Notion · Pratique et outillage
Cas d’usage
Une situation de travail précise où l’IA rend service : relire les devis, préparer les comptes rendus, trier les demandes. Un bon projet part d’un cas d’usage, pas d’une technologie.
Comment ça marche
Un cas d’usage, c’est la description d’une situation précise : qui fait quoi, à partir de quoi, pour obtenir quoi, combien de fois, et ce qui fait que c’est réussi. « Chaque matin, l’assistante de direction lit une quarantaine d’e-mails et en fait un résumé de cinq lignes pour le dirigeant, qui doit savoir en deux minutes ce qui demande une décision. » Voilà un cas d’usage. « Utiliser l’IA pour les e-mails » n’en est pas un.
Décrire les cas d’usage de cette façon permet trois choses. Les prioriser : fréquence, temps gagné, difficulté, sensibilité des données. Choisir la solution : un gabarit de demande, un agent personnalisé, une automatisation, un outil sur mesure. Et mesurer : le temps et la qualité avant, après. Un projet d’IA qui part d’un cas d’usage bien décrit a une chance ; un projet qui part d’une technologie en a rarement.
Un exemple concret
- Tour de table : chacun décrit les tâches de sa semaine qui consistent à lire, écrire, chercher ou trier. 31 tâches listées.
- Tri : pour chacune, quatre notes de 1 à 3 : fréquence, temps, facilité à vérifier le résultat, sensibilité des données. 9 cas d’usage se détachent.
- Les trois premiers : la préparation des comptes rendus de rendez-vous clients à partir des notes (quotidien, 30 minutes chacun, vérifiable, données clients donc outil interne) ; la veille réglementaire hebdomadaire (vérifiable, données publiques) ; la rédaction des premières réponses aux questions courantes des clients (vérifiable, outil interne).
- Écartés pour l’instant : l’analyse des portefeuilles (données très sensibles, résultat difficile à vérifier) et la rédaction des conseils personnalisés (responsabilité réglementaire).
- Mesure : pour les trois retenus, le temps actuel est noté. Rendez-vous dans deux mois.
Les cas écartés ne sont pas abandonnés. Ils attendent que l’équipe ait appris sur les trois premiers.
Ce que ça change pour une équipe
- L’IA devient concrète. Pas de débat sur « l’IA » en général : des situations de travail, avec des noms et des chiffres.
- Les priorités se discutent sur des critères. Fréquence, gain, vérifiabilité, sensibilité : un tableau, et une décision que tout le monde comprend.
- Les équipes sont parties prenantes. Les cas d’usage viennent de ceux qui font le travail. Ils adoptent ce qu’ils ont proposé.
- Les résultats se mesurent. Un cas d’usage décrit a un avant et un après. Le retour sur investissement se calcule.
Les limites et les erreurs fréquentes
- Partir de la technologie. « On a un abonnement, qu’est-ce qu’on en fait ? » donne des usages gadgets. Partir des tâches.
- Des cas d’usage trop larges. « Améliorer la relation client » n’est pas un cas d’usage. « Répondre aux demandes de modification d’adresse » en est un.
- Commencer par le plus sensible. Le cas d’usage qui touche aux données les plus confidentielles ou à la responsabilité la plus lourde se fait en dernier, quand on a appris.
- Ne pas mesurer. Sans le temps avant, impossible de prouver le gain après. La mesure fait partie de la description du cas.
Pour aller plus loin
Un cas d’usage se décrit par un déclencheur, des entrées, un résultat attendu, un volume et un critère de qualité. Il se priorise par le gain attendu et la facilité de mise en œuvre, puis se mesure.
Où ça se situe chez Opora
Programme 01 · Mieux utiliserUn usage responsable et sobre de l’IA
Repérer et prioriser les cas d’usage de votre entreprise, à partir des situations de travail réelles de vos équipes, c’est le premier atelier du programme Un usage responsable.
Questions fréquentes
Comment trouver des cas d’usage ?
En regardant les tâches, pas la technologie. Qu’est-ce qui prend du temps, revient souvent, et consiste à lire, trier, résumer, extraire, rédiger ou chercher ? Un atelier d’une demi-journée avec une équipe, où chacun décrit sa semaine, en fait ressortir une dizaine.
Comment choisir par lequel commencer ?
Par celui qui a le meilleur rapport entre le gain attendu et la facilité : fréquent, bien délimité, résultat facile à vérifier, données peu sensibles. Le premier cas d’usage sert aussi à apprendre ; il vaut mieux qu’il soit modeste et réussi que spectaculaire et raté.
Un cas d’usage doit-il être automatisé ?
Pas forcément. Beaucoup de cas d’usage se traitent avec un assistant et un bon gabarit de demande, sans automatisation. L’automatisation vient quand le volume et la régularité le justifient. Le cas d’usage décrit le besoin ; la solution vient après.