Tu sauras faire ça
- Trier un cas d'usage IA sur quatre critères vérifiables, avant d'engager le moindre budget
- Appliquer le test du contrefactuel pour écarter une idée faible en cinq minutes
- Repérer les quatre faux amis qui font perdre six mois
- Rédiger une fiche de cadrage d'une demi-page qui tient devant un sponsor
Un bon cas d'usage IA est rarement celui qui impressionne en réunion. Il se reconnaît à quatre propriétés : une valeur mesurable, un volume suffisant, une tolérance à l'erreur compatible, des données réellement utilisables. Si tu ne sais pas quel chiffre tu regarderas dans trois mois, tu n'as pas un projet : tu as une envie.
Une démo qui impressionne n'est pas un projet qui rapporte
La première erreur stratégique en IA n'est pas technique : c'est de confondre ce qui impressionne en réunion avec ce qui crée de la valeur en production. Une démo dure trois minutes, traite un cas idéal et n'a aucun coût de maintenance. Un projet vit des années, rencontre les cas tordus du réel et doit prouver son retour chaque trimestre.
Le cimetière des projets IA est rempli de POC (preuves de concept) magnifiques que personne n'a jamais mis en service. Un bon cas d'usage se reconnaît à quatre propriétés, à vérifier avant d'écrire la moindre ligne de code.
Les quatre critères
| Critère | La question qui tranche | Signal vert | Signal rouge |
|---|---|---|---|
| Valeur mesurable | Quel chiffre bouge, et de combien ? | Heures, euros, taux d'erreur, délai | « Rester à la pointe » |
| Fréquence et volume | Combien de fois par semaine ? | Des dizaines à des milliers | Une fois par trimestre |
| Tolérance à l'erreur | Que coûte une réponse fausse, et qui la voit ? | Un humain relit avant tout effet | Effet direct sur un tiers, sans contrôle |
| Données utilisables | Existent-elles, ai-je le droit, sont-elles propres ? | Source unique, à jour, usage autorisé | Dispersées, périmées, base légale floue |
- Valeur mesurable et nommée. Tu sais quoi mesurer, et le gain est chiffrable : heures économisées, taux d'erreur réduit, délai raccourci, revenu protégé. Si la seule justification est rester à la pointe ou ne pas rater l'IA, ce n'est pas un cas d'usage, c'est une angoisse.
- Fréquence et volume suffisants. L'IA rentabilise l'automatisation d'une tâche répétée. Trier 5 000 e-mails par jour est un cas d'usage. Rédiger une fois par an le rapport annuel ne le justifie pas : le coût de mise en place dépasse le gain.
- Tolérance à l'erreur compatible. Quelle est la conséquence d'une réponse fausse, et qui la détecte ? Résumer des notes internes tolère l'imperfection (un humain relit). Calculer un dosage médicamenteux ou un montant de remboursement ne la tolère pas sans contrôle strict. Cette tolérance détermine tout le reste : niveau de supervision, coût, calendrier.
- Données accessibles et exploitables. Les données nécessaires existent, tu as le droit de les utiliser pour cette finalité précise, et elles sont d'une qualité raisonnable. Beaucoup de projets meurent ici, après le lancement, quand on découvre que la donnée est dispersée, périmée ou juridiquement inutilisable (voir la leçon Gouvernance et conformité).
Le test du contrefactuel
Pose systématiquement la question : que se passe-t-il si on ne fait rien ? Si la réponse est rien de grave, le cas d'usage est faible, quelle que soit l'élégance de la solution. À l'inverse, une tâche pénible, fréquente, à faible enjeu unitaire mais à fort volume cumulé est souvent un excellent candidat — précisément parce qu'elle est trop ennuyeuse pour séduire en démo.
Les faux amis à écarter
Le piège le plus coûteux est le cas d'usage choisi pour sa visibilité, pas pour son impact.
- La démo virale. Un agent qui réserve un restaurant en parlant fait le tour de LinkedIn. En entreprise, il automatise une tâche que personne ne faisait souvent. Spectaculaire, marginal.
- Le chatbot tout-terrain. Un assistant qui répond à tout est rarement un cas d'usage : c'est l'absence de cas d'usage. Sans périmètre, impossible de mesurer, de tester, de sécuriser.
- La solution en quête de problème. On a acheté une licence, il faut trouver quoi en faire. La causalité est inversée : on part du problème, jamais de l'outil.
- Le projet de prestige. Porté pour exister au COMEX, sans utilisateur réel demandeur. Il consomme du budget et de la crédibilité, et son échec contamine les projets sérieux qui suivent.
La règle des trois questions
Avant d'engager une équipe, exige une réponse écrite à trois questions :
- Qui souffre aujourd'hui de ce problème, et combien de fois par semaine ?
- Combien vaut sa résolution (en euros, heures ou risque évité) ?
- Comment saura-t-on, dans trois mois, que ça a marché — avec quel chiffre ?
Si ces trois réponses ne tiennent pas en une demi-page claire, le cas d'usage n'est pas mûr. Mieux vaut le découvrir maintenant qu'après un trimestre d'ingénierie.
Construire la fiche de cadrage en une heure
- Nomme la tâche en une phrase, du point de vue du métier qui la subit — pas de la technologie.
- Chiffre le volume : occurrences par semaine × minutes par occurrence.
- Écris la conséquence d'une erreur, et nomme qui la détecterait aujourd'hui.
- Liste les données nécessaires, leur source, et qui en est responsable.
- Choisis un seul indicateur de succès, et la date à laquelle tu le regarderas.
- Réponds par écrit au test du contrefactuel, en deux lignes maximum.
Quand tu dois instruire une équipe entière et pas une seule tâche, la première passe se délègue : demande une liste large, puis applique toi-même les quatre critères. L'IA élargit le champ des candidats, elle ne décide pas lesquels retenir.
Tu es consultant en transformation, spécialisé dans le cadrage de projets d'IA générative. Je vais te décrire une équipe et ses activités.
Ta mission : produire une liste de 8 à 12 tâches candidates à l'assistance par IA, classées de la plus prometteuse à la moins prometteuse.
Pour chaque tâche, donne exactement :
- Le nom de la tâche, en une phrase, formulée du point de vue du métier
- La fréquence estimée par semaine et le temps unitaire estimé
- La tolérance à l'erreur : forte, moyenne ou faible, et pourquoi
- Les données nécessaires, et le risque qu'elles soient indisponibles ou non utilisables
- Un indicateur de succès unique, chiffrable en 3 mois
Termine par une section « À écarter » listant les tâches que tu as volontairement exclues, avec la raison en une ligne.
Ne propose aucune solution technique : à ce stade, on cadre le problème, pas l'outil.
Quand une estimation te manque, écris « à mesurer » plutôt que d'inventer un chiffre.
Voici l'équipe :Le profil que tu cherches vraiment
Un bon cas d'usage IA est souvent modeste, ennuyeux à présenter, et redoutablement rentable. Les projets qui survivent trois ans ne sont presque jamais ceux qui ont fait applaudir le comité de direction au premier trimestre : ce sont ceux dont une équipe dirait, si on les retirait, qu'elle ne veut pas revenir en arrière.
45 min — Ta fiche de cadrage
Les cartes de cette leçon
Réponds dans ta tête avant de retourner la carte. C'est l'effort de rappel qui ancre, pas la relecture.
Question
Quels sont les quatre critères d'un bon cas d'usage IA ?
Sources & méthode · Contenu vérifié au 6 août 2026. Sources primaires : digital-strategy.ec.europa.eu (calendrier de l'AI Act, littératie IA, lignes directrices article 50), cnil.fr (RGPD, IA agentique, priorités de contrôle), anthropic.com/legal (conditions, DPA, confidentialité et rétention). Contenu ÉDUCATIF : il donne le vocabulaire et les repères pour dialoguer avec un professionnel du droit — il ne remplace ni un avocat, ni un DPO, ni un service juridique. Fais valider tes cas à enjeu. Original pour ClaudeAI Academy.