Le projet commence bien avant le choix d’un fournisseur.

Série « Comprendre l’IA », note 6 sur 12. Les cinq premières expliquaient la technologie. À partir d’ici, la série parle de votre entreprise : comment on l’intègre, ce que cela coûte, pourquoi cela échoue, ce que la loi exige et ce que les personnes qui dirigent doivent savoir.

Vendredi, midi, une clinique privée avec trois sites dans le canton de Vaud. En janvier, le responsable informatique a acheté des licences d’un assistant d’IA pour les soixante personnes de l’administration. Il y a eu une séance de formation d’une heure. Nous sommes en octobre : quatre personnes l’utilisent, dont deux pour rédiger des courriels en allemand. Le directeur général conclut en comité de direction que « l’IA n’a pas marché chez nous » et range le budget de l’an prochain. Pendant ce temps, à l’accueil, une assistante administrative colle chaque jour des rapports de patients dans un compte gratuit d’un autre assistant, depuis son téléphone, pour les résumer plus vite.

La scène est imaginaire. Ses deux moitiés se produisent dans des entreprises réelles, et souvent dans la même. La première moitié, c’est ce qui arrive quand on achète l’outil avant de choisir le processus. La seconde, c’est ce qui arrive quand on ne choisit rien : les gens choisissent seuls. Cette note est l’ordre que je suis pour qu’aucune des deux n’arrive. Il y a neuf étapes. Les trois premières ne coûtent pas d’argent, et ce sont celles que presque tout le monde saute.

L’IA ne s’implante pas. On implante un processus, et l’IA en est une pièce. Là où il n’y a pas de processus, il y a des licences inutilisées.

Étape 1. Un processus, pas un outil.

Tout part de la carte de la note 4. Parmi les quarante-deux propositions, on en choisit une, et on la choisit avec trois critères : elle se répète souvent, l’erreur se détecte et le résultat se mesure en heures ou en argent. Les factures fournisseurs remplissent les trois. « Améliorer la communication interne » n’en remplit aucun. Un processus avec un nom, avec un responsable qui le subit et avec un chiffre qui est mauvais aujourd’hui. Voilà un projet. Tout le reste est une licence.

Il y a un chiffre qu’il vaut la peine d’avoir sous les yeux au moment de choisir. En août 2025, un rapport du projet NANDA du MIT, fondé sur 150 entretiens avec des dirigeants, 350 enquêtes auprès d’employés et l’analyse de 300 déploiements publics, concluait que 95 % des pilotes d’IA générative en entreprise n’avaient produit aucun impact mesurable sur le compte de résultat. Le même rapport observait deux choses qui expliquent une partie de ce chiffre : les budgets allaient surtout à la vente et au marketing, alors que les retours les plus nets apparaissaient dans le back-office, l’administration et les opérations ; et les outils achetés à des fournisseurs spécialisés arrivaient en production environ deux fois plus souvent que ceux construits en interne à partir de zéro, autour de deux sur trois contre un sur trois. Ce sont des chiffres d’un rapport, pas d’une expérience contrôlée, mais ils correspondent à ce que je vois : le processus ennuyeux et bien délimité est celui qui finit par fonctionner.

Étape 2. Regardez vos données avant que le modèle ne le fasse.

Le modèle va lire vos documents, et il va répondre à partir d’eux. Si les documents sont anciens, contradictoires ou dans sept formats différents, le système sera rapide et faux. En septembre 2017, la Harvard Business Review publiait une étude dans laquelle 75 cadres d’entreprises différentes examinaient un échantillon des données avec lesquelles ils travaillaient chaque jour : seuls 3 % des jeux de données atteignaient des standards de qualité de base, et près de la moitié des nouveaux enregistrements comportaient au moins une erreur critique. C’était avant l’IA générative. L’IA générative ne corrige pas cela : elle l’amplifie, parce qu’elle écrit avec la même aisance à partir d’une donnée juste que d’une donnée fausse.

Le travail de cette étape est modeste et décisif. Réunir les documents dont le processus a besoin, décider quelle est la bonne version de chacun, leur donner une date et un propriétaire, et retirer le reste. Pour les factures : la liste propre des fournisseurs, les conditions de paiement en vigueur, les commandes ouvertes. C’est l’archive dont je parlais dans la note 5. Sans elle, l’archiviste remonte au bureau ce qu’il trouve.

Étape 3. Les cinquante cas de référence.

Avant de voir une seule démonstration, on réunit cinquante cas réels du processus, avec la bonne réponse à côté de chacun : cinquante factures avec la façon dont elles ont été comptabilisées, cinquante courriels avec leur classement et la réponse donnée, cinquante appels avec leur résumé approuvé. Ce sont les personnes qui font le travail qui les choisissent, et elles y mettent exprès les cas bizarres : la facture en italien, le courriel qui mélange deux commandes, le client qui écrit sans ponctuation.

Ce jeu est la pièce la plus précieuse du projet, et il le restera quand le projet sera terminé. Il sert à comparer deux fournisseurs avec la même règle, à décider si le système est prêt, à vérifier qu’il n’a pas régressé quand la version du modèle change et à discuter avec des chiffres plutôt qu’avec des impressions. Si une entreprise ne devait faire qu’une seule chose de cette note, ce serait celle-ci. Elle ne coûte qu’un après-midi des bonnes personnes.

Étape 4. La chose la plus simple qui résout le cas.

Le processus choisi, les documents propres et les cinquante cas en main, on décide quoi construire ou acheter, et la règle de la note 5 s’applique : un modèle augmenté, avec récupération et une ou deux permissions, dans un flux de travail en peu d’étapes. Pas d’agents tant qu’un flux de travail n’a pas prouvé qu’il ne suffisait pas. On le construit en semaines, pas en mois, et on le teste contre les cinquante cas avant de le montrer à qui que ce soit. Le premier chiffre que la direction devrait voir n’est pas une démonstration : c’est « il en réussit 46 sur 50, et voici les quatre qu’il rate ».

Étape 5. Le mode ombre.

Voici l’étape qui sauve le plus de projets. Pendant deux à quatre semaines, le système travaille à côté des personnes mais n’agit pas : il classe, extrait, propose, et tout est consigné à côté de ce que les personnes ont réellement fait. Rien ne sort, rien n’est comptabilisé, aucun client ne reçoit quoi que ce soit. À la fin, on compare les deux colonnes, cas par cas.

Le mode ombre apprend trois choses qu’aucune démonstration n’apprend : comment le système échoue avec le flux réel, combien de cas sur cent ont besoin d’une personne et si l’équipe fait confiance aux propositions ou les corrige par réflexe. Et il règle, au passage, l’objection de la responsable qualité de la note 4 : « et qui vérifie ce qu’elle fait ? ». Pendant l’ombre, tout le monde.

Étape 6. Allumer avec un contrôle proportionnel au risque.

Au passage en production, on n’allume pas tout. On allume par paliers, selon le risque d’erreur. Pour les factures : celles qui correspondent à la commande et restent sous un certain montant sont comptabilisées avec un contrôle par échantillon ; celles qui ne correspondent pas vont à une personne avec la proposition du système sous les yeux ; celles d’un nouveau fournisseur vont toujours à une personne. La règle est celle de la note 2 : la vérification est proportionnelle à ce que coûte une erreur, et là où elle coûte, quelqu’un qui a un nom signe.

Étape 7. Mesurer chaque semaine ce qui a été mesuré le premier jour.

Le chiffre qui était mauvais à l’étape 1 se mesure maintenant chaque semaine : heures, jours d’encaissement, erreurs, cas transmis à des personnes. Et on refait passer les cinquante cas de référence chaque fois que quelque chose change : le fournisseur du modèle publie une nouvelle version, on ajoute un document, on touche à une étape. Les fournisseurs retirent assez régulièrement des versions de leurs modèles ; Anthropic, par exemple, documente un cycle de vie pour ses modèles et s’engage à prévenir au moins soixante jours avant d’en retirer un. Soixante jours, c’est largement le temps de refaire passer les cinquante cas. Si personne ne les fait passer, le système change de comportement une nuit et personne ne le sait jusqu’à ce qu’un client le dise.

Étape 8. Former les personnes qui l’utilisent, parce que c’est aussi obligatoire.

La séance d’une heure de la clinique n’était pas une formation : c’était une présentation. Former, c’est apprendre à chaque personne ce que le système fait, ce qu’il ne fait pas, comment il échoue et ce qu’elle doit vérifier avant d’accepter une proposition. Ce sont le centaure et le cyborg de la note 4, ramenés au poste concret. Et dans l’Union européenne, depuis le 2 février 2025, c’est aussi une obligation légale : l’article 4 du règlement sur l’intelligence artificielle exige de ceux qui utilisent des systèmes d’IA dans leur activité qu’ils assurent à leur personnel un niveau suffisant de maîtrise de l’IA, en tenant compte de sa formation et du contexte dans lequel les systèmes seront utilisés. Il ne fixe ni nombre d’heures ni certificat. Il fixe une responsabilité. Je développe cela dans la note sur la loi et les données.

Étape 9. Donner un cadre à ce qui se passe déjà.

Retour à l’assistante de l’accueil. Son cas n’est pas une infraction isolée ; c’est la norme. L’enquête de Microsoft et LinkedIn de mai 2024 que je citais dans la note 4 a constaté que 78 % des personnes qui utilisaient l’IA au travail le faisaient avec leurs propres outils, et que 52 % hésitaient à l’admettre par peur de paraître remplaçables. La réponse n’est pas d’interdire, ce qui ne fait que cacher l’usage. C’est de fournir un outil d’entreprise, avec les données protégées, une règle de deux lignes sur ce qu’on ne colle jamais et un endroit pour proposer de nouveaux usages. Les meilleures propositions pour le deuxième processus viennent généralement de là.

Acheter ou construire.

La question apparaît à l’étape 4 et mérite son propre paragraphe. Acheter un outil conçu pour un usage précis, factures, service client, transcription, est en général plus rapide et, d’après le rapport du MIT que je citais, arrive plus souvent en production. Construire sur mesure a du sens quand le processus est le cœur de ce qui vous distingue, quand il n’existe pas d’outil pour votre cas ou quand les données ne peuvent pas sortir. En pratique, presque tout est un mélange : le modèle s’achète auprès d’un grand fournisseur, un outil prêt à l’emploi sert pour la partie standard, et la connexion avec vos systèmes et vos règles se construit sur mesure. Ce qui ne paie pas, c’est construire ce qui existe déjà ou acheter ce qui ne convient pas. Et dans les deux cas, les cinquante cas de référence sont à vous.

Une étude financée par Microsoft et menée par IDC en novembre 2024 auprès de plus de 4 000 dirigeants donnait des chiffres aimables : les entreprises mettaient moins de huit mois à déployer et environ treize à voir de la valeur, avec un retour déclaré de 3,70 dollars par dollar. Je la cite parce qu’elle est beaucoup citée, et avec un avertissement : un fournisseur l’a commandée et elle mesure ce que disent les dirigeants, pas ce que montrent les comptes. Mettez-la à côté des 95 % du MIT et tirez votre propre conclusion : le retour existe, et il ne vient pas de l’achat, mais des neuf étapes.

1. Cette semaine

   Choisir un processus avec les trois critères

   Répété, avec une erreur détectable et avec un chiffre qui est mauvais aujourd’hui. Notez le chiffre.

2. Cette semaine

   Réunir les documents et décider quelle version est la bonne

   Une date et un propriétaire sur chacun. Retirer le reste.

3. Un après-midi

   Constituer les cinquante cas de référence

   Avec les personnes qui font le travail, cas bizarres compris. Conservez-les comme l’actif qu’ils sont.

4. Avant toute démonstration

   Exiger de voir le système face à vos cinquante cas

   Le nombre de réussites et les échecs un par un. C’est la seule démonstration qui compte.

5. Deux à quatre semaines

   Mode ombre

   Le système propose, les personnes font, on compare les deux colonnes. Rien ne sort.

6. À l’allumage

   Des paliers selon le risque et un chiffre hebdomadaire

   Le sûr par échantillon, le douteux avec une personne, le nouveau toujours avec une personne. Et les cinquante cas à chaque changement.

Comment je l’aborde.

Mon Analyse d'automatisation, c’est en substance les étapes 1 à 3 faites avec le client en une semaine : le processus choisi avec ses chiffres, l’inventaire des documents et les cinquante cas. Avec cela, le rapport dit quoi construire, quoi acheter et ce que cela coûte, à prix fermes. Ensuite, mode ombre toujours, et rien ne s’allume sans contrôle par paliers. Ce n’est pas une prudence excessive. C’est la différence entre les 95 % et les 5 % restants.

Une question pour la prochaine réunion de direction, avant de parler de fournisseurs : qui, dans votre entreprise, pourrait écrire aujourd’hui les cinquante cas de référence du processus que vous voulez automatiser ? Pas qui devrait. Qui pourrait, avec ce qu’il sait et le temps qu’il a.

Si aucun nom ne vous vient, le projet n’a pas encore commencé, même s’il a déjà un budget. Et si un nom vous vient, demandez-vous si cette personne sait que le projet dépend d’elle.

Note suivante : ce que l’IA coûte réellement, poste par poste, et d’où vient le retour. Avec les prix publics des modèles, le prix que personne ne met dans l’offre et le calcul que vous devriez faire avant de signer.