En 2025, l’IA est facile à trouver dans la suite bureautique, la recherche, la création et le développement. Le bouton est devenu ordinaire. L’exploitation derrière doit devenir ordinaire elle aussi : versions connues, qualité mesurée, budget, soutien et retrait.

Je prendrais un usage discret : préparer le premier brouillon d’une réponse interne à partir d’une politique. La demande passe par une identité, la recherche récupère la version autorisée, le modèle génère un brouillon structuré, puis une personne vérifie et envoie. Le système ne possède jamais le droit d’expédier seul.

question -> identité -> politique actuelle -> modèle -> brouillon
         -> révision humaine -> réponse finale + mesure des corrections

À chaque étape, la trace conserve identifiant de politique, version du modèle, délai, coût, correction et décision. On peut alors distinguer un mauvais modèle d’une mauvaise source ou d’une question hors périmètre.

Une fiche opérationnelle par tâche

Je ne créerais pas une seule mesure « usage IA ». Pour chaque tâche :

1. volume mensuel et population visée;
2. méthode et temps de référence;
3. critères de qualité finale;
4. erreurs graves et comportement attendu;
5. coût d’appel, licence, stockage, révision et soutien;
6. modèle, prompt, sources et propriétaire;
7. mode manuel et condition de retrait.

Pour le français, le jeu d’évaluation contient notre vocabulaire, nos tournures et nos documents. Une réponse correcte en anglais ne prouve pas le même effort de correction. Je mesurerais aussi les faits qui doivent être recherchés à nouveau; un brouillon fluide mais non vérifiable déplace le travail vers la chasse aux sources.

L’adoption se lit en cohortes. Une personne qui clique tous les jours sans finir plus vite n’est pas un succès. Une autre qui utilise l’outil deux fois par semaine et économise quinze minutes nettes apporte une valeur réelle. Les logs donnent fréquence et délai; un échantillon métier donne qualité; un court sondage explique les abandons. Aucun signal seul ne suffit.

La disponibilité a un budget de service. Si le modèle tombe, la recherche et le gabarit restent accessibles. Les appels ont un timeout, une limite de coût et une file bornée. On n’accumule pas cent demandes qui repartiront toutes après la panne. Une version fournisseur nouvelle reçoit une petite part de trafic après avoir repassé le jeu d’évaluation.

La sécurité suit la donnée. Les permissions filtrent avant le contexte, les journaux masquent les renseignements sensibles et les secrets restent dans une passerelle. Une alerte détecte un volume soudain, des refus de politique et une hausse de corrections. Le propriétaire peut désactiver la tâche sans fermer tous les autres usages.

Une fois par trimestre, on revoit la fiche : gain net, erreurs, coût, source, fournisseur et date d’expiration. Une fonction sans usage durable perd sa licence et ses index sont supprimés. Une fonction utile garde un budget et une personne joignable.

Quand l’IA devient ordinaire, je veux pouvoir parler d’un brouillon, d’une recherche ou d’un routage comme de n’importe quel workflow. Il répond à un objectif, possède un SLO, coûte un montant et se reprend après une panne. « L’avenir » n’est plus nécessaire pour défendre ce qui aide vraiment.