Le Dakota du Sud place son programme de financement de la main-d’œuvre en IA en phase d’examen des subventions

Google News a relayé l’avertissement de SDPB concernant la date limite alors que les entreprises du Dakota du Sud approchaient de l’échéance du 7 août pour leurs projets de formation et d’adoption de l’IA soutenus par l’État.

Cette date est désormais passée. Il ne s’agit plus simplement de déposer un dossier avant l’expiration du délai. L’attention se porte maintenant sur les propositions qui recevront un soutien, la manière dont les employeurs utiliseront les fonds et la capacité du programme à produire des améliorations mesurables au travail.

Le Department of Labor and Regulation du Dakota du Sud proposait trois formes d’aide. Elles couvraient l’exploration des besoins de l’entreprise, la formation pratique à la mise en œuvre et la sensibilisation de base à l’IA. Le programme associait soutien public et participation des employeurs, plutôt que de subventionner des achats de logiciels sans restriction.

Cette conception crée la tension centrale. Le Dakota du Sud encourage les entreprises à adopter l’IA, mais conditionne son aide à une planification structurée et au développement des compétences de la main-d’œuvre. Les employeurs doivent transformer un intérêt général pour l’IA en processus précis, plans de formation et résultats attendus.

La prochaine date importante est le 25 août, lorsque le South Dakota Workforce Development Council doit se réunir. Selon des conseils locaux destinés aux entreprises, le conseil examinera alors les demandes, les décisions d’attribution étant attendues d’ici le 1er septembre.

Le titre initial consacré à la date limite doit donc être actualisé. Google News a contribué à diffuser une alerte locale opportune, mais toute personne la découvrant après le 7 août a besoin d’une réponse différente : la période de candidature est close et la phase d’évaluation a commencé.

La date limite relayée par Google News est passée

Le Dakota du Sud est passé du recrutement de candidats à la sélection des propositions de main-d’œuvre en IA méritant un soutien.

Le Department of Labor and Regulation a indiqué aux entreprises que les candidatures électroniques devaient être soumises au plus tard le vendredi 7 août. Son édition de juin de Employer Connection décrivait une aide concurrentielle destinée aux employeurs engagés dans l’adoption de l’IA et le renforcement des compétences de leur personnel.

Cette date limite est importante, car il ne s’agissait pas d’un avantage ouvert sans échéance. Les entreprises devaient déposer leur demande avant que l’État n’examine leurs propositions. Manquer la date signifiait perdre l’accès à cette campagne de candidature, sauf annonce par le département d’une prolongation ou d’un autre cycle de financement.

Aucun avis officiel vérifié, disponible au 12 août, n’indique que la date limite a été prolongée. Les employeurs ne devraient pas considérer un ancien résultat Google News ou le mot « imminent » dans le titre de SDPB comme la preuve que les candidatures restent ouvertes.

Cette distinction est particulièrement importante pour les lecteurs arrivant depuis les moteurs de recherche. Les titres agrégés peuvent rester visibles après avoir perdu leur utilité pratique. Google News conserve l’accès aux reportages, mais ne réécrit pas le titre d’origine lorsqu’une échéance expire.

Le reportage initial documente toujours une évolution importante. Le Dakota du Sud a créé une voie structurée pour les entreprises souhaitant que leurs employés comprennent et appliquent l’IA. Toutefois, son appel à l’action immédiat a expiré cinq jours avant la date de publication de cet article.

Le programme proposait trois catégories d’aide. Chacune répondait à une étape différente du processus d’adoption.

Artificial Intelligence Business Discovery visait les employeurs n’ayant pas encore identifié le bon cas d’usage. L’État proposait un partage des coûts à parts égales, jusqu’à 5 000 $, pour bénéficier des conseils d’experts sur des opportunités potentiellement intéressantes.

Artificial Intelligence Training Implementation s’adressait aux employeurs qui connaissaient déjà l’usage qu’ils envisageaient. Cette catégorie proposait un partage des coûts à parts égales, jusqu’à 20 000 $, pour mettre en œuvre des outils et offrir une formation pratique aux employés.

Artificial Intelligence Awareness était axée sur l’éducation fondamentale. L’État proposait 1 000 $ par employé pour le temps consacré à une formation de base gratuite, dans la limite d’une subvention de 10 000 $.

Ces catégories pouvaient représenter jusqu’à 35 000 $ si une proposition éligible utilisait avec succès le soutien maximal disponible dans chacune d’elles. L’État a toutefois décrit le processus comme concurrentiel ; aucun employeur n’avait donc la garantie d’obtenir une subvention.

Cette différence distingue le programme d’un simple remboursement. Un employeur ne pouvait pas acheter un outil, envoyer une facture et supposer qu’un remboursement suivrait. Les candidats devaient d’abord expliquer ce qu’ils prévoyaient de faire, puis attendre la décision de l’État.

Des orientations locales publiées après un webinaire sur la main-d’œuvre du 9 juillet ont ajouté un autre détail opérationnel. Les candidats approuvés devaient conclure un accord formel avec le département avant de commencer le travail financé.

Cette séquence protège les deux parties. L’État peut examiner l’utilisation prévue des fonds publics, tandis que les entreprises connaissent le périmètre approuvé avant de s’engager dans un projet.

Elle signifie aussi que les candidats doivent éviter de commencer les travaux sur la seule base de leurs attentes. Les dépenses engagées en dehors d’un accord approuvé pourraient ne pas être éligibles, selon les conditions finales. Les candidats ont besoin des instructions écrites du département, et non d’hypothèses fondées sur un titre ou un résumé de fournisseur.

Pour les entreprises ayant manqué la date limite, la tâche immédiate consiste à documenter leur projet. Elles devraient conserver le cas d’usage, le besoin de main-d’œuvre, la formation proposée, les résultats attendus et les informations sur les fournisseurs qu’elles ont réunis. Ces éléments pourront étayer une future campagne ou un autre programme dédié à la main-d’œuvre.

Elles devraient également contacter directement le Department of Labor and Regulation au sujet de futures opportunités. Une demande de renseignements n’est pas une candidature tardive, mais elle peut manifester l’intérêt de l’entreprise et l’aider à comprendre si une autre période de candidature est prévue.

L’histoire de la date limite est terminée. Celle du programme ne l’est pas.

Le Dakota du Sud finance une séquence, pas seulement un outil d’IA

Les trois catégories du programme considèrent une adoption réussie de l’IA comme une progression allant de l’exploration à la formation et à la préparation de la main-d’œuvre.

La première catégorie reconnaît un problème courant. De nombreux employeurs ressentent une pression pour adopter l’IA sans savoir quel processus mérite leur attention. Acheter un assistant polyvalent ne répond pas à cette question.

L’exploration des besoins de l’entreprise peut aider une organisation à examiner ses flux de travail avant de choisir une technologie. Un fabricant peut étudier la documentation relative à la qualité, tandis qu’une entreprise de services professionnels peut examiner la recherche, la planification ou le reporting interne.

L’objectif n’est pas de tout automatiser. Il s’agit d’identifier une tâche limitée pour laquelle l’IA peut améliorer la rapidité ou la régularité sans créer de risques inacceptables en matière de confidentialité, d’exactitude ou de conformité.

Cette étape de planification est importante, car l’IA générative produit des résultats à partir de motifs présents dans les données, plutôt que des faits garantis. Les employés ont toujours besoin de règles concernant la vérification, les informations sensibles et l’approbation humaine.

La deuxième catégorie fait passer de la planification à la mise en œuvre. Une formation pratique peut relier un outil sélectionné aux documents réels de l’employeur, aux responsabilités et aux procédures de contrôle.

Les démonstrations génériques montrent souvent ce qu’un modèle peut produire dans des conditions idéales. La formation en milieu de travail doit préciser ce que les employés peuvent saisir en toute sécurité, quels résultats doivent être vérifiés et qui reste responsable.

Prenons une équipe administrative souhaitant utiliser l’IA pour résumer des notes de réunion. La formation devrait couvrir le consentement à l’enregistrement, les discussions confidentielles, la vérification des résumés, les politiques de conservation et la destination des actions validées.

Une équipe commerciale présente un profil de risque différent. Les employés peuvent utiliser l’IA pour organiser des informations sur les comptes clients ou rédiger des relances, mais les données clients ne devraient pas être transférées vers un service non approuvé.

Les ingénieurs pourraient utiliser un assistant pour expliquer du code ou rédiger des tests. Leur formation doit tout de même couvrir les licences, la revue de sécurité, l’accès aux dépôts et la possibilité de résultats plausibles mais incorrects.

Il s’agit de questions opérationnelles, et non de débats abstraits sur l’utilité de l’IA. La catégorie de mise en œuvre du programme pousse les employeurs à définir la manière dont les personnes utiliseront cette technologie dans leur travail réel.

La troisième catégorie concerne la sensibilisation. Une formation fondamentale peut donner aux employés un vocabulaire commun avant qu’une organisation n’introduise des procédures détaillées.

Cette base est importante, car l’adoption devient inégale lorsque seuls quelques employés enthousiastes comprennent les outils. Certains travailleurs peuvent utiliser des services non autorisés, tandis que d’autres évitent les outils approuvés parce qu’ils en comprennent mal l’objectif.

La formation de sensibilisation peut expliquer la différence entre l’automatisation traditionnelle et l’IA générative. Elle peut également établir que les textes, images ou analyses générés exigent une vérification.

Le modèle du Dakota du Sud place donc le comportement de la main-d’œuvre au même niveau que les capacités techniques. L’État ne considère pas l’accès aux logiciels comme le résultat final.

Il s’agit d’un choix politique modeste mais utile. Les employeurs mesurent fréquemment l’adoption au nombre de licences distribuées ou de comptes activés. Ces chiffres disent peu de chose sur la capacité d’un outil à améliorer le travail.

Un plan de mise en œuvre plus solide relie la technologie à un problème défini, à des employés formés, à des garde-fous clairs et à un résultat observable. Ce résultat peut concerner le délai de traitement, le taux d’erreurs, la capacité de service ou les heures de travail réorientées vers des tâches à plus forte valeur ajoutée.

Les équipes qui mènent ces projets ont également besoin d’un moyen fiable de conserver les décisions et les éléments probants. Une base de connaissances sur l’IA consultable peut aider les employés à retrouver les orientations approuvées, les analyses précédentes et les documents sources sans s’en remettre à leur mémoire.

Cela ne supprime pas la nécessité d’une gouvernance. Cela donne aux organisations un endroit où conserver le contexte derrière une décision assistée par l’IA.

La structure du programme limite également un schéma d’échec familier. Les employeurs peuvent dépenser beaucoup en logiciels avant d’avoir vérifié que les employés disposent d’un cas d’usage approprié. Le financement de l’exploration les encourage à inverser cet ordre.

Tous les candidats n’ont pas besoin des trois catégories. Une entreprise disposant d’un plan abouti peut se concentrer sur la mise en œuvre, tandis qu’un employeur plus modeste peut commencer par la sensibilisation et l’exploration.

Le point le plus important est que ces catégories forment un parcours cohérent. Elles demandent où l’IA s’intègre, comment les employés l’utiliseront et quelles connaissances ils doivent posséder avant son déploiement.

Le financement public face à la réalité de l’adoption de l’IA au travail

Le principal enjeu oppose l’adoption rapide de l’IA au travail plus lent nécessaire pour rendre cette adoption utile, sûre et mesurable.

Les employeurs subissent une pression marketing persistante pour déployer rapidement l’IA. Les modèles et assistants de travail arrivent plus vite que de nombreuses organisations ne peuvent mettre à jour leurs politiques, former leur personnel ou évaluer les résultats.

Le financement public peut réduire le coût de l’expérimentation. Il ne peut pas éliminer le travail organisationnel qui sous-tend une mise en œuvre réussie.

Le partage des coûts à parts égales du Dakota du Sud dans les catégories d’exploration et de mise en œuvre impose une participation financière des employeurs. Cette exigence donne aux candidats une raison de sélectionner des projets dont ils pensent qu’ils peuvent produire de la valeur.

Elle crée également un obstacle. Les petites entreprises peuvent avoir des difficultés à apporter les ressources correspondantes, à consacrer du temps de travail des employés ou à comparer les fournisseurs tout en poursuivant leurs activités normales.

La catégorie de sensibilisation répond à une partie de ce problème en indemnisant les employeurs pour le temps de formation des employés. Toutefois, une éducation de base ne fournit pas à elle seule un flux de travail prêt pour la production.

Un employé peut comprendre ce que fait l’IA générative tout en ne disposant ni d’un outil approuvé, ni d’un accès aux données adapté, ni d’un processus défini par son responsable. La sensibilisation est un point de départ.

C’est dans cet écart entre la familiarité et l’utilisation efficace que de nombreux projets en milieu de travail s’enlisent. Les employés assistent à une session, testent un chatbot, puis reviennent aux processus existants parce que personne n’a modifié le système qui les entoure.

La mise en œuvre exige une responsabilité claire. Quelqu’un doit définir le problème, sélectionner les données, approuver l’outil, rédiger les règles de fonctionnement, évaluer la qualité des résultats et réagir lorsque le système échoue.

Le processus de candidature de l’État semble conçu pour obliger les employeurs à expliciter au moins une partie de ce plan. Un examen concurrentiel permet de privilégier les propositions présentant des besoins plus clairs et une exécution plus crédible.

Pourtant, l’État n’a pas publié le volume de candidatures, l’enveloppe totale de financement, la répartition des subventions ou les résultats de l’évaluation. Sans ces chiffres, les lecteurs ne peuvent ni évaluer la demande ni déterminer le degré de sélectivité du programme.

Cette incertitude compte. Une subvention maximale théorique ne montre pas ce que recevra un employeur typique. Elle ne révèle pas non plus si la plupart des candidatures portaient sur la découverte, la mise en œuvre ou la sensibilisation.

La réunion du conseil du 25 août council meeting constitue la prochaine étape officielle. Le Workforce Development Council supervise les programmes de formation de la main-d’œuvre financés par la loi fédérale Workforce Innovation and Opportunity Act.

Son calendrier public confirme une session à Pierre à cette date. Il ne fournit pas encore les résultats des candidatures à l’initiative de financement de l’IA.

Des indications destinées aux entreprises locales précisent que le conseil examinera les candidatures et prendra des décisions lors de la réunion. Ces mêmes indications situent les notifications d’attribution avant le 1er septembre.

Ces dates créent une courte période d’évaluation. Les examinateurs doivent comparer des propositions d’entreprises pouvant différer considérablement par leur taille, leur secteur, leur expérience technique et leurs besoins en main-d’œuvre.

Un projet de découverte dans une entreprise rurale ne peut pas être évalué exactement comme un projet de mise en œuvre chez un employeur plus important. Les résultats attendus et les risques diffèrent.

Les meilleures propositions devraient rendre ces différences explicites. Un flux de travail précisément défini, assorti d’un plan de formation crédible, est plus facile à évaluer qu’une promesse générale d’« utiliser l’IA ».

Les examinateurs devraient également distinguer le soutien à la productivité du déplacement de la main-d’œuvre. Une proposition qui aide les employés à trouver des informations ou à réduire la documentation répétitive produit des conséquences différentes d’une proposition conçue principalement pour supprimer des postes.

Cette distinction ne rend pas automatiquement l’augmentation du travail sans risque. Un flux de travail assisté par l’IA peut encore entraîner de la surveillance, une intensification de la charge de travail ou une pression à accepter des résultats peu fiables.

La propre politique d’IA générative de l’État identifie la sécurité, la confidentialité, l’exactitude, la propriété intellectuelle, la culture du travail et la confiance du public comme des risques pertinents pour l’utilisation gouvernementale.

Les entreprises font face à des préoccupations comparables. Les obligations précises varient selon le secteur, le type de données, le contrat et le droit applicable, mais la formation ne devrait pas présenter l’adoption de l’IA comme une mise à niveau logicielle sans risque.

C’est ici que le programme est confronté à son test le plus difficile. Le financement peut lancer des projets, mais de bons résultats dépendent des choix effectués après l’attribution.

Ce que les chiffres du financement ne montrent pas

Les plafonds d’attribution publiés décrivent le soutien disponible, mais ils n’établissent ni la demande, ni l’efficacité, ni l’adoption à long terme.

Les chiffres publics sont simples. Les projets de découverte peuvent recevoir un soutien de contrepartie allant jusqu’à 5 000 $. Les projets de mise en œuvre peuvent recevoir un soutien de contrepartie allant jusqu’à 20 000 $. L’aide à la sensibilisation peut atteindre 10 000 $.

Plusieurs chiffres essentiels restent inconnus. L’État n’a pas indiqué publiquement combien d’entreprises ont candidaté, quels montants elles ont demandés ni combien de subventions il prévoit d’accorder.

Il n’a pas non plus publié de ventilation par secteur. Les lecteurs ne savent pas encore si la demande provenait principalement de l’agriculture, de l’industrie manufacturière, des soins de santé, des services financiers, du commerce de détail ou des cabinets professionnels.

La répartition géographique est une autre question ouverte. Une initiative à l’échelle de l’État devrait montrer si les employeurs ruraux peuvent accéder à une formation et à des services de conseil qualifiés au même titre que les entreprises des grandes collectivités.

L’accès aux prestataires pourrait influencer cette répartition. La Mitchell Area Chamber of Commerce a indiqué qu’aucune liste publique officielle de prestataires n’était disponible, bien que le département puisse fournir des orientations en interne.

Cet arrangement peut offrir de la flexibilité, mais il peut aussi compliquer les comparaisons pour les primo-acheteurs. Les employeurs ont besoin d’un moyen d’évaluer les formateurs sans se fier aux seules affirmations commerciales.

Une proposition utile devrait préciser l’expérience du formateur, les outils concernés, le traitement des données de l’entreprise et la méthode utilisée pour mesurer l’apprentissage des employés.

Elle devrait également définir ce qui se passe après la fin de la formation formelle. Les employés auront besoin de consignes actualisées à mesure que les modèles, les fonctionnalités et les politiques des prestataires évolueront.

La structure de remboursement du programme soulève une autre question pratique. Les indications locales décrivent les subventions comme des remboursements plutôt que comme des versements immédiats.

Cela peut affecter la participation. Un petit employeur peut être admissible en principe, mais ne pas disposer de la trésorerie ou de la capacité administrative nécessaires pour payer les dépenses admissibles avant leur remboursement.

Les candidats doivent lire attentivement leurs accords définitifs. Ils devraient confirmer les coûts admissibles, les exigences de documentation, les dates du projet, les obligations de déclaration et les conditions de paiement.

Ils ne devraient pas se fier au résumé d’un consultant lorsque l’accord de l’État fait foi. Une assistance tierce peut aider à préparer une candidature, mais elle ne garantit ni l’approbation ni le remboursement.

Une autre inconnue concerne la mesure des résultats. Des données de base sur l’achèvement peuvent montrer combien d’employés ont suivi une formation. Elles ne peuvent pas démontrer s’ils ont modifié leur travail ou obtenu de meilleurs résultats.

L’État pourrait demander aux bénéficiaires de communiquer plusieurs niveaux de preuves. Cela pourrait inclure la participation, les compétences démontrées, l’utilisation des flux de travail, le temps gagné, les taux d’erreur, les retours des employés et les incidents.

Chaque indicateur a ses limites. Les gains de temps autodéclarés peuvent être optimistes, tandis que les chiffres d’utilisation peuvent récompenser l’activité plutôt que la valeur.

Une évaluation crédible devrait combiner des mesures quantitatives avec un examen direct. Les responsables peuvent comparer le travail avant et après la mise en œuvre, tandis que les employés peuvent signaler les cas où l’outil ajoute des efforts ou de l’incertitude.

La confidentialité mérite une attention équivalente. Les employeurs devraient éviter d’envoyer des informations commerciales, clients, employés, médicales ou financières confidentielles vers des services qui ne disposent pas des approbations et protections contractuelles appropriées.

L’exactitude demeure également un enjeu central. Les systèmes génératifs peuvent produire des affirmations assurées mais non étayées ou fausses. La formation devrait intégrer la vérification au flux de travail plutôt que d’en faire une étape finale facultative.

Des questions de propriété intellectuelle peuvent se poser lorsque des employés soumettent des documents protégés ou réutilisent des contenus générés. Les employeurs ont besoin de politiques adaptées à leur propre activité et à leurs obligations juridiques.

Les risques de cybersécurité comprennent les prompts malveillants, le code non sécurisé, l’exposition via des services connectés et des autorisations excessives. La formation devrait s’aligner sur les contrôles de sécurité existants plutôt que de créer un processus parallèle.

La culture du travail présente un risque moins technique. Les employés peuvent résister à la formation s’ils pensent que le projet vise à évaluer ou à supprimer leurs emplois.

Une communication claire peut réduire cette incertitude. Les employeurs devraient expliquer le cas d’usage choisi, les limites de l’outil, la manière dont le travail sera examiné et si les responsabilités professionnelles changeront.

Le programme de l’État peut encourager cette planification, mais il ne peut pas la garantir. Les décisions d’attribution révéleront quelles propositions ont été approuvées, et non si leur exécution a réussi.

Des données à plus long terme nécessiteront un suivi. L’État devrait à terme communiquer des résultats agrégés sans exposer d’informations commerciales confidentielles.

Des rapports utiles incluraient les subventions par catégorie, taille d’employeur, zone géographique, secteur, taux d’achèvement et résultats mesurables. Ils devraient également identifier les projets arrêtés prématurément ou ayant changé d’orientation.

Les échecs sont instructifs. Un projet de découverte qui conclut que l’IA ne convient pas à un flux de travail peut encore protéger un employeur d’une erreur plus coûteuse.

Ce résultat ne devrait pas automatiquement être considéré comme un financement gaspillé. Une adoption responsable consiste aussi à déterminer où l’automatisation n’a pas sa place.

Trois signaux à surveiller après l’alerte Google News

Les décisions d’attribution, les garanties des projets et les résultats mesurables détermineront si ce programme devient un modèle utile pour la main-d’œuvre.

Le premier signal est l’action du Workforce Development Council du 25 août. Les candidats ont besoin d’une confirmation que l’examen a eu lieu, des propositions sélectionnées et de tout changement éventuel du calendrier publié.

Le portail des réunions de l’État répertorie la session du 25 août à Pierre. Les ordres du jour, procès-verbaux ou avis du département ultérieurs devraient fournir le compte rendu officiel le plus clair.

Une annonce transparente ferait plus que publier une liste de bénéficiaires. La demande agrégée, les financements demandés, les montants attribués et la répartition par catégorie montreraient comment les employeurs ont abordé cette opportunité.

Si les candidatures favorisent fortement la formation de sensibilisation, les entreprises peuvent encore se trouver au début de leur parcours d’adoption. Une forte demande de mise en œuvre pourrait indiquer que davantage d’employeurs disposent déjà de flux de travail sélectionnés.

Le deuxième signal est la qualité des accords relatifs aux projets financés. Le public ne verra peut-être pas chaque détail confidentiel, mais l’État peut expliquer ses exigences de base.

De solides garanties couvriraient le traitement des données, la supervision humaine, la préparation des employés, la responsabilité des prestataires et des résultats mesurables. Des exigences faibles laisseraient une trop grande part de la valeur du programme dépendre des prestataires individuels.

L’État devrait également préciser si les bénéficiaires peuvent changer d’outils ou de formateurs lorsqu’un projet rencontre des difficultés. Les services d’IA évoluent rapidement ; un accord doit comporter suffisamment de structure pour garantir la responsabilité et suffisamment de flexibilité pour permettre des ajustements pratiques.

Le troisième signal est la preuve après la mise en œuvre. Les chiffres d’achèvement arriveront plus vite que des conclusions fiables sur la productivité, mais l’État devrait prévoir les deux.

La participation aux formations peut répondre à la question de savoir si l’activité financée a eu lieu. Les évaluations de compétences et les revues de flux de travail peuvent montrer si les employés ont appris quelque chose d’applicable.

Les résultats à plus long terme devraient examiner si le processus sélectionné est devenu plus rapide, plus précis ou plus facile à gérer. Ils devraient également consigner les nouvelles erreurs, les préoccupations de sécurité, la résistance des employés et les déploiements abandonnés.

Ces rapports équilibrés ont de l’importance au-delà du Dakota du Sud. D’autres États et organisations régionales de développement de la main-d’œuvre explorent également la manière dont les programmes publics peuvent préparer les employeurs et les travailleurs à un travail assisté par l’IA.

La structure en trois volets du Dakota du Sud offre une approche vérifiable. La découverte peut empêcher des achats prématurés, la mise en œuvre peut relier la formation à de véritables flux de travail et la sensibilisation peut élargir les connaissances de base.

Le modèle paraîtra plus solide si les bénéficiaires progressent à travers ces étapes avec des résultats documentés. Il paraîtra plus faible si le financement produit des ateliers isolés, des comptes inutilisés ou des affirmations de productivité non étayées.

Le titre Google News a saisi l’urgence de la date limite de candidature, mais cette urgence repose désormais sur les examinateurs et les bénéficiaires. Ils doivent transformer une courte fenêtre de financement en projets que les employés peuvent utiliser de manière responsable.

Les entreprises qui ont candidaté devraient surveiller les communications officielles, éviter de commencer des travaux remboursables sans autorisation et préparer les documents exigés par leurs accords. Elles devraient également maintenir l’implication des employés dans la conception des flux de travail.

Les employeurs qui ont manqué la date limite ont encore un travail utile à accomplir. Ils peuvent identifier un processus coûteux ou répétitif, documenter ses performances actuelles, évaluer ses risques et définir ce qu’un projet pilote réussi modifierait.

Ils peuvent également organiser leurs politiques internes et leurs connaissances avant d’acheter davantage de technologie. Cette préparation rend une future demande de subvention plus spécifique et réduit le risque d’adopter un outil sans processus opérationnel viable.

Les lecteurs de Google News devraient considérer l’alerte initiale comme la trace d’une fenêtre de candidature désormais close, et non comme une invitation encore active. La prochaine mise à jour importante viendra de l’examen du 25 août et des notifications d’attribution attendues par la suite.

Le Dakota du Sud publiera-t-il suffisamment d’éléments pour montrer quels projets ont fonctionné, lesquels n’ont pas fonctionné et pourquoi ? La réponse à cette question comptera davantage que le nombre de candidatures déposées avant la date limite.