Blueprint : identifier et prioriser des cas d'usage de l'IA (inventaire, matrice de décision et pilotes qui se mesurent)

Un cas d'usage de l'IA n'est pas une technologie ("utiliser un chatbot") mais une tâche du métier avec un propriétaire, un volume et un coût actuel mesurable ("répondre aux 400 demandes mensuelles de clients sur l'état de commande, qui consomment aujourd'hui 60 heures de deux personnes"). La plupart des listes d'idées d'IA échouent en confondant ces deux choses : elles naissent de démos que quelqu'un a vues, pas de tâches que quelqu'un subit, et c'est pourquoi aucune n'arrive en production. Le symptôme classique a un nom sur le marché du travail : dans notre corpus de 79 offres réelles de direction de l'IA en Suisse et en Europe, identifier et prioriser des cas d'usage apparaît comme devoir explicite dans près d'un tiers, précisément parce que les entreprises ont déjà essayé la liste de souhaits et que cela n'a pas marché.

Le test rapide pour savoir si c'est votre cas : demandez la liste actuelle d'idées d'IA de votre entreprise et vérifiez combien ont trois chiffres à côté (heures ou euros que coûte aujourd'hui la tâche, volume mensuel, et qui est le propriétaire). Si la réponse est aucune, vous n'avez pas un problème de technologie ni de talent : vous avez un problème de méthode, et cela se corrige en deux semaines avec ce qui suit.

Le processus entier tient en sept étapes et deux semaines de calendrier pour une entreprise moyenne. La règle de lecture : rien ne passe à la matrice sans ses trois chiffres, rien ne passe en pilote sans ligne de base, et rien ne s'étend sans date de décision respectée. C'est le même circuit que prescrit le blueprint du Chief AI Officer pour les 90 premiers jours ; voici la mécanique fine de la partie cas d'usage.

L'inventaire est une semaine de conversations structurées, pas un atelier d'idéation. L'objectif n'est pas que les gens proposent des usages de l'IA (ils proposeront des démos qu'ils ont vues) : c'est d'extraire les tâches qui correspondent au profil que l'IA résout bien aujourd'hui, presque toujours celles dont personne ne se vante.

Trois critères, échelle de 1 à 5 chacun, et le score total est valeur plus faisabilité moins risque. Trois critères et pas un de plus : chaque colonne supplémentaire ajoutée à une matrice de priorisation est un nouvel endroit où cacher une préférence personnelle. La rubrique complète, pour que deux personnes différentes notent pareil :

Trois tâches typiques d'une entreprise moyenne de services, notées avec la rubrique ci-dessus. Ce sont des exemples de travail pour calibrer l'oeil (les chiffres de votre entreprise seront autres), et ils montrent le motif qui surprend presque tous les comités : le cas glamour perd contre le cas ennuyeux à volume.

Chaque pilote approuvé s'écrit sur une page avec les champs du tableau, et cette page est le contrat. Le champ que presque tout le monde omet et qui sauve le plus de pilotes est le dernier : la date à laquelle le pilote cesse d'exister comme pilote, qu'il s'étende ou s'arrête. Sans date, tout pilote tend vers l'éternité, parce que l'arrêter ressemble à un échec ; avec date, l'arrêter c'est suivre le plan.

Un : aucune tâche n'entre dans la matrice sans ses trois chiffres ; ce qui ne se mesure pas ne se priorise pas, cela se souhaite. Deux : maximum deux pilotes à la fois ; le troisième vole la supervision dont les deux premiers ont besoin pour être concluants. Trois : aucun pilote sans ligne de base préalable ; la ligne de base estimée de mémoire après le lancement sort toujours gonflée. Quatre : toute date de décision se respecte, et étendre ou arrêter sont les deux seuls résultats valides ; "continuer à piloter" est la réponse interdite. Cinq : chaque trimestre, la matrice se renote entièrement, parce que la faisabilité change tous les quelques mois avec chaque génération de modèles, et le cas infaisable de janvier peut être l'évidence de juin.

La cinquième règle est celle qui transforme cet exercice ponctuel en système opératoire : la matrice vivante est le roadmap IA de l'entreprise, et qui la maintient (interne ou fractionnaire) détient la carte que les offres d'emploi appellent stratégie.

Ce blueprint n'est pas de la théorie de consultant : c'est le filtre par lequel sont passés les trois systèmes en production de ce lab. L'opération éditoriale a gagné son pilote parce que c'était la tâche au plus gros volume avec des données propres et un risque contrôlable par revue ; le système d'étude de marché a noté haut en faisabilité (sources publiques, texte numérique) et son risque s'est mitigé avec le contrat de données ; et plus d'un candidat clinquant a été arrêté à temps, sa date de décision respectée, parce que le compte ne sortait pas. La matrice de cette maison se renote chaque trimestre, et d'elle sortiront les prochains cas publiés ici, avec leurs chiffres et leurs défaillances, comme toujours.

Si vous voulez la matrice appliquée à votre entreprise avec nos règles d'honnêteté (ligne de base réelle, décision datée, gouvernance dès le jour un), la porte habituelle est en bas, sur la carte de qui signe.

Deux déplacements changeront votre matrice avant un an. Le premier est la colonne faisabilité : les agents capables d'exécuter des tâches complètes font monter la note de cas infaisables il y a un an (ceux qui exigeaient de naviguer des systèmes, croiser des sources ou tenir des processus longs), donc la renotation trimestrielle cesse d'être de l'hygiène et devient un avantage : qui renote avant, capture avant. Le second est la colonne risque : les obligations de l'AI Act européen s'appliquent par phases et transformeront des filtres aujourd'hui bonnes pratiques en exigences avec sanction, ce qui renchérit les cas face client sans gouvernance et rend relativement moins chers les cas internes et ennuyeux. Notre lecture : l'avantage compétitif des deux prochaines années ne sera pas d'avoir des idées d'IA, déjà gratuites, mais la vitesse et l'honnêteté du circuit idée-pilote-décision. Ce circuit est exactement ce que ce blueprint laisse monté.