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
- Valeur mesurable et nommée. Vous savez 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, vous avez le droit de les utiliser, 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.
Le test du contrefactuel
Posez 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, exigez 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. Un bon cas d'usage IA est souvent modeste, ennuyeux à présenter, et redoutablement rentable : c'est exactement le profil que vous cherchez.
Sources & méthode · Cadres RGPD et AI Act (UE) vérifiés à la rédaction ; bonnes pratiques de gouvernance IA. Contenu ÉDUCATIF, ne remplace pas un conseil juridique. Original pour ClaudeAI Academy.