En février 2018, je continue ma réflexion sur l’IA en entreprise, mais cette fois au niveau du bureau — là où le travail se fait vraiment. Le mois dernier, j’ai parlé de la salle machine, des données qui nourrissent les modèles. Maintenant, je regarde l’autre bout: quel problème concret de mes dealers une IA est-elle censée régler? Parce que la première erreur que j’observe, c’est de vouloir « faire de l’IA » sans savoir pour quoi faire.

Avec ma formation en IA qui débute, j’apprends que la question la plus importante n’est pas technique. C’est: quel est l’objectif, mesurable, qu’on cherche à atteindre? Une IA sans objectif clair, c’est une solution qui cherche un problème.

Commencer par le problème, pas par l’outil

Le piège classique de 2018, c’est l’enthousiasme. Tout le monde veut son projet d’IA. Mais mon réflexe d’architecte, c’est de freiner: c’est quoi, exactement, la décision qu’on veut améliorer? Sans réponse précise, le projet part dans le décor.

flowchart TD
    A[On veut faire de l'IA!] --> B{Quel probleme<br/>concret?}
    B -->|Flou| C[Solution qui cherche un probleme]
    B -->|Precis et mesurable| D[Objectif clair]
    D --> E[Quelle decision ameliorer?]
    E --> F[Comment mesurer le succes?]
    F --> G[Projet ancre dans le reel]
    C --> H[Beau prototype, zero impact]

Pour mes dealers, ça veut dire transformer un désir vague (« on aimerait utiliser l’IA ») en question précise: prévoir quelles pièces vont manquer? détecter quels clients risquent de partir? Une fois la question posée clairement, avec une façon de mesurer si on a réussi, le projet devient gérable. Sans ça, on construit un beau prototype qui n’améliore aucune décision réelle.

L’humain garde la main

L’autre principe que je martèle pour l’IA au bureau: la machine suggère, l’humain décide. Surtout au début. Un modèle qui propose, avec un humain qui valide, ça construit la confiance. Un modèle qui décide tout seul, dans un domaine qu’on maîtrise mal, ça construit des problèmes.

Une réponse trop confiante peut avoir l’air professionnelle même quand elle se trompe. Au bureau, ça veut dire que l’employé risque de suivre la suggestion de la machine sans la questionner. C’est pour ça que je garde l’humain dans la boucle: il apporte le jugement, le contexte, le doute que le modèle n’a pas. L’IA au bureau réussit quand elle augmente l’humain, pas quand elle le remplace aveuglément.

Ce que je retiens

En février 2018, l’IA en entreprise au niveau du bureau, c’est d’abord une affaire de bonne question. Avant l’algorithme, avant les données même, il faut savoir quel problème concret on veut régler pis comment on mesurera le succès. Une IA sans objectif clair, c’est du gaspillage habillé en innovation.

Pour mes dealers, ma posture est simple: partir du problème réel, garder l’humain qui décide, pis mesurer si ça améliore vraiment quelque chose. Ma formation me confirme que la technique est la partie facile — le plus dur, c’est de bien poser la question pis de rester lucide sur ce que le modèle sait pis ne sait pas. L’IA utile au bureau, c’est celle qui aide quelqu’un à mieux décider, pas celle qui impressionne dans une démo.