La plupart des projets d'IA échouent non pas techniquement, mais parce qu'ils commencent au mauvais endroit : trop gros, trop visible, ou sur une tâche que personne ne trouvait pénible.
Choisir la tâche, pas la technologie
Ne partez pas de « il nous faudrait un chatbot ». Partez de ce que vos équipes font encore à la main et qui les agace : ressaisir des informations d'un document dans un logiciel, répondre pour la centième fois à la même question, retrouver une procédure dans un dossier partagé, rédiger le même type de compte rendu. La bonne première tâche est répétitive, chronophage, et son résultat se vérifie d'un coup d'oeil.
Trois critères pour un premier cas d'usage
Il doit être fréquent, sinon le gain reste théorique. Il doit être vérifiable, c'est-à-dire qu'une personne doit pouvoir juger en quelques secondes si le résultat est bon - c'est ce qui rend l'erreur inoffensive pendant la période de rodage. Et il ne doit engager personne à l'extérieur au départ : commencez à l'intérieur, pas sur ce que vos clients verront en premier.
Ce qu'il ne faut surtout pas faire en premier
Automatiser une décision. Un système qui prépare, propose et attend une validation est utile dès le premier jour et sans risque. Un système qui décide seul demande une confiance qu'on n'a pas encore, une supervision qu'on n'a pas encore construite, et il fait basculer certains usages dans un régime réglementaire lourd. On ouvre les droits d'écriture plus tard, un par un, quand la mesure le justifie.
Le rôle de la documentation
C'est le travail préparatoire dont personne ne parle et qui décide de tout. Si vos procédures sont à jour, un assistant qui répond à partir d'elles fonctionne rapidement. Si elles sont éparpillées, contradictoires ou vieilles de trois ans, aucune technologie ne rattrapera cela - et l'exercice de mise à plat aura, lui, de la valeur même si le projet d'IA s'arrête là.
Un calendrier réaliste
Comptez quelques semaines entre le cadrage et un premier usage en service, pas six mois - mais pas non plus une semaine. L'important n'est pas la vitesse : c'est de mesurer avant de généraliser. Un cas d'usage en production, mesuré pendant un mois, vous apprendra plus sur ce que l'IA peut faire chez vous que n'importe quelle démonstration.
À retenir
- Partir d'une tâche pénible, pas d'une technologie
- Un bon premier cas est fréquent, vérifiable d'un coup d'oeil, et interne
- Ne jamais automatiser une décision en premier : préparer et proposer suffit
- L'état de votre documentation pèse plus que le choix du modèle
- Mesurer un cas en production avant de généraliser