Les cas d'usage de l'IA qui tiennent leurs promesses
Les usages qui produisent un gain mesurable, ceux qui déçoivent presque toujours, et la question à poser avant d'ajouter un outil de plus.
Écrit par les consultants de Lick & Shannon Partners, à partir des diagnostics que nous menons. Cette page ne liste pas ce que l'IA sait faire en théorie — elle distingue ce qui tient dans la durée de ce qui s'arrête après trois mois.
Ce qui marche déjà, et pourquoi
Un point commun aux usages qui s'installent : ils portent sur une tâche fréquente, ennuyeuse, et où l'erreur se voit tout de suite. La correction est immédiate, donc l'utilisateur garde la main et la confiance s'installe.
- La rédaction de premiers jets — comptes rendus, réponses types, notes internes, traductions. Le gain est réel et l'humain corrige, donc le risque est faible.
- La recherche dans un fonds documentaire — retrouver une clause, une procédure, un précédent dans des années d'archives. C'est souvent l'usage qui convainc le plus vite, parce qu'il remplace une frustration quotidienne.
- L'extraction de données depuis des documents — factures, bons de commande, formulaires. Le taux d'erreur est mesurable et le contrôle facile à organiser.
- Le tri et la qualification de flux entrants — courriels, demandes, tickets. Attention : trier n'est pas répondre, et c'est la confusion des deux qui fait déraper les projets de service client.
- La synthèse de réunions — à condition d'avoir traité la question du consentement et de l'hébergement avant, pas après.
Ce qui déçoit presque toujours
Les usages qui échouent partagent aussi un point commun : l'erreur y est invisible ou coûteuse, et l'utilisateur ne peut pas la détecter au moment où elle se produit.
- La décision automatisée sur des personnes. Tri de candidatures, scoring, arbitrages RH : le risque juridique et humain dépasse largement le gain de temps.
- La réponse client sans supervision. Le taux de résolution apparent monte, la satisfaction descend, et le coût réapparaît plus loin sous forme de réclamations.
- La production de contenu à volume. Ça fonctionne techniquement et ça se retourne contre l'entreprise — nous l'avons constaté ailleurs dans le portefeuille : du contenu produit sans vérification finit par publier des informations fausses, y compris sur des dispositifs publics.
- La prévision sur des données que vous n'avez pas. Un modèle ne compense pas l'absence d'historique fiable.
La question à poser avant d'ajouter un outil
Une seule, et elle tranche vite : si l'outil se trompe, qui s'en aperçoit, et quand ?
Si la réponse est « l'utilisateur, immédiatement », l'usage est probablement sain : l'erreur est corrigée avant de produire un effet. Si la réponse est « le client, trois semaines plus tard » ou « personne », arrêtez-vous — quel que soit le gain de temps annoncé.
Cette question règle la plupart des arbitrages sans qu'il soit nécessaire d'entrer dans le détail technique. Elle a aussi l'avantage d'être compréhensible par un comité de direction.
Comment un cas d'usage se qualifie
Un cas d'usage est prêt à passer en chantier quand quatre éléments sont réunis :
- le processus est décrit, avec ses variantes réelles et pas seulement la version officielle ;
- son coût actuel est chiffré — volume, temps unitaire, coût de reprise ;
- le contrôle est défini : qui vérifie quoi, à quelle fréquence, et que se passe-t-il en cas d'écart ;
- une personne est responsable de l'adoption, avec du temps dégagé pour ça.
Tant que ces quatre points ne sont pas réunis, ce n'est pas un cas d'usage : c'est une idée. La distinction paraît sévère, elle évite la majorité des projets qui s'arrêtent en cours de route.
Cette page trie les familles d'usages. Elle ne dit pas lesquels s'appliquent chez vous, ni dans quel ordre : ça dépend de vos processus, de vos données et de qui fait quoi aujourd'hui. C'est le travail d'un cadrage sur un périmètre précis.
Cadrer un cas d’usage sur votre périmètre
On prend une fonction, on regarde ce qui est automatisable, et on chiffre le gain avant d'outiller.
Pour aller plus loin
Les pages qui complètent celle-ci
- les cas d'usage côté ressources humaines
- les cas d'usage côté service client
- les cas d'usage administratifs et financiers
- les tâches répétitives à traiter sans IA
- Intégrer l'IA dans une entreprise qui n'a pas encore commencé
- Par où commencer quand on veut intégrer l'IA
- RPA ou IA : deux réponses à deux problèmes différents