Journal de bord, semaine 3.

Huit projets IA sur la table. Huit budgets entre 15k€ et 200k€. Huit équipes convaincues d’avoir besoin de machine learning.

J’ai commencé chaque audit par la même question : “avez-vous essayé sans IA ?”

Sept fois sur huit, la réponse était non. Pas “oui, mais ça ne marchait pas”. Non. Personne n’avait essayé.

(Imaginez un médecin qui prescrit de la chimio avant d’avoir fait une prise de sang.)

Le pattern

Le problème n’est pas l’IA. Le problème c’est l’ordre des opérations.

Étape 1 (que tout le monde saute) : définir le problème en termes mesurables. Pas “automatiser le support” mais “réduire le temps de première réponse de 4h à 30 min sur les tickets catégorie X.”

Étape 2 (que tout le monde saute aussi) : essayer la solution la plus simple possible. Règles métier. Scripts. Excel.

Étape 3 (où tout le monde commence) : “on va utiliser l’IA.”

flowchart TD
    ANTI["Ce que tout le monde fait"]
    ANTI --> A3["On va utiliser l'IA"]
    A3 --> A4["Budget : 120k€"]
    A4 --> A5["6 mois plus tard :
78% de précision"]
    
    CORRECT["Ce qu'il faudrait faire"]
    CORRECT --> C1["1. Définir le problème
en termes mesurables"]
    C1 --> C2["2. Solution la plus simple
(règles, scripts, Excel)"]
    C2 -->|"Insuffisant"| C3["3. Alors oui, IA"]
    C2 -->|"Suffisant"| C4["STOP.
Économie : 120k€"]
    
    class A5 alerte
    class C4 ok

Les 2 projets où l’IA était justifiée

NLP avancé sur des documents juridiques multilingues. Vision par ordinateur pour du contrôle qualité sur chaîne de production. Dans les deux cas, la solution simple avait été testée et avait échoué de manière documentée.

L’IA n’est justifiée que quand le simple a échoué. Et que l’échec est mesurable.

Sources

• Observations terrain — audits IA 2024-2025

Pour aller plus loin

• Sculley, D. et al. — « Hidden Technical Debt in Machine Learning Systems », NeurIPS, 2015
• Huyen, C. — Designing Machine Learning Systems, O’Reilly, 2022