04L'exécution, le chemin discipliné

Le chapitre 03 a nommé la discipline qui sépare les projets qui ont fonctionné des autres. Ce chapitre en fait un modèle opérationnel : six piliers de gouvernance, quatre familles de capacités, une feuille de route par étapes, et une façon de choisir un premier projet qui puisse réussir.

Mis à jour en novembre 2026. Ce chapitre est révisé au fil de l\'évolution des pratiques et de la réglementation.

De la discipline au modèle opérationnel

Savoir ce qu'ont fait les projets réussis ne suffit pas pour savoir le faire. Le chapitre 03 s'est terminé sur six points : un business case étroit, une référence chiffrée, des experts du domaine aux commandes, des humains dans la boucle, une itération mesurée avec un critère d'arrêt, une gouvernance dès le premier jour. La plupart des dirigeants approuvent cette liste. Bien moins d'organisations parviennent à l'appliquer, car l'appliquer demande un modèle opérationnel, et l'approuver ne demande rien.

La liste laisse ouvertes les questions pratiques. Elle dit « gouvernance dès le premier jour » sans dire en quoi consiste la gouvernance. Elle dit « un business case étroit » sans dire quels types de cas méritent d'être traités en premier. Elle dit « itération mesurée » sans dire ce que l'organisation doit savoir faire à la fin de chaque étape. Ce chapitre répond à ces questions aussi concrètement que possible, exemples à l'appui.

Il part d'un principe que l'engouement de ces dernières années a souvent inversé. Chaque cas d'usage a besoin d'une raison d'être qui tienne sans l'IA : un problème qui coûte de l'argent, du temps ou du risque, une référence chiffrée, et un gain attendu qui couvre le coût complet, y compris le coût en volume évoqué au chapitre 02. Trop de programmes sont partis de l'enthousiasme pour la technologie et ont cherché une raison ensuite. Rien dans ce chapitre ne remplace cette raison. Les piliers, les familles et les étapes qui suivent disent comment procéder une fois qu'elle existe.

Il s'agit aussi de construire quelque chose que l'organisation garde. Les licences et les modèles s'achètent, et ils changeront. La capacité à choisir, conduire, mesurer et arrêter des projets d'IA ne s'achète pas, et elle reste quand les fournisseurs changent. Le progrès se mesure donc à ce que l'organisation sait faire avec l'IA, de façon sûre et mesurable, qu'elle ne savait pas faire six mois plus tôt.

Le chapitre compte quatre parties : la gouvernance dont chaque cas d'usage a besoin (six piliers), les grands types de cas d'usage (quatre familles de capacités), les étapes par lesquelles une organisation les aborde (Ramper, Marcher, Courir, Voler), et le choix du premier projet.

Résumé

  • Chaque cas d'usage commence par un business case qui tienne sans l'IA. La gouvernance, les familles et les étapes disent comment procéder une fois cette raison établie.
  • La gouvernance couvre six piliers : la propriété des données, la politique de risque, la cartographie de la conformité, la piste d'audit, la responsabilité humaine et le contrôle de l'IA fantôme. Chacun a une forme minimale au départ et grandit avec l'ambition.
  • La plupart des déploiements relèvent de quatre familles de capacités : assister, retrouver, extraire, agir. Leurs risques sont très différents, et elles fixent l'ordre de la feuille de route.
  • La feuille de route compte quatre étapes, Ramper, Marcher, Courir, Voler, séparées par des jalons aux critères de sortie écrits. L'organisation avance quand les preuves le permettent, cas d'usage par cas d'usage. Voler est facultatif.
  • Le premier projet se choisit sur la rapidité et la clarté avec lesquelles il montrera s'il fonctionne, plutôt que sur sa valeur affichée. Le critère le plus utile : vérifier un résultat doit prendre beaucoup moins de temps que le produire.
  • Rien de tout cela n'exige, pour commencer, un centre d'excellence en IA, un directeur de l'IA ou un budget de transformation. Il faut un responsable nommé, une politique écrite, un premier projet choisi sur ses mérites, et la volonté d'arrêter.

Six piliers de gouvernance

La gouvernance est un mot vaste. En pratique, elle couvre six domaines distincts, qui répondent chacun à une question différente et relèvent le plus souvent de services différents. Une faiblesse fréquente est une gouvernance réduite à un document unique, sans responsable clair, écrit une fois et rarement consulté. Les six piliers supposent que le cas d'usage mérite d'être traité. Savoir s'il le mérite relève du business case, tranché avant qu'aucun d'eux ne s'applique.

  1. Pilier 01 Propriété des données Quelles données peuvent aller dans quel système d'IA, et sous quelle autorité. La classification vient d'abord : public, interne, confidentiel, réglementé. Chaque classe a sa règle, et chaque règle a un responsable qui peut dire oui ou non. Quelqu'un peut-il dire qui autorise une nouvelle source de données pour un cas d'usage d'IA ?
  2. Pilier 02 Politique de risque Les cas d'usage sont classés selon la conséquence d'une erreur, quelle que soit la technologie. Une aide à la rédaction de notes internes et un système qui influence une décision de crédit ou d'embauche ne relèvent pas des mêmes règles. Le niveau de risque détermine la part des cinq autres piliers qui s'applique. Chaque cas d'usage en production a-t-il un niveau de risque, et ce niveau change-t-il ce qui est exigé ?
  3. Pilier 03 Cartographie de la conformité Chaque cas d'usage est relié aux obligations qu'il déclenche : RGPD, règlement européen sur l'IA, règles sectorielles (services financiers, emploi, dispositifs médicaux). Cette cartographie se fait par cas d'usage, quelle que soit la plateforme, car les obligations tiennent à la finalité. Pour le cas d'usage le plus risqué, le service juridique peut-il lister sur une page les obligations qu'il déclenche ?
  4. Pilier 04 Piste d'audit Ce qui est entré, quel modèle et quelle version ont produit ce qui est sorti, qui l'a relu, et ce qui en a été fait. Elle sert à expliquer un résultat à un régulateur, à un tribunal ou à l'organisation elle-même. Pourriez-vous reconstituer une décision précise, prise avec l'aide de l'IA le mois dernier ?
  5. Pilier 05 Responsabilité humaine Une personne nommée répond de chaque résultat produit avec l'IA qui sort de l'équipe, et « le modèle l'a dit » ne peut servir de justification. La responsabilité est attachée à un rôle, qui a l'autorité et le temps de relire. Pour chaque cas d'usage, une personne nommée valide-t-elle, et en a-t-elle le temps ?
  6. Pilier 06 Contrôle de l'IA fantôme Les collaborateurs utilisent déjà l'IA générative, autorisée ou non, et l'interdire fonctionne rarement. Ce qui fonctionne, c'est une solution autorisée assez bonne pour être préférée, avec une visibilité sur les données qui sortent de l'organisation. Savez-vous quels outils d'IA vos équipes ont utilisés la semaine dernière, et avec quelles données ?

Deux de ces piliers méritent plus d'attention qu'ils n'en reçoivent d'habitude.

L'IA fantôme, un vieux problème sous une forme nouvelle

Les organisations ont toujours eu des outils que leur direction informatique ne fournissait pas : les tableurs, macros et petites bases de données que les équipes construisent pour compenser des systèmes absents ou insuffisants. L'IA fantôme suit la même logique et a la même cause. Ce qui change, c'est l'endroit où vont les données. Un tableur reste sur un disque de l'entreprise, alors qu'un contrat, un courriel client, du code source ou un document de conseil d'administration collé dans un assistant personnel sort de l'organisation. Bloquer ces outils sans proposer d'alternative déplace l'usage vers les appareils personnels, où il devient invisible. Les organisations qui s'en sont bien sorties ont traité leur premier assistant autorisé comme une mesure de sécurité autant que comme un projet d'IA : un canal plus sûr pour quelque chose qui allait se produire de toute façon. Comme le tableur non déclaré, l'IA fantôme montre aussi ce que les outils officiels ne fournissent pas.

Les obligations de conformité sont devenues plus pressantes

Introduire un logiciel dans une décision réglementée était déjà encadré : protection des données, réglementations sectorielles dans les services financiers, l'emploi ou les dispositifs médicaux. Le règlement européen sur l'IA ajoute une couche propre à l'IA. Entré en vigueur en août 2024, il s'applique par phases : les pratiques interdites depuis février 2025, les obligations des fournisseurs de modèles à usage général depuis août 2025, et le régime des systèmes à haut risque, que l'Omnibus IA a reporté à décembre 2027 et août 2028 (chapitre 02). La plupart des cas d'usage en entreprise ne seront pas à haut risque au sens du règlement. Certains le seront, notamment dans l'emploi, le crédit, les services essentiels, et tout ce qui constitue ou alimente un produit réglementé comme un dispositif médical. Pour ceux-là, le règlement transforme en obligations explicites ce que la catégorie des dégâts du chapitre 03 avait déjà montré : introduire l'IA dans une décision à portée juridique avant que la gouvernance capable de la porter existe coûte très cher. Des référentiels comme ISO/IEC 42001 et le NIST AI Risk Management Framework donnent aux six piliers une structure reconnue, pour les organisations qui doivent rendre compte à des auditeurs.

Vue ainsi, la gouvernance fait plus que ralentir. C'est elle qui permet à l'organisation d'aborder sans danger des cas d'usage plus précieux, et plus risqués. Quand on ne la voit que comme un frein, on la dote comme un frein : au minimum, tard, et avec des personnes jugées sur leur capacité à dire non.

Quatre familles de capacités

Avant de planifier des étapes, il est utile de classer les cas d'usage selon ce que fait réellement l'IA, car c'est ce qui détermine le risque et le type de supervision humaine nécessaire. La plupart des déploiements documentés depuis 2022 relèvent de l'une de quatre familles. Ce classement est un outil de travail plutôt qu'une norme, et on en trouve de semblables dans la profession. Il est utile parce que chaque famille a son profil de risque, sa forme de supervision humaine et ses prérequis.

Famille Ce qu'elle fait Où se voit la valeur Risque dominant Rôle humain
Assister Rédige, réécrit, résume, traduit, génère du code pour une personne qui garde la main. Productivité individuelle : rédaction, analyse, développement logiciel. Des erreurs non vérifiées passent par une personne qui fait trop confiance au brouillon. Auteur. Relit tout.
Retrouver Répond aux questions à partir des propres documents de l'organisation, avec les sources. Accès aux connaissances : procédures, contrats, documentation technique, support. Des réponses assurées tirées de documents périmés, faux ou non autorisés. Lecteur. Vérifie la source.
Extraire Transforme des entrées non structurées (documents, courriels, formulaires) en données structurées ou en classements. Volume des fonctions support : sinistres, factures, réception, tri, codification. Une erreur systématique silencieuse qui se propage dans les systèmes en aval. Contrôleur. Échantillonne et traite les exceptions.
Agir Planifie et exécute des tâches en plusieurs étapes avec des outils, dans les limites d'une délégation. Des processus de bout en bout aux étapes bien définies et réversibles. Des actions irréversibles, prises à la vitesse de la machine. Superviseur. Fixe les limites, traite les escalades.

Les quatre familles, classées selon la part de la décision qui passe de la personne au système.

Lu de haut en bas, le tableau décrit une progression. Pour assister, une personne lit chaque résultat avant qu'il ne parte. Pour agir, le système fait les choses et une personne examine les exceptions. Chaque ligne éloigne un peu plus la vérification du résultat individuel pour la rapprocher d'une supervision statistique, et exige donc que les six piliers fonctionnent en pratique et pas seulement sur le papier. Cette même progression donne son ordre à la feuille de route : la première étape repose sur assister, les suivantes sur retrouver et extraire, et agir vient en dernier.

Assister : par là que tout le monde commence

La plupart des organisations commencent ici, et elles ont raison. C'est là que l'on apprend à quoi les modèles sont bons et mauvais, que l'IA fantôme trouve une alternative autorisée, et que la politique d'usage se confronte à la réalité. Mais les gains d'assister sont individuels et diffus, et ils apparaissent rarement à eux seuls dans un compte de résultat. Les organisations qui s'arrêtent là finissent souvent parmi les projets qui n'ont rien à montrer, faute d'avoir jamais mesuré au niveau où la valeur devient visible.

Retrouver et extraire : là où les résultats se mesurent le plus facilement

Ces familles s'attachent à un processus précis, une équipe précise, un volume précis. Une référence existe ou peut être construite : temps par document, taux d'erreur, dossiers traités par semaine. Les experts du domaine qui pilotent le processus peuvent juger directement la qualité des résultats. Cela en fait le choix naturel pour un premier projet, et l'endroit où une organisation peut montrer un résultat mesuré plutôt qu'en annoncer un.

Agir : là où la discipline compte le plus

Les systèmes agentiques progressent vite, et certains résultats sont impressionnants, notamment en développement logiciel. C'est aussi là que l'engouement est le plus fort. Gartner a prévu en juin 2025 que plus de 40 % des projets d'IA agentique seront abandonnés d'ici fin 2027, en raison de coûts croissants, d'une valeur métier mal établie ou de contrôles des risques insuffisants. Avant un meilleur modèle, agir demande une organisation qui dispose déjà d'une piste d'audit fiable, de limites d'autorité claires, d'actions réversibles, et de personnes qui savent superviser un processus plutôt que relire un document. Les organisations qui passent à agir avant de maîtriser extraire risquent de rejouer l'histoire de Klarna.

Ramper, Marcher, Courir, Voler

La feuille de route réunit les piliers et les familles. Elle compte quatre étapes, et ce qui compte le plus, ce sont les jalons qui les séparent. Chaque jalon a des critères de sortie écrits, et l'organisation avance quand elle les remplit, quels que soient le calendrier ou les annonces d'un concurrent. Pour rendre les étapes concrètes, les exemples ci-dessous suivent une même entreprise, un distributeur industriel de taille moyenne, à travers les quatre.

Feuille de route Ramper, Marcher, Courir, Voler Quatre étapes ascendantes. Ramper : usage individuel autorisé. Marcher : un processus d'équipe borné. Courir : l'IA intégrée aux processus opérationnels. Voler : action déléguée dans des limites, en pointillés car facultative. Le périmètre, l'autonomie et la charge de gouvernance augmentent de gauche à droite, et chaque étape est séparée par un jalon fondé sur des preuves. Périmètre, autonomie et charge de gouvernance augmentent ÉTAPE 01 Ramper Usage individuel autorisé, politique, formation ÉTAPE 02 Marcher Une équipe, un processus, chaque résultat relu ÉTAPE 03 Courir Intégré au processus, relecture par sondage, plateforme partagée ÉTAPE 04 Voler Action déléguée dans des limites, supervision par exception. Facultatif. Les jalons (cerclés) exigent des preuves
Les quatre étapes. Chaque jalon (marqué) se franchit sur des preuves, au regard de critères de sortie écrits. Voler est en pointillés parce que toutes les organisations, et tous les usages, ne doivent pas y arriver.

Ramper : l'usage individuel autorisé

L'organisation fournit un assistant autorisé, une politique d'usage, une classification des données qui dit ce qui peut y entrer ou non, et une formation de base. Il s'agit de remplacer l'IA fantôme par un canal visible, de diffuser une culture de l'outil dans toute l'organisation, et de recueillir des cas d'usage auprès de ceux qui font le travail. Ramper coûte peu et va vite. Son principal risque est de donner une impression de progrès et de devenir permanent.

Exemple. Les collaborateurs reçoivent un assistant autorisé pour rédiger des courriels, résumer des réunions et traduire des documents fournisseurs, avec une règle : les données clients et les contrats n'y entrent pas. Au bout de trois mois, les rapports d'usage montrent qui l'utilise et pour quoi faire, et l'administration des ventes demande de l'aide pour ses courriels clients. Famille : assister.

Marcher : une équipe, un processus

L'organisation choisit une tâche, dans une équipe, et y met l'IA au travail sous étroite surveillance. La tâche est choisie selon les critères de la section suivante, elle a une référence mesurée, et elle est pilotée par le responsable de cette équipe plutôt que par l'informatique. Une personne relit chaque résultat. Il s'agit de savoir si l'organisation peut faire bouger un vrai chiffre, comme le temps par dossier ou le taux d'erreur. C'est aussi à cette étape que le critère d'arrêt sert pour la première fois, et une organisation qui n'a jamais arrêté un projet à ce stade n'a probablement pas mesuré correctement.

Exemple. Le service client reçoit plusieurs centaines de courriels par semaine sur les dates de livraison et l'état des commandes. L'IA rédige chaque réponse à partir des données de commande et de livraison, et un conseiller relit et corrige chaque brouillon avant envoi. L'équipe compare le temps par courriel et le nombre de corrections avec les trois mois précédents. Famille : retrouver.

Courir : l'intégration aux processus opérationnels

Plusieurs cas d'usage tournent désormais sur une plateforme commune et alimentent les systèmes opérationnels. La relecture passe de chaque résultat à l'échantillonnage, à la surveillance et au traitement des exceptions, ce qui n'est acceptable que parce que la piste d'audit et les indicateurs de qualité existent maintenant. Le portefeuille est piloté : les nouveaux cas d'usage entrent par un circuit défini, les existants sont revus au regard de leurs chiffres, et les plus faibles sont retirés. À ce stade, les six piliers deviennent des routines plutôt que des documents.

Exemple. La même plateforme extrait désormais les données des factures fournisseurs vers la comptabilité et trie les réclamations entrantes par type et par urgence. Les relecteurs contrôlent un échantillon chaque semaine au lieu de chaque élément, et chaque cas d'usage a ses propres indicateurs de qualité. Famille : extraire, avec retrouver.

Voler : l'action déléguée dans des limites

Les systèmes d'IA agissent désormais en plus de produire des résultats, dans des limites d'autorité explicites, avec des personnes qui supervisent le processus plutôt que chaque étape. Voler convient là où les actions sont réversibles, le coût d'une erreur borné, et les résultats faciles à vérifier. Ce n'est pas un signe de maturité. Beaucoup d'organisations bien gérées garderont l'essentiel de leur portefeuille au stade Courir et ne voleront que sur quelques processus étroitement bornés, ce qui est un résultat sain.

Exemple. Quand un camion est en retard, un agent replanifie les livraisons concernées, prévient les clients et consigne ce qu'il a fait, dans des limites fixées par le responsable logistique : il peut décaler une livraison de deux jours au plus mais jamais l'annuler, et tout ce qui dépasse revient à une personne. Famille : agir.

Chaque étape demande plus de gouvernance que la précédente. Le tableau ci-dessous montre ce que chaque pilier exige à chaque étape. Une ligne montre comment un pilier grandit d'étape en étape ; une colonne montre tout ce qui doit être en place avant d'entrer dans une étape. Il sert à rendre concrète la « gouvernance dès le premier jour » : le premier jour, l'organisation a besoin de la colonne Ramper, pas de la colonne Courir, et elle construit la colonne suivante avant d'en avoir besoin. La première ligne rappelle la famille de capacités habituelle de chaque étape.

Pilier Ramper Marcher Courir Voler
Famille habituelle Assister Retrouver ou extraire, dans un processus Retrouver et extraire, dans plusieurs processus Agir, dans des limites
Propriété des données Classification et une règle par classe Un propriétaire nommé approuve les sources de l'usage Catalogue des sources, droits d'accès repris des systèmes sources Droits sur les données action par action
Politique de risque Politique d'usage acceptable Un niveau de risque attribué à l'usage Le niveau de risque fixe les exigences dans tout le portefeuille Limites d'autorité par agent, par action
Cartographie de la conformité Conditions des fournisseurs, bases du RGPD Obligations cartographiées pour l'usage Cartographie à l'entrée, revue à chaque changement Approbation préalable des actions réglementées
Piste d'audit Visibilité sur l'usage Entrées, sorties et relecteur enregistrés Traçabilité du modèle et de la version, indicateurs de qualité Journal complet des actions, rejouable
Responsabilité humaine L'utilisateur répond de ce qu'il envoie Un relecteur nommé pour chaque résultat Un responsable nommé par usage, plan d'échantillonnage Un superviseur nommé, une voie d'escalade, un arrêt d'urgence
Contrôle de l'IA fantôme Outil autorisé, visibilité sur ce qui sort Idem, étendu au processus de l'équipe Procédure d'entrée des nouveaux outils et usages Idem

Gouvernance minimale par étape. Chaque colonne suppose la précédente en place.

Les critères de sortie de chaque jalon découlent du tableau. Ramper s'achève quand l'usage est visible, que l'IA fantôme recule de façon mesurable, et qu'une liste de cas d'usage portés par des personnes qui les veulent est prête. Marcher s'achève quand un cas d'usage a fait bouger son indicateur de référence d'une marge convenue à l'avance, sous relecture, avec une gouvernance de niveau Marcher qui fonctionne en pratique. Un processus passe de Courir à Voler quand les données d'échantillonnage montrent des taux d'erreur assez bas et stables pour justifier une supervision par exception, et que chaque action concernée est réversible ou bornée. Les jalons se franchissent cas d'usage par cas d'usage, pas pour toute l'organisation. Une entreprise peut en être à Courir pour l'extraction des factures et à Ramper pour tout ce qui touche les clients, et c'est souvent souhaitable.

Choisir le premier projet

Le premier projet de l'étape Marcher est la décision la plus lourde de conséquences du programme. Il façonne ce que l'organisation croit possible avec l'IA générative, il forme l'équipe qui conduira les projets suivants, et il renforce ou entame la crédibilité de ceux qui le soutiennent. Il mérite plus de réflexion qu'il n'en reçoit d'habitude.

L'erreur courante est de choisir sur la valeur : le cas d'usage aux économies théoriques les plus fortes, au sponsor le plus visible, à la plus belle histoire pour le conseil. Les cas d'usage à forte valeur tendent à être risqués, transverses, politiquement sensibles et difficiles à mesurer. Ils font de bons deuxièmes ou troisièmes projets. Comme premier projet, ils réunissent tous les facteurs qui ont laissé tant de projets sans résultat. Un premier projet se choisit plutôt sur la rapidité et la clarté avec lesquelles il montrera s'il fonctionne.

De tous les critères, un compte plus que les autres : vérifier un résultat doit prendre beaucoup moins de temps que le produire. Un conseiller clientèle peut vérifier une réponse rédigée en une minute quand l'écrire en prenait huit. Un analyste peut contrôler des clauses de contrat extraites par rapport à la source en quelques minutes quand les trouver prenait une heure. Un développeur peut lancer les tests sur du code généré. Là où la vérification coûte peu, la relecture humaine coûte peu et le gain y résiste. Là où vérifier coûte autant que produire (juger une note stratégique, contrôler une argumentation juridique de bout en bout), le gain disparaît et la tentation de sauter la relecture grandit. C'est ce qui est arrivé à Deloitte.

Cette asymétrie doit être vérifiée, même pour du code. Quand j'ai bâti un produit avec Claude, l'essentiel de mon temps est allé à lire ce qu'il écrivait. Des tests écrits par l'IA ne rendent la vérification peu coûteuse que s'ils détectent les erreurs, et les tests de mutation sur le code lié à la sécurité ont montré lesquelles ils laissaient passer (Claude + BMAD, annexe B). Avant de compter sur une vérification peu coûteuse, il faut s'assurer qu'elle l'est vraiment.

L'ensemble des critères pour un premier projet :

  • La vérification coûte peu. Une personne compétente peut vérifier un résultat en une fraction du temps nécessaire pour le produire.
  • Un responsable qui le veut. Un manager métier qui a demandé de l'aide, plutôt qu'un manager à qui l'on a confié une initiative d'IA.
  • Une référence mesurable en quelques semaines. Temps par élément, taux d'erreur, stock en attente, débit. Idéalement déjà suivie.
  • Assez de volume pour voir un signal. Des dizaines d'éléments par semaine, pas une poignée par trimestre.
  • Des erreurs visibles et bornées. Une erreur est repérée avant d'atteindre un client, un régulateur ou un patient, et coûte peu quand elle se produit.
  • Des données que vous possédez et pouvez utiliser. Dans le cadre des règles de classification, sans nouvelle base légale à trouver.
  • Un résultat en moins de quatre-vingt-dix jours. Assez long pour mesurer quelque chose de réel, assez court pour que le critère d'arrêt reste crédible.
  • Un critère d'arrêt écrit avant le démarrage. Le chiffre en dessous duquel le projet s'arrête, accepté à l'avance par le sponsor.

Et les critères d'exclusion. Un seul suffit pour renvoyer un candidat à plus tard, si séduisant soit-il :

  • Le résultat part directement chez les clients ou dans une décision réglementée sans relecture.
  • Le succès dépend de plusieurs services qui changeraient leur façon de travailler en même temps.
  • Personne ne sait dire en chiffres ce que serait « mieux ».
  • La crédibilité du sponsor dépend de sa réussite, si bien que l'arrêter rencontrera des résistances.
  • Il exige des données qui n'ont jamais été nettoyées, consolidées ni validées juridiquement.

Trois candidats, un choix

Retour chez le distributeur, après l'étape Ramper. Trois candidats sont sur la table. Le comité de direction préfère le premier : un agent conversationnel sur le site web, qui répond à toute question des clients. La responsable de l'administration des ventes a demandé le deuxième : des brouillons de réponse aux courriels sur les livraisons et l'état des commandes, vérifiés par un conseiller avant envoi. La direction générale propose le troisième : une synthèse mensuelle des tendances du marché, rédigée par l'IA pour le conseil d'administration.

Critère A. Agent conversationnel du site B. Brouillons de réponse C. Synthèse mensuelle pour le conseil
La vérification coûte peuNon : les réponses partent sans contrôleOui : une minute pour vérifier, huit pour écrireNon : vérifier revient à refaire l'analyse
Un responsable qui le veutFlou : marketing ou informatiqueOui : elle l'a demandéOui
Référence en quelques semainesNonOui : le temps par courriel est déjà suiviNon
Assez de volumeOuiOui : environ 400 courriels par semaineNon : douze par an
Erreurs visibles et bornéesNon : les erreurs atteignent les clientsOui : le conseiller corrige avant envoiEn partie
Données possédées et utilisablesEn partieOuiOui
Résultat en quatre-vingt-dix joursPeu probableOuiIncertain
VerdictExclu : le résultat atteint les clients sans relecturePremier projetPlus tard, peut-être

Une comparaison illustrative. Les chiffres sont inventés pour l'exemple.

Le candidat B est le moins spectaculaire, et le seul qui remplisse les critères. Avant de démarrer, la responsable note trois chiffres. La référence : neuf minutes par courriel en moyenne sur le dernier trimestre, soit une soixantaine d'heures par semaine pour l'équipe. L'objectif : moins de six minutes par courriel au bout de huit semaines, sans hausse des réclamations clients. Le critère d'arrêt : si le temps n'est pas descendu sous sept minutes au bout de huit semaines, ou si plus d'un brouillon sur vingt contient une erreur factuelle, le projet s'arrête. Quel que soit le résultat, l'organisation saura en deux mois si elle sait choisir un problème, le mesurer, y appliquer l'IA sous gouvernance et prendre une décision claire. L'agent conversationnel pourra venir plus tard, quand l'entreprise aura montré qu'elle sait faire cela et disposera de la gouvernance nécessaire pour mettre des réponses devant ses clients. Il en va de même d'un système de connaissances bâti sur de vastes fonds documentaires, comme celui que décrit Au-delà de la démo, qui demande sa propre préparation avant que quiconque l'utilise.

Un premier projet choisi ainsi paraîtra le plus souvent modeste, et c'est voulu. Une organisation qui y est parvenue une fois peut recommencer à plus grande échelle, alors qu'une deuxième tentative plus ambitieuse ne rattrapera pas une première qui n'a jamais été mesurée.

Ce que cela signifie

Trois conclusions pour le dirigeant qui décide de la suite.

Avancer par étapes

La démarche décrite ici commence par un outil autorisé, une politique et un projet modeste, puis passe à chaque étape suivante sur preuves. Commencer par un grand programme très visible inverse cet ordre, et le chapitre 03 montre où cela mène le plus souvent.

La gouvernance grandit avec la valeur

Chaque pas d'assister vers retrouver, extraire puis agir apporte plus de valeur et plus de risque, et demande donc plus de gouvernance. Si la gouvernance et le déploiement de l'IA sont conduits comme deux programmes séparés, l'un qui pousse et l'autre qui retient, ils seront en conflit permanent. Si la gouvernance de chaque étape est prévue comme une partie de cette étape, les deux avancent ensemble.

Ce qui reste, c'est le savoir-faire

Un projet réussi est un résultat. Une équipe qui sait choisir, mesurer, gouverner et arrêter des projets d'IA produit des résultats de façon répétée, quels que soient le modèle ou le fournisseur du moment.

Voici de nouveau la discipline en six points du chapitre 03, avec désormais sa traduction pratique :

  1. 01Un business case étroit et mesurable : une raison qui tienne sans l'IA, choisie avec les critères du premier projet, avec une vérification moins coûteuse que la production.
  2. 02Une référence chiffrée avant le déploiement : le jalon de Marcher ne se franchit pas sans elle.
  3. 03Des experts du domaine aux commandes : le responsable qui le veut, redevable au titre du pilier 05.
  4. 04Des humains dans la boucle, par conception : auteur, lecteur, relecteur ou superviseur, selon la famille de capacités.
  5. 05Une itération mesurée avec un critère d'arrêt : des jalons franchis sur preuves, cas d'usage par cas d'usage.
  6. 06Une gouvernance dès le premier jour : les six piliers au minimum requis pour l'étape en cours, le niveau suivant construit avant d'en avoir besoin.

Le dernier chapitre traduit tout cela en premières actions : ce qu'un dirigeant peut faire dans les semaines qui viennent.

À retenir

  • Chaque cas d'usage commence par un business case qui tienne sans l'IA. Les piliers, les familles et les étapes disent comment procéder une fois cette raison établie.
  • La gouvernance couvre six piliers : propriété des données, politique de risque, cartographie de la conformité, piste d'audit, responsabilité humaine et contrôle de l'IA fantôme. Chacun a besoin d'un responsable et d'une forme minimale dès le départ.
  • L'IA fantôme est la version IA d'un vieux problème, le tableur non déclaré. Un outil autorisé que les gens préfèrent est le contrôle le plus efficace.
  • Les cas d'usage relèvent de quatre familles de capacités : assister, retrouver, extraire, agir. Les résultats se mesurent le plus facilement pour retrouver et extraire. Agir demande le plus de gouvernance et doit venir en dernier.
  • La feuille de route va de Ramper à Marcher, Courir et Voler. Les jalons se franchissent sur preuves, cas d'usage par cas d'usage, et Voler est facultatif.
  • Choisissez le premier projet sur la rapidité avec laquelle il montrera s'il fonctionne, plutôt que sur sa valeur affichée. Le critère le plus utile : vérifier un résultat doit prendre beaucoup moins de temps que le produire.
  • Ce qui reste, c'est une organisation capable de choisir, mesurer, gouverner et arrêter des projets d'IA à mesure que la technologie change.