La plupart des projets IA ne devraient pas commencer par un modèle.
Ils devraient commencer par un audit.
Pas un questionnaire générique de préparation. Un véritable audit d'implémentation qui répond à cinq questions :
- Quel workflow est réellement défaillant ?
- À quelles données le système peut-il se fier ?
- Quelles actions l'IA ne devrait-elle jamais prendre seule ?
- Que signifie la qualité ?
- Qu'est-ce qui rendrait le projet rentable ?
L'audit transforme un workflow désordonné en un plan de construction hiérarchisé. L'objectif n'est pas de prouver que l'IA peut être utilisée. L'objectif est de décider où elle doit être utilisée en premier.
Commencez par le workflow
Le workflow vous indique si l'IA a sa place ici.
Recherchez les décisions répétées, les rédactions répétées, le tri répété, les consultations répétées, les transferts répétés et les suivis répétés.
Demandez-vous ensuite ce qui se produit lorsque le système se trompe.
Si une réponse erronée est simplement gênante, vous pouvez automatiser de manière plus agressive.
Si une réponse erronée touche à l'argent, aux clients, aux risques juridiques, à la santé, à la sécurité ou à la confiance, le système nécessite une relecture, des évaluations et une escalade.
Cartographiez les données
Les systèmes d'IA sont limités par la qualité des sources.
L'audit doit identifier :
- où résident les données sources
- si elles sont à jour
- qui en est propriétaire
- qui est autorisé à les consulter
- ce que le système doit citer
- ce à quoi le système doit refuser de répondre
Si personne ne possède la source, l'IA héritera du désordre.
Définissez la zone d'exclusion
Chaque système d'IA a besoin d'une zone d'exclusion.
Exemples :
- remboursements au-delà d'un seuil
- conseils juridiques
- conseils médicaux
- décisions de licenciement
- promesses faites aux clients
- exceptions de prix
- écritures en production
- opérations destructrices sur fichiers
L'audit doit décider ce qui nécessite une relecture humaine avant même l'existence du premier prototype.
Décidez quoi construire en premier
Le premier projet IA devrait généralement être ciblé.
Bonnes premières constructions :
- assistance au tri
- rédaction de devis
- extraction de documents
- assistant de connaissances interne
- qualification de leads
- suivi client
- génération de rapports
Mauvaises premières constructions :
- « IA pour tout »
- agent commercial autonome sans garde-fous
- tableau de bord exécutif sans discipline des sources
- chatbot basé sur une documentation non maintenue
Le résultat doit être un plan de construction
Un bon audit se termine par un plan hiérarchisé :
- construire maintenant
- construire plus tard
- acheter à la place
- ignorer complètement
Cette dernière catégorie est importante.
La stratégie IA la plus solide inclut souvent le travail que vous choisissez délibérément de ne pas automatiser.
