Client Zéro
Avant de pouvoir aider les organisations à adopter l’IA et à en tirer de la valeur, nous devions en faire nous-mêmes la preuve. C’est pourquoi Insight a choisi de devenir Client Zéro.
Nous avons pris des risques maîtrisés. Nous avons fait des erreurs. Nous avons arrêté des projets que la direction adorait. Nous avons découvert que 9 problèmes métier sur 10 qui nous étaient soumis ne nécessitaient pas d’IA. Nous avons expérimenté différentes méthodes d’adoption et repensé les workflows dans l’ensemble des unités opérationnelles, afin de valider ce qu’il faut réellement pour obtenir des résultats avec l’IA à grande échelle.
Premiers pas
Fin 2022, ChatGPT est devenu accessible au public. La direction d’Insight a alors pris une décision qui a façonné tout ce qui a suivi : ne pas verrouiller l’outil. Alors que d’autres organisations multipliaient les interdictions générales et les politiques de tolérance zéro, notre équipe dirigeante a fait l’inverse. Ouvrir l’accès. Laisser les collaborateurs l’utiliser. Maîtriser le risque, sans sacrifier l’opportunité.
Cette décision a beaucoup inquiété nos équipes sécurité et juridique. Ce fut aussi le choix le plus déterminant que nous ayons fait.
En huit semaines, nous avions déployé une instance privée et sécurisée d’Azure OpenAI auprès de nos collaborateurs dans le monde entier, posant ainsi les premières bases de ce qui allait devenir Enterprise AI Hub. Budget initial ? 180 000 dollars, avec pour consigne de contrôler les dépenses chaque mois. Cette enveloppe nous a menés jusqu’à la fin de l’année.
Les débuts ont été volontairement désordonnés. Nous avons donné aux collaborateurs un accès sécurisé en leur disant : essayez. Nous n’avons pas déployé l’outil service par service, ni prescrit la manière d’utiliser l’IA.
Nous avons donné des outils d’IA à tout le monde avant de leur expliquer quand les utiliser. Cela a créé une dynamique, mais cela a aussi conduit à utiliser des modèles de pointe pour des tâches qui n’en avaient pas besoin. Si c’était à refaire, nous accompagnerions le déploiement de consignes claires pour choisir l’outil et le modèle adaptés à chaque tâche.
Sélectionnez chaque option pour découvrir la logique qui la sous-tend, et les raisons pour lesquelles nous avons finalement choisi une autre voie.
Attendre aurait réduit l’incertitude, mais aurait aussi retardé l’apprentissage et limité notre capacité à aider nos clients à relever des défis similaires.
Les gains rapides comptaient, mais des succès isolés ne pouvaient pas fonder une approche évolutive de la gouvernance, de l’adoption ou de l’impact métier à long terme.
Restreindre l’IA aurait poussé les collaborateurs à chercher des contournements et à recourir à l’IA fantôme (shadow AI), donc à accroître le risque. Ces restrictions auraient aussi limité l’expérimentation et ralenti l’adoption.
Nous pensions que la manière la plus rapide de comprendre l’IA de façon responsable était l’expérience directe. Cette décision a servi de fondation à la création d’Enterprise AI Hub.
Plutôt que d’attendre d’avoir des certitudes, nous avons créé un environnement où l’expérimentation et l’apprentissage pouvaient évoluer de concert.
Cette approche nous a aidés à passer du discours à la pratique.
Gouvernance et confiance
La première version de notre politique d’entreprise sur l’IA générative était simple : ne pas saisir de données propriétaires ou de données clients dans des modèles d’IA publics. Telle était la ligne rouge. Tout le reste visait à permettre aux collaborateurs de travailler dans des limites sûres, et non à dresser des murs autour d’eux.
Notre équipe sécurité était réaliste à propos de l’IA fantôme (shadow AI). Elle avait compris que plus nous compliquerions l’expérimentation, plus les collaborateurs seraient tentés de contourner le système, et donc d’accroître le risque.
Jeremy Nelson, RSSI Amérique du Nord, Insight
Notre équipe InfoSec a déployé Microsoft Defender for Cloud Apps pour créer ce qui s’apparentait à un ralentisseur, et non à un barrage. Lorsqu’un collaborateur consultait un site d’IA non autorisé, une fenêtre contextuelle l’invitait à marquer une pause et à réfléchir à ce qu’il faisait. L’accès n’était pas bloqué, même si la plupart des gens le croyaient (nous ne nous sommes pas empressés de corriger ce malentendu). Quiconque lisait le message pouvait poursuivre sa navigation.
Cette approche a exigé un partenariat étroit entre la sécurité, le juridique et les métiers.
Mais le défi de gouvernance le plus ardu concernait la qualité des données. Des années d’acquisitions et une gestion des fichiers hétérogène avaient laissé des informations obsolètes un peu partout dans SharePoint. Lorsque l’IA y accédait, ses réponses pouvaient être techniquement correctes mais inutilisables en pratique, ou fausses avec aplomb.
Nous pensions que la gouvernance devait être établie avant de passer à l’échelle de l’adoption. En réalité, elle a dû évoluer au rythme de la technologie. Les politiques rédigées le premier mois pouvaient être dépassées dès le troisième, si bien qu’attendre un cadre complet revenait à résoudre un problème posé pour une version de l’IA qui n’existerait peut-être plus.
Veli-Matti Vanamo, CTO et responsable de la transformation métier par l’IA, Insight APAC
Sélectionnez chaque pilier pour découvrir comment différentes disciplines ont contribué à un socle commun pour la transformation par l’IA.
A instauré des attentes communes, une responsabilité claire et la confiance nécessaires à un usage responsable de l’IA à grande échelle.
A permis aux collaborateurs d’expérimenter tout en protégeant les informations sensibles et en maîtrisant les risques.
A traduit les capacités émergentes en politiques, en attentes et en consignes d’usage responsable concrètes.
A fourni des plateformes d’entreprise fiables, qui ont rendu l’expérimentation plus sécurisée et plus évolutive.
A maintenu l’expertise, la prise de décision et la responsabilité entre les mains des personnes, même lorsque l’IA accélérait le travail.
Mark Hughes, Chief Technology Officer, Insight
Adoption et conduite du changement
Au début, nous avions déployé les outils, mis en place la politique et obtenu le soutien de la direction au plus haut niveau. Et pourtant, l’adoption stagnait. Les collaborateurs soumettaient un premier prompt à l’IA, obtenaient une réponse médiocre et la mettaient de côté. Le problème ne venait pas de la technologie. Le vrai décalage tenait au fait que les gens ne savaient pas quoi demander, ni comment le demander.
Plusieurs éléments ont changé la trajectoire :
L’adoption a calé au départ, car les collaborateurs ne savaient pas par où commencer. Nous avons donc créé AI Flight Academy™ : un programme ludifié, avec des niveaux progressifs, une compétition entre équipes et des badges que les collaborateurs affichaient réellement. Il a offert à chacun un parcours structuré, de la curiosité à la maîtrise, et rendu les progrès visibles dans toute l’organisation.
Les plus enclins à rejeter l’IA étaient ceux qui ne l’avaient jamais vue résoudre un problème qu’ils rencontraient réellement. Les Champions de l’IA ont changé cela. Présents dans chaque unité opérationnelle, ils montraient à leurs collègues précisément comment l’IA s’appliquait à leur travail : non pas une démo générique, mais un cas d’usage réel, présenté par quelqu’un qui occupe le même poste.
Nous avons d’abord essayé la formation animée par des experts. Un spécialiste technique présentait des cas d’usage de l’IA à des commerciaux. La réponse : un silence poli. Ce qui a fonctionné, c’est de demander à un commercial performant de montrer à ses collègues : voici le prompt exact que j’ai utilisé, voici l’agent que j’ai créé, voici comment cela a transformé mon pipeline. Les mêmes informations. Un résultat complètement différent.
Nous avons demandé aux collaborateurs de consigner des exemples réels : pas des hypothèses, pas des projections, mais des situations qui s’étaient effectivement produites. Un employé d’entrepôt a supprimé 850 e-mails manuels par mois. Une équipe commerciale a économisé plus de 100 heures de classification de données. Ces histoires se sont diffusées plus vite que n’importe quel programme de formation, car elles étaient précises, crédibles et venaient de pairs.
Adam Deardurff, Développement commercial stratégique, Insight
L’adoption de l’IA s’est aussi traduite par un gain de confiance. Pour Kim Nero, spécialiste de la qualification des leads, l’IA est devenue un coach à la demande : malgré un profil non technique, elle a pu répondre aux demandes de clients sur un large éventail de sujets complexes. Elle traite généralement de 3 à 5 nouveaux leads ou demandes par jour, avec un SLA de 24 à 48 heures, et estime que l’IA lui fait gagner en moyenne 10 à 15 minutes par demande. Mais l’impact va au-delà de la rapidité. « Le principal enseignement ne concerne pas seulement l’efficacité », explique-t-elle. « C’est la montée en autonomie… L’IA m’a aidée à apprendre plus vite, à gagner en confiance et à accompagner les clients sur un éventail de technologies bien plus large. »
Ce chiffre compte moins que ce qu’il révèle : un changement de culture, où les collaborateurs soumettent leurs problèmes à l’IA avant de les porter devant un comité.
Ne déployez pas l’IA auprès de tout le monde en même temps, avec une consigne générique. Commencez par des cas d’usage propres à chaque service, portés par des champions qui connaissent le travail au quotidien. Une équipe juridique et une équipe commerciale n’auront jamais le même point de départ. L’accompagnement le plus efficace que nous ayons mené était individuel : un champion de l’IA assis aux côtés d’un collaborateur, observant son flux de travail réel et lui montrant précisément où l’IA trouve sa place. Cette démarche passe difficilement à l’échelle, mais elle convainc les sceptiques plus vite que n’importe quel programme de formation.
Découvrez comment Insight transforme l’accès à l’IA en adoption concrète grâce à un apprentissage structuré, des défis pratiques, la reconnaissance des progrès et une progression mesurable au sein des équipes.
Cas d’usage et valeur
Les cas d’usage qui ont créé le plus de valeur avaient trois points communs : un problème métier précis, des données exploitables et un responsable clairement identifié, garant du résultat.
Dans toute l’entreprise, les cas d’usage à forte valeur se sont multipliés rapidement chez Insight. Certains ont produit des gains rapides. D’autres ont révélé des opportunités plus vastes d’améliorer la façon de travailler.
Une initiative menée par la finance illustre cette approche. Les équipes ont d’abord identifié les points de friction, puis les ont classés selon qu’ils relevaient de l’IA, de l’automatisation, d’une refonte des processus ou d’un support informatique. Cette rigueur a permis de concentrer les investissements en IA sur les bons problèmes.
L’agent d’IA de naming « Brandie » a transformé un processus qui prenait plusieurs semaines et peut désormais être mené en un jour seulement, tout en améliorant la cohérence et la gouvernance.
Un outil de revue des NDA reposant sur l’IA a ramené la revue d’un NDA standard de 24 à 48 heures à environ 5 minutes, permettant aux équipes d’aller plus vite tout en conservant les contrôles de gouvernance.
L’équipe marketing a développé Aura 2.0, une plateforme de connaissances alimentée par l’IA qui transforme des données de projet structurées en brouillons d’études de cas aboutis. Elle remplace un processus manuel de plusieurs mois par une production environ 10 fois plus rapide.
L’automatisation par l’IA prend en charge les renouvellements de la longue traîne : elle traite environ 50 % du travail ciblé et pourrait gérer plus de 20 000 transactions par trimestre.
Chiffrer des affaires complexes mobilisait auparavant 5 à 8 personnes, au fil de plusieurs appels et de jours d’échanges. Une plateforme d’intelligence commerciale pilotée par l’IA fournit désormais des stratégies tarifaires instantanées, à la demande, et ramène le délai de première réponse aux appels d’offres de plusieurs semaines à seulement 1 à 2 heures.
Un consultant APAC a utilisé des agents d’IA pour livrer une application de gouvernance éducative au service de 150 écoles, selon un modèle qui s’est substitué à une grande partie d’une équipe projet traditionnelle. Des demandes de modification qui auraient pu prendre deux semaines pouvaient être réalisées en environ une heure.
Un collaborateur a utilisé l’IA pour créer une Power App qui a automatisé un processus manuel de retours, supprimant environ 850 e-mails par mois et réduisant les tâches administratives répétitives.
À mesure que l’adoption progressait, Insight avait besoin d’un moyen de hiérarchiser ses investissements, de généraliser les idées qui fonctionnaient et de relier l’innovation aux résultats métier.
Ce travail a contribué à façonner des capacités telles qu’Insight AI™.
Les progrès ont fourni des preuves. Ils ont aussi permis de prendre du recul.
Si nous devions recommencer aujourd’hui
En devenant Client Zéro, Insight a affronté de l’intérieur les réalités de l’adoption de l’IA en entreprise. En chemin, nous avons mieux compris ce qui a fonctionné, et ce que nous changerions si nous devions recommencer aujourd’hui.
Chaque nouveau modèle, outil ou capacité crée de nouvelles opportunités et de nouvelles questions. L’avantage vient de la construction d’une organisation capable de s’adapter aux deux.
En endossant le rôle de Client Zéro, Insight a acquis une expérience concrète des défis et des arbitrages qui façonnent la transformation par l’IA. Ces enseignements peuvent aider votre organisation à aller plus vite, à éviter les pièges courants et à bâtir des fondations plus solides pour un succès durable.
Let's Talk
Innovating is the only way to stay relevant in today’s uber-competitive market. Our unique approach and deep knowledge put you on the path to true innovation.
Par  Insight Editor / 13 Nov 2026 / Sujets: Artificial Intelligence (AI) , Compliance , Microsoft 365