L’IA en entreprise : trois usages qui rapportent, trois qui font perdre du temps

Le sujet est saturé de promesses, et la plupart des listes d'usages se ressemblent. Ce qui manque n'est pas une liste de plus : c'est un critère de tri applicable à votre situation, y compris à un usage qui n'existe pas encore.

Le voici, en trois conditions. Un usage rentable a une sortie vérifiable, un volume suffisant, et une erreur peu coûteuse. Il faut les trois. Un usage qui n'en réunit que deux produit une démonstration convaincante et un abandon six mois plus tard.

Le critère de tri, condition par condition

Sortie vérifiable. Quelqu'un peut-il dire, en quelques secondes et sans expertise particulière, si le résultat est bon ? Un montant extrait d'une facture se vérifie d'un coup d'œil sur le document. Une prévision de vente à six mois ne se vérifie qu'après six mois — et l'on aura oublié de comparer.

Volume suffisant. La mise en place a un coût fixe : intégration, tests, formation, supervision. Une tâche effectuée trois fois par mois ne l'amortira jamais, même parfaitement automatisée. La question n'est pas « est-ce faisable » mais « combien de fois par semaine ».

Erreur peu coûteuse. Que se passe-t-il quand le résultat est faux — car il le sera parfois ? Si l'erreur est visible et rattrapable, l'usage tient. Si elle part chez un client, dans une déclaration ou dans une décision irréversible, il faut une supervision qui annule le gain.

Trois usages qui rapportent

L'extraction documentaire

Lire des factures fournisseurs, des bons de livraison, des relevés, des contrats, et en sortir des champs structurés. Les trois conditions sont réunies : le résultat se vérifie contre le document d'origine, le volume est quotidien, et une erreur se corrige avant validation.

C'est l'usage le moins spectaculaire et le plus régulièrement rentable. Il remplace une saisie, pas un jugement.

Les réponses de premier niveau

Répondre aux questions dont la réponse existe déjà dans votre documentation : horaires, procédure de retour, état d'une commande, conditions d'un contrat. La condition à respecter est que le système réponde à partir de vos documents et cite sa source, plutôt que de produire une réponse plausible.

Deuxième condition, non négociable : un passage vers un humain, visible et immédiat. Un système qui enferme l'utilisateur dans une boucle coûte plus cher en mécontentement qu'il n'économise en temps.

La rédaction relue

Premières versions de descriptions de produits, de réponses types, de comptes rendus, de traductions de travail. Le gain est réel parce que corriger un texte est plus rapide que partir d'une page blanche.

Il disparaît entièrement si la relecture saute. C'est la seule condition, et elle est plus fragile qu'elle n'en a l'air : au bout de quelques semaines, la tentation de publier directement s'installe, précisément parce que les résultats sont souvent corrects.

Trois usages qui déçoivent

La décision sans supervision

Accorder un crédit, écarter une candidature, refuser une commande, appliquer une sanction. Au-delà du risque réglementaire — plusieurs cadres juridiques encadrent les décisions automatisées ayant un effet significatif sur une personne —, c'est le critère de l'erreur coûteuse qui disqualifie : une décision fausse est difficile à détecter, puisqu'on ne voit jamais ce qui se serait passé autrement.

La publication sans relecture

Alimenter un site ou un fil d'actualité automatiquement. Le volume est là, le coût aussi, mais la sortie n'est vérifiée par personne. Une erreur factuelle publiée sous votre nom coûte davantage que tout le temps économisé, et elle reste indexée.

La prévision sur un historique court

Prévoir la demande, les ruptures, le départ d'un client, à partir de deux ans de données irrégulières. Le résultat sera produit, présenté proprement, et invérifiable avant longtemps. C'est l'usage qui consomme le plus de budget pour le moins de retour constatable.

Vos données : ce qu'il faut vérifier avant de brancher quoi que ce soit

Utiliser un service en ligne signifie envoyer des données à un tiers. Quatre questions à poser au fournisseur, et à obtenir par écrit :

• Où sont traitées les données, et sous quel régime juridique ? Le point est déterminant si vous traitez des données personnelles de résidents européens.
• Sont-elles conservées, et pendant combien de temps ? Une réponse vague est une réponse.
• Servent-elles à l'entraînement des modèles du fournisseur ? La réponse doit figurer au contrat, pas dans une page d'aide susceptible de changer.
• Que se passe-t-il si le service ferme ou change ses conditions ? Un processus métier construit sur un service unique est un processus emprunté.

Pour les données les plus sensibles, des modèles peuvent tourner sur votre propre infrastructure. C'est plus coûteux et souvent moins performant — mais la comparaison n'a de sens qu'une fois la contrainte de confidentialité posée, pas avant.

Combien cela coûte réellement

Trois postes, dont un seul apparaît dans les offres.

La facturation à l'usage est celle qu'on regarde. Elle est prévisible une fois le volume connu, et c'est rarement elle qui pose problème.

L'intégration — relier le système à vos outils, gérer les cas particuliers, traiter les échecs — représente l'essentiel du budget initial. Une démonstration se monte en un après-midi ; un usage en production demande le même travail que n'importe quelle autre fonctionnalité.

La supervision ne disparaît jamais. Quelqu'un doit continuer à contrôler un échantillon, sans quoi une dérive silencieuse s'installe. Ce temps-là doit figurer dans le calcul dès le départ, sinon le gain annoncé est un gain brut.

Un usage qui exige autant de vérification qu'il économise de travail n'est pas un mauvais usage : c'est un usage qui n'est pas encore au bon endroit.

Par où commencer

Un seul cas, choisi parce qu'il satisfait les trois conditions — pas parce qu'il est impressionnant. Mesurez avant : combien de temps la tâche prend aujourd'hui, combien d'erreurs elle produit. Sans cette mesure initiale, vous ne saurez jamais si le résultat est bon, et la discussion se réglera à l'impression.

Refusez le déploiement général en première étape. Il transforme un essai réversible en engagement, avant que quiconque ait vu le comportement du système sur vos cas particuliers — qui sont, comme toujours, la moitié du travail.

Nos pages Intelligence Artificielle & Data et Conseil IT & Transformation Digitale traitent respectivement de la mise en œuvre et du choix des cas. Le critère de tri ci-dessus, lui, s'applique sans nous.