La plupart des entreprises qui déploient l’IA savent combien de personnes l’utilisent. Bien moins nombreuses sont celles qui savent si elle produit des résultats.

Le volume total d’utilisation est mesurable, mais c’est là la partie simple. La couche opérationnelle sous-jacente — là où les workflows réussissent ou échouent, là où les utilisateurs et utilisatrices rencontrent des points de friction, là où les coûts se creusent — reste largement invisible.

Ce constat s’est dégagé de façon constante dans nos échanges avec des responsables de la gouvernance de l’IA en entreprise, des parties prenantes de centres d’excellence (COE) et des équipes opérationnelles. Les organisations parvenaient à suivre des signaux de surface : utilisateurs et utilisatrices actifs, volume de prompts, adoption des fonctionnalités. Ce qu’elles ne voyaient pas, c’est si tout cela améliorait réellement les résultats, ou si, en silence, cela introduisait des points de friction à grande échelle.

Les responsables que nous avons rencontrés ne formulaient pas ce problème comme un problème d’accès. Ils le formulaient comme un problème de responsabilité, passant de la question « qui dispose de l’IA ? » à « crée-t-elle de la valeur, et comment le prouver ? »

Mise en place d’une couche de visibilité opérationnelle.

Combler cet écart exige d’aller au-delà du reporting d’utilisation pour accéder à une véritable visibilité opérationnelle — de la même façon que les entreprises ont construit des couches d’observabilité pour leurs plateformes analytics, leurs infrastructures cloud et leurs systèmes de parcours client. L’IA a désormais besoin de sa propre infrastructure d’observabilité, capable de répondre à des questions telles que : qui utilise l’IA et de quelle manière, où les utilisateurs et utilisatrices rencontrent-ils des points de friction, et comment l’activité de l’IA se connecte-t-elle aux résultats métier ? Le tableau de bord de surveillance de l’IA agentique d’Adobe peut vous aider à y répondre.

Le tableau de bord de surveillance de l’IA agentique est un nouvel outil de visibilité opérationnelle conçu pour les équipes de gouvernance de l’IA en entreprise. Il rassemble en un seul endroit les signaux d’adoption, les performances des workflows, le feedback des utilisateurs et utilisatrices, ainsi que la consommation des coûts. Accessible depuis la page d’accueil de l’application Adobe CX Enterprise pour les personnes ayant reçu les autorisations de leur organisation, il intègre quatre fonctionnalités :

• Tableau de bord Vue d’ensemble : présente en un coup d’œil les tendances d’adoption, le volume de prompts et les signaux de feedback
• Tableau de bord Utilisateurs : classe les utilisateurs et utilisatrices en tant que nouveaux, récurrents, de retour ou inactifs, afin de distinguer l’expérimentation de l’adoption durable
• Tableau de bord Feedback : identifie les interactions que les utilisateurs et utilisatrices ont évaluées positivement ou négativement, et pour quelles raisons
• Tableau de bord Crédits IA : suit les tendances de consommation et les droits restants pour une planification proactive

Ensemble, ces quatre vues offrent aux équipes en entreprise un point de convergence unique pour passer du signal à la compréhension — non seulement ce qui se passe, mais pourquoi.

Les blocs de création de l’observabilité de l’IA en entreprise.

Chacune des fonctionnalités mentionnées ci-dessus répond à un aspect précis du problème de visibilité. Voici comment elles s’articulent concrètement.

Visibilité sur l’adoption et l’engagement.

Les organisations doivent savoir comment l’IA est adoptée au sein des équipes et des workflows : utilisateurs actifs, tendances des conversations, dynamiques d’engagement et signaux dans le temps. Ces données permettent aux équipes COE de repérer où l’adoption progresse, où un accompagnement est nécessaire et quels workflows génèrent le plus de valeur.

Nos recherches montrent que les grandes entreprises font de plus en plus la distinction entre une phase d’expérimentation initiale et une adoption opérationnelle durable. L’adoption à long terme est avant tout liée à la capacité de l’IA à réduire les efforts de façon constante, à s’intégrer naturellement dans les workflows et à produire des résultats fiables — bien plus qu’à la curiosité ou aux essais ponctuels des premiers jours.

Le tableau de bord Utilisateurs répond directement à cet enjeu en classant les utilisateurs et utilisatrices en quatre catégories : nouveaux, réguliers, de retour ou inactifs. Les équipes COE peuvent ainsi suivre si l’adoption se consolide ou marque le pas après le déploiement initial.

Visibilité sur les workflows et les interactions.

Comprendre l’adoption ne suffit pas. Les organisations doivent également observer comment les utilisateurs et utilisatrices interagissent avec l’IA tout au long d’un workflow : là où les invites sont relancées, là où les workflows échouent ou restent incomplets, et là où les points de friction s’accumulent avant de devenir un problème de confiance. Cela prend une importance particulière à mesure que l’IA dépasse le cadre du simple Q&R pour s’engager dans des workflows agentiques à plusieurs étapes.

Les équipes que nous avons interrogées ont systématiquement souligné leur besoin de comprendre pourquoi les workflows échouent, et pas seulement à quel endroit. Les systèmes d’observabilité qui remontaient les abandons sans contextualiser la cause sous-jacente — raisonnement système opaque, contexte métier manquant, ruptures d’orchestration — ne donnaient pas aux équipes COE les éléments nécessaires pour agir. Les reprises répétées et l’abandon de workflows signalaient souvent un point de friction bien avant que les métriques de satisfaction traditionnelles ne l’identifient.

La relecture des conversations au sein des différents tableaux de bord a été conçue précisément pour cela. Plutôt que de simplement afficher un agrégat des échecs, elle permet aux équipes COE de passer des tendances globales aux interactions individuelles : elles peuvent consulter l’invite réelle, la réponse générée et tout feedback positif ou négatif soumis — pour comprendre les points de friction dans leur contexte, et pas seulement les comptabiliser.

Transparence sur les coûts et la consommation.

À mesure que l’utilisation de l’IA s’intensifie, la visibilité sur les coûts devient une exigence de gouvernance. Les équipes en entreprise doivent appréhender les tendances de consommation de crédits, repérer les workflows les plus sollicités, suivre les pics au sein des différentes entités et aligner l’activité IA avec la planification budgétaire. Sans cette couche de visibilité, il est difficile de faire évoluer l’IA de façon responsable — et encore plus d’aligner les équipes achats et finance.

Le tableau de bord AI Credits suit les tendances de consommation quotidiennes et mensuelles, signale les pics d’utilisation et affiche les droits restants, permettant aux entreprises d’anticiper leurs besoins plutôt que de subir des dépassements.

Gouvernance et supervision opérationnelle.

À mesure que l’IA s’intègre plus profondément dans les workflows d’expérience client, les équipes COE ont besoin d’une vue consolidée de son utilisation à l’échelle de l’organisation. Nos recherches montrent que les équipes de gouvernance évoluent rapidement : elles ne se contentent plus de réviser les politiques, mais deviennent de véritables gardiennes opérationnelles, exigeant une visibilité en continu sur la santé des workflows, les comportements, les signaux d’escalade et les risques émergents.

Un thème revenait sans cesse : la visibilité opérationnelle est au cœur de la confiance en entreprise. Les organisations sont davantage prêtes à déployer l’IA à grande échelle lorsqu’elles peuvent surveiller les comportements en continu, analyser les défaillances en contexte et s’assurer que les mécanismes de gouvernance suivent le rythme des systèmes qu’elles pilotent.

Le tableau de bord Feedback va au-delà des simples signaux positifs ou négatifs : il met en lumière les catégories et les Notes détaillées soumises par les utilisateurs et utilisatrices derrière chaque retour, offrant aux équipes COE la visibilité sur les comportements dont elles ont besoin pour agir, pas seulement pour observer. L’accès au tableau de bord repose également sur un système d’autorisations, limité aux utilisateurs et utilisatrices autorisés, de sorte que la couche de visibilité renforce le modèle de gouvernance sans créer de nouvelles expositions.

La voie à suivre.

L’observabilité de l’IA en entreprise en est encore à ses débuts. Aujourd’hui, le thème central est la visibilité : comprendre l’adoption, surveiller l’utilisation et analyser les performances des workflows. Le tableau de bord de surveillance de l’IA agentique constitue cette première couche, qui regroupe en un seul endroit les signaux d’adoption, le détail des interactions, la qualité du feedback et la consommation de crédits, offrant ainsi aux organisations une base solide sur laquelle construire.

Avec le temps, l’observabilité évoluera d’un reporting passif vers des systèmes opérationnels plus intelligents, capables d’aider les organisations à détecter les points de friction plus tôt, à faire émerger des opportunités d’optimisation et à améliorer en continu les performances de l’IA en Exploitation. La couche de surveillance deviendra aussi fondamentale pour l’IA en entreprise que les agents IA eux-mêmes.

Il reste encore beaucoup à explorer : la façon dont l’observabilité s’articule avec les cadres de gouvernance, la manière dont les équipes COE s’appuient sur ces signaux pour stimuler l’activité commerciale, et comment les organisations peuvent commencer à relier l’activité IA à des résultats métier mesurables. Chacun de ces sujets mérite sa propre analyse approfondie dans de prochains posts.

L’avenir de l’IA en entreprise ne se définira pas uniquement par les capacités des agents IA. Il se définira par la capacité des organisations à comprendre, gouverner et améliorer en continu les systèmes qu’elles bâtissent autour d’eux.

https://business.adobe.com/fragments/resources/cards/thank-you-collections/generative-ai