Les bons cas d'usage de l'IA en entreprise

La mauvaise question et la bonne

La plupart des entreprises identifient les cas d'usage IA en demandant « où peut-on utiliser l'IA ? ». Cette question part de la technologie et produit une liste de capacités : résumer ceci, classer cela, rédiger le reste. La question qui produit la transformation part de l'opération : « Où la valeur fuit-elle de notre façon de travailler aujourd'hui, et l'IA exécutant une partie de ce travail peut-elle en changer sensiblement l'économie ? » La première question remplit un backlog. La seconde trouve les workflows qui méritent d'être reconstruits.

La différence n'est pas sémantique. « Où peut-on utiliser l'IA » trouve réponse auprès de quiconque a vu une démo, et vite, ce qui explique que les ateliers de cas d'usage produisent quatre-vingts idées en un après-midi. « Où la valeur fuit-elle » ne peut trouver réponse qu'auprès de ceux qui connaissent l'opération, avec des chiffres, et lentement. Mais ses réponses viennent avec une référence, un propriétaire et une raison de s'y intéresser, soit tout ce dont le business case aura besoin plus tard. La position de World AI X est que la seconde question est la seule qui vaille d'être posée, et que la plupart des réponses à la première doivent être ignorées.

Qu'est-ce qui fait un bon cas d'usage de l'IA en entreprise ?

Un bon cas d'usage de l'IA en entreprise se situe dans un vrai workflow où la valeur fuit de façon mesurable ; implique un travail que les systèmes d'IA peuvent exécuter dans des limites, comme lire, extraire, rédiger, vérifier, router et coordonner ; comporte des points de décision clairs où les personnes détiennent l'autorité ; peut être mesuré sur le coût par résultat et le délai de cycle avant et après ; et dispose d'un contexte d'entreprise qui existe ou peut être assemblé. C'est, autrement dit, un candidat à la refonte de workflow plutôt qu'une fonctionnalité à déployer.

La distinction entre cas d'usage et workflow compte ici. Un cas d'usage décrit quelque chose que l'IA peut faire. Un workflow décrit quelque chose que l'entreprise fait pour produire un résultat. « Résumer des contrats » est un cas d'usage ; « approuver un contrat fournisseur en deux jours au lieu de trois semaines, le juridique ne relisant que les clauses signalées » est un workflow. Le premier n'a ni coût, ni délai de cycle, ni propriétaire. Le second a les trois, et peut donc être sélectionné, prouvé et mesuré. Bien sélectionner les cas d'usage, c'est transformer le premier type d'énoncé en second avant de décider quoi que ce soit.

Où la valeur fuit-elle d'une opération ?

La valeur fuit des opérations d'un petit nombre de façons récurrentes : l'attente, où les dossiers stagnent dans des files et des boîtes de réception ; la reprise, où les erreurs sont détectées tard et refaites ; le transfert manuel, où des personnes ressaisissent des données entre documents et systèmes ; la lecture à grande échelle, où des spécialistes passent des heures à extraire des faits de documents ; le délai d'approbation, où la confiance s'exprime en files de signature ; et la capacité non exploitée, où l'entreprise refuse du travail faute de pouvoir le doter en personnel. Chacune est un endroit où l'IA exécutant une partie du travail change l'économie.

L'intérêt de nommer la fuite est qu'elle pointe vers le workflow et vers le chiffre. Une équipe qui dit « nous voulons utiliser l'IA dans les achats » a un cas d'usage. Une équipe qui dit « chaque métré prend trois semaines parce que les métreurs lisent chaque plan à la main, et nous lançons quarante programmes par an » a une fuite, un workflow, une référence et un propriétaire. Le cas du métré a commencé exactement par cet énoncé.

Six critères pour sélectionner les cas d'usage de l'IA en entreprise

Évaluez chaque candidat sur six critères : la valeur en jeu, c'est-à-dire la taille de la fuite en coût, en temps ou en capacité ; l'adéquation à l'IA, c'est-à-dire la part du travail qui consiste à lire, rédiger, vérifier, router et coordonner ; la clarté des décisions, c'est-à-dire si les points où les personnes doivent décider sont connus ; la mesurabilité, c'est-à-dire si le résultat peut être compté avant et après ; la disponibilité du contexte, c'est-à-dire si la connaissance dont le système a besoin existe ou peut être assemblée ; et la préparation à la production, c'est-à-dire si les données, l'intégration, la propriété et la gouvernance pour l'exploiter existent.

Remarquez ce qui est absent de la liste : la nouveauté, l'intérêt des dirigeants, la disponibilité d'un fournisseur et le caractère impressionnant de la démo. Ce sont les critères sur lesquels la plupart des portefeuilles de cas d'usage sont en réalité bâtis, et la raison pour laquelle ces portefeuilles produisent des pilotes.

Comment noter et classer les cas d'usage IA ?

Notez chaque candidat sur les six critères avec le propriétaire du workflow dans la pièce, en utilisant les chiffres de référence quand ils existent. Classez d'abord sur la valeur en jeu et l'adéquation à l'IA, parce qu'elles déterminent si la refonte change l'économie tout court. Utilisez la clarté des décisions, la mesurabilité, le contexte et la préparation pour séquencer : un candidat à forte valeur qui n'est pas encore prêt passe en second, pas nulle part. Ajoutez ensuite une considération délibérée : quel candidat, s'il réussit, génère le plus de preuves et de fondations réutilisables pour le suivant ?

Deux règles gardent le classement honnête. Premièrement, un candidat sans valeur mesurable en jeu ne passe pas, quelle que soit sa note ailleurs ; un workflow que personne n'a référencé ne peut pas être prouvé. Deuxièmement, les lacunes de préparation sont enregistrées comme du travail, pas comme des motifs d'élimination : une intégration manquante ou une propriété floue sont des choses que le programme de transformation corrige, et elles sont généralement partagées par plusieurs candidats, ce qui est en soi une information utile sur l'endroit où les fondations doivent être construites. World AI X mène cette notation, avec la référence et la refonte, comme première moitié d'un Discovery Sprint, et le résultat est un ensemble classé de workflows avec des business cases prêts pour la décision, plutôt qu'une liste de cas d'usage.

Quels cas d'usage IA les entreprises devraient-elles ignorer ?

Ignorez les cas d'usage qui décrivent une technologie sans foyer opérationnel ; qui ajoutent l'IA à côté d'un workflow sans le changer ; dont le succès se mesurerait en adoption plutôt qu'en résultats ; qui résolvent un problème que personne n'a mesuré ; qui exigent des agents là où un système plus simple suffirait ; et qui dupliquent ce qu'un produit existant bien configuré fournit déjà. Ils ne sont pas sans valeur, mais ils ne transformeront rien, et ils consomment le budget et l'attention dont la transformation a besoin.

Le résultat le plus précieux de la sélection des cas d'usage est la liste des choses que l'organisation a décidé de ne pas faire.

Où se cachent généralement les bons cas d'usage ?

Les bons cas d'usage de l'IA en entreprise se cachent généralement dans des opérations peu glamour, riches en documents et mesurées : préconstruction et estimation, propositions et appels d'offres, sinistres et souscription, conformité et due diligence, traitement des commandes et documentation, surveillance et alerte. Elles se trouvent souvent dans des fonctions de back-office et opérationnelles qui ont reçu moins de budget d'IA générative que les fonctions en contact avec le client, ce qui est l'une des raisons pour lesquelles les retours mesurables s'y concentrent.

Le travail de production de World AI X suit ce schéma. Le métré d'un promoteur immobilier : des semaines de lecture de plans, maintenant des heures. Les réponses aux propositions d'une entreprise : deux à trois semaines d'experts réécrivant du matériel passé, maintenant rédigées depuis une bibliothèque approuvée et relues. La surveillance d'une réserve naturelle : des patrouilles et une revue manuelle des images, maintenant une détection et des alertes priorisées en moins d'une minute. Aucun de ces cas n'a commencé comme une idée technologique. Chacun a commencé comme une fuite spécifique et mesurée dans une opération que quelqu'un possédait.

Comment choisir le premier cas d'usage ?

Choisissez le premier workflow autant pour les preuves qu'il générera que pour la valeur qu'il rapportera. Il doit avoir une fuite claire et conséquente ; une forte part de travail adapté à l'IA ; un propriétaire qui veut le changer ; un résultat dénombrable avec une référence ; un contexte qui peut être assemblé en quelques semaines ; et un chemin vers la production qui ne dépend pas du remplacement d'un système cœur. Son succès doit produire un avant-après mesuré, un contexte et des contrôles réutilisables, et une organisation qui a désormais fait cela une fois.

Le premier workflow est le plus coûteux, parce qu'il construit les fondations, et le plus décisif, parce que ses preuves financent le second. Cela plaide contre le choix de la plus grande opportunité en premier et pour le choix de celle qui a le plus de chances d'atteindre la production et d'être mesurée. La méthode de refonte de l'article précédent s'applique ensuite ; le cadre jalonné gouverne la façon dont elle est prouvée.

Qui doit choisir les cas d'usage de l'IA en entreprise ?

Le métier, avec l'apport de la technologie sur la faisabilité. Seul le propriétaire d'un workflow peut localiser où sa valeur fuit, dire ce que coûte un résultat aujourd'hui et décider quelles décisions les personnes doivent conserver. Les fonctions technologiques évaluent les données, l'intégration et l'adéquation à la plateforme, et construisent le résultat. Les cas d'usage choisis par la technologie seule tendent à être des capacités en quête d'un problème ; les cas d'usage choisis par le métier seul tendent à sous-estimer ce que la production exige. La sélection a besoin des deux, le métier étant responsable du résultat.

C'est cohérent avec ce que montrent les enquêtes sur la propriété en général : McKinsey trouve les leaders trois fois plus susceptibles de rapporter des dirigeants métier seniors possédant les initiatives IA, et BCG décrit l'effort dans les programmes réussis comme 70 % personnes et processus. Un centre d'excellence peut posséder la méthode et la notation ; il ne doit pas posséder le choix.

Ce que cela signifie pour les dirigeants

• Changez la question. Remplacez « où peut-on utiliser l'IA » par « où la valeur fuit-elle, et l'IA peut-elle en changer l'économie » dans chaque conversation de planification.
• Exigez une référence avant qu'un cas d'usage entre dans le portefeuille. Si personne ne peut dire ce que coûte le résultat aujourd'hui, il n'est pas prêt à être sélectionné.
• Classez sur la valeur et l'adéquation ; séquencez sur la préparation. Les lacunes de préparation sont du travail pour le programme, pas des raisons de choisir quelque chose de plus petit.
• Publiez la liste des choses à ignorer. Dire non aux copilotes-comme-transformation et aux démos-comme-stratégie protège le budget pour ce qui fonctionnera.
• Financez des workflows, pas un portefeuille. Un ou deux portés en production sur des fondations partagées valent mieux que vingt pilotes.

Prochaines étapes concrètes

Listez les opérations que le métier possède. Pour chacune, nommez la fuite et mettez-y un chiffre. Notez les candidats sur les six critères avec les personnes qui les exploitent. Choisissez le premier pour les preuves qu'il produira. Puis diagnostiquez-le, refondez-le et prouvez-le avant que quiconque choisisse un outil.

Questions fréquentes