Usages de l’IA en entreprise : quelle tâche, quelles limites, quel contrôle ?

Partir d’un travail observable

Je préfère une tâche correctement décrite à une ambition du type « mettre de l’IA dans tous les services ». Il faut pouvoir répondre à une question simple : qu’est-ce qui doit être disponible à la fin, et qui saura dire si c’est utilisable ? Une équipe peut commencer par préparer une réponse, sans autoriser l’outil à l’envoyer. Cette frontière fait partie du choix de l’usage.

France Num présente plusieurs familles d’usages dans les petites entreprises, notamment la production de contenus, les tâches administratives et la relation client. ^[2] Ce panorama donne des pistes ; il ne permet pas de déduire votre gain. Pour passer d’une idée à un essai, remplacez « améliorer notre communication » par « préparer trois propositions de texte à partir d’une fiche produit vérifiée ». Le résultat devient examinable.

La CNIL recommande de choisir le système à partir de besoins concrets et des risques de l’usage. ^[1] La comparaison ci-dessous est ma traduction pratique de cette question, et non une classification réglementaire.

Comparer six tâches plutôt que six promesses

Les informations nécessaires doivent être autorisées dans l’environnement retenu. Un document interne n’est pas automatiquement partageable avec un service externe. La CNIL attire l’attention sur les données fournies et la vérification des sorties. ^[1] Un tableau bien présenté reste une proposition tant que son contenu n’a pas été contrôlé.

Cette sélection n’est pas un classement de rentabilité. Une reformulation peut demander beaucoup de corrections dans un contexte délicat ; une extraction répétitive peut être intéressante si les documents et les critères sont suffisamment stables. Le nom de la tâche ne suffit pas à décider.

Pour approfondir ce point : Choisir un outil IA : commencer par le besoin.

Séparer préparer, recommander et exécuter

Je propose de décrire trois niveaux d’intervention. Préparer signifie produire une matière à relire. Recommander signifie proposer un choix avec ses raisons. Exécuter signifie modifier quelque chose : envoyer, publier, enregistrer ou déclencher une opération. Passer de l’un à l’autre doit être une décision explicite.

Un assistant qui prépare une réponse commerciale n’a pas besoin, pour cet essai, de pouvoir engager un prix ou modifier un dossier. Si vous lui donnez ces possibilités, vous changez le problème à résoudre : il faut examiner les autorisations, les erreurs possibles et les moyens de reprendre la main. Je ne déduis pas de la réussite d’un brouillon que l’action peut être automatisée.

La CNIL rappelle que des résultats inexacts peuvent paraître plausibles. ^[1] Pour cette raison, je propose d’inscrire la règle de validation à côté de l’usage : « brouillon uniquement », « contrôle de chaque champ » ou « analyse à discuter ». La mention vague « supervision humaine » ne précise ni qui contrôle ni ce qui est contrôlé.

Pour approfondir ce point : Vérifier une réponse ChatGPT : méthode et contrôles.

Un exemple complet : comparer des offres de prestation

Le responsable prépare les colonnes avant l’essai : prestation incluse, exclusions, délai annoncé, prix et questions à poser. Chaque cellule doit renvoyer au passage d’origine. Si une information manque, la consigne est de la laisser comme « non précisée », sans compléter par une pratique supposée habituelle.

Au contrôle, une offre semble moins chère mais exclut un livrable inclus dans les deux autres. Le bon résultat n’est donc pas une recommandation automatique du prix le plus bas. C’est une comparaison qui rend cette différence visible et prépare la demande de précision. Dans ce scénario, on juge la qualité sur l’absence d’information inventée, la fidélité aux offres et l’utilité des questions restantes.

Si la vérification exige de reconstruire toute la grille, l’essai peut ne présenter aucun intérêt opérationnel. Il reste possible de réduire la tâche : demander uniquement la liste des informations absentes, par exemple. Arrêter ou réduire un usage n’est pas un échec de l’organisation ; c’est une conclusion possible du travail.

Choisir une tâche que vous pouvez réellement évaluer

Avant de démarrer, je pose trois questions : avons-nous les informations autorisées, savons-nous reconnaître une bonne sortie, et disposons-nous du temps nécessaire pour la contrôler ? Une réponse négative indique le point à résoudre. Elle ne se compense pas par un enthousiasme plus fort pour l’outil.

Comparez le travail complet : préparation, génération, vérification, correction et intégration. Distinguez la durée de production du brouillon de celle du livrable final. Notez aussi les erreurs qui auraient pu passer inaperçues. Un essai sur une seule situation familière ne permet pas de conclure pour tous les documents ou tous les utilisateurs.

Mon objectif n’est pas de vous faire accumuler des usages. C’est de faire émerger quelques pratiques dont vous pouvez expliquer la valeur et les limites. Une fois une tâche retenue, le cadrage, le pilote et le journal de vérification disponibles sur ce site permettent de poursuivre ce travail.

Questions fréquentes

Faut-il commencer par le service qui demande le plus l’IA ? Son implication peut aider, mais examinez aussi la disponibilité des données et la capacité à évaluer le résultat. Un sujet visible n’est pas forcément un bon premier essai.

Une tâche très répétitive est-elle toujours prioritaire ? Non. Regardez ce qui varie, ce qui coûte à vérifier et les conséquences d’une erreur. La fréquence est un critère parmi d’autres.

Peut-on choisir le logiciel avant la tâche ? Vous pouvez explorer ses possibilités. Pour décider d’un usage professionnel, revenez ensuite au besoin et aux conditions réelles : la démonstration ne remplace pas ce choix.

Comment être accompagné ? Un atelier peut servir à décrire vos tâches, examiner leurs contraintes et choisir un périmètre d’essai. L’accompagnement doit aboutir à une décision exploitable, pas seulement à une nouvelle liste d’idées.

Pour choisir la manière d’exécuter la tâche, comparez assistant, agent et automatisation.