‹ Retour aux articles

Choisir le premier workflow d’un pilote d’IA en entreprise

Choisissez un pilote d’IA avec une tâche claire, des données d’entrée adaptées, un relecteur désigné et des résultats vérifiables. Définissez son périmètre et décidez quand le poursuivre, le resserrer ou l’arrêter.

Le premier pilote d’IA en entreprise doit répondre à une question utile sur un travail bien délimité. L’équipe peut-elle produire un résultat que les personnes peuvent vérifier, à partir d’informations qu’elle est autorisée à utiliser, avec un effort de validation et de reprise acceptable ? Bien choisir la tâche permet de répondre plus facilement à cette question.

Un pilote devient difficile à interpréter lorsqu’il implique plusieurs services, des données d’entrée changeantes, un large accès aux outils et une définition floue du succès. Une démonstration impressionnante peut alors laisser l’organisation dans l’incertitude quant à ce qu’elle a appris. Une tâche plus restreinte peut révéler si l’approche mérite d’autres investissements.

Commencez par le workflow, son responsable actuel et la décision que le pilote doit éclairer. Cela correspond à l’orientation de la recherche d’Accentrust, qui consiste à confronter les idées aux contraintes du travail quotidien. Découvrir notre approche de la recherche.

Décrire la tâche avant de choisir la technologie

Notez ce qui entre dans le workflow, ce que quelqu’un en fait et à quoi ressemble un résultat terminé. Par exemple, préparer un brouillon de synthèse à partir d’un ensemble approuvé de dossiers d’intervention est une tâche. Améliorer les opérations clients est un objectif, mais il est trop large pour être testé dans un seul pilote.

La description doit identifier l’utilisateur visé et le responsable actuel du travail. Si un brouillon n’est utile qu’une fois relu par un spécialiste, cette relecture fait partie du pilote. Compter l’étape de génération en laissant de côté le relecteur ne mesurerait qu’une partie du travail.

Ensuite, établissez le processus actuel. Demandez au responsable de traiter plusieurs exemples représentatifs et notez l’effort nécessaire, les omissions courantes et le moment où une autre personne devient responsable. L’équipe dispose ainsi d’une base de comparaison qui reflète le travail qu’elle souhaite réellement améliorer.

Évitez de modifier le processus et d’introduire l’IA partout en même temps. Si la tâche, les données d’entrée et la responsabilité changent toutes, il devient plus difficile d’expliquer pourquoi le résultat s’est amélioré ou dégradé.

Comparer les candidats selon leurs contraintes pratiques

Prenons l’exemple hypothétique d’une organisation de services qui hésite entre deux pilotes. Le premier consisterait à préparer des synthèses internes des interventions terminées à partir de dossiers approuvés. Le second modifierait de manière autonome les dates de rendez-vous et informerait les clients en cas de conflit de planning.

La tâche de synthèse produit un résultat qu’un superviseur peut examiner avant que quiconque s’y fie. La tâche de planification touche des engagements externes et dépend des disponibilités actuelles, de l’autorisation de modifier les réservations, de la bonne remise des messages et de la reprise en cas d’échec d’une étape. Les deux peuvent avoir de la valeur. Elles exigent des preuves différentes et des niveaux de préparation opérationnelle différents.

Pour un premier pilote, la tâche de synthèse peut être le meilleur choix si ses dossiers sources sont accessibles et suffisamment clairs. Ce choix est conditionnel. Si les dossiers contiennent des identifiants incohérents ou omettent des détails importants sur les interventions, l’équipe devra peut-être d’abord améliorer le processus de saisie.

Parmi les questions de comparaison utiles :

  • La tâche se produit-elle assez souvent pour fournir des exemples représentatifs ?
  • L’équipe peut-elle obtenir les données d’entrée dans un périmètre d’accès approprié ?
  • Un relecteur peut-il reconnaître un résultat correct et complet ?
  • Que se passe-t-il si le résultat est erroné, incomplet ou en retard ?
  • Qui traite les exceptions et décide si le pilote peut se poursuivre ?

Ne dissimulez pas une réponse difficile dans un score moyen. L’absence de responsable des données ou une conséquence inacceptable peut justifier de reporter la tâche, même lorsque les autres critères semblent attractifs.

Inscrire le périmètre dans la définition du pilote

Une fois la tâche choisie, rédigez une courte définition que le responsable métier et le responsable technique peuvent tous deux utiliser. Elle doit décrire le travail assez clairement pour qu’un nouvel exemple puisse être classé comme faisant partie ou non du pilote.

Champ du piloteExemple hypothétique de synthèse d’intervention
TâchePréparer un brouillon interne de synthèse d’une intervention terminée
Données d’entréeNotes d’intervention approuvées et dossier d’intervention correspondant
RésultatUn brouillon présentant le travail réalisé, les problèmes non résolus et les références aux sources
Effets exclusMessages aux clients, modifications de rendez-vous et mises à jour des dossiers sources
RelecteurLe superviseur chargé d’accepter le dossier d’intervention
Circuit des exceptionsRenvoyer les dossiers incomplets ou contradictoires au responsable du service
DécisionPoursuivre, resserrer la tâche ou arrêter après examen des résultats et de l’effort

Cette définition rend visibles les changements de périmètre. Si quelqu’un demande plus tard au pilote d’écrire dans le dossier ou d’envoyer la synthèse, cela introduit un nouvel effet et une nouvelle question d’acceptation. Cela ne doit pas devenir une extension accessoire au seul motif que le brouillon semble utile.

Figena réunit le contexte métier, l’assistance IA et des propositions d’action vérifiables dans un seul espace de travail, ce qui en fait un lieu naturel pour un premier pilote : choisissez la tâche et le circuit précis que vous souhaitez évaluer, et mesurez-les dans Figena. Découvrir Figena.

Inclure des données d’entrée difficiles dans l’évaluation

Un pilote construit uniquement à partir d’exemples soignés peut passer à côté des cas qui génèrent du travail opérationnel. Incluez des dossiers ordinaires, des données incomplètes, des détails contradictoires et des demandes hors du périmètre convenu. Pour certains exemples, la réponse attendue peut consister à demander une clarification ou à laisser la tâche non résolue.

Pour le pilote de synthèse hypothétique, un jeu d’évaluation pourrait contenir 20 interventions ordinaires, six comportant des informations manquantes ou contradictoires, et quatre auxquelles le rôle de test n’est pas autorisé à accéder. Utilisez des données de test approuvées ou des dossiers isolés pour reproduire ces conditions. Ces chiffres de planification ne sont donnés qu’à titre d’illustration. L’essentiel est que le jeu teste les limites autant que le résultat utile.

Consignez le résultat attendu avant d’exécuter chaque cas. Un dossier restreint doit rester restreint. Un détail manquant ne doit pas être remplacé par une invention plausible. Une synthèse doit rendre visible un problème non résolu lorsque la source le laisse non résolu.

Appliquez les mêmes questions d’acceptation au processus actuel et au processus assisté par l’IA lorsqu’ils sont comparables. Conservez les exemples et les notes de relecture afin de pouvoir comparer une modification du prompt, du paramétrage de la recherche ou du workflow avec le résultat précédent.

Comptabiliser le travail de relecture et de traitement des exceptions

Pour chaque cas, examinez si le brouillon est étayé par les sources, si des informations importantes sont omises et si le relecteur peut l’utiliser. Notez le volume de corrections et de vérifications que le résultat exige.

Un brouillon produit rapidement peut tout de même ajouter du travail si le relecteur doit reconstituer l’intégralité du dossier source pour s’y fier. À l’inverse, une réponse qui signale un détail manquant peut être utile même si elle n’accomplit pas la tâche. Elle a correctement rendu la responsabilité à la personne capable de combler la lacune.

Intégrez à l’évaluation l’effort de mise en place et l’effort continu. Quelqu’un doit maintenir l’ensemble de sources approuvées, examiner les échecs et décider quand une modification nécessite une nouvelle évaluation. Ces responsabilités déterminent si le workflow vaut la peine d’être conservé après l’expérimentation initiale.

Rendre la décision suivante explicite

Poursuivez lorsque la tâche délimitée produit des résultats utiles dans le respect des contrôles et de l’effort de relecture convenus. Resserrez-la lorsque certains types de données d’entrée fonctionnent de manière fiable, mais que d’autres entraînent trop de corrections ou d’incertitude. Arrêtez lorsque l’équipe ne peut pas protéger le périmètre, obtenir des données d’entrée adaptées ou établir si le résultat est correct.

Fixez ces conditions de décision avant d’examiner les résultats. Les responsables peuvent alors discuter des éléments probants plutôt que de déplacer la barre pour l’adapter à une démonstration séduisante.

Toute extension doit introduire une nouvelle question précise. Ajouter une autre source, un autre rôle ou une action externe modifie le workflow et doit faire l’objet de sa propre évaluation. Un premier pilote réussi fournit une base solide pour cette décision suivante : une définition de la tâche, des résultats représentatifs, des cas d’échec connus et des personnes qui comprennent ce que son fonctionnement exige.