processus de gouvernance commun, garantissant sa visibilité dès sa proposition.

2. Évaluation de la gouvernance

L’initiative est évaluée afin de déterminer les exigences de gouvernance applicables et les équipes qui doivent intervenir dans son examen.

3. Contrôles et approbations

Les équipes concernées évaluent l’initiative et formulent une approbation, des conditions ou des recommandations. Les raisons qui motivent ces décisions sont documentées, afin de garantir une responsabilité claire.

4. Conception et déploiement

Les initiatives approuvées passent en phase de réalisation en s’appuyant sur le même modèle opérationnel structuré que celui déjà établi pour les produits de données.

5. Valeur et réutilisation

L’avancement et la valeur métier sont suivis dans le temps, tandis que les équipes peuvent identifier des opportunités de réutiliser des produits de données et d’IA existants plutôt que de repartir de zéro.

6. Suivi des risques

La gouvernance se poursuit après le déploiement. Les risques sont suivis tout au long du cycle de vie afin de détecter les évolutions et d’y répondre dans le temps.

Relier la gouvernance de l’IA au contexte des données

L’IA ne peut pas être gouvernée de manière isolée

L’un des principes clés de l’approche de Sage est que la gouvernance de l’IA commence par la compréhension des données qui l’alimentent.

Dans DataGalaxy, les initiatives d’IA peuvent être reliées aux produits de données gouvernés dont elles dépendent, ainsi qu’à leur lignage, leurs responsables, leurs définitions métier et leurs informations de gouvernance.

Cela crée un contexte partagé entre les équipes IA, data, gouvernance et métiers.

Plutôt que de maintenir un inventaire isolé des initiatives d’IA, Sage peut comprendre l’ensemble de la chaîne :

Objectif métier → initiative d’IA → produits de données → responsabilités → décisions de gouvernance → risque → valeur

Ce contexte rend la gouvernance concrète et exploitable. Les équipes peuvent savoir non seulement qu’une initiative d’IA existe, mais aussi si les données qui l’alimentent sont fiables, qui en est responsable, pourquoi certaines décisions ont été prises et quelle valeur l’initiative génère.

L’impact

Un modèle de gouvernance conçu pour évoluer avec l’IA

En étendant son modèle de gouvernance existant à l’IA, Sage a créé un cadre commun pour gérer à la fois les initiatives data et IA.

Plus de 100 cas d’usage d’IA
Mis en œuvre dans le cadre du modèle de gouvernance étendu de Sage.

Plus de 500 cas d’usage data et IA
Priorisés au sein d’un processus de gouvernance unique.

Un socle de gouvernance unique
Reliant les initiatives d’IA aux produits de données, aux responsabilités, au contexte de gouvernance, aux risques et à la valeur métier.

Le résultat est une approche de la gouvernance de l’IA qui va au-delà de la maîtrise des risques. Elle offre aux équipes un cadre structuré pour faire avancer les bonnes initiatives d’IA tout en maintenant visibilité et responsabilité tout au long de leur cycle de vie.

À retenir

La gouvernance de l’IA est plus efficace lorsqu’elle est reliée au contexte

L’approche de Sage montre qu’une gouvernance efficace de l’IA ne consiste pas simplement à maintenir un inventaire des initiatives d’IA ou à ajouter une étape d’approbation supplémentaire.

Il s’agit de relier les initiatives d’IA aux données, aux personnes, aux décisions, aux risques et aux résultats métier qui les sous-tendent.

En s’appuyant sur un socle de données fiable pour gouverner l’IA, Sage peut déployer l’innovation à grande échelle tout en maintenant une visibilité claire sur les responsabilités et les risques, de l’idée jusqu’à l’impact.

Message de conclusion suggéré :

Gouvernez l’IA dans son contexte. Reliez chaque initiative aux données fiables, aux responsabilités, aux décisions, aux risques et aux résultats métier qui la sous-tendent.