Les projets IA qui dorment ont tous commencé pareil
On voit une démonstration convaincante, on achète la solution, et on cherche ensuite où la brancher. Six mois plus tard, l'outil dort. La logique inverse fonctionne mieux : partir d'un problème mesuré qui coûte de l'argent, puis vérifier si l'intelligence artificielle y répond mieux qu'une solution simple.
L'intelligence artificielle n'est pas une baguette magique. C'est un outil de plus dans la boîte, puissant quand on l'a pointé sur le bon problème, décevant quand on l'a acheté avant de savoir lequel.
Pourquoi partir de l'outil ne marche pas
Le scénario est toujours le même, et il n'a rien à voir avec la qualité de la technologie.
Une démonstration est convaincante parce qu'elle a été construite pour l'être, sur un cas idéal et des données propres. L'achat se décide sur cette impression. Ensuite commence la recherche du terrain d'application, et c'est là que ça coince : les données réelles sont ailleurs, dans un autre format, incomplètes, et le processus visé n'a jamais été décrit précisément.
Le résultat n'est pas un échec bruyant. C'est un outil qui reste installé, utilisé par deux personnes, et dont plus personne ne parle. Comme aucun critère de réussite n'avait été défini au départ, il n'y a même pas de moment où l'on peut dire que ça n'a pas marché.
Le test qui révèle tout : demandez à quoi on saura, dans six mois, que le projet a réussi. Si la réponse tient en un chiffre et une date, le projet est cadré. Si elle tient en adjectifs, il ne l'est pas.
La logique inverse, et c'est du Lean tout bête
Elle tient en quatre étapes, et aucune n'est technique.
- Partir d'un problème qui coûte de l'argent, et le chiffrer. Pas « on perd du temps », mais « cette ressaisie prend dix minutes, trente fois par jour ». Le chiffrage est ce qui rend l'arbitrage possible.
- Vérifier que le problème vaut la peine. Fréquence multipliée par temps unitaire. C'est ce produit qui classe, pas la gêne ressentie.
- Comparer l'IA à la solution la plus simple qui pourrait marcher. Souvent l'IA gagne, parfois non, et c'est très bien de le dire.
- Définir le critère de réussite avant de commencer. Un chiffre, une date, et le seuil au-delà duquel on arrête.
Ce qui relève vraiment de l'IA, et ce qui n'en relève pas
La frontière est plus nette qu'on ne le croit, et beaucoup de gains attribués à l'intelligence artificielle relèvent en réalité d'autre chose.
- Une règle explicite se code sans IA. Si telle condition, alors telle action. C'est de l'automatisation classique, plus simple, moins chère et surtout plus prévisible.
- Un formulaire mal conçu ne se rattrape pas avec de l'IA. Si l'information est mal saisie à la source, la corriger en aval coûte toujours plus cher que de corriger la saisie.
- L'IA se justifie quand la règle n'est pas exprimable simplement. Lire un document dont la mise en page varie, classer du texte libre, rapprocher des désignations qui ne sont jamais écrites pareil.
Dire à un dirigeant que son problème se règle avec un formulaire mieux fait plutôt qu'avec de l'IA n'est pas une position confortable. C'est pourtant souvent la bonne réponse, et c'est ce qui distingue un conseil d'une vente.
L'erreur d'ordre la plus coûteuse
Automatiser un processus avant de l'avoir simplifié. C'est la façon la plus efficace de figer une complexité inutile, et de la rendre bien plus difficile à corriger ensuite.
Un processus qui comporte quatre validations dont deux ne servent plus depuis des années deviendra, une fois automatisé, un processus à quatre validations que plus personne n'osera toucher parce que « c'est dans l'outil ». Simplifiez d'abord, automatisez ce qui reste. C'est l'ordre le moins spectaculaire et le plus rentable.
Le premier cas d'usage a deux fonctions
Produire un gain, évidemment. Mais surtout apprendre comment votre entreprise réagit à ce type de projet : qui s'en empare, qui résiste, combien de temps il faut pour obtenir une donnée, et ce qui bloque réellement.
C'est pour ça qu'un premier cas d'usage doit être mesurable en quelques semaines et sans conséquence irréversible en cas d'échec. Choisir d'emblée le chantier le plus ambitieux revient à faire cet apprentissage sur le sujet le plus exposé, devant les gens les plus attentifs.
Si vous ne savez pas par où commencer, le diagnostic de potentiel IA passe dix questions et classe vos activités selon leur éligibilité réelle. Il ne vend rien, il trie.
Questions fréquentes
Pourquoi tant de projets IA finissent-ils inutilisés ?
Parce qu'ils partent de l'outil. On voit une démonstration convaincante, on achète, et on cherche ensuite où la brancher. Le problème auquel la solution répond n'a jamais été formulé ni chiffré, donc personne ne peut dire si elle marche. Sans critère de réussite défini au départ, un outil ne se juge pas, il s'oublie.
Comment savoir si l'IA est la bonne réponse à mon problème ?
Comparez-la à la solution la plus simple qui pourrait marcher. Beaucoup de gains attribués à l'IA relèvent en réalité d'une automatisation classique, d'un formulaire mieux conçu ou d'une règle explicite. L'IA se justifie quand la règle n'est pas exprimable simplement, par exemple lire un document dont la mise en page varie ou classer du texte libre.
Quel budget prévoir pour un premier cas d'usage ?
La bonne question n'est pas le budget mais le seuil de renoncement. Fixez avant de commencer le montant et le délai au-delà desquels vous arrêtez, ainsi que le résultat qui vous ferait dire que ça marche. Un premier cas d'usage dont l'échec ne coûte rien d'irréversible apprend autant qu'une réussite, à condition d'avoir prévu comment le juger.
Faut-il un service informatique pour se lancer ?
Non pour un premier cas d'usage, à condition qu'il porte sur des données que l'entreprise possède déjà et qu'il ne touche à aucun système critique. Ce qui manque le plus souvent n'est pas la compétence technique mais la formulation du problème et la disponibilité de quelqu'un pour juger le résultat.
Faut-il automatiser un processus avant de l'avoir simplifié ?
Non. Automatiser un processus compliqué revient à figer sa complexité et à la rendre plus difficile à corriger ensuite. Simplifiez d'abord, en supprimant les étapes qui n'apportent rien, puis automatisez ce qui reste. C'est l'ordre le moins spectaculaire et le plus rentable.
Ce que je ferais en premier
Prenez une semaine, et notez chaque fois que quelqu'un ressaisit une information qui existe déjà ailleurs. Ne cherchez pas à corriger, juste à compter. À la fin de la semaine, multipliez par quarante-cinq semaines.
Ce chiffre est votre premier cas d'usage, et il ne demande aucune démonstration commerciale pour être crédible. Il est à vous, il est mesuré, et il désigne le problème avant l'outil.