L’année 2023 se termine comme elle a commencé : avec une annonce d’IA jamais bien loin. Le mot copilot s’est retrouvé dans le code, les documents, les réunions, la recherche et beaucoup de présentations.

La vitesse reste impressionnante. J’ai par contre beaucoup moins de patience pour les démos qui cachent la source, les erreurs et le coût. Le changement le plus concret est l’accès : OpenAI a annoncé GPT-4 en mars et lancé ChatGPT Enterprise en août; Microsoft a présenté Microsoft 365 Copilot au printemps, puis commencé sa disponibilité générale pour les entreprises en novembre. Une équipe peut aussi appeler un grand modèle par API sans entraîner le sien.

Cette accessibilité déplace le travail. Le modèle devient un service derrière une interface. La requête passe par l’identité, récupère parfois des documents, construit un contexte, consomme des tokens et reçoit une sortie qui doit être contrôlée avant l’action. Autour viennent les permissions, les journaux, la rétention, les mesures de qualité, les limites de débit et le repli. Un prototype de vingt questions ignore facilement cette architecture parce qu’une seule personne connaît déjà les bonnes réponses.

Trois fonctions, trois niveaux de conséquence

Il faut employer des verbes précis :

Fonction	Sortie	Contrôle minimal
suggérer une phrase	brouillon réversible	relecture par l’auteur
retrouver un passage	source et extrait	permission, version et citation
déclencher une transaction	changement d’état	validation métier, autorisation et idempotence

Ces fonctions peuvent appeler le même modèle sans partager le même risque. Une phrase maladroite se corrige. Un mauvais passage peut orienter une décision. Une transaction répétée après un timeout peut payer deux fois. Plus la sortie change le monde, plus le modèle doit proposer une intention structurée que le système métier vérifie, plutôt qu’exécuter librement du texte.

Prenons un assistant qui prépare une réponse à un client. Le pipeline identifie l’utilisateur, récupère seulement les documents qu’il peut voir, choisit des passages, construit la consigne, appelle le modèle et associe chaque affirmation importante à une source. Une règle vérifie la forme; une personne approuve l’envoi. Le journal conserve identifiants, versions, délais et décision sans recopier inutilement tout le dossier.

Le coût complet dépasse le prix de l’appel :

coût net = tokens + recherche + stockage + exploitation
         + temps de vérification + corrections + incidents
         - temps réellement économisé

Une réponse en trois secondes peut coûter dix minutes de revue spécialisée. Une moyenne basse peut cacher quelques très longs documents qui saturent le contexte et la facture. Je suivrais donc le coût et le délai au 95e percentile, le taux de réponses refusées, les corrections par type et le temps jusqu’au travail accepté.

L’évaluation doit utiliser des cas datés et représentatifs. On sépare un ensemble de conception d’un ensemble final que l’équipe ne consulte pas à chaque modification. Les tests couvrent questions simples, documents contradictoires, absence de réponse, permissions différentes et consignes hostiles cachées dans une source. À chaque changement de modèle, de prompt, d’index ou de règle, on rejoue ce jeu avant un déploiement progressif.

La fluidité ne garantit toujours rien. Le modèle peut bâtir un excellent paragraphe autour d’un fait inventé. La recherche peut ramener une ancienne version ou un partage trop large. Le filtre peut refuser une demande légitime. Le fournisseur peut modifier une version, ralentir ou devenir indisponible. Le processus original doit rester accessible, et une fonction derrière un paramètre doit pouvoir être fermée sans perdre les demandes en cours.

Une carte routière en six réponses

Pour chaque essai de 2024, je demanderais :

1. quelle tâche étroite et répétée voulons-nous améliorer;
2. quelle référence actuelle mesure temps, qualité et coût;
3. quelles données et permissions entrent réellement dans le système;
4. quelles erreurs sont acceptables et qui les corrige;
5. quel coût complet et quel volume rendent le service valable;
6. comment désactiver, exporter et supprimer ce qui a été créé.

Si le gain disparaît après les corrections, les licences et le soutien, il faut arrêter, même si le projet contient de l’IA. Si le système ne peut pas montrer sa source ou isoler une permission, il doit rester dans un périmètre moins sensible. Un petit essai avec une date de fin est une option technique saine, pas un manque d’ambition.

Je ne vais pas prédire quels produits domineront dans trois ans. La vraie avancée de 2023 est que l’expérimentation est devenue accessible à presque toutes les équipes. La responsabilité de 2024 sera de transformer cet accès en système exploitable : une tâche nommée, des données permises, une erreur mesurée, un coût net et une sortie de secours. Sans cette carte, un copilote ne sait toujours pas où l’entreprise veut aller.