Le scénario se répète dans beaucoup d'entreprises. La direction revient d'une conférence convaincue qu'il faut « faire de l'IA ». Un fournisseur présente une démonstration impressionnante. Un budget est débloqué, un outil est déployé et six mois plus tard, plus personne ne s'en sert.

Ce n'est pas un échec de la technologie. C'est un échec de cadrage : le projet est parti de la solution au lieu de partir du problème.

Pourquoi ces projets échouent

Les projets « IA pour l'IA » partagent presque toujours les mêmes symptômes :

  • Personne ne peut décrire le problème en une phrase. On parle de « moderniser », d'« innover », d'« explorer le potentiel » jamais d'un irritant précis qui coûte des heures chaque semaine.
  • Aucune métrique de succès n'a été définie. Si on ne sait pas ce qu'on mesure, tout résultat peut être présenté comme une victoire… jusqu'au jour où on regarde la facture.
  • Aucun utilisateur réel n'a été impliqué. L'outil a été choisi pour l'équipe, pas avec elle. Le lundi matin, chacun retourne à ses vieilles habitudes.

Le test des trois questions

Avant d'investir un seul dollar dans un projet d'IA, posez-vous ces trois questions :

  1. Pouvez-vous décrire le problème en une phrase, sans prononcer le mot « IA »? Par exemple : « On passe des heures à fouiller d'anciens dossiers pour retrouver la bonne clause. » Si l'exercice est difficile, le vrai chantier est là.
  2. Combien ce problème vous coûte-t-il par mois? Heures perdues, erreurs, délais, clients impatients. Une estimation grossière suffit pour commencer mais il en faut une.
  3. Qui utilisera l'outil lundi matin à 9 h? Pas « l'entreprise ». Une personne, avec un nom, qui a participé au projet et qui y trouve son compte.

Si vous répondez clairement aux trois, vous n'avez plus un projet d'IA : vous avez un problème d'affaires qui mérite peut-être une solution d'IA. La nuance change tout.

Parfois, la bonne réponse n'est pas l'IA

C'est la partie que peu de fournisseurs vous diront : il arrive régulièrement qu'une analyse sérieuse conclue qu'un script bien pensé, un formulaire mieux conçu ou une règle d'affaires plus claire règle le problème pour une fraction du coût.

Un partenaire honnête doit pouvoir vous le dire. C'est précisément le rôle d'un diagnostic : comprendre le problème, les données et la valeur potentielle avant d'écrire la moindre ligne de code et recommander la solution la plus simple qui fonctionne, qu'elle contienne de l'IA ou non.

L'IA est un outil formidable quand elle sert un problème réel. Dans l'autre sens, c'est simplement la dépense techno la plus à la mode de la décennie.