Ivanti Blog: Publié par

Comment l’IA agentique transforme l’infrastructure et les opérations

Thu, 11 Jun 2026 13:37:44 Z

Les équipes Infrastructure et opérations (I&O) évoluent depuis longtemps dans un paradoxe bien connu : plus l’entreprise se développe rapidement, plus l’I&O absorbe de pression. Chaque nouveau déploiement d’application, chaque endpoint ajouté et chaque charge de travail cloud lancée génèrent davantage de complexité, de risques et de tickets.

Les réponses traditionnelles à cette pression — davantage d’effectifs, d’outils, de scripts et d’API — n’ont apporté, au mieux, qu’un soulagement progressif. Pourtant, le problème structurel de fond, l’architecture sous-jacente des opérations réactives, est resté obstinément intact. Jusqu’à aujourd’hui.

L’IA agentique réinvente entièrement cette architecture.

L’IA dans l’IT et les opérations (I&O) a dépassé la phase d’assistance et de recommandation. Les agents autonomes capables de raisonner, de planifier, d’exécuter et d’apprendre sont désormais opérationnels, et ne sont plus seulement des éléments de feuille de route. Les organisations qui déploient délibérément l’IA agentique constatent déjà des bénéfices significatifs. Notre rapport d’étude 2026 sur la maturité de l’IA révèle que 57 % des organisations IT utilisent l’IA agentique pour plusieurs workflows IT importants, et que 17 % s’appuient sur elle pour des processus de bout en bout étendus. Ce déploiement permet de réduire les délais de résolution, qui passent de plusieurs heures à quelques minutes, et de détourner des milliers de tickets manuels par trimestre.

De plus, 89 % des organisations ayant déployé l’IA à grande échelle ou à un niveau critique pour l’activité déclarent que l’IA aide fréquemment leurs équipes à détecter les problèmes avant même que les utilisateurs finaux n’en aient conscience, contre 43 % au stade des premières expérimentations. Cette évolution fait passer l’I&O d’une posture réactive à une posture proactive et intelligente.

La question qui demeure est de savoir à quelle vitesse votre organisation peut réussir la transition vers la mise en œuvre de l’IA agentique à grande échelle dans votre environnement I&O.

En savoir plus :Transformer l’IT avec l’IA agentique : l’avènement d’un service autonome et accéléré

Pourquoi nous avons atteint les limites de l’automatisation traditionnelle

Pour comprendre l’importance de l’IA agentique, il est utile d’examiner ce qui l’a précédée et pourquoi cela n’a jamais suffi.

L’automatisation traditionnelle dans l’I&O a apporté une valeur considérable. Les runbooks ont codifié le savoir institutionnel. Les scripts ont standardisé les processus répétitifs. Les bots de Robotic Process Automation (RPA) gèrent des workflows structurés fondés sur des règles. Ces outils ont réduit l’effort manuel à la marge et permis aux équipes d’en faire davantage avec les mêmes effectifs. Mais ils ont toujours été fondamentalement fragiles : dépendants d’instructions explicites, incapables de s’adapter à des situations inédites et inaptes à agir sans intervention humaine.

Prenons un scénario classique : un déploiement de correctif échoue sur un sous-ensemble d’endpoints à 2 h du matin. Une automatisation fondée sur des règles pourrait enregistrer l’échec et créer un ticket. Un script plus complexe pourrait tenter une nouvelle exécution. Mais ni l’un ni l’autre ne peut diagnostiquer si l’échec provient d’une application en conflit, d’un agent corrompu, d’un problème de segmentation réseau ou d’une dérive de configuration de stratégie. Aucun ne peut adapter sa stratégie de remédiation en temps réel. Aucun ne peut communiquer le contexte au centre de services, mettre à jour la CMDB ou escalader intelligemment selon la criticité des actifs concernés. Un ingénieur humain est alerté. Le cycle continue.

C’est la limite de l’automatisation traditionnelle : elle exécute des instructions, mais elle ne réfléchit pas. Elle automatise des tâches, mais elle ne peut pas orchestrer des résultats. Et à mesure que les environnements d’infrastructure sont devenus exponentiellement plus complexes — couvrant les architectures on-premise, multicloud, edge et hybrides — l’écart entre ce que l’automatisation fondée sur des règles peut gérer et ce dont les équipes I&O ont besoin s’est transformé en véritable fossé.

L’IA agentique est la réponse pour combler cet écart.

Ce que signifie l’IA agentique pour l’I&O

Les systèmes d’IA agentique peuvent définir des objectifs de manière autonome, élaborer des plans pour les atteindre, mener des actions en plusieurs étapes sur différents outils et systèmes, évaluer les résultats et ajuster leur approche, le tout sans intervention humaine à chaque étape. Contrairement à un chatbot qui répond à une question ou à un script qui exécute un workflow prédéfini, un système agentique est orienté objectif et adaptatif. Il intervient sur l’ensemble du cycle de vie d’une tâche, de l’identification à la résolution.

Dans le contexte de l’I&O, cela signifie qu’un agent autonome peut réaliser ce qui exigeait auparavant un ingénieur qualifié ou une chaîne complexe et fragile de scripts d’automatisation : corréler des signaux issus de systèmes de supervision disparates, identifier la cause racine d’un incident, exécuter la remédiation appropriée, vérifier que le correctif a fonctionné, mettre à jour les enregistrements concernés et boucler la boucle, le tout dans le temps qu’il faudrait à un humain pour ouvrir un ticket.

Le changement n’est pas seulement opérationnel ; il est aussi philosophique. Nous passons d’un modèle où les humains déclenchent l’action et l’automatisation l’exécute, à un modèle où les agents intelligents initient, exécutent et vérifient l’action, tandis que les humains assurent la supervision et la gouvernance. Pour les responsables I&O, ce n’est pas une menace pour l’équipe. C’est le plus puissant multiplicateur d’efficacité dont votre équipe ait jamais disposé.

L’IA agentique donne à l’I&O les moyens d’évoluer à grande échelle

La file d’attente des tickets du centre de services est le symptôme le plus visible d’une fonction I&O sous tension. Réinitialisations de mots de passe, installations de logiciels, provisionnement des accès, dépannage de la connectivité : ces demandes à fort volume et faible complexité consomment une part considérable du temps des analystes et font augmenter les coûts opérationnels. Elles sont aussi particulièrement frustrantes pour les employés qui ont besoin d’une résolution immédiate, et non après un délai de SLA de 48 heures.

En savoir plus :De preneur de tickets à leader d’équipe : gérer une main-d’œuvre IT agentique

Éliminer la tyrannie de la file d’attente des tickets

L’IA agentique élimine la file d’attente comme goulot d’étranglement. Imaginez disposer d’un agent d’IA conversationnelle, comme Ivanti Neurons AI Self Service Agent, qui ne se contente pas d’extraire une réponse d’une base de connaissances : il valide l’identité, vérifie la politique de conformité, exécute le workflow de provisionnement, confirme le changement dans le système d’enregistrement et informe le demandeur, le tout en quelques minutes. Le ticket n’atteint jamais un analyste humain. Le temps de l’analyste est récupéré pour des travaux nécessitant un jugement humain.

Imaginez maintenant donner à un analyste davantage de temps pour traiter des tâches complexes. Un coéquipier numérique d’IA agentique travaille aux côtés d’un agent humain pour l’assister avec des insights proactifs, le conseiller sur la meilleure manière de résoudre le problème et automatiser les actions intelligentes.

Les organisations qui déploient l’IA agentique dans leur centre de services signalent régulièrement des réductions significatives du volume de tickets, souvent dès la première année de déploiement, avec un effet qui s’accentue à mesure que le système mûrit et apprend. Ce n’est pas de l’automatisation au sens traditionnel. C’est une orchestration intelligente à grande échelle.

Une remédiation proactive avant que les utilisateurs n’en ressentent l’impact

Les incidents les plus coûteux en I&O sont ceux qui auraient pu être évités. Une capacité disque qui n’a pas été surveillée jusqu’à atteindre 100 %. Des expirations de certificats qui n’ont pas été suivies jusqu’à l’interruption des services. Des vulnérabilités logicielles qui n’ont été corrigées qu’après avoir été exploitées. Avec le recul, ces défaillances étaient presque toujours prévisibles : les signaux étaient présents. Le problème, c’est que personne ne surveillait tout, en permanence.

La gestion autonome des endpoints avec l’IA agentique surveille en continu la télémétrie sur les endpoints, les réseaux, les applications et l’infrastructure cloud. Les agents détectent les anomalies, corrèlent les signaux faibles et initient la remédiation avant qu’un problème ne se manifeste sous forme de panne ou d’incident de sécurité. Un disque dont la capacité approche de la limite est étendu. Un certificat arrivant à expiration est renouvelé. Un endpoint vulnérable est corrigé lors de sa prochaine fenêtre de maintenance, avant que son exploitation ne devienne un risque.

Ce passage du réactif au proactif est la capacité la plus précieuse que l’IA agentique apporte à l’I&O. Elle ne se contente pas de réduire le coût des incidents : elle les évite, avec les temps d’arrêt, les perturbations métier et l’atteinte à la réputation qui les accompagnent. Pour les responsables I&O, cette évolution redéfinit la réussite opérationnelle. Elle déplace la mesure du délai moyen de résolution — une métrique réactive — vers le délai moyen de prévention : la fréquence à laquelle votre environnement détecte et corrige les problèmes avant qu’ils n’aient un impact sur l’activité.

Évoluer à grande échelle sans augmenter les effectifs

Les environnements IT d’entreprise se développent plus vite que les budgets IT. Le ratio d’endpoints par ingénieur continue d’augmenter. Les charges de travail cloud se multiplient. Les exigences de sécurité s’intensifient. Dans ce contexte, le levier traditionnel consistant à « recruter davantage » n’est ni financièrement soutenable ni opérationnellement suffisant : le marché des talents ne peut tout simplement pas fournir le volume d’ingénieurs qualifiés requis.

L’IA agentique redéfinit l’équation de la montée en charge. Un agent autonome n’a pas d’horaires de travail standard, de limites de bande passante cognitive ni de délais d’intégration. Il peut gérer des centaines de tâches simultanées sur des milliers d’endpoints sans dégradation des performances ni de la qualité. À mesure que l’environnement se développe, l’agent évolue avec lui, non pas de manière linéaire, mais exponentielle. Un agent autonome bien configuré peut couvrir une charge de travail auparavant répartie entre plusieurs analystes juniors, libérant les ingénieurs seniors pour qu’ils se concentrent sur l’architecture, l’innovation et les initiatives stratégiques plutôt que sur la remédiation de routine.

Il ne s’agit pas de remplacer les personnes. Il s’agit de leur permettre d’opérer au niveau que méritent leurs compétences.

Le système d’enregistrement comme fondation de la réussite

Déployer efficacement l’IA agentique exige plus qu’un moteur d’IA performant. Cela nécessite une fondation de données fiable et complète — et cette fondation est votre système d’enregistrement intégré à la plateforme Ivanti Neurons, qui contient une source de données faisant autorité, notamment l’intelligence des appareils, les vulnérabilités et expositions, l’inventaire logiciel et les informations de gestion des services. Un système d’enregistrement qui sait quels actifs existent, qui en est propriétaire et s’ils sont conformes.

Un système d’enregistrement dans le contexte de l’I&O est la source de vérité faisant autorité pour votre environnement IT : chaque actif matériel et logiciel, chaque configuration, chaque relation, chaque politique, chaque changement. C’est la couche d’intelligence qui permet à un agent autonome de prendre des décisions en toute confiance. Sans elle, un agent opérant dans votre environnement en est réduit à faire des suppositions. Avec elle, il raisonne à partir de faits.

Le système d’enregistrement le plus efficace pour l’IA agentique en I&O réunit plusieurs éléments essentiels. Les données de la Configuration Management Database (CMDB) doivent être exactes, à jour et enrichies : non pas le référentiel obsolète, mis à jour manuellement, dont la plupart des organisations ont hérité, mais un enregistrement maintenu dynamiquement de votre environnement réel. La gestion des actifs IT (ITAM) permet de gérer les actifs de leur création à leur mise au rebut et de garantir le maintien d’une propriété exacte.

Les workflows de gestion des services doivent être entièrement intégrés afin que les agents puissent créer, mettre à jour et résoudre des tickets dans le cadre de leur flux d’exécution. Les données d’identité et d’accès doivent être accessibles, ce qui permet aux agents de prendre des décisions conformes aux politiques en matière de provisionnement et de droits. Enfin, les flux de télémétrie issus des outils de supervision, de gestion des vulnérabilités et de performance doivent alimenter un contexte unifié que les agents peuvent interroger en temps réel.

Lorsque ces éléments sont en place, les agents autonomes agissent avec précision. Ils savent quels actifs sont critiques et lesquels ne le sont pas. Ils savent quels changements nécessitent une approbation et lesquels relèvent de périmètres d’automatisation définis. Ils connaissent l’historique d’un actif — défaillances précédentes, correctifs en attente, logiciels installés, vulnérabilités actives — et appliquent ce contexte à chaque décision.

Les organisations qui tentent de déployer l’IA agentique sans investir dans leur système d’enregistrement constatent généralement que leurs agents produisent des résultats incohérents ou nécessitent une correction humaine constante. L’IA n’est aussi intelligente que les données auxquelles elle a accès. Investir dans la qualité et l’intégration des données n’est pas un prérequis que l’on peut reporter : c’est ce qui détermine si l’IA agentique apporte une valeur transformationnelle ou une amélioration marginale.

Valeur métier : au-delà des métriques d’efficacité

Les bénéfices opérationnels de l’IA agentique en I&O sont convaincants en eux-mêmes. Des délais de résolution plus courts. Des volumes de tickets réduits. Un délai moyen de détection et de remédiation plus faible. Ce sont des métriques qui parlent aux responsables I&O et justifient l’investissement sur la seule base de l’efficience des coûts.

Mais la valeur métier va bien au-delà du tableau de bord du centre de services.

Lorsque les équipes I&O sont libérées du travail réactif et répétitif, elles réorientent leur capacité vers les initiatives qui créent une différenciation concurrentielle : accélérer le déploiement des applications, renforcer la posture de sécurité, permettre les programmes de transformation numérique et bâtir l’infrastructure résiliente et évolutive dont l’entreprise a besoin pour se développer. La fonction I&O évolue d’un centre de coûts absorbant le bruit opérationnel vers un facilitateur stratégique qui façonne les résultats métier.

L’expérience employé est une dimension souvent sous-estimée de cette valeur. Lorsque les employés reçoivent des réponses instantanées et intelligentes à leurs demandes au lieu d’attendre plusieurs jours dans des files de tickets, leur productivité augmente et leur frustration vis-à-vis de l’IT diminue. Dans un monde où l’expérience employé constitue un différenciateur concurrentiel pour l’acquisition et la rétention des talents, une fonction IT fluide et réactive est un véritable atout métier.

L’IA agentique apporte également une réduction significative des risques. Dans un environnement où un seul incident de ransomware peut coûter des millions en temps d’arrêt et en remédiation, et où les sanctions réglementaires liées à la non-conformité de sécurité s’accélèrent, la gestion proactive des vulnérabilités et l’application automatisée des politiques offrent une atténuation quantifiable des risques, qui trouve un écho bien au-delà de l’organisation IT, au niveau du conseil d’administration et de la direction financière.

Enfin, la valeur de l’IA agentique se renforce au fil du temps. Chaque interaction, chaque résolution, chaque décision d’escalade génère des données qui améliorent les performances futures de l’agent. Contrairement à l’automatisation statique qui se dégrade à mesure que les environnements évoluent, les systèmes agentiques s’adaptent et s’améliorent, générant des retours croissants sur l’investissement initial.

La voie à suivre

L’infrastructure et les opérations connaissent une transformation décisive. Les systèmes que nous supervisons aujourd’hui sont plus complexes, plus étendus et plus essentiels à la réussite de l’entreprise que jamais dans l’IT d’entreprise. Les exigences pesant sur l’I&O sont à leur plus haut niveau. Pourtant, le modèle opérationnel conventionnel, qui repose sur des interventions manuelles réactives et une automatisation fragile pilotée par des règles, a atteint son potentiel maximal.

L’IA agentique offre un modèle fondamentalement supérieur : un modèle dans lequel des agents intelligents et autonomes prennent en charge les tâches de gestion de l’infrastructure à fort volume, sensibles au temps et de plus en plus complexes, en continu, avec précision et à grande échelle, tandis que vos ingénieurs se concentrent sur le travail stratégique qui rend votre organisation plus compétitive et résiliente.

Les organisations qui investissent aujourd’hui dans cette capacité ne se contentent pas d’améliorer leurs opérations IT. Elles construisent une fonction I&O capable de répondre aux exigences de la prochaine décennie de technologies d’entreprise. Nous pensons que c’est le standard vers lequel chaque responsable I&O devrait tendre, et que l’IA agentique est l’outil le plus puissant disponible pour y parvenir.

Découvrez comment les capacités d’IA agentique d’Ivanti aident les équipes I&O à transformer leurs opérations dans Accompagner la transition vers l’IA agentique dans la gestion des services IT.

Transformez votre IT avec l’Agentic AI : l’avènement d’un service autonome et accéléré

Tue, 19 May 2026 14:50:29 Z

Le secteur de l’IT Service Management (ITSM) se trouve à un véritable point d’inflexion. Pendant des décennies, les services de support informatique ont fonctionné selon un modèle fondamentalement réactif : les collaborateurs rencontrent un problème, soumettent un ticket et attendent qu’un analyste humain diagnostique, trie et résolve leur demande. L’automatisation a certes amélioré ce modèle en termes de rendement – mais sans jamais en remettre en cause les fondements.

Le point d’inflexion : pourquoi l’ITSM ne sera plus jamais comme avant

L’agentic AI change radicalement la donne. Au lieu d’accélérer simplement la cadence de traitement humain, les systèmes agentiques comprennent l’intention, rassemblent les informations contextuelles, choisissent un plan d’action, exécutent les tâches sur les outils d’entreprise et confirment les résultats – sans attendre une validation humaine à chaque étape. Nous assistons au passage du IT Service Management à l’IT Service Autonomy, avec des implications profondes pour tous les CIO, CISO et responsables IT.

Les chiffres témoignent de l’urgence. Gartner prévoit qu’à la fin de 2026, environ 40 % des applications d’entreprise intégreront des agents AI spécifiques à certaines tâches, contre moins de 5 % en 2025. Une autre étude Gartner anticipe aussi que 70 % des entreprises déploieront des agents agentiques pour opérer leur infrastructure IT d’ici 2029 – contre moins de 5 % à ce jour.

Il ne s’agit pas de changements progressifs mais d'une véritable refonte de l’organisation, la sécurisation et l’optimisation des services technologiques.

Des bots scriptés aux agents autonomes : l’évolution de l’intelligence en ITSM

Pour comprendre où va le secteur, il faut d’abord comprendre d’où il provient. L’évolution de l’AI dans l’ITSM suit un arc clair, allant de la logique déterministe vers une forme de raisonnement réellement autonome.

Phase 1 : Automatisation basée sur des règles

La première vague d’automatisation ITSM s’est appuyée sur des workflows scriptés : lorsqu’un ticket comportait certains mots-clés, il était orienté vers une file prédéfinie ; lorsqu’un asset sortait de la conformité, un script de remediation était automatiquement lancé. Ces automatisations ont permis des gains d’efficacité mesurables en éliminant des tâches manuelles coûteuses et en rendant les opérations plus conformes et plus sûres. Mais elles sont restées limitées et fragiles : chaque nouveau cas nécessitait d’ajouter une règle, sans capacité à gérer l’ambiguïté ou à apprendre des issues précédentes.

Phase 2 : IT Service Management assisté par l’AI

L’arrivée du machine learning et de l’AI générative a ajouté une couche plus adaptative. L’AI a commencé à classifier automatiquement les tickets, à synthétiser les incidents pour les analystes et à générer des articles de knowledge base à partir de données historiques de résolution. Aujourd’hui, environ 40 % des organisations utilisent l’AI pour améliorer l’efficience des résolutions de tickets.

Les chatbots et virtual assistants ont introduit des interfaces conversationnelles de niveau grand public dans l’entreprise, permettant aux collaborateurs d’interagir avec le support informatique en langage naturel, sans formulaire structuré. C’était un bond en avant, mais le rôle de l’AI demeurait essentiellement celui d’un assistant, venant augmenter – mais non remplacer – la prise de décision humaine.

Phase 3 : Agentic AI et workflows autonomes

Aujourd’hui, le secteur se trouve au seuil d’une troisième phase, encore plus transformatrice. Les systèmes agentiques n’attendent plus d’instructions : ils observent, raisonnent, planifient et agissent.

En ITSM, un système agentique peut ainsi détecter une anomalie sur un endpoint, la corréler à des schémas de vulnérabilité connus, initier une séquence de healing, mettre à jour la Configuration Management Database (CMDB), et fermer le ticket – tout cela avant même que l’utilisateur concerné ait remarqué le problème. Gartner formalise cette trajectoire en prévoyant qu’en 2028, au moins 15 % des décisions quotidiennes seront prises, de façon autonome, via de l’agentic AI, contre 0 % en 2024 – et que 33 % des applications d’entreprise embarqueront de l’agentic AI à la même échéance.

La distinction majeure réside dans la notion d’agency. Les outils d’AI antérieurs réagissaient à des sollicitations : les systèmes agentiques poursuivent de réels objectifs. Ils conservent une mémoire des interactions, raisonnent sur le meilleur chemin vers un résultat et orchestrent des workflows complexes entre les systèmes d’entreprise intégrés. C’est ce saut architectural qui transforme l’ITSM, passant de la gestion des demandes à la délivrance d’outcomes ciblés.

Anatomie de l’ITSM agentique : intelligence basée sur la persona et intelligence task-based

À mesure que l’agentic AI se perfectionne, son application en ITSM s’articule autour deux architectures complémentaires : les agents "persona-based" (basés sur le rôle) et "task-based" (basés sur la tâche). Ensemble, ils dessinent ce que beaucoup qualifient de « front door conversationnelle » de l’IT – une interface intelligente et unifiée qui remplace portails fragmentés, formulaires et arborescences téléphoniques par des interactions naturelles et adaptatives.

Persona-based agents

Les persona-based agents sont conçus pour les besoins de certains rôles utilisateurs. Par exemple, un self-service agent sert de point d’entrée unique aux collaborateurs. Plutôt que d’obliger l'utilisateur à naviguer dans un catalogue de services via des formulaires, un agent conversationnel auto-service s’appuie sur la compréhension adaptive de l’intention et la collecte guidée de données pour transformer une demande en langage naturel en un ticket structuré, immédiatement exploitable. Résultat : friction considérablement réduite côté collaborateur et qualité des données optimisée pour les équipes support. Les retours sont significatifs : là où des virtual support agents pilotés par AI sont déployés, on observe 50 à 70 % de réduction des appels, avec des taux d’adoption de 80 à 85 %.

Service desk agents

À l’inverse, le service desk agent accompagne l’analyste humain : il fournit un guidage contextuel lors du traitement du ticket, accélère tri et classification, et offre un coaching en temps réel pour élever le niveau des analystes moins expérimentés.

La summarization automatique des incidents par l’AI permet de faire gagner un temps précieux aux analystes en condensant l’historique complexe d’un ticket en synthèses prêtes à l’action. L’analyste garde la main, mais la boucle de traitement devient plus rapide et mieux informée.

Task-based agents

Les task-based agents gèrent des fonctions opérationnelles précises, comme la recherche de knowledge, la création d’incidents, le fulfillement des service requests, la summarization ou le Q&A. Ils s’appuient sur un cadre agentique comprenant la définition d’objectifs, la modélisation de l’environnement, la mémoire, le raisonnement et l’exécution d’actions. Les standards d’interopérabilité émergents autour de l’Agent-to-Agent (A2A) et du Model Context Protocol (MCP) sont ici déterminants. Ils tracent la voie vers des écosystèmes multi-agents où des agents spécialisés collaborent à la résolution d’enjeux transverses – certains analystes parlant déjà de « squadrons d’agents ».

La feuille de route de Gartner corrobore cette orientation : d’ici 2027, un tiers des implémentations agentiques combineront des agents aseptisés de compétences variées, afin de gérer des tâches complexes dans les environnements applicatifs et de données. Conséquence pour l’ITSM : le service desk du futur ne sera pas un système monolithique unique, mais un ensemble orchestré d’agents spécialisés, chacun apportant une intelligence de domaine propre à une expérience de service unifiée.

Self-Healing, Self-Securing, Self-Serving : les 3 piliers de l’IT autonome

La promesse stratégique de l’agentic AI en ITSM repose sur trois capacités interconnectées, qui définissent concrètement ce que signifie un service véritablement autonome.

Self-Healing

Le self-healing marque la rupture la plus visible avec le support réactif traditionnel. Grâce à l’anomaly detection et au diagnostic automatisé, les plateformes modernes peuvent identifier les incidents (endpoints, sécurité) avant que l’utilisateur ne soit impacté. Les bots cloud pilotés par l’hyper-automation ne se contentent pas d’alerter les équipes IT, ils résolvent de manière proactive des problèmes non signalés ou ignorés, accélèrent la détection et l’automatisation des résolutions, libérant ainsi l’IT pour l’innovation. La tendance est nette : au fil du déploiement de ces capacités, le nombre de tickets traités manuellement diminue, et le rôle du service desk migre du support vers la gouvernance et l’amélioration continue.

Self-Securing

Self-securing traduit la réalité que cybersécurité et opérations IT ne peuvent plus fonctionner en silos. L’AI accroît la visibilité sur la totalité des devices, structures organisationnelles et parcours numériques, ce qui renforce la posture de sécurité en détectant proactivement les vulnérabilités sur la base des tendances sociales et du scoring de vulnérabilités.

Une gestion continue de l’inventaire logiciel permet d’identifier les expositions avant qu’elles ne deviennent des brèches exploitables. La convergence rapide entre ITSM et opérations de sécurité est accélérée par l’agentic AI qui joue le rôle de trait d’union entre threat detection, vulnerability management et workflows de remediation.

Les organisations unifiant IT et sécurité grâce à une plateforme AI disposent désormais de cet atout désigné dans le secteur comme la « sécurité invisible mais incontournable » : une protection continue et sans friction pour l’utilisateur final.

Le self-service repensé de fond en comble

Les portails traditionnels de self-service souffraient d’une adoption limitée car ils imposaient la logique du système à l’utilisateur au lieu de s’ajuster à son intention. L’AI conversationnelle inverse ce paradigme.

Les employés interagissent en langage naturel, tandis que le système gère automatiquement le routage, la classification et la résolution en back-office. Les virtual assistants alimentés par l’AI offrent des expériences de support exceptionnelles, boostent la productivité et la satisfaction, rapprochent l’ergonomie du grand public des outils professionnels et réduisent le volume d’appels. A l’avenir, le self-service évoluera encore, avec la généralisation de l’automatisation vocale, des interfaces mobile-first et des notifications proactives – pour un support omnicanal, partout où les collaborateurs travaillent : au bureau, en atelier, ou en déplacement.

Conséquences stratégiques : ce que cela implique pour le leadership IT

L’essor de l’agentic AI dans l’ITSM a des implications qui dépassent largement le cadre du service desk. Plusieurs axes stratégiques doivent retenir l’attention des CIO et responsables IT.

Du cost center au value center

Lorsque les incidents de routine se résolvent d’eux-mêmes et que l’AI prend en charge le triage de premier niveau, le service desk n’est plus défini par le volume de tickets et les temps moyens de traitement. Les équipes IT peuvent alors se concentrer sur des initiatives stratégiques : transformation digitale, innovation de l’expérience collaborateur, automatisation des processus métier. La vraie question n’est plus : « Comment traiter plus de tickets, plus vite ? », mais : « Comment valoriser les capacités dégagées par ce service autonome ? ».

Nécessité de gouvernance et de confiance

La même étude Gartner qui annonce cette forte croissance sonne l’alerte : plus de 40 % des projets agentiques pourront être annulés d’ici fin 2027 si coûts, définition de valeur ou maîtrise du risque font défaut. Pour réussir, il faut intégrer dès le départ conformité, règles de visibilité et d’application des politiques. La gouvernance AI n’est pas un add-on, mais une exigence fondamentale de conception. Les organisations qui intègrent des garde-fous, workflows d’approbation et traçabilité dans leurs architectures agentiques pourront créer de la valeur durable ; celles qui négligent la gouvernance feront face à des revers coûteux.

Convergence de l’IT et de la sécurité informatique

Les silos de données entre les équipes IT et sécurité affaiblissent la résilience des organisations depuis trop longtemps. Les plateformes agentiques unifiant Service Management, Endpoint Management et Exposure Management constituent un véritable « system of record » permettant une réponse coordonnée et intelligente sur des domaines historiquement distincts. Cette convergence n’est pas seulement technologique, elle implique aussi alignement organisationnel, indicateurs partagés et un engagement culturel à casser les barrières fonctionnelles.

L’expérience collaborateur comme avantage compétitif

La capacité de mesurer et d’objectiver le digital employee experience – à travers les devices, le service management, la sécurité et les applications – via l’analyse de sentiment par l’AI transforme l’expérience employé en discipline pilotée par la donnée. Les organisations offrant une expérience IT de niveau consumer attireront et fidéliseront mieux leurs talents que celles qui relèguent le support en backoffice. Le score Digital Employee Experience (DEX) émerge comme KPI critique, donnant au service desk la visibilité nécessaire pour un support personnalisé et empathique à grande échelle.

Enterprise Service Management au-delà de l’IT

L’une des conséquences les plus sous-estimées de l’agentic AI réside dans sa capacité à étendre l’intelligence du support au-delà de l’IT : RH, services généraux, finance et autres départements métiers. Si la plateforme sous-jacente prend en charge le no-code, le workflow design et les intégrations prêtes à l’emploi, les modèles éprouvés en ITSM s’appliquent à toute l’entreprise. Les directions métier qui s’appuient encore sur les e-mails, classeurs ou documents papier peuvent bénéficier massivement de ces capacités agentiques qui révolutionnent aujourd’hui l’IT.

L’impératif du service autonome

La transformation de l’IT Service Management par l’agentic AI n’est plus une perspective lointaine : elle est déjà en marche et s’accélère. Les organisations qui tireront leur épingle du jeu seront celles qui comprendront la nature profonde du changement : il ne s’agit pas d’une simple mise à niveau technologique, mais d’une re-conception radicale de la façon dont les services sont pensés, délivrés et vécus.

Le rôle humain se transforme, il ne disparaît pas. L’agentic AI ne supprimera pas les métiers IT : elle les valorisera. Les analystes passeront du statut de gestionnaires de tickets à celui de superviseurs d’AI, architectes de gouvernance et designers d’expérience. Les profils IT les plus recherchés de la prochaine décennie seront ceux capables de concevoir, entraîner et gouverner ces systèmes autonomes, et non de simplement les exploiter.

La clé est d’avoir une stratégie lucide : commencer par les bases de l’automatisation – workflows intelligents, classification assistée par AI, interfaces de self-service pour fluidifier la donnée. Construire ensuite des capacités autonomes : endpoints self-healing, environnements self-securing, agents conversationnels capables de résoudre un problème de bout en bout. Enfin, investir dans la gouvernance, la culture et le développement des talents indispensables au maintien d’opérations autonomes à l’échelle de l’entreprise.

La question n’est plus de savoir si l’agentic AI va transformer l’IT Service Management ; la vraie question : c’est à quelle vitesse et avec quelle ambition votre organisation saura l’opérationnaliser. L’ère du service autonome est déjà là, et l’avantage compétitif ira à ceux qui avançent résolument – pas à ceux qui attendent une certitude qui n’arrivera jamais.

L’essor des accords de niveau d’expérience (XLA) en pratique : plongée au cœur de la transformation ITSM

Fri, 21 Nov 2025 15:17:59 Z

Depuis des décennies, l’épine dorsale de la gestion des services informatiques (ITSM) est l’accord de niveau de service (SLA). Efficaces pour suivre les aspects techniques de la prestation IT, les SLA présentent toutefois un angle mort majeur : ils en disent peu sur le ressenti réel des utilisateurs vis-à-vis de leurs expériences IT.

C’est là que les accords de niveau d’expérience (XLA) et l’expérience numérique des collaborateurs (DEX) viennent compléter le tableau. Ils apportent un nouveau paradigme qui gagne rapidement du terrain et promet de transformer l’ITSM en plaçant l’expérience humaine au cœur des indicateurs.

Mais que sont exactement les XLA et en quoi diffèrent-ils des SLA traditionnels ? Par ailleurs, quel rôle joue l’expérience numérique des collaborateurs dans la réussite des XLA ?

Que sont les XLA ?

Les accords de niveau d’expérience sont un ensemble d’indicateurs et d’engagements conçus pour garantir que l’expérience des utilisateurs finaux reste positive et répond aux attentes, voire les dépasse.

Si les XLA et les SLA traditionnels doivent être utilisés conjointement, ces derniers se concentrent sur les performances techniques et la disponibilité. Les XLA donnent la priorité à l’expérience globale de l’utilisateur, notamment à la facilité d’utilisation, à la réactivité et à la satisfaction ressentie.

En se concentrant sur le point de vue de l’utilisateur, les XLA aident les organisations à aligner leurs services sur les besoins des utilisateurs, favorisant ainsi la satisfaction et la fidélité.

Comprendre comment les SLA, les XLA et la DEX fonctionnent ensemble

Les XLA, les SLA et la DEX fonctionnent de concert pour vous offrir une vision à 360 degrés de vos indicateurs techniques et d’expérience utilisateur.

	Description	Exemples d’indicateurs
Accords de niveau de service (SLA)	Un accord contractuel entre les fournisseurs de services et les clients qui définit le niveau attendu de qualité, de disponibilité et de réactivité du service. Les SLA se concentrent sur des indicateurs techniques.	Taux de disponibilité. Temps de réponse. Taux de résolution. Etc.
Accords de niveau d’expérience (XLA)	Un accord contractuel entre les fournisseurs et les clients qui se concentre sur l’expérience des utilisateurs finaux, en mesurant la qualité du service du point de vue de l’utilisateur. Les XLA prennent en compte non seulement les performances techniques, mais aussi des facteurs tels que l’utilisabilité, l’accessibilité et la satisfaction globale.	Score de satisfaction des utilisateurs finaux. Net Promoter Score (NPS). Score d’expérience numérique (DEX).

Contrairement aux SLA et aux XLA, l’expérience numérique des collaborateurs (DEX) n’est pas un autre type d’accord. La DEX désigne la qualité des expériences numériques vécues par les collaborateurs dans l’exercice de leurs fonctions. Elle englobe les technologies, les outils et les environnements numériques avec lesquels ils interagissent au quotidien.

Sur la base de leurs expériences avec ces outils et environnements, un score DEX est établi, puis mesuré dans le cadre du XLA. Une DEX positive est essentielle à la productivité, à l’engagement et à la satisfaction globale des collaborateurs dans leur travail.

Comment la DEX favorise la réussite des XLA

L’analyse de l’expérience numérique constitue un indicateur important de la réussite des XLA. En veillant à ce que les collaborateurs bénéficient d’une expérience numérique positive, les organisations :

Améliorent la productivité — Lorsque les collaborateurs peuvent travailler efficacement, ils sont plus susceptibles de fournir un excellent service aux clients.
Renforcent l’expérience client — Une DEX positive se traduit souvent par une meilleure expérience client, car les collaborateurs sont mieux équipés pour répondre aux besoins des clients.
Améliorent les résultats métier — En se concentrant sur la DEX, les organisations peuvent améliorer leurs résultats métier, notamment en augmentant leur chiffre d’affaires, en réduisant leurs coûts et en renforçant leur compétitivité.

Bonnes pratiques pour mettre en œuvre les XLA

La mise en œuvre des XLA nécessite une approche réfléchie et stratégique afin non seulement de mesurer efficacement la satisfaction des utilisateurs, mais aussi d’apporter des améliorations significatives à la prestation de services.

En suivant les bonnes pratiques ci-dessous, les organisations peuvent intégrer avec succès les XLA à leurs opérations et instaurer une culture centrée sur des expériences utilisateur positives.

Définir des indicateurs clairs de l’expérience utilisateur : Identifiez les indicateurs clés que vous utiliserez pour mesurer l’expérience utilisateur. Ils doivent être précis, mesurables et alignés sur les objectifs de l’entreprise.
Tirer parti de la technologie : Utilisez l’analytique avancée, l’IA et le machine learning pour recueillir et analyser les données utilisateur. Ces outils peuvent aider à identifier les tendances et les axes d’amélioration. Les outils DEX vous permettent de recueillir et de mesurer votre expérience IT sur l’ensemble des appareils, des utilisateurs et de l’organisation.
Impliquer les utilisateurs : Recueillez régulièrement les retours des utilisateurs au moyen d’enquêtes, de formulaires de feedback et de tests. Vous obtiendrez ainsi des informations précieuses sur leurs besoins et leurs préférences. Assurez-vous que les enquêtes utilisent l’IA pour identifier et mettre en évidence les sentiments exprimés.
Former et responsabiliser les équipes IT : Formez vos équipes IT aux principes de l’expérience utilisateur et donnez-leur l’autonomie nécessaire pour prendre des décisions qui améliorent cette expérience.
Amélioration continue : Considérez les XLA comme un document évolutif. Réexaminez-les régulièrement et mettez-les à jour en fonction des retours des utilisateurs et de l’évolution des besoins de l’entreprise.

Défis et enseignements tirés

La mise en œuvre des XLA ne se résume pas à l’adoption de nouveaux outils : elle implique un changement d’état d’esprit et de culture. Les obstacles les plus courants sont notamment :

Définir l’expérience — Qu’est-ce qu’une « bonne » expérience ? La notion peut être subjective et varier selon les rôles.
Obtenir l’adhésion culturelle — Les XLA nécessitent le soutien de la direction et l’adhésion des équipes IT de terrain.
Assurer l’amélioration continue — Les XLA ne sont pas statiques. Ils exigent une révision et un recalibrage réguliers à mesure que les besoins des utilisateurs évoluent.
Aller au-delà des enquêtes — Les enquêtes ne sont qu’une méthode de mesure parmi d’autres. Assurez-vous que les outils DEX sont activés pour capturer de véritables indicateurs technologiques.

Les organisations pionnières en matière de XLA investissent dans des boucles de feedback régulières, co-construisent les objectifs avec les unités métier et relient directement les résultats d’expérience aux évaluations de performance ITSM.

L’avenir : pourquoi les XLA sont importants

Dans la pratique, les XLA et la DEX sont bien plus que des mots à la mode : ils représentent la prochaine évolution de la gestion des services. À mesure que la technologie devient toujours plus étroitement liée à la réussite de l’entreprise, l’expérience devient le produit. Les équipes IT renforcées par les XLA ne se contentent plus de « maintenir les systèmes en fonctionnement » : elles contribuent à l’engagement des collaborateurs, à la fidélité des clients et à la différenciation stratégique.

Pour toute organisation engagée dans une transformation ITSM, adopter les XLA signifie être davantage à l’écoute, agir plus rapidement et envisager plus largement la véritable finalité de la technologie : permettre à chacun de donner le meilleur de lui-même.

Consultez le rapport sur l’expérience numérique pour comprendre l’impact de la DEX sur la productivité, la satisfaction et la rétention.

Gestion des connaissances par l’IA : comment utiliser l’IA générative pour les bases de connaissances

Mon, 10 Jun 2024 20:33:57 Z

L’intérêt pour l’IA générative a fortement augmenté depuis le lancement d’outils comme ChatGPT, Google Gemini, Microsoft Copilot et d’autres. Cet engouement s’accompagne de préoccupations concernant la confidentialité, les informations personnelles identifiables (PII), la sécurité et l’exactitude.

Les organisations avancent avec prudence concernant les outils d’IA générative, même si elles les considèrent comme une technologie susceptible de changer la donne. Beaucoup cherchent le bon équilibre : tirer parti des bénéfices dès maintenant tout en identifiant des usages futurs plus stratégiques, sans compromettre la sécurité.

Un domaine dans lequel les gains peuvent être immédiats : la gestion des connaissances, qui représente traditionnellement un défi pour de nombreuses organisations. Toutefois, la gestion des connaissances basée sur l’IA peut apporter des bénéfices considérables, en particulier aux équipes IT qui consacrent encore beaucoup de temps à la maintenance manuelle des bases de connaissances.

À la croisée de l’IA générative et de la gestion des connaissances

L’IA générative désigne un type d’intelligence artificielle capable de créer de nouveaux contenus, tels que des images, des vidéos, du texte ou de la musique, à partir de données existantes. Elle utilise des algorithmes de machine learning pour analyser de grands jeux de données et en tirer des enseignements, puis les exploite pour générer de nouveaux contenus.

La gestion des connaissances est le processus qui consiste à capturer, organiser et partager les connaissances au sein d’une organisation. Elle implique de collecter des informations provenant de diverses sources, de les stocker dans une base de données centralisée et de les rendre facilement accessibles aux collaborateurs en fonction des besoins.

De nombreuses organisations gèrent encore les connaissances manuellement, ce qui se traduit par des contenus obsolètes ou de qualité insuffisante. En automatisant les processus de gestion des connaissances, l’IA générative peut en améliorer l’efficacité et la performance.

Les avantages de la gestion des connaissances par l’IA générative

Voici quelques-unes des façons concrètes dont l’IA générative peut atteindre ces objectifs :

Automatiser la création d’articles de connaissances

L’IA générative peut rédiger automatiquement des articles de connaissances à partir de sources de données existantes, comme la documentation produit, les tickets de support client et les supports de formation des collaborateurs. Les professionnels IT peuvent ainsi se consacrer à des tâches plus stratégiques, comme le développement de nouvelles initiatives de gestion des connaissances et l’amélioration des articles existants.

Alors que 56 % des professionnels IT indiquent que le volume de tickets d’assistance est en hausse, et que 78 % attribuent cette augmentation au travail hybride ou à distance, améliorer une base de connaissances permet de résoudre les problèmes plus rapidement et plus efficacement, tout en libérant les équipes pour des tâches plus stratégiques.

Créer des contenus plus personnalisés et plus engageants

L’IA générative peut personnaliser le contenu pour chaque utilisateur afin d’améliorer son expérience. Les articles de connaissances, notamment pour les ressources humaines, peuvent être personnalisés par région ou par langue. La capacité à générer du contenu propre à un profil de collaborateur améliore son utilisation et son expérience.

Améliorer la qualité des connaissances

L’IA générative peut identifier et corriger les erreurs, ajouter du contexte et des informations complémentaires aux articles de connaissances, et archiver les informations obsolètes. Les collaborateurs accèdent ainsi uniquement à des informations exactes et à jour.

Générer de nouvelles idées et perspectives

L’IA générative peut combiner les connaissances existantes de nouvelles façons. Par exemple, les RH, les services généraux et l’IT peuvent tous disposer d’articles sur l’intégration et le départ des collaborateurs. L’IA générative peut s’en servir pour produire un article de connaissances fusionné couvrant les trois départements, afin qu’un collaborateur n’ait pas à rechercher dans plusieurs articles.

Résoudre les problèmes plus rapidement

L’IA générative peut résoudre rapidement les problèmes en identifiant des schémas dans les données afin d’améliorer la prise de décision et les performances. Par exemple, elle peut analyser les incidents IT sur une période donnée et identifier une résolution commune à des problèmes similaires. Elle peut ensuite générer un article de connaissances destiné aux agents du centre de services pour accélérer les résolutions, ou aux collaborateurs pour leur permettre de le faire en libre-service.

Améliorer la précision de la recherche

L’IA générative peut améliorer la précision de la recherche en personnalisant la diffusion des connaissances en fonction des besoins et préférences de chaque collaborateur. Comme un collaborateur moyen consacre 3,6 heures par jour à rechercher des informations, tout gain de temps dans ce domaine constitue un avantage qui améliore son expérience numérique.

Renforcer l’automatisation

L’IA générative peut contribuer à automatiser les tâches routinières, y compris celles qui ne sont pas directement liées à la création d’articles de gestion des connaissances. L’augmentation continue des charges de travail explique pourquoi 92 % des professionnels IT considèrent l’automatisation comme « nécessaire » ou « très nécessaire ». Identifier de nouvelles façons de rationaliser les processus peut donc les libérer des tâches routinières pour se concentrer sur d’autres activités, tout en réduisant les coûts.

Les limites de la gestion des connaissances par l’IA générative

L’IA générative appliquée à la gestion des connaissances a le potentiel de transformer de nombreux secteurs et domaines, mais elle comporte aussi des enjeux importants à traiter lors de sa mise en œuvre.

Sécurité et confidentialité

Les systèmes de gestion des connaissances par l’IA peuvent contenir des informations sensibles ou confidentielles. Il est donc essentiel de s’assurer qu’ils sont protégés contre les cybermenaces. Des préoccupations relatives à la confidentialité peuvent également apparaître si l’IA génère du contenu à partir d’informations personnelles ou identifiantes.

Qualité et exactitude

Même si les modèles d’IA générative peuvent produire des résultats impressionnants, leur qualité et leur exactitude peuvent varier fortement selon la qualité des données d’entrée et la complexité de la tâche.

Risque de désinformation

L’IA générative peut potentiellement produire des informations incorrectes ou trompeuses, avec de graves conséquences pour l’IT, par exemple en introduisant un malware ou en recommandant à tort de désactiver une fonctionnalité utilisée pour protéger l’environnement IT contre les acteurs malveillants. Imaginons qu’un utilisateur tente d’installer un pilote d’imprimante et demande de l’aide à l’IA. Parmi ses instructions, l’IA pourrait lui demander de désactiver l’antivirus ou le pare-feu, créant ainsi une fenêtre d’opportunité pour l’installation d’un malware.

Dépendance aux contenus générés par l’IA

Les entreprises trop dépendantes de ces contenus risquent de ne pas donner la priorité aux contenus produits par des humains ni aux compétences de réflexion critique, ce qui peut entraîner une perte d’expertise. La supervision humaine reste essentielle pour valider et approuver les résultats générés par l’IA.

Biais des données

Les modèles d’IA générative peuvent refléter involontairement les biais présents dans leurs données d’entraînement, ce qui conduit à des résultats faussés ou inexacts. Cela peut poser problème dans la gestion des connaissances, où l’exactitude est essentielle. Si un modèle de gestion des connaissances par l’IA est entraîné sur des données provenant principalement des États-Unis, par exemple, il peut générer des résultats moins pertinents pour les personnes situées dans d’autres pays.

Préoccupations éthiques

Elles incluent les biais potentiels dans les données d’entraînement de la gestion des connaissances par l’IA, susceptibles de perpétuer les inégalités existantes.

Obtenir le rapport interactif : AITSM : comment l’IA redéfinit l’automatisation du centre de services IT

Réussir la gestion des connaissances par l’IA

Malgré ces préoccupations, la gestion des connaissances par l’IA générative peut être un outil puissant. En examinant attentivement les limites potentielles et en prenant des mesures pour les atténuer, les organisations peuvent tirer efficacement parti de l’IA générative dans la gestion des connaissances.

Voici cinq points à prendre en compte lors du déploiement de la gestion des connaissances par l’IA :

Identifier les types de données utilisés pour entraîner le modèle d’IA générative : l’identification des types de données permet de s’assurer que les données utilisées sont exactes et fiables. Allez-vous utiliser des articles de connaissances existants, des données d’incidents, des données de problèmes ou une combinaison de ces types de données ?

S’assurer que les données identifiées sont exactes, complètes et à jour : l’IA générative n’est performante que si les données sur lesquelles elle est entraînée le sont ; le principe « garbage in, garbage out » reste valable.

Surveiller les résultats de votre modèle de gestion des connaissances par l’IA générative : vérifiez l’absence de biais et de désinformation, ainsi que l’exhaustivité et l’exactitude, afin de garantir la fiabilité des informations générées.

Élaborer des politiques et procédures pour gérer les risques : cette étape est essentielle pour traiter des questions telles que la sécurité des données, la confidentialité et les considérations éthiques liées à l’utilisation de l’IA générative pour la gestion des connaissances.

Mettre en place un processus d’approbation : les résultats générés doivent être examinés et autorisés avant toute diffusion publique.

Conseils de mise en œuvre pour la gestion des connaissances par l’IA générative

Il ne fait aucun doute que la gestion des connaissances par l’IA générative peut être un outil précieux, ni qu’il reste encore beaucoup à apprendre sur ses avantages comme sur ses écueils potentiels.

Une organisation doit évaluer les impacts potentiels et choisir une solution de gestion des connaissances par l’IA qui répond à ses besoins spécifiques en matière de confidentialité, d’exactitude et de sécurité.

Cela dit, voici quelques bonnes pratiques supplémentaires pour favoriser une adoption réussie :

Commencer modestement, puis passer à l’échelle : il est préférable de commencer par un petit projet pilote de gestion des connaissances par l’IA générative, puis de passer à l’échelle à mesure que vous gagnez en expérience.

Obtenir l’adhésion des parties prenantes : il est important d’obtenir l’adhésion des parties prenantes avant de déployer l’IA générative, afin de garantir son utilisation efficace et la confiance dans les résultats produits.

Améliorer le modèle en continu : il est essentiel d’améliorer en continu votre modèle de gestion des connaissances par l’IA en le réentraînant sur de nouvelles données et en traitant les problèmes potentiels qui peuvent survenir.

Comment simplifier les intégrations ITSM avec l'iPaaS

Thu, 29 Feb 2024 18:03:46 Z

L'intégration est désormais un impératif de la gestion des services IT. En effet, les entreprises lient leur plateforme ITSM à des applications externes pour simplifier leurs opérations IT, renforcer leur efficacité et leur flexibilité, et améliorer leur service client. L'intégration en temps réel leur permet de s'adapter rapidement aux circonstances et de garantir des services IT en phase avec leurs besoins.

Cette coordination de l'ITSM avec les services externes peut s'avérer complexe et difficile, notamment parce que les méthodes habituelles passent souvent par de longs et coûteux efforts de développement et d'intégration sur mesure. L'iPaaS permet de relever ces défis et facilite la gestion de l'intégration ITSM.

Qu'est-ce que l'iPaaS ?

L'iPaaS est l'acronyme de l'anglais « Integration Platform as a Service » (plateforme d'intégration en SaaS). Ce service Cloud fournit un ensemble d'outils et de services qui simplifient la connexion aux applications et l'automatisation des workflows. L'iPaaS sert aussi à intégrer les outils et applications ITSM avec d'autres systèmes métier – CRM, ERP et RH – et renforce ainsi l'efficacité, réduit les coûts et améliore le service client.

L'iPaaS centralise en une même plateforme les connexions entre les applications de l'entreprise et l'automatisation de ses workflows. Elle offre différents services et fonctions pour intégrer facilement les applications, notamment :

Des connecteurs prédéfinis : les plateformes iPaaS fournissent une bibliothèque de connecteurs prédéfinis qui simplifient le processus de connexion aux applications courantes comme Salesforce, Oracle, SAP et Workday.
La transformation des données : les iPaaS sont le rouage essentiel pour convertir les données entre diverses applications, et maintenir leur cohérence et leur exactitude lors de l'intégration dans plusieurs systèmes.
L'automatisation des workflows : les iPaaS automatisent les workflows entre applications, l'efficacité s'en trouve renforcée et les interventions humaines réduites.

Comment l'iPaaS facilite l'intégration ITSM

L'iPaaS simplifie l'intégration de la gestion des services IT en centralisant ceux-ci sur une plateforme pourvue de connecteurs et de modèles prédéfinis. Elle élimine ainsi les connexions point à point compliquées et économise temps et efforts lors de la connexion de plusieurs systèmes, sans codage avancé ni expertise technique

Avec l'iPaaS, les données se synchronisent en temps réel entre les outils ITSM et les autres systèmes d'entreprise. Ainsi, les informations sont actualisées en temps réel sur les différents systèmes. L'intégration en temps réel améliore l'exactitude et l'efficacité des processus ITSM : l'entreprise peut traiter rapidement et efficacement les demandes et problèmes de ses clients.

De plus, l'iPaaS apporte l'évolutivité et la flexibilité nécessaires aux intégrations ITSM. À mesure qu'elles se développent et que leurs besoins IT évoluent, les entreprises peuvent facilement ajouter ou supprimer des outils et applications ITSM sans perturber les intégrations existantes. Elles peuvent ainsi adapter leurs intégrations ITSM selon leurs besoins et maintenir l'efficacité des processus.

Cas d'usage courants de l'iPaaS dans l'ITSM

L'alliance de l'iPaaS et de l'ITSM est particulièrement bien adaptée aux cas d'usage courants axés intégration, par exemple :

Interconnexion (eBonding)/retransmission des tickets : la solution facilite l'intégration bidirectionnelle avec d'autres systèmes ITSM ou de gestion des tickets, en interne et en externe. C'est un besoin courant des prestataires de services qui veulent intégrer directement leur plateforme de gestion des services à celle d'un client. Cette intégration, généralement à double sens, des incidents va jusqu'à inclure les changements et les actifs ou éléments de configuration (CI), selon l'accord entre le client et le prestataire de services. Elle concerne typiquement Ivanti Neurons for ITSM et ServiceNow ou BMC Helix.
Approvisionnement : pour rationaliser les demandes de service et leur traitement, et les workflows de cycle de vie des actifs, il peut s'avérer nécessaire d'intégrer un système d'approvisionnement comme SAP ou une solution similaire. De plus, l'intégration avec des fournisseurs externes comme Dell ou CDW peut faciliter les demandes d'approvisionnement auprès des fournisseurs.
Onboarding des collaborateurs : lors de l'arrivée de nouvelles recrues dans l'entreprise, il est important d'impliquer non seulement les RH, mais aussi d'autres services, notamment l'IT, la Paie et les services généraux. La rationalisation du processus d'onboarding pour tous ces aspects passe par l'automatisation, quelles que soient les applications utilisées – Workday, SAP, Ivanti Neurons for ITSM, ADP ou autres. L'intégration fluide qui en résulte prend en charge toutes les tâches nécessaires.
DevOps : la rationalisation des processus de développement fait partie intégrante du processus DevOps/DevSecOps. L'automatisation est essentielle pour mettre en place un processus rationalisé et efficace dans l'ensemble du cycle applicatif : développement (avec des outils comme Jira et Azure DevOps), déploiement (avec GitHub et Jenkins), opérations (avec ITSM) et sécurité (avec des outils comme ASOC et BlackDuck).
Communication/collaboration : la plupart des entreprises utilisent plusieurs outils de collaboration, comme Microsoft Teams ou Slack pour la messagerie instantanée, ainsi que des agents virtuels, comme Espressive et Moveworks. Lorsque ces outils interagissent les uns avec les autres, chaque collaborateur peut utiliser celui de son choix et en retire une meilleure expérience globale, avec l'avantage supplémentaire qu'aucune communication ne se perd. L'intégration automatique des outils et leur capacité à communiquer avec la gestion des services sont des éléments essentiels.
Gestion des opérations : souvent, plusieurs solutions servent à surveiller l'environnement opérationnel de l'entreprise afin de couvrir le réseau, les serveurs, les applications et la sécurité. Ces outils doivent impérativement communiquer avec la gestion des services pour fournir des informations correctes et pertinentes aux bonnes équipes. L'intégration avec ces solutions doit permettre des actualisations bidirectionnelles afin de garantir la cohérence entre tous les environnements.
Traitement des demandes : étendez le champ d'action du traitement des demandes au-delà de l'ITSM pour y inclure des solutions tierces dans des processus comme les approbations et l'approvisionnement et des systèmes de fournisseurs externes comme CDW, Lenovo ou Dell. Créez un workflow fluide impliquant différents systèmes externes pour améliorer l'efficacité de votre processus de traitement des demandes de service.

L'intégration facile avec Ivanti Neurons iPaaS

Ivanti Neurons iPaaS, sur un socle Workato, est une plateforme d'intégration efficace, économique, agile, évolutive et sécurisée pour Ivanti Neurons for ITSM (SaaS). Elle permet d'intégrer toutes les applications ITSM, ITAM et métier. En symbiose avec l'expérience Admin ITSM, elle facilite au plus haut point le développement, la surveillance et le dépannage dans le cadre des cas d'usage ITSM, ITAM ou ESM (gestion des services d'entreprise). Avec Ivanti Neurons iPaaS, les entreprises rationalisent leurs opérations IT, améliorent leur qualité de service et gagnent un avantage concurrentiel dans l'environnement technologique dynamique actuel.

La plateforme Ivanti Neurons for ITSM continuera à prendre en charge les API ouvertes standard, comme les API REST, SOAP et Webhooks. Ivanti Neurons iPaaS enrichit et améliore vos fonctionnalités API et d'intégration.

En savoir plus sur la façon dont Ivanti Neurons iPaaS transforme votre approche de l'intégration ITSM.

Comment utiliser l'IA générative pour la gestion des connaissances

Wed, 19 Jul 2023 09:39:18 Z

Dans le post « Comment l'IA générative peut-elle améliorer la gestion des connaissances ? », nous avons passé en revue les atouts de l'IA alliée à la gestion des connaissances pour améliorer la qualité, notamment par l'automatisation de la création de contenus sous des formes plus attractives. Toutefois, le rattachement de l'IA générative au cadre de la gestion des connaissances éveille des craintes liées aux biais de données, à l'exactitude, à la confidentialité et à la sécurité.

Voyons maintenant comment faire pour que tout fonctionne bien ensemble...

Comment utiliser l'IA générative avec la gestion des connaissances

Malgré les préoccupations liées à l'utilisation de l'IA générative dans les opérations quotidiennes, cette technologie constitue potentiellement un outil puissant pour optimiser la gestion des connaissances. En étudiant attentivement les inconvénients potentiels et en prenant des mesures pour les atténuer, les entreprises peuvent utiliser l'IA générative pour améliorer leurs pratiques de gestion des connaissances.

Voici 5 points à prendre en compte si vous utilisez l'IA générative pour la gestion des connaissances :

Veillez à identifier le type de données qui servira à entraîner le modèle d'IA générative. Cette identification vous aidera à garantir que les données utilisées sont exactes et fiables. Allez-vous utiliser des articles de connaissances, des données d'incident, des données de problème ou tout cela à la fois ?
Une fois le type de données identifié, gardez en tête que l'IA générative reflète la qualité de ses données d'entraînement. Assurez-vous que les données identifiées ci-dessus sont précises, complètes et à jour.
Surveillez la sortie du modèle d'IA générative pour détecter tout problème de partialité, de désinformation, de manque d'exhaustivité et d'inexactitude. Cela vous aidera à vérifier que les informations générées par ce modèle sont fiables.
Développez des stratégies et des procédures pour gérer les risques associés à l'utilisation de l'IA générative pour la gestion des connaissances. C'est une étape importante pour garantir le succès de votre projet. Ces stratégies et procédures doivent couvrir notamment la sécurité des données, la confidentialité et les considérations éthiques. Elles doivent être conçues afin que l'utilisation de l'IA générative pour la gestion des connaissances se fasse de façon responsable et éthique.
Mettez en place un processus d'approbation avant tout partage public des connaissances, pour vous assurer que les sorties générées sont passées en revue et autorisées.

Si elles suivent ces étapes, les entreprises peuvent utiliser l'IA générative pour améliorer leurs pratiques de gestion des connaissances tout en minimisant les risques.

IA générative et gestion des connaissances : à combiner avec prudence

L'efficacité et l'impact de l'IA générative sur la gestion des connaissances dépendent de la manière dont elle est utilisée et implémentée. Il est important d'évaluer soigneusement les avantages et les risques avant de décider de l'intégrer ou non.

Parmi les avantages et inconvénients éventuels :

Avantages

1. Génération automatique de contenu pertinent

L'IA générative peut servir à créer automatiquement des articles de connaissances à partir de sources de données existantes, comme la documentation produit, les tickets de support client et les supports de formation des collaborateurs.

32 % des professionnels de l'IT signalent une augmentation des tickets de centre de support depuis le passage au télétravail : il existe donc une vraie opportunité d'améliorer la base de connaissances. Cela peut permettre une résolution plus rapide et plus efficace des problèmes, donnant ainsi le temps aux professionnels de l'IT de se concentrer sur des tâches plus stratégiques, comme le développement de nouveaux projets de gestion des connaissances et l'amélioration de la qualité des articles de connaissances.

2. Recherches plus précises

L'IA générative améliore la précision des recherches, car elle personnalise les connaissances fournies à chaque collaborateur en fonction de ses besoins et préférences spécifiques. Sachant qu'un collaborateur passe en moyenne plus de 3 heures et demie par jour à rechercher des informations, tout gain de temps dans la diffusion des connaissances aux collaborateurs est un plus.

Permettre un accès plus facile et plus rapide à l'information va finalement améliorer l'expérience numérique de vos collaborateurs.

3. Meilleure automatisation

L'IA générative vous aide à automatiser les tâches de routine, même si elles ne sont pas directement liées à la création d'articles de gestion des connaissances.

85 % des professionnels de l'IT estiment que les efforts d'automatisation et les investissements dans l'IA sont rentables : trouver de nouvelles façons de rationaliser leurs processus les libérerait et leur permettrait de se concentrer sur des problèmes plus complexes.

Inconvénients

1. Risque de désinformation

L'IA générative peut produire des informations incorrectes ou trompeuses, avec des conséquences dramatiques dans le domaine de l'IT. Il peut par exemple s'agir de l'introduction d'un malware, ou d'une recommandation incorrecte invitant à désactiver une fonction qui sert à protéger l'environnement IT des pirates.

2. Dépendance envers le contenu généré par IA

Si les entreprises se fient trop au contenu généré par IA, elles risquent de faire passer au second plan le contenu humain ou la réflexion critique avec à la clé une éventuelle perte d'expertise. Malgré tous les discours sur l'IA générative, une surveillance humaine est toujours nécessaire pour valider l'exactitude des informations générées et les approuver.

3. Préoccupations éthiques

Il existe des préoccupations éthiques concernant l'utilisation de l'IA générative, notamment autour des biais dans les données d'entraînement qui peuvent perpétuer les inégalités existantes.

Il ne fait aucun doute que l'IA générative peut être un outil précieux pour la gestion des connaissances IT. Mais, bien qu'il s'agisse d'une nouvelle technologie passionnante, il reste encore beaucoup à apprendre sur les avantages et les inconvénients qu'elle peut apporter.

Chaque entreprise doit étudier individuellement l'impact potentiel, et choisir une solution IA appropriée répondant à ses propres besoins de confidentialité, de précision et de sécurité.

IA générative pour la gestion des connaissances : conseils d'implémentation

Commencez petit avant de voir plus grand

Il vaut mieux commencer par un petit projet pilote, puis progresser dans l'utilisation de l'IA générative au fur et mesure que vous gagnez en expérience.

Obtenez l'adhésion des parties prenantes

Il est important d'obtenir l'adhésion des différentes parties prenantes avant de déployer l'IA générative en environnement de production. Cela permet de garantir que le modèle est utilisé efficacement et que vous pouvez faire confiance à ses sorties.

Surveillez les performances du modèle

Il est important de surveiller les performances du modèle après son déploiement en environnement de production. Cela vous permet d'identifier les problèmes potentiels de votre modèle et d'améliorer sa précision.

Améliorez continuellement votre modèle

Les modèles d'IA générative sont améliorés en permanence. Il est important d'améliorer sans cesse le modèle, en l'entraînant à nouveau sur de nouvelles données et en résolvant les problèmes éventuels.

Pour en savoir plus à ce sujet, regardez notre webinar « Generative AI for InfoSec & Hackers: What Security Teams Need to Know ».

Comment l'IA générative peut-elle améliorer la gestion des connaissances ?

Tue, 20 Jun 2023 15:24:02 Z

Les capacités de l'IA générative suscitent un intérêt croissant depuis la sortie d'outils comme ChatGPT, Google Bard, Amazon Large Language Models et Microsoft Bing. Cet engouement soulève des inquiétudes concernant la protection de la vie privée, les informations personnelles identifiables, la sécurité et, plus important encore, l'exactitude des données. Et ce, à juste titre.

Les entreprises se montrent prudentes dans leur adoption d'outils d'IA générative, bien qu'elles les considèrent révolutionnaires. De nombreuses entreprises tentent de trouver le juste milieu qui leur permettra de tirer parti des avantages immédiats, tout en identifiant des utilisations plus stratégiques de l'IA générative pour l'avenir, le tout sans faire de compromis sur la sécurité.

Dans une entreprise, la gestion des connaissances est l'un des éléments qui permet d'obtenir des résultats immédiats. Cette initiative a été un véritable défi pour de nombreuses entreprises, mais elle peut stimuler la productivité des employés et apporter des avantages significatifs pour soutenir les équipes qui gèrent habituellement les connaissances manuellement.

Comment l'IA générative et la gestion des connaissances se rejoignent

L'IA générative désigne un type d'intelligence artificielle capable de créer de nouveaux contenus, comme des images, du texte ou même de la musique, à partir de données existantes. Elle utilise des algorithmes d'apprentissage automatique pour analyser et apprendre à partir de gros volumes de données. Elle génère ensuite un nouveau contenu en fonction de cette analyse.

La gestion des connaissances, quant à elle, est un processus de capture, d'organisation et de partage des connaissances dans une entreprise. Cela implique de collecter des informations à partir de différentes sources, de les stocker dans une base de données centralisée et de les rendre facilement accessibles aux employés lorsqu'ils en ont besoin.

De nombreuses entreprises gèrent manuellement leur gestion des connaissances, ce qui laisse la porte ouverte à des contenus obsolètes ou mal rédigés. En automatisant de nombreuses tâches liées à la gestion des connaissances, l'IA générative peut contribuer à améliorer l'efficacité et l'efficience de vos processus de gestion des connaissances.

L'IA générative peut notamment optimiser la gestion des connaissances :

1. En automatisant la création d'articles de base de connaissances

L'IA générative peut créer automatiquement des articles de base de connaissances à partir de sources de données existantes, comme la documentation produit, les tickets d'assistance client et les supports de formation des employés. Cette automatisme peut libérer les professionnels de l'informatique pour qu'ils se concentrent sur des tâches plus stratégiques, comme le développement de nouvelles initiatives de gestion des connaissances et l'amélioration de la qualité des articles de base de connaissances existants.

2. Amélioration de la qualité des connaissances

L'IA générative peut améliorer la qualité des connaissances en identifiant et en corrigeant les erreurs, en archivant les anciennes informations, ainsi qu'en ajoutant du contexte et des informations supplémentaires aux articles de base de connaissances. Cela permet de s'assurer que les employés ont accès à des informations exactes et à jour.

3. Générer de nouvelles idées et perspectives

L'IA générative peut générer de nouvelles idées et perspectives en combinant les connaissances existantes d'une nouvelle manière. Par exemple, les RH, les entrepôts et l'informatique ont tous des articles qui traitent de l'accueil et du départ des employés dans la société.

L'IA générative peut analyser ces éléments et produire un article de base de connaissances fusionné qui traite du processus d'intégration et de départ de bout en bout dans les trois services. Cela peut éviter à un employé d'avoir à effectuer des recherches dans trois services différents.

4. Résoudre les problèmes plus rapidement

L'IA générative peut rapidement résoudre des problèmes en identifiant des constantes et des tendances dans les données. Ceci peut aider les entreprises à prendre de meilleures décisions et à améliorer leurs performances globales.

Par exemple, l'IA générative peut analyser les incidents informatiques sur une période donnée et identifier une méthode de résolution commune pour un groupe de problèmes communs. À partir de ses résultats, elle peut générer un articles de base de connaissances permettant aux agents du support technique de résoudre les problèmes plus rapidement, et aux employés de les résoudre eux-mêmes via le libre-service.

5. Créer du contenu plus attractif

L'IA générative peut créer du contenu plus engageant en le personnalisant pour chaque utilisateur, aidant ainsi les entreprises à améliorer leur expérience client. Les articles de base de connaissances, en particulier dans le domaine des RH, sont personnalisés en fonction de la région ou de la langue. La possibilité de générer du contenu propre à leur personnalité améliorera considérablement l'utilisation et l'expérience de l'employé.

Quels sont les inconvénients de l'IA générative ?

Les solutions d'IA générative combinées à la gestion des connaissances ont le potentiel de révolutionner de nombreux secteurs et domaines. Cependant, ce n'est pas sans inconvénients, notamment :

1. En ce qui concerne la sécurité et la protection de la vie privée

Les systèmes d'IA générative utilisés pour la gestion des connaissances peuvent contenir des informations sensibles ou confidentielles. Il est donc essentiel de veiller à ce qu'elles soient sécurisées et protégées contre les cyberattaques. Par ailleurs, la protection de la vie privée peut susciter des inquiétudes, en particulier si l'IA génère du contenu comprenant des informations personnelles ou d'identification.

Par exemple, l'IA générative peut créer des logiciels malveillants et des attaques de phishing réalistes. Ces attaques peuvent être utilisées pour voler des informations personnelles, des données financières ou d'autres informations sensibles.

2. Qualité et précision

Si les modèles d'IA générative peuvent produire des résultats impressionnants, leur qualité et leur précision peuvent varier considérablement en fonction des données utilisées et de la complexité de la tâche. Le vieux dicton "mauvaises informations, mauvaises conclusions" est toujours d'actualité. Il peut également être difficile de s'assurer que l'IA a accès à des informations exactes et à jour, ce qui peut affecter la qualité de ce qu'elle génère.
Par exemple, les données de formation pour ChatGPT sont collectées sur Internet et mises à jour régulièrement. La version actuelle de ChatGPT est toutefois formée à partir de données collectées jusqu'en septembre 2021. Cela implique que ChatGPT peut ne pas être en mesure de répondre à des questions sur des événements ou des sujets d'actualité ayant eu lieu après septembre 2021.

3. Données biaisées

Les modèles d'IA générative peuvent par inadvertance refléter les biais et les préjugés présents dans les données sur lesquelles ils sont entraînés, conduisant à des résultats biaisés ou inexacts. Ces données biaisées sont particulièrement préoccupantes dans les applications de gestion des connaissances, où la précision est essentielle.
Par exemple, si un modèle est formé sur un ensemble de données de textes provenant principalement des États-Unis, il est moins susceptible de générer des textes pertinents pour des personnes d'autres pays.

L'IA générative apporte aux entreprises la possibilité d'améliorer la gestion des connaissances grâce à une meilleure qualité, à du contenu intéressant et à l'automatisation. Mais il faut prendre certaines précautions. Découvrez ce que vous devez mettre en place pour utiliser efficacement l'IA générative avec la gestion des connaissances dans votre entreprise.

L’ESM (la gestion des services d'entreprise) répond à un véritable besoin

Wed, 15 Mar 2023 14:42:49 Z

Points essentiels :

L'ESM (Entreprise Service Management ou Gestion des services d'entreprise) est une pratique qui consiste à gérer les services technologiques afin de s'assurer qu'ils répondent aux besoins de l'entreprise et de ses collaborateurs.
Elle garantit que les services sont fournis de façon cohérente, efficace et économique, tout en répondant aux besoins de l'entreprise et de ses clients.
L'ESM offre différents avantages, notamment une meilleure satisfaction des collaborateurs, une plus grande implication de ces derniers, une réduction des coûts, davantage d'efficacité et une meilleure conformité.
Une automatisation complète des processus garantit que votre entreprise offre un niveau de service optimal à ses clients, tout en optimisant les ressources disponibles.
Une stratégie ESM efficace comprend quatre aspects essentiels : des buts et des objectifs clairs, des processus complets, une bonne automatisation, ainsi que des outils de surveillance et de remontée d'informations.

Les entreprises d'aujourd'hui dépendent davantage des technologies pour distribuer des services à leurs collaborateurs, d’où la nécessité d’investir dans une technologie ESM (Gestion des services d'entreprise).

Qu'est-ce que la gestion des services d'entreprise ?

L'ESM est un ensemble de processus et de pratiques servant à gérer la distribution de services technologiques dans une entreprise. Elle garantit que les services sont assurés de façon cohérente, efficace et économique, tout en répondant aux besoins de l'entreprise et de ses clients.

Dans leur vie professionnelle quotidienne, les collaborateurs veulent bénéficier d'une expérience identique, quel que soit le service avec lequel ils interagissent (du département IT aux nombreux autres fournisseurs de services de l'entreprise comme les Ressources humaines (RH), le service juridique, les départements Installations, Gestion de projets, Sécurité, Ventes, Marketing, R&D et le service financier).

Les avantages de l’ESM

La gestion des services d'entreprise offre de nombreux avantages. Voici les plus importants :

1. Meilleure satisfaction des collaborateurs

L'ESM examine la façon dont la technologie aide ou freine les collaborateurs dans leur travail. Elle garantit que les services sont assurés de façon cohérente, efficace et économique, ce qui améliore la productivité et la satisfaction des collaborateurs. En exprimant clairement les attentes, en améliorant la communication et en créant un sentiment de responsabilité, l'ESM permet aux collaborateurs de montrer un meilleur engagement envers les équipes qui fournissent les services qu'ils utilisent.

Par exemple, un collaborateur qui peut consulter l'état d'une demande est informé sur son avancement et sait dans combien de temps elle sera traitée. Le personnel et les différents départements de l'entreprise peuvent ainsi se concentrer davantage sur la génération de valeur et s'assurer que l'IT booste la productivité au lieu de nuire à l'efficacité.

2. Renforcement de l’engagement des collaborateurs

En bénéficiant d'une expérience multicanal (portail en self-service, Microsoft Teams, agent virtuel et e-mails), les collaborateurs peuvent choisir le mode de travail qui répond le mieux à leurs besoins et à leurs préférences. Leur engagement est renforcé, car ils disposent d'un moyen facile pour trouver et demander des informations et des services dans les différents canaux qu’ils utilisent.

3. Réduction des coûts

L'ESM permet de réduire sensiblement les coûts, car elle rationalise les processus et élimine toute complexité inutile. Pour ce faire, l'automatisation est essentielle : en automatisant la classification des tickets, leur affectation et les workflows flexibles, vous garantissez que dès le début, le ticket est traité par la bonne équipe. Vos coûts sont réduits, l’efficacité des collaborateurs augmente et vos clients sont satisfaits.

4. Meilleure efficacité

L'ESM vous rend plus efficace et limite les erreurs, en s'assurant que les services sont fournis à temps et répondent aux priorités de l'entreprise. Pour y parvenir, il faut des workflows standardisés, des processus bien documentés, des affectations automatisées et des systèmes interconnectés. Les niveaux de service sont ainsi améliorés à l’échelle de l’entreprise.

5. Meilleure conformité

L'ESM permet aux entreprises de respecter les normes et réglementations du secteur. Grâce à des audits et des rapports détaillés, les entreprises s'assurent de leur conformité aux niveaux de service, aux protocoles de sécurité et autres réglementations. Elles sont ainsi en mesure de protéger leurs données et leurs actifs.

La conformité aux réglementations en vigueur leur procure un net avantage concurrentiel sur le marché.

Les caractéristiques d’une stratégie ESM efficace

Les collaborateurs veulent disposer d’un accès facile et immédiat aux services des départements IT et non-IT, et souhaitent que leurs demandes soient traitées automatiquement.

Bien que le Service Desk ou le support IT soient les premiers concernés lorsqu'on parle de gestion des services, ils ne représentent que l’un des aspects d'une stratégie ESM. D’autres caractéristiques sont essentielles et constituent une opportunité d’étendre l’ESM aux départements non-IT. Il s’agit notamment :

De la mise en place d’un portail en self-service
D’un accès facile aux connaissances
De l’automatisation des tickets
Et de la gestion des incidents

Pour être efficace, une stratégie ESM doit inclure quatre composantes essentielles :

1. Des buts et des objectifs clairs

En matière d’ESM, il est indispensable de bien comprendre les buts et les objectifs de l'entreprise. On peut par exemple commencer par donner aux départements Ressources Humaines (RH) ou Installations une idée précise des avantages qui en découlent.

Pour commencer en douceur, si l'e-mail est le canal habituel de communication, il est judicieux d'incorporer la création d'e-mails automatisés dans la nouvelle plateforme ESM. Vous pouvez aussi, comme deuxième étape, implémenter un portail en self-service ou un agent virtuel.

Toutefois, il est encore plus important d'améliorer les processus back-end en faisant appel à l'automatisation et à une technologie de workflows. Le résultat ? Des opérations rationalisées et des processus plus efficaces, avec à la clé des gains de productivité.

En outre, la mise en place d'une stratégie ESM bien définie permet à l'entreprise de tenir le rythme de l'évolution rapide des besoins de sa base de clientèle, et d'offrir en permanence un service de qualité.

2. Des processus complets

De la conception initiale à la distribution finale, les processus ESM doivent être complets et détaillés, et inclure une large variété d'étapes de prestation de services. Il est important de documenter et de mettre en évidence les services et processus que votre entreprise prévoit de fournir. Ces services et processus peuvent être limités au début, mais ils vont fatalement progresser avec la maturation de votre entreprise.

De plus, il est indispensable d'identifier les processus les plus significatifs, qui assurent la meilleure satisfaction collaborateur et la plus grande efficacité. En mettant en place des processus complets, votre entreprise s'assure de pouvoir offrir une qualité de service optimale à ses clients, tout en optimisant les ressources disponibles.

3. Une bonne automatisation

La mise en œuvre de l'automatisation a pour effet de rationaliser les processus et de limiter les erreurs. L'affectation automatique des tâches à l'équipe appropriée accélère sensiblement le temps de réponse et de résolution des problèmes, et améliore les délais de traitement des demandes des clients. Des workflows capables de gérer automatiquement les approbations, les tâches et les notifications vous permettent de maintenir un niveau élevé de précision et de qualité.

En combinant l'automatisation et les étapes manuelles existantes, vous améliorez vraiment la vitesse, la précision et la qualité des opérations de l'entreprise, et enrichissez l'expérience des collaborateurs.

4. Des outils de surveillance et de remontée d'informations

Il est important de surveiller les performances des processus ESM et de remonter les informations à qui de droit pour garantir qu'ils répondent aux buts et objectifs de l'entreprise. Pour le faire efficacement, il faut mettre en place des tableaux de bord, des analyses et d'autres outils de reporting, qui assureront la visibilité de la charge de travail de l'équipe, et identifieront les déséquilibres ou les incohérences.

La surveillance vous permet d'observer les tendances et l'évolution de la charge de travail, et de mesurer le degré de respect des niveaux de service. Vous vérifiez ainsi que tous les buts et objectifs de l'entreprise sont atteints. Les dirigeants peuvent ainsi prendre des décisions éclairées quant à l’ajustement et à la priorisation des ressources.

Le besoin de s’équiper en technologie ESM (Gestion des services d'entreprise) est de plus en plus criant, car les entreprises sont davantage dépendantes de la technologie pour fournir des services de qualité à leurs collaborateurs.

L'ESM permet de réduire les coûts, d'améliorer la satisfaction des collaborateurs et de booster l'efficacité, tout en garantissant également la conformité de l'entreprise avec les réglementations et normes du secteur. Une stratégie ESM efficace doit inclure des buts et des objectifs clairs, des processus complets, une bonne automatisation, et des outils de surveillance et de remontée d'informations.

De l'amélioration de la satisfaction des collaborateurs à la réduction significative des coûts, l'implémentation d'une stratégie ESM efficace permet à votre entreprise de rester productive et efficace face aux défis de l'Everywhere Work. Comme c’est aux équipes IT qu’il incombe de plus en plus souvent de gérer des actifs non-IT, elles peuvent s’appuyer sur l'ESM pour étendre leur champ d'action et générer une valeur commerciale pour l'entreprise. Découvrez comment Ivanti peut vous aider pour votre stratégie de gestion des services d'entreprise.

Améliorer l’expérience collaborateur grâce à la gestion proactive des services

Tue, 28 Sep 2021 22:23:26 Z

Récemment, je réfléchissais à la question suivante : « Comment améliorer l’expérience collaborateur ? » De nombreuses organisations abordent ce sujet sous l’angle informatique avec des concepts comme un portail en libre-service, des canaux Teams, des chatbots, voire des espaces Social IT. Toutes ces idées sont excellentes, mais répondent-elles vraiment aux enjeux de l’expérience collaborateur ?

Permettez-moi de développer ce concept. J’ai un ami qui utilise une solution de gestion des services dotée d’un excellent portail en libre-service, qui lui permet de créer des tickets, de rechercher dans la base de connaissances et d’effectuer des demandes de service, comme commander un nouvel ordinateur. Et les deux ou trois fois où il a utilisé le portail en libre-service et interagi avec l’équipe informatique, il en a été satisfait.

Une expérience collaborateur insatisfaisante

Mais lorsque je lui ai demandé ce qu’il pensait de l’informatique, il m’a répondu que l’équipe n’était jamais proactive et qu’il rencontrait sans cesse des problèmes avec son ordinateur. Vraiment ? Pourquoi ? Deux semaines plus tôt, il avait pris le train pour se rendre en ville ; le trajet dure environ 1 h 30 et il avait du temps pour travailler. Il a donc sorti son ordinateur portable et s’est mis au travail. Trente minutes plus tard, la batterie de son ordinateur portable était à plat et il ne pouvait plus continuer à travailler. Trois jours plus tard, lorsqu’il a allumé son ordinateur portable, il a reçu le message suivant : « Votre batterie ne peut plus fournir suffisamment d’énergie à votre système et doit être remplacée. » Six mois auparavant, il avait rencontré des problèmes d’écrans bleus et de carte mère. Après le problème de batterie, il s’est rendu sur le portail en libre-service, a créé un ticket auprès de l’informatique, qui lui a alors indiqué que l’ordinateur portable devait être remplacé et qu’il devait soumettre une demande de service pour obtenir un ordinateur de remplacement.

L’équipe informatique a alors été très rapide pour identifier ce qui devait être fait et répondre à mon ami. Dans le contexte de ce ticket, elle a fait du bon travail. Pourtant, mon ami restait mécontent de l’informatique. Sa première remarque a été de me demander pourquoi l’équipe ne pouvait pas être proactive et avoir connaissance de ces problèmes avant lui.

Je lui ai alors posé la question inverse. Si l’informatique était proactive, pouvait détecter ces problèmes avant vous, et même commander une pièce de rechange ou un nouvel ordinateur sans que vous ayez à le faire, quelle note lui donneriez-vous ? Sa réponse a été simple : 10 sur 10. Excellent.

Shift Left

De nombreuses organisations parlent du concept de « Shift Left ». Son objectif est de mettre l’accent sur l’excellence de service et l’autonomisation de l’utilisateur final. Le simple fait de rendre l’utilisateur final plus autonome ne déplace le processus que très légèrement vers la gauche. Le véritable Shift Left repose sur l’identification et la résolution proactives des problèmes.

Automatisation et auto-remédiation

Voyons cela concrètement avec Ivanti Neurons for Healing et observons à quoi ce processus peut ressembler.

1. Un processus d’automatisation s’exécute sur un ordinateur portable et, sur cette base, identifie l’état de la batterie comme faible, très dégradé ou inutilisable.

2. Les résultats envoient ensuite un message au propriétaire de l’ordinateur portable via Microsoft Teams pour l’informer du problème et lui demander ce qu’il souhaite faire :

Informer le service informatique du problème
Demander un nouvel ordinateur portable
Ignorer le problème pour le moment

3. À la suite de cette interaction dans Teams, le processus d’automatisation va alors :

Créer une demande de service pour un nouvel ordinateur portable
Informer le service informatique du problème
Ignorer le problème encore quelque temps

4. Bien entendu, vous pourriez ignorer l’interaction Microsoft Teams, mais cette capacité de notification permet de maintenir l’utilisateur impliqué, informé de ce qui se passe et proactivement engagé.

Une fois tous ces éléments réunis, à quoi ressemble ce processus d’automatisation ?

Cette démarche de Shift Left permet à l’utilisateur de travailler sans distraction ni interruption. Combien de fois avons-nous, en tant qu’utilisateurs, recherché sur Google comment résoudre un problème sur notre ordinateur professionnel ? Pourquoi ? Parce que nous pensons pouvoir le résoudre nous-mêmes immédiatement, plutôt que de devoir nous connecter au portail en libre-service, ouvrir un ticket, attendre qu’un membre de l’équipe informatique réponde et convenir d’un créneau pour qu’il prenne la main à distance sur notre ordinateur — pour finalement essayer les mêmes choses que nous avons déjà tentées et nous dire ce que nous savons déjà.

Pensez aux différents problèmes que vous avez rencontrés récemment, ou que vos collègues ont peut-être rencontrés. En voici quelques exemples :

État de la batterie. Nous avons déjà abordé ce point, mais en réalité, les utilisateurs ne connaissent pas l’état de leur batterie avant d’avoir besoin d’une nouvelle batterie, parfois au beau milieu d’une présentation importante.
Spouleur d’impression. Un problème récent, dont vous avez peut-être entendu parler, concernait une vulnérabilité du spouleur d’impression de Windows 10. De nombreuses organisations informatiques ont désactivé le spouleur d’impression, et les utilisateurs l’ont découvert au moment d’imprimer. Imaginez ne pas pouvoir imprimer le rapport que vous étiez sur le point de remettre au DSI.
Écrans bleus. À quelle fréquence ouvrez-vous immédiatement un ticket auprès de l’informatique lorsque vous rencontrez un écran bleu ? En général, il faut que cela se produise trois à cinq fois avant de vous dire que cela suffit. Mais si cela se fait automatiquement et qu’en arrière-plan, l’automatisation crée un ticket informatique, l’équipe en sera informée dès la première occurrence.
Plantages d’applications. Là encore, au bout de combien de temps signalez-vous réellement à l’informatique qu’une application plante ? Souvent, ce problème passe inaperçu jusqu’à ce qu’il soit évoqué lors d’une conversation informelle.

Je n’ai cité ici que quatre scénarios, et je suis certain que vous pouvez en ajouter beaucoup d’autres. Il existe tant de petites situations non signalées qui ne remontent souvent jamais jusqu’à l’informatique. Imaginez pouvoir être informé de ces problèmes avant que le collaborateur ne les signale, et mieux encore, les résoudre de manière proactive. Ivanti Neurons for Healing intègre de nombreux contrôles prédéfinis, comme ceux décrits ci-dessus, et vous permet également de créer les vôtres.

Une vue à 360 degrés

L’automatisation et l’auto-remédiation sont deux leviers essentiels pour améliorer l’expérience collaborateur. Un autre aspect à prendre en compte consiste à disposer d’une vue à 360 degrés du collaborateur. Toutes les plateformes de gestion des services possèdent des données sur les collaborateurs. Elles peuvent indiquer leur nom, leur adresse e-mail, leur numéro de téléphone, leur manager, leur emplacement, leur bâtiment, les incidents et demandes qu’ils ont initiés, et même les actifs qu’ils possèdent. Ces données sont utiles, mais elles restent statiques ou historiques. Ne serait-il pas bien plus pertinent de bénéficier d’une vue en temps réel de l’utilisateur, de ses appareils et de ce qui se passe à l’instant T : incidents enregistrés, performances de l’ordinateur portable et autres informations ?

Ivanti Neurons Workspace vous permet de consulter les données des appareils utilisateurs ainsi que des informations détaillées comme les performances, les journaux d’incidents récents, les logiciels, les correctifs, etc. Ces informations fournissent à l’analyste informatique des données en temps réel détaillées et puissantes, qu’il peut utiliser pour identifier et corriger rapidement les problèmes.

Une nouvelle expérience collaborateur

Enfin, que se passerait-il si nous pouvions comprendre la véritable expérience collaborateur ? Dans presque toutes les plateformes de gestion des services, cela se fait en envoyant des enquêtes à la suite d’incidents ou de demandes. Elles sont très utiles comme instantanés, mais elles ne donnent pas une vision réellement globale de l’expérience d’un utilisateur. Comme nous l’avons évoqué plus haut, mon ami n’était pas satisfait de l’informatique en raison des problèmes qu’il rencontrait avec son ordinateur. Si nous pouvions réunir toutes ces informations en un seul endroit et, grâce à l’analytique, attribuer un score à différents aspects de l’expérience d’un collaborateur, nous pourrions alors disposer d’un indice collaborateur offrant la vision la plus complète possible.

Chez Ivanti, nous plaçons le collaborateur au premier plan. En améliorant l’expérience collaborateur, nous pouvons donner à chacun les moyens de réussir dans l’Everywhere Workplace. Ivanti Neurons for ITSM, associé à l’hyperautomatisation Neurons (Healing et Workspace), permet de mettre en place des modèles de service proactifs qui améliorent l’expérience collaborateur. Vous souhaitez en savoir plus sur la manière dont Ivanti peut vous aider à placer vos collaborateurs au premier plan ? Contactez-nous, nous serons ravis de vous aider.