Comment choisir votre premier projet IA

Votre premier projet IA doit être une tâche étroite, répétitive et axée sur le texte, qu'un humain effectue déjà lentement ou de façon inconsistante, dont les entrées existent déjà et dont la sortie peut être vérifiée par quelqu'un de votre équipe. Il doit être livré en semaines, pas en trimestres, et doit comporter une seule métrique que vous pouvez lire six semaines après le lancement. Tout le reste de la « stratégie IA » découle de ce que ce premier résultat vous apprend.

La plupart des dirigeants à qui nous parlons s'y prennent à l'envers. Ils commencent par l'idée la plus visible (un chatbot sur la page d'accueil, un « copilote IA » pour tout le produit) et se retrouvent avec une démo qui impressionne en réunion mais n'atteint jamais la production. La grille ci-dessous est ce que nous utilisons pour les orienter vers quelque chose qui sera réellement livré.

La grille à quatre questions

Soumettez chaque candidat à ces questions, dans l'ordre. Un projet qui échoue à l'une d'entre elles est un deuxième ou troisième projet, pas un premier.

1. Un humain fait-il cela aujourd'hui, et s'en plaint-il ?

Les meilleurs premiers projets se déroulent déjà manuellement. Quelqu'un dans votre équipe lit les leads entrants et les trie. Quelqu'un résume les tickets support pour la revue hebdomadaire. Quelqu'un copie des champs de PDF vers un CRM. Quelqu'un rédige des e-mails de suivi quasi identiques quarante fois par semaine.

Si personne n'effectue cette tâche aujourd'hui, vous n'automatisez pas un workflow, vous inventez un produit. C'est une démarche légitime, mais c'est un pari produit avec un risque produit, et cela ne devrait pas être votre premier projet IA.

La plainte compte autant que la tâche. Un workflow que les gens détestent vous donne un utilisateur interne motivé, qui testera la sortie, signalera les échecs, et défendra le projet quand il sera imparfait en semaine deux.

2. Les entrées existent-elles déjà sous une forme exploitable ?

Le texte dans les e-mails, documents, tickets support, transcriptions d'appels et pages web est exploitable. Des données dispersées dans six feuilles de calcul avec des noms de colonnes incohérents ne le sont pas, et « il suffit juste de nettoyer les données d'abord » est la cause de décès la plus fréquente d'une première initiative IA.

Choisissez une tâche où le modèle peut lire ce qui existe déjà. Si la réponse honnête est que les données nécessitent un projet de migration avant qu'un modèle puisse les traiter, choisissez un autre premier projet et mettez la migration sur la feuille de route séparément.

3. Un non-ingénieur peut-il vérifier si la sortie est correcte ?

Votre premier projet a besoin d'un humain qui peut regarder la sortie et dire « oui » ou « non » en moins d'une minute. Un e-mail rédigé, une étiquette de classification, un ensemble de champs extraits, un résumé d'un paragraphe : tout cela est vérifiable. Un agent multi-étapes qui négocie avec des fournisseurs ou modifie votre base de données de façon autonome n'est pas vérifiable d'un coup d'œil, et vous n'avez encore aucune preuve de la façon dont votre modèle se comporte sur vos données.

C'est aussi pourquoi nous conseillons aux dirigeants de rester en interne pour le premier projet. Quand la sortie est fausse, le coût est quelques minutes du temps d'un collègue, pas la confiance d'un client. Une fois que vous disposez de quelques semaines de taux d'erreur réels, la décision de passer en mode client-facing devient une décision fondée sur des données. Nous détaillons ce que cette transition implique dans faire passer un agent IA du pilote à la production.

4. Existe-t-il une métrique que vous pouvez lire en six semaines ?

Heures économisées par semaine. Taux de réponse. Pourcentage de tickets correctement routés. Jours entre un lead entrant et la première réponse. Un seul chiffre, mesuré avant et après.

Si le seul critère de succès honnête est « l'équipe se sent plus productive », le projet ne peut pas être évalué et ne peut justifier un deuxième projet. Pour la conversation financière qui sous-tend ce point, consultez notre guide sur le calcul du ROI d'un agent IA.

Ce que cette grille exclut, et pourquoi c'est une bonne chose

• Le chatbot de la page d'accueil. Échoue à la fois à la question trois et à la question quatre. Personne dans votre équipe ne peut vérifier chaque réponse donnée à un visiteur, la métrique est floue, et l'inconvénient d'une mauvaise réponse est public. Un bon troisième projet, une fois que vous avez des taux d'erreur internes sur lesquels vous appuyer.
• L'assistant de connaissance interne sur « tous nos documents ». Échoue à la question deux. « Tous nos documents » signifie six formats, trois modèles de permissions, et personne pour dire si une réponse était correcte. Réduisez-le à un type de document et une équipe, et il passe.
• L'agent de workflow complet. Tout ce qui est décrit comme « un agent qui gère tout le processus de bout en bout » échoue à la question trois. Dans notre propre cas, la version de bout en bout aurait été « un agent qui gère la prospection ». Nous n'avons pas construit cela. Nous avons construit l'étape unique qu'un humain effectuait le plus souvent et aimait le moins, la recherche et la rédaction, et laissé l'envoi, le suivi et les mises à jour du CRM aux personnes. La version complète du processus est un deuxième ou troisième projet, assemblé à partir d'étapes qui ont chacune été vérifiées.
• Tout ce qui commence par la construction d'infrastructure. Bases de données vectorielles, data lakes, plateformes d'orchestration. Ce sont des outils dont vous aurez peut-être besoin plus tard. Les acheter ou les construire avant d'avoir une tâche fonctionnelle est la façon dont les budgets disparaissent, et c'est presque toujours le signe que la tâche elle-même n'a pas été clairement définie.

Un exemple concret tiré de nos propres opérations

Notre propre premier projet IA interne n'avait rien de glamour. Nous envoyons de la prospection à des clients potentiels, et la partie lente était la recherche : quelqu'un devait ouvrir le site de chaque entreprise, comprendre son activité, et rédiger un e-mail qui y fasse référence. Cela cochait toutes les cases. Un humain le faisait et n'aimait pas ça. L'entrée, un site web public, existait déjà. Un collègue pouvait lire le brouillon et le juger en trente secondes. La métrique était le taux de réponse.

Nous avons construit un petit moteur qui explore le site de chaque prospect avec un crawler auto-hébergé, transmet le contenu à un modèle hébergé localement, et produit un e-mail personnalisé par entreprise. La première architecture que nous avons essayée était une chaîne : une étape pour extraire des faits sur l'entreprise, une autre pour choisir un angle, une autre pour rédiger. Cela fonctionnait, mais lorsque nous l'avons réduite à un seul prompt qui extrayait les faits pertinents et rédigeait l'e-mail en une seule passe, les brouillons se sont améliorés et le coût par e-mail a baissé. Cette découverte a façonné la façon dont nous construisons les projets clients aujourd'hui, et nous l'avons détaillée dans appel unique vs chaînes d'agents.

L'important n'est pas l'architecture spécifique. L'important est qu'un premier projet étroit, vérifiable et mesurable nous a appris quelque chose de général en quelques semaines, ce qui est exactement à quoi sert un premier projet.

Ce que cela devrait coûter et combien de temps cela devrait prendre

Un premier projet qui passe la grille représente généralement quelques semaines de travail d'agence : une courte phase de découverte pour cerner la tâche et la métrique, une construction, et quelques semaines d'utilisation supervisée avec des entrées réelles. Si le devis que vous recevez dépasse six à huit semaines, ou nécessite de mettre en place une nouvelle infrastructure avant que quoi que ce soit ne soit utilisable, le périmètre a dérivé. Challengez le périmètre avant de challenger le prix.

Les coûts de modèle pour une tâche interne à cette échelle sont généralement une erreur d'arrondi par rapport à la construction. Notre moteur de prospection fonctionne sur un modèle hébergé localement et un crawler auto-hébergé, donc le coût par e-mail correspond essentiellement à du matériel que nous possédons déjà. Le changement d'architecture a compté davantage que le choix du modèle : réduire trois appels de modèle à un seul a diminué le coût par e-mail, tout en améliorant les brouillons. L'exception est le traitement de documents à haut volume, où le choix du modèle importe réellement ; même là, un modèle petit ou auto-hébergé suffit souvent une fois la tâche bien délimitée, et vous pouvez le tester pendant la construction plutôt que de décider en amont.

Prévoyez aussi un budget pour la partie moins passionnante : enregistrer chaque entrée et sortie dès le premier jour. Nous n'avons pu comparer la chaîne au prompt unique que parce que chaque page explorée et chaque brouillon avaient été stockés. Sans ce journal, vous ne pouvez pas mesurer les taux d'erreur, vous ne pouvez pas comparer deux approches, et vous ne pouvez pas répondre à la question « est-ce que cela a fonctionné » en semaine six.

Comment mener les six semaines

1. Semaine zéro : notez la tâche, la base de référence actuelle de votre métrique, et qui vérifiera les sorties quotidiennement.
2. Semaines une à trois : construisez. Insistez pour voir des entrées réelles, pas des exemples synthétiques, dès la fin de la semaine un.
3. Semaines quatre à six : faites-le fonctionner en parallèle de l'humain. L'humain continue d'effectuer la tâche ; la sortie de l'IA est comparée à la sienne. Comptez les accords et les échecs.
4. Fin de la semaine six : lisez la métrique. Décidez d'étendre, de garder tel quel, ou d'arrêter. Chacune des trois options est un bon résultat, car vous disposez désormais de preuves.

Si cela a fonctionné, le deuxième projet est généralement évident : l'étape suivante du même workflow, ou la même tâche pour une équipe voisine. Si cela n'a pas fonctionné, vous avez appris où vos données ou votre domaine mettent un modèle en échec, pour le prix de quelques semaines plutôt qu'un trimestre.

Si vous avez un candidat en tête et souhaitez un deuxième avis pour savoir s'il passe la grille, parlons-en.