La plupart des entreprises veulent que leur premier vrai projet IA soit impressionnant : une nouvelle fonctionnalité visible des clients, une idée de produit astucieuse, quelque chose qui mérite une annonce. Ce réflexe est compréhensible mais joue contre elles. Un projet vitrine automatise généralement un processus que personne n'a encore touché, n'a aucune méthode établie pour vérifier si le résultat est correct, et coûte réellement cher s'il échoue publiquement. L'équipe qui le mène apprend l'outil, le processus et la façon de juger le succès en même temps, et chacun de ces trois éléments peut déraper.
Pourquoi l'ennuyeux bat le vitrine
Un premier projet ennuyeux fait l'inverse. Il vise quelque chose qui arrive souvent, a une bonne réponse qu'une personne peut vérifier en quelques secondes, et ne cause aucun vrai dommage si les premiers essais sont médiocres. Personne ne se souvient d'une correction interne discrète. Tout le monde se souvient d'un faux pas public, et un faux pas public met souvent fin pour longtemps à l'envie de retenter l'IA dans l'entreprise.
À quoi ressemble l'ennuyeux en pratique
Étiqueter ou orienter les demandes entrantes par type avant qu'une personne ne s'en occupe. Rédiger une première réponse à une question qui revient chaque semaine, qu'un humain édite avant l'envoi. Extraire des données structurées d'un formulaire ou d'une facture vers un tableur. Résumer un long document avant une réunion plutôt que de le lire à froid. Rien de tout cela ne ferait une étude de cas intéressante. Tout cela arrive des dizaines de fois par semaine, et c'est exactement le point.
Imaginons, à titre d'exemple hypothétique, une petite entreprise de logistique dont le premier projet IA consiste à trier les e-mails entrants en trois dossiers avant que quiconque ne les lise. Personne à l'extérieur de l'entreprise n'en entend jamais parler. La personne qui triait cette boîte à la main remarque que le retard s'est réduit, et c'est toute l'histoire de succès qui compte à ce stade.
L'avantage de la fréquence
Une tâche qui survient deux fois par mois ne produit jamais assez d'essais pour savoir si un outil fonctionne vraiment ou si l'on a simplement eu de la chance deux fois. Une tâche qui survient cinquante fois par mois donne un vrai échantillon en quelques semaines. C'est la fréquence, pas le prestige, qui permet à une entreprise de distinguer un bon résultat d'une coïncidence.
Le coût d'un échec public
Une tâche interne à faible enjeu qui échoue est remarquée à l'essai suivant et corrigée discrètement. Un lancement vitrine visible des clients qui échoue est, lui, visible, et l'envie d'un second projet IA dans l'entreprise se réduit souvent avec lui. Commencer petit protège les projets censés suivre.
Choisir le véritable premier projet
Dressez la liste des tâches répétitives déjà présentes dans l'entreprise, et notez chacune sur deux critères : sa fréquence, et le coût de repérer et corriger une mauvaise réponse. La tâche qui obtient de bons scores sur les deux critères est celle par laquelle commencer, pas celle qui paraîtrait la plus impressionnante en réunion. Une fois ce premier projet peu glorieux en marche, et la confiance établie sur les cas où il fonctionne et ceux où un humain reste nécessaire, ce jugement se reporte directement sur le projet suivant, un peu plus ambitieux.
où l'IA aide vraiment une petite entreprise dresse la carte plus large dans laquelle ceci s'inscrit. Notre équipe démarre généralement les nouveaux clients par la tâche la plus ennuyeuse de leur liste plutôt que la plus excitante, car c'est le moyen le plus rapide de découvrir ce que devrait être le second projet.
