Les projets d'IA qui échouent commencent par la question "comment utiliser l'IA ?". Ceux qui réussissent commencent par une tâche répétitive, pénible et coûteuse, puis demandent si elle peut être automatisée.
Cas 1 : les questions qui reviennent tous les jours
Si votre équipe répond aux mêmes questions chaque jour, un assistant construit sur vos propres documents en absorbe une grande partie. Deux conditions : qu'il s'appuie sur votre contenu et non sur des connaissances générales, et qu'il transfère à un humain en cas de doute au lieu d'inventer.
Cas 2 : le traitement de documents
Factures, bons de commande, bordereaux. L'extraction et la saisie sont un travail purement manuel, automatisable avec une bonne précision. Le retour se calcule facilement : nombre de documents par mois multiplié par le temps unitaire.
Cas 3 : les rapports que personne ne lit
Le rapport mensuel compilé à la main depuis quatre sources peut être généré automatiquement. Surtout, la synthèse en tête de document, celle que le dirigeant lit réellement, peut être rédigée automatiquement au lieu d'un tableau que personne n'ouvre.
Où l'argent se perd
- Un agent conversationnel générique qui ne connaît rien à vos produits.
- De la production de contenu en masse sans relecture : publié, jamais lu, jamais classé.
- Un projet qui commence par l'achat d'une plateforme avant d'avoir défini la tâche.
- L'automatisation d'un processus déjà cassé. L'automatisation accélère le défaut, elle ne le corrige pas.
La méthode
- Choisir une tâche répétitive dont on peut mesurer le temps aujourd'hui.
- Mesurer l'existant : combien de fois par mois, combien de minutes.
- Construire la plus petite version qui fonctionne et la faire tourner en parallèle du manuel.
- Comparer précision et temps, puis décider d'étendre ou d'arrêter.
La question des données
Avant d'envoyer quoi que ce soit à un service externe, sachez où les données sont stockées et si elles servent à l'entraînement. Pour des données clients ou financières, exigez des garanties d'hébergement dans l'Union européenne. C'est une question contractuelle avant d'être technique, et le RGPD s'applique pleinement.
Questions fréquentes
Faut-il un data scientist ?
Pour ces trois cas, non. L'essentiel du travail est de l'intégration et du test, pas de la modélisation.
Combien coûte un premier projet ?
Moins que ce que l'on imagine, parce que le coût est dans le raccordement et la validation, pas dans le modèle. Commencez petit et mesurez avant d'étendre.
