Construire la confiance dans l'IA à l'échelle : les enseignements d'HubSpot et OpenAI

Sommaire

Lors d’une session organisée le 11 novembre 2025 par HubSpot et OpenAI pour la région EMEA, trois expertes ont partagé leur vision pour déployer l’intelligence artificielle au sein des équipes commerciales et marketing avec confiance et responsabilité. Leurs recommandations tracent une feuille de route pragmatique pour les organisations qui souhaitent tirer parti de l’IA sans sacrifier la confiance de leurs équipes et de leurs clients.

Commencer petit pour voir grand

Orian English, représentante d’OpenAI, a posé un principe fondamental : l’adoption de l’IA ne commence pas par une transformation radicale, mais par des expérimentations ciblées. Elle recommande de démarrer avec des cas d’usage à faible risque mais à fort impact, permettant de générer des résultats tangibles rapidement.
Cette approche incrémentale présente plusieurs avantages. Elle permet d’abord de créer une dynamique d’apprentissage au sein des équipes, où les succès initiaux deviennent des catalyseurs pour des projets plus ambitieux. Elle nécessite également un sponsoring clair de la direction et des critères de succès mesurables pour transformer les victoires rapides en leviers de déploiement à grande échelle.

Comme le souligne Orian English : “L’IA readiness ne repose pas sur des systèmes parfaits, mais sur la capacité à apprendre en avançant.” Cette philosophie pragmatique libère les organisations de la paralysie de la perfection et les encourage à progresser par l’expérimentation.

La transparence comme fondement de la confiance

Erika Fisher, juriste chez HubSpot, a rappelé une vérité essentielle : sans conformité et transparence, il n’y a pas de confiance durable dans l’IA. Elle propose une distinction claire entre deux catégories d’usage :
Les cas à haut risque , qui influencent significativement les décisions ou l’expérience humaine, exigent une supervision stricte, une documentation exhaustive et une divulgation explicite auprès des utilisateurs. À l’inverse, les cas à faible risque offrent davantage de souplesse pour innover rapidement, tout en respectant le cadre légal. Le principe directeur reste simple mais impératif : “Les utilisateurs doivent savoir quand une IA agit ou influence une décision : c’est la base de la confiance.” Cette transparence n’est pas qu’une obligation légale, c’est une question de respect et de responsabilité envers les personnes concernées.

Gouvernance des données : la pierre angulaire

Les trois intervenantes ont convergé sur un point crucial : la qualité de l’IA repose sur la qualité de sa gouvernance des données. Orian English recommande de commencer par des projets limités qui servent de révélateurs : ils exposent les failles dans la gestion des données et permettent d’améliorer progressivement les pratiques.

Erika Fisher insiste sur trois piliers non négociables :

• Le consentement : s’assurer que les données sont utilisées de manière légitime
• La traçabilité : documenter l’origine et le traitement des données
• L’auditabilité : pouvoir expliquer et justifier les décisions prises par l’IA

Ces exigences ne sont pas des contraintes bureaucratiques, mais des conditions préalables à un déploiement responsable et pérenne de l’IA.

Cultiver la littératie en IA

Julia Pilkes, également de HubSpot, a introduit un concept essentiel : l’AI literacy, ou littératie en IA. Il ne suffit pas d’implémenter des outils ; il faut développer une compréhension collective de ce qu’est l’IA, de ses capacités réelles et de ses limites.

Cette littératie s’apparente à un muscle qu’il faut entraîner à tous les niveaux de l’organisation. Elle implique :

• Comprendre les limites techniques et éthiques de l’IA
• Adopter une posture critique face aux résultats générés
• Relier systématiquement chaque usage à une valeur business concrète

Former les équipes n’est pas un luxe, c’est une nécessité pour éviter les dérives, optimiser les usages et maximiser la création de valeur.

Les quatre piliers de la confiance en IA

La session a permis de dégager quatre principes directeurs pour bâtir la confiance dans l’IA au sein des organisations :

1. Expérimenter progressivement : privilégier les cas d’usage à faible risque et fort impact pour construire des succès reproductibles.
2. Garantir la transparence : divulguer systématiquement toute utilisation de l’IA qui influence une décision ou modifie l’expérience humaine.
3. Investir dans la formation : diffuser une culture de l’IA pour des usages à la fois responsables et productifs.
4. Structurer la gouvernance des données : faire du consentement, de la traçabilité et de l’auditabilité les fondations de tout projet IA.

Vers une IA de confiance

La conclusion est limpide : la confiance dans l’IA ne se décrète pas, elle se construit. Elle émerge de l’expérimentation maîtrisée, de la rigueur juridique, de la transparence vis-à-vis des utilisateurs et de la montée en compétence collective. Le message des expertes résonne comme un guide d’action : “Start small, stay transparent, and build trust through learning.” Commencer modestement, rester transparent et construire la confiance par l’apprentissage continu. Dans un contexte où l’IA s’impose comme un levier de compétitivité incontournable, cette approche équilibrée entre ambition et responsabilité trace un chemin réaliste pour les organisations qui souhaitent déployer l’intelligence artificielle sans perdre l’essentiel : la confiance de leurs équipes et de leurs clients.

Comment être cité par les IA et ChatGPT selon Hubspot – Fabrice Frossard

Fabrice Frossard