Déploiement interne de l'IA chez Citi : comment 4 000 employés utilisent l'intelligence artificielle

Pour de nombreuses grandes entreprises, l'intelligence artificielle reste cantonnée à des initiatives expérimentales et à des programmes pilotes isolés. De petites équipes testent des outils émergents, mènent des essais limités et présentent des résultats qui ne sont que rarement adoptés au-delà de quelques services. Citi a adopté une stratégie fondamentalement différente, intégrant systématiquement les capacités d'IA dans les flux de travail opérationnels quotidiens de l'organisation au cours des deux dernières années.

Cet effort stratégique a permis de cultiver un effectif interne en IA comprenant environ 4 000 employés, couvrant diverses fonctions telles que l'infrastructure technologique, les processus opérationnels, la gestion des risques et les services d'assistance à la clientèle. Cette étape importante a été initialement annoncée par Business Insider, qui documentait le développement par Citi des programmes « Champions de l'IA » et « Accélérateurs de l'IA » conçus pour favoriser la participation citoyenne plutôt que les mécanismes de contrôle centralisés.

L'ampleur de l'intégration technologique s'avère particulièrement significative. Avec un effectif mondial d'environ 182 000 employés, Plus de 70 % utilisent désormais activement des outils d'IA approuvés par l'entreprise. Selon les rapports du secteur, l'IA est utilisée à différents niveaux. Ce taux d'adoption place Citi nettement en avance sur ses concurrents qui continuent de limiter l'accès à l'IA aux seules équipes techniques spécialisées ou aux laboratoires d'innovation.

Des projets pilotes centralisés à la mise en œuvre au niveau des équipes

Plutôt que de privilégier le déploiement technologique, Citi se concentre stratégiquement sur l'autonomisation de ses employésL'établissement a invité ses employés à devenir référents en IA, leur offrant un accès complet aux ressources de formation, aux bases de connaissances internes et aux versions préliminaires des systèmes d'IA approuvés. Ces référents ont ensuite accompagné leurs collègues au sein de leurs équipes respectives, en se positionnant comme des ressources locales accessibles plutôt que comme des formateurs officiels.

Cette méthodologie reflète des principes d'adoption pragmatiques. Les nouvelles technologies échouent souvent non pas en raison de limitations fonctionnelles, mais parce que le personnel manque de clarté quant aux contextes et méthodologies d'application appropriés. En intégrant des structures de soutien directement au sein des équipes opérationnelles, Citi a efficacement comblé le fossé entre les tests expérimentaux et les processus métier courants.

L'infrastructure de formation a joué un rôle fondamental. Les employés pouvaient obtenir des certifications internes en suivant des cours structurés ou en démontrant des applications pratiques d'IA qui amélioraient leurs responsabilités spécifiques.

Bien que ces badges n'aient pas entraîné de promotion ni d'augmentation de salaire, ils ont permis d'établir une visibilité et une crédibilité professionnelle au sein de l'organisation. Business InsiderCe modèle de mise en œuvre piloté par les pairs a accéléré la diffusion de l'IA plus efficacement que les directives traditionnelles descendantes.

Application pratique avec les cadres de gouvernance

La direction de Citi a présenté cette initiative comme une réponse aux enjeux opérationnels plutôt qu'à une innovation technologique. Ses activités englobent la banque de détail, les services d'investissement, la conformité réglementaire et l'infrastructure de support client. Les améliorations progressives de l'efficacité génèrent une valeur cumulative substantielleDes outils d'IA sont déployés pour synthétiser la documentation, rédiger des communications internes, analyser des ensembles de données complexes et faciliter les flux de travail de développement logiciel.

Bien que ces applications individuelles ne soient pas fondamentalement nouvelles, leur particularité réside dans leur méthodologie de mise en œuvre systématique. L'accent mis sur les tâches opérationnelles quotidiennes influence directement la gestion des risques chez Citi. L'institution a limité l'accès des employés aux outils approuvés par l'entreprise et a mis en place des garde-fous encadrant l'utilisation des données et les protocoles de traitement des résultats.

Ces contraintes ont freiné certaines initiatives expérimentales, mais ont simultanément accru la confiance des directions dans l'autorisation d'un accès plus large. Dans les secteurs fortement réglementés, l'établissement d'une confiance institutionnelle prime souvent sur la rapidité de mise en œuvre en tant que priorité stratégique.

Perspectives stratégiques pour la mise à l'échelle de l'IA en entreprise

La structure du programme de Citi offre de précieux enseignements aux grandes entreprises. L'adoption réussie de l'IA ne requiert pas une expertise technique généralisée au sein des effectifs. Elle exige un nombre suffisant de personnes maîtrisant les outils pour les utiliser de manière responsable et en expliquer la valeur ajoutée à leurs collègues. En formant des milliers de personnes plutôt que des dizaines, Citi a réduit sa dépendance organisationnelle à l'égard d'un groupe restreint de spécialistes..

Cette approche s'accompagne d'une dimension culturelle importante. Encourager la participation de profils non techniques montre que les capacités de l'IA dépassent le cadre de l'ingénierie ou des sciences des données. La technologie s'intègre ainsi aux processus de travail courants, à l'instar des tableurs ou des outils de présentation des décennies précédentes.

Cette transformation s'inscrit dans les grandes tendances du secteur. Des études menées par des cabinets de conseil comme McKinsey montrent que de nombreuses organisations peinent à déployer leurs projets d'IA en production, invoquant fréquemment une pénurie de talents et des structures de propriété ambiguës. Le modèle de Citi répond à ces défis en répartissant la propriété entre les équipes tout en maintenant une gouvernance centralisée..

Cette approche présente néanmoins des limites intrinsèques. L'adoption par les pairs repose sur un engagement soutenu, et les équipes progressent à des rythmes différents. Parmi les autres risques figurent les disparités potentielles au sein des réseaux de soutien informels, certains groupes pouvant en bénéficier de manière disproportionnée. Citi a tenté d'atténuer ces problèmes en faisant tourner les ambassadeurs et en actualisant régulièrement le contenu des formations au fur et à mesure de l'évolution des outils.

Ce qui distingue la stratégie de Citi, c'est la volonté institutionnelle de considérer l'IA comme une infrastructure opérationnelle plutôt que comme une innovation de rupture.

Au lieu de se demander si l'IA pourrait fondamentalement transformer les modèles commerciaux, Citi a identifié des opportunités pour éliminer les frictions dans les flux de travail existants.Ce cadre facilite l'évaluation mesurable des progrès et réduit la pression exercée pour produire des résultats transformationnels spectaculaires.

Cette expérience remet en question l'idée reçue selon laquelle l'adoption de l'IA doit nécessairement émaner de la direction. Si la haute direction de Citi a soutenu l'initiative, une dynamique importante est venue des employés qui se sont investis volontairement dans l'apprentissage et le transfert de connaissances. Dans les grandes organisations, susciter cette dynamique ascendante représente un défi de taille, mais détermine souvent l'adoption durable des nouvelles technologies.

Implications pour la stratégie d'IA d'entreprise

Alors que de plus en plus d'organisations passent des programmes pilotes à la mise en œuvre en production, l'expérience de Citi constitue une étude de cas précieuse. Elle démontre que L’atteinte d’une échelle plus importante ne résulte pas de l’acquisition d’outils supplémentaires, mais du renforcement de la confiance des employés dans l’utilisation des capacités existantes.Pour les entreprises qui s'interrogent sur la lenteur apparente des progrès en matière d'IA, la réponse réside peut-être moins dans la documentation stratégique que dans la compréhension du déroulement réel du travail, équipe par équipe.

Photo par Declan Sun