Notre méthode : les étapes d'un projet IA, de la cartographie du processus à l'exploitation du système.

Démonstrateur, pilote ou système en production ?

Un démonstrateur sert à montrer qu'une chose est possible. Il tourne sur des données choisies, ne gère pas les exceptions et n'a pas besoin d'être maintenu. Il se construit vite et ne prouve presque rien sur le coût d'exploitation.

Un pilote traite du travail réel sur un périmètre réduit, avec de vraies exceptions et de vrais utilisateurs. C'est le premier moment où l'on apprend quelque chose d'utile : le taux d'exception, le temps humain résiduel, la qualité des données.

Un système en production suppose en plus la supervision, la reprise après incident, la gestion des évolutions et une personne responsable. Nous préférons annoncer ce coût dès le départ plutôt que de le découvrir après la mise en service.

Le contrôle humain conçu dès le départ

La validation humaine n'est pas une précaution provisoire que l'on retirerait une fois le système « rodé ». Elle fait partie du fonctionnement normal et elle a un coût que nous mesurons.

Trois décisions la déclenchent systématiquement : un score sous le seuil défini, un message sortant qui engage l'entreprise, et une action entraînant une dépense ou un accès. Le reste s'exécute avec une piste d'audit consultable.

Un taux d'exception élevé n'est pas un échec technique, c'est une information sur la variété réelle de vos cas. Elle doit apparaître dans l'estimation, pas être découverte au troisième mois.

Composant existant, outil d'automatisation ou développement sur mesure

Nous cherchons d'abord à réutiliser un composant éprouvé, puis à l'adapter, et seulement ensuite à construire du sur mesure. Cet ordre n'est pas une préférence esthétique : il détermine le délai, le coût et la facilité de maintenance.

Le sur mesure se justifie quand aucun composant ne couvre le cœur du besoin, quand les exigences de contrôle imposent une architecture particulière, ou quand la valeur en jeu paie l'effort de conception.

La décision est prise à l'issue de l'évaluation préalable et elle est écrite, avec ses raisons. Voir Custom AI pour le détail du parcours sur mesure.

Huit questions à poser à un prestataire IA avant de signer

Ces questions valent pour nous comme pour nos concurrents. Elles trient rapidement les propositions sérieuses.

• Que se passe-t-il quand le système n'est pas sûr de lui, et qui traite ces cas ?
• Quel taux d'exception attendez-vous, et sur quelles données l'avez-vous mesuré ?
• Quels fournisseurs traitent nos données, dans quelles régions, et pendant combien de temps sont-elles conservées ?
• Que devient le système si nous arrêtons la collaboration : qu'emportons-nous, et sous quelle forme ?
• Qui supervise l'exploitation, et que se passe-t-il en cas de panne un vendredi soir ?
• Les résultats annoncés viennent-ils d'un client, d'une démonstration ou d'un exemple illustratif ?
• Quelles hypothèses soutiennent l'estimation d'économies qui nous est présentée ?
• Quelles intégrations sont confirmées, et lesquelles restent à vérifier ?