Analytics Legends La plateforme de connaissance SAP Analytics
Module d'académie

Conduite du changement et adoption de Joule

Conduite du changement et adoption de Joule — illustration de section Analytics Legends pour la base de connaissances SAP Analytics (concepts, études, Academy)

À jour au 2026-09-25

Boucle la chaîne d'un package Joule activé (M378) et d'une montée en charge de production planifiée (M379) jusqu'à l'usage réel, en s'appuyant sur le propre rapport client de SAP d'août 2026 comme base de preuve. Couvre pourquoi l'activation n'est pas l'adoption${NB}; les quatre types de capacités de Joule (transactionnelle, navigationnelle, informationnelle, analytical insights) et pourquoi chacune a besoin d'un plan d'adoption différent${NB}; le cas du Karlsruhe Institute of Technology (25${NB}000 étudiants, 10${NB}000 employés, un trajet de 18 mois d'un usage IA non gouverné vers une boîte à outils gouvernée) comme le cas vérifié le plus directement spécifique à l'adoption de l'IA de la plateforme${NB}; les trois principes rapportés par SAP elle-même (accompagnement avant/pendant/après, propriété locale, qualification/gouvernance/contexte plutôt qu'outils génériques)${NB}; comment construire la métrique d'adoption déjà demandée par le registre de risques du M378${NB}; et comment intégrer les points de contrôle de conduite du changement à la montée en charge conditionnée par l'évaluation du M379. Trois exercices et une auto-évaluation bouclent avec le M378 et le M379.

Ce que vous apprendrez

  • Expliquer pourquoi activation et adoption sont des projets séparés, avec des propriétaires, des calendriers et des modes d'échec différents
  • Nommer les quatre types de capacités de Joule (transactionnelle, navigationnelle, informationnelle, analytical insights) et concevoir un plan d'adoption segmenté pour chacune
  • Utiliser le propre rapport client de SAP d'août 2026 (cas du Karlsruhe Institute of Technology) pour distinguer «${NB} introduire un nouvel outil${NB}» de «${NB} faire entrer un usage non gouverné en gouvernance${NB}»
  • Énoncer les trois principes d'adoption rapportés par SAP (accompagnement avant/pendant/après, propriété locale, qualification/gouvernance/contexte plutôt qu'outils génériques) et leurs implications en ressources
  • Définir une métrique d'adoption avec une référence, une cible, une date et une segmentation par type de capacité, lisible aux côtés de la consommation AI Units ou GenAI tokens
  • Intégrer les points de contrôle de conduite du changement à la montée en charge Run & Scale conditionnée par l'évaluation du M379, plutôt que de traiter le déploiement comme un événement unique

Aperçu du module

À qui s'adresse ce module. La montée en charge de production du M379 est planifiée, le registre de risques du M378 a nommé l'adoption comme un risque, pas seulement un espoir, et il faut maintenant que quelqu'un le rende vrai. Ce module traite de ce qui se passe entre «  le package est activé » et «  les gens l'utilisent réellement » — l'écart que les propres recherches clients de SAP d'août 2026 nomment comme la raison pour laquelle des déploiements IA techniquement solides s'enlisent. Il s'adresse au practice lead ou au consultant qui porte le volet humain d'un déploiement Joule, pas la construction technique.

Prérequis

  • M378 (Construire le business case IA SAP) et M379 (Du PoC à la production)
  • Connaissance pratique des types de capacités de Joule (M333, ou le Joule Capabilities Guide)
  • Aisance dans la conception ou la relecture d'un plan de communication ou de formation des parties prenantes

Acquis

  • Produire un plan d'adoption segmenté par capacité (transactionnelle, navigationnelle, informationnelle, analytical insights) au lieu d'une seule annonce générique de formation.
  • Diagnostiquer si un déploiement devrait être cadré comme «${NB} faire entrer un usage non gouverné en gouvernance${NB}» plutôt que «${NB} introduire un nouvel outil${NB}», en utilisant le pattern du KIT documenté par SAP.
  • Définir une métrique d'adoption avec une référence, une cible et une date, mesurable aux côtés de la consommation AI Units ou GenAI tokens.
  • Intégrer des points de contrôle de conduite du changement à une montée en charge de production conditionnée par l'évaluation, pour que l'extension de cohorte dépende à la fois de preuves techniques et d'adoption.

Module complet réservé aux abonnés. Le module complet ajoute : le cadre de décision · le cas guidé de bout en bout · la grille de KPI · les anti-patterns · les blocs de code · le contrôle de connaissances · les schémas.

Ouvrir dans l'application →