En septembre 2020, comme Directeur technique chez HLC, je veux parler d’une compétence qu’on sous-estime trop souvent: savoir expliquer l’IA en clair. Pas juste la faire fonctionner, mais la rendre compréhensible pour la direction, les équipes pis nos dealers. Cet été, un modèle de langage impressionnant a fait jaser jusque dans le grand public, pis tout le monde me pose des questions. Mon rôle, c’est de traduire: enlever le jargon, dire ce que l’IA fait vraiment, ce qu’elle ne fait pas, pis pourquoi ça compte pour nous.

Parce que l’IA pratique, celle qui doit livrer sous pression, est bien plus intéressante que l’IA de laboratoire. Mais elle reste opaque pour qui n’est pas technique. Pis une techno qu’on ne sait pas expliquer, on ne sait pas non plus bien la décider.

Traduire pour décider

Quand un dirigeant me demande « est-ce qu’on devrait utiliser l’IA pour ça? », il n’a pas besoin d’équations. Il a besoin de comprendre, en clair: qu’est-ce que ça résout, quelles données ça exige, où ça peut se tromper, pis comment on garde le contrôle.

flowchart TD
    A[IA en entreprise] --> B[Jargon: modeles, parametres, gradients...]
    B --> C{Personne ne decide bien}
    A --> D[Expliquee en clair]
    D --> E[Qu'est-ce que ca resout concretement?]
    D --> F[Quelles donnees ca exige?]
    D --> G[Ou ca peut se tromper?]
    D --> H[Comment on garde le controle humain?]
    E --> I[Decision eclairee]
    F --> I
    G --> I
    H --> I

Pour nos dealers, c’est pareil. Si je leur propose un outil qui prédit une demande ou repère une anomalie, je dois leur expliquer sans charabia comment ça marche pis quelles sont ses limites. Une IA qu’ils comprennent, c’est une IA en laquelle ils peuvent avoir une confiance juste — ni aveugle, ni méfiante.

Le piège de la fausse clarté

Le danger, c’est l’inverse: une réponse de modèle trop confiante qui a l’air professionnelle même quand elle part d’une mauvaise prémisse. Expliquer en clair, ce n’est pas simplifier au point de mentir. C’est dire la vérité, y compris l’incertitude.

Je garde un carnet de cas — réussis, ratés, avec les seuils pis les validations humaines — pis je m’en sers pour illustrer. Rien de mieux qu’un exemple concret pour expliquer en clair. Cette capacité de traduire l’IA, je la considère aussi importante que celle de la construire. Parce qu’une techno qu’on ne sait pas expliquer reste une boîte noire qu’on finit par mal utiliser.

Ce que je retiens

En septembre 2020, expliquer l’IA en clair est une compétence centrale de mon rôle. Au-delà de la faire fonctionner, il faut la rendre compréhensible: ce qu’elle résout, ce qu’elle exige, où elle se trompe, comment on garde le contrôle.

Ce que je retiens, comme Directeur technique, c’est qu’une IA comprise est une IA bien décidée. Pour la direction comme pour nos dealers, la clarté crée une confiance juste — ni naïve, ni paralysée par la méfiance. Expliquer en clair, sans jargon mais sans cacher l’incertitude, c’est ce qui transforme une boîte noire intimidante en outil qu’on sait quand utiliser, pis quand s’en méfier. Moins spectaculaire qu’une démo, mais bien plus utile au quotidien.