Bien utiliser l'IA : 7 définitions

1. Gagner du temps, à condition de le mesurer. « On veut gagner du temps. » C’est la première réponse quand je demande l’objectif d’un projet IA. Je pose alors deux questions : sur quelle tâche, et combien elle prend aujourd’hui. Il est rare que quelqu’un ait la réponse, et c’est pourtant la seule base qui permettra, plus tard, d’établir le moindre gain.

Pour autant, le temps qu’on gagne en confiant du travail à la machine est du temps qu’on ne passe plus à pratiquer les tâches qui font le métier.

2. Choisir ce que vos équipes ne doivent pas déléguer. Des gastro-entérologues habitués à travailler avec une IA voient leur taux de détection baisser dès qu’on éteint l’outil ; c’est ce qu’a mesuré une étude du Lancet Gastroenterology & Hepatology. « L’humain dans la boucle » ne protège de rien s’il valide sans plus jamais pratiquer. La compétence se perd car on la croit figée une bonne fois pour toutes dans une fiche process. Or ce qui part en premier, c’est le jugement, et le jugement ne se documente pas.

Pendant qu’une compétence s’efface, d’autres apparaissent chez les mêmes équipes : vos experts métier savent maintenant construire eux-mêmes.

3. Laisser vos experts construire sans supervision. En formation, je vois des responsables métier assembler en deux jours les outils qu’ils réclamaient à leur DSI depuis un an : un tableau de bord des résiliations, un agent qui rédige les briefs SEO. Aucun n’a écrit une ligne de code. Ce qui leur manquait tenait en un mot : l’autorisation. Personne ne la leur avait donnée, et personne ne s’était demandé qui devait la donner, jusqu’où, avec quelles données.

Faute de ce cadre, chacun construit dans son coin, et une collection d’outils personnels ne fait pas un système.

4. Transformer les initiatives individuelles en actif de l’entreprise. Chaque fois que j’ai vu une entreprise ouvrir les outils à tout le monde sans méthode, le même verdict est tombé quelques mois plus tard : « On ne voit pas le ROI ». Pourtant, en cherchant bien, on trouve toujours quelques personnes qui ont mis au point quelque chose qui marche vraiment.

Ces trouvailles améliorent le travail tel qu’il existe. Elles ne touchent pas à la façon dont il a été organisé, bien avant l’IA.

5. Repenser le métier, pas automatiser les tâches. En atelier métier, on a tendance à lister des tâches à automatiser. C’est la mauvaise entrée, celle qui ne produit que des gains marginaux. Je demande alors ce que serait cette équipe si on la créait aujourd’hui, avec l’IA disponible dès le premier jour : la même taille, les mêmes rôles, les mêmes process ? L’équipe se redessine autour de l’outil, et la croissance n’est plus une question d’effectifs.

Mais une organisation redessinée produit plus vite que ses dirigeants ne décident : le goulot remonte au comité de direction.

6. Décider au rythme de la production. Les équipes livrent en quelques jours. Les arbitrages, eux, mettent des mois à tomber, et l’IA ne fait qu’allonger la file d’attente devant votre bureau. Quand je cherche quels risques sont pré-acceptés, quels seuils déclenchent un go sans réunion, personne dans la salle ne peut me le dire, et tout continue de remonter jusqu’à vous. Le blocage n’a jamais été technique.

Une erreur de machine, elle, ne ressemble pas à une erreur : elle est bien écrite, elle est sûre d’elle, et elle passe.

7. Ne jamais faire payer la vitesse avec la confiance. « On mettra une mention en bas de page. » C’est souvent tout ce qui est prévu pour qu’un client sache qu’il parle à une machine. Un contenu généré, quelqu’un doit le relire et l’assumer ; un agent en contact avec vos clients doit s’annoncer pour ce qu’il est. Appelez ça de l’éthique si vous voulez ; moi j’y vois un actif. Un seul agent qui hallucine en public coûte plus cher que tout le temps gagné plus haut.

On sait chiffrer le temps qu’on gagne. Personne ne sait chiffrer la confiance qu’on perd, alors elle ne pèse dans aucun arbitrage.