Guide

Lancer un projet d’IA en entreprise

Les étapes pour passer d’une idée d’usage à une solution d’IA en service, et les erreurs à éviter.

Par l’équipe Ingenit

Un projet d’intelligence artificielle se joue moins sur le choix du modèle que sur trois décisions prises en amont : l’usage visé, les données disponibles et la façon de mesurer le résultat. Ce guide suit les étapes dans l’ordre, de l’idée à la mise en service.

Qu’est-ce qu’un projet d’IA en entreprise ?

Un projet d’IA en entreprise consiste à confier à un logiciel une tâche précise qui demandait jusque-là une lecture ou une rédaction humaine : retrouver une information, résumer un dossier, classer des demandes, extraire les données d’un document. Dans la plupart des cas, il ne s’agit pas de créer un modèle, mais de relier un modèle de langage existant à vos documents et à vos outils, puis de vérifier que ses réponses sont fiables. C’est un projet logiciel à part entière, avec un périmètre, des tests et une maintenance.

1. Choisir un cas d’usage précis

Un bon premier cas d’usage réunit quatre conditions :

  • une tâche fréquente, qui prend du temps à des personnes qualifiées ;
  • des données déjà disponibles, sous forme de documents ou de bases ;
  • un résultat qu’un utilisateur peut vérifier, en gardant la décision ;
  • un risque limité en cas d’erreur.
Type d’usageExempleCe qu’il faut vérifier
Recherche documentaireRetrouver une clause dans des contratsLes documents sont-ils à jour et accessibles ?
Extraction de donnéesLire des factures ou des bons de commandeQui contrôle les valeurs extraites ?
Tri et orientationClasser les demandes entrantesQue devient une demande mal classée ?
Aide à la rédactionPréparer une réponse ou un compte renduQui relit avant l’envoi ?

À l’inverse, mieux vaut écarter au départ les décisions qui engagent l’entreprise sans relecture humaine, et les tâches pour lesquelles aucune donnée fiable n’existe.

2. Vérifier les données

L’IA répond à partir de ce qu’on lui donne à lire. Avant de développer, vérifiez :

  • où se trouvent les documents, et dans quels formats ;
  • s’ils sont à jour, et qui les maintient ;
  • qui a le droit de les consulter : l’assistant ne doit pas montrer à un utilisateur un document auquel il n’a pas accès ;
  • si certains contiennent des données personnelles ou confidentielles.

Des documents dispersés, contradictoires ou périmés donnent des réponses du même niveau. Un tri préalable fait souvent plus pour la qualité que le choix du modèle.

3. Décider où tournent les modèles

Trois options existent, à comparer selon la sensibilité des données.

OptionPrincipeÀ retenir quand
Service cloud d’un fournisseurLe modèle est appelé par une API, dans un cadre fixé par contratLes données peuvent sortir de l’entreprise sous conditions
Cloud dans une région choisieLe modèle tourne dans un environnement qui vous est réservéLa localisation des données doit être maîtrisée
Hébergement sur siteLe modèle tourne sur vos propres serveursLes données ne doivent pas quitter vos locaux

L’hébergement sur site demande des ressources de calcul dimensionnées : voir notre offre d’infrastructure informatique. Dans tous les cas, lisez les conditions du fournisseur : durée de conservation des données, réutilisation pour l’entraînement, pays d’hébergement.

4. Cadrer la confidentialité et les obligations

Dès que des données personnelles sont traitées, les règles habituelles s’appliquent : la loi 09-08 au Maroc, sous le contrôle de la CNDP, et le RGPD pour les personnes situées dans l’Union européenne. Le règlement européen sur l’intelligence artificielle, entré en vigueur en août 2024, ajoute des obligations qui s’appliquent par étapes selon le niveau de risque des usages. Faites valider ces points par votre conseil juridique. Côté technique, la gestion des accès et la journalisation relèvent de la cybersécurité.

5. Prototyper sur un cas réel

Un prototype limité à un cas d’usage et à un jeu de documents réels permet de décider sur des résultats. Fixez avant de commencer :

  1. une liste de questions ou de documents de test, avec les réponses attendues ;
  2. les critères de réussite : exactitude, sources citées, temps gagné ;
  3. les utilisateurs qui testeront, et la durée du test.

6. Mesurer la qualité avant de déployer

Une IA peut produire une réponse fausse avec assurance. La qualité se mesure donc sur des exemples, et non à l’impression générale : part de réponses exactes, part de réponses dont la source citée est la bonne, cas où l’assistant aurait dû répondre qu’il ne savait pas. Conservez ce jeu de test : il resservira à chaque changement de modèle ou de documents.

7. Intégrer dans les outils existants

Un assistant utile se trouve là où les équipes travaillent déjà : dans l’application métier, l’intranet ou l’outil de support. L’intégration relève du développement logiciel sur mesure : authentification, droits, interface, connexion aux données.

8. Suivre les coûts et la qualité dans la durée

Une fois la solution en service, trois éléments sont à suivre : la qualité des réponses, à partir des retours des utilisateurs ; les coûts, qui dépendent du volume traité ; et l’évolution des documents et des modèles. Ce suivi peut entrer dans un contrat de maintenance applicative.

Les erreurs fréquentes

  • Partir de la technologie plutôt que d’un usage.
  • Choisir un cas d’usage sans données fiables.
  • Ne pas fixer de critères de réussite avant le prototype.
  • Oublier les droits d’accès aux documents.
  • Supprimer la relecture humaine sur des décisions importantes.
  • Ne pas prévoir de budget de fonctionnement après le lancement.

La checklist en résumé

  1. Un cas d’usage précis, fréquent et vérifiable est choisi.
  2. Les documents nécessaires sont accessibles, à jour et triés.
  3. L’assistant reprend les droits d’accès aux documents.
  4. Le mode d’hébergement des modèles est décidé et documenté.
  5. Les obligations sur les données personnelles sont vérifiées.
  6. Un jeu de test et des critères de réussite sont fixés.
  7. Une relecture humaine est prévue pour les décisions importantes.
  8. Le suivi de la qualité et des coûts est attribué.

Pour choisir vos cas d’usage avant d’investir, notre conseil SI peut conduire le cadrage. Pour le projet lui-même, voir notre offre d’intelligence artificielle, ou contactez-nous.

Un besoin sur ce sujet ?

Décrivez votre contexte en quelques lignes : nous revenons vers vous avec une première lecture.

Planifier un échange