Premier cas d'usage IA : comment choisir celui que vos équipes utiliseront vraiment
En bref
Choisissez une tâche fréquente, faite par une personne que vous pouvez nommer, dont l'erreur se rattrape vite et dont vous pouvez compter l'usage dès la première semaine. Le bon premier cas est celui dont vous savez dire qui s'en sert lundi matin, et comment vous le vérifiez.
Pourquoi « faire de l'IA » n'est pas un cas d'usage
« Il faut qu'on fasse quelque chose avec l'IA » est une intention. Un cas d'usage, c'est une tâche précise, faite par une personne précise, qu'un outil fera mieux, plus vite ou avec moins d'erreurs.
En 2025, 18 % des entreprises de 10 salariés ou plus utilisent au moins une technologie d'IA. Parmi celles qui ne l'utilisent pas, 71 % disent ne pas en voir l'utilité (Insee, juillet 2026). Chez les PME et ETI, 23 % des dirigeants citent la difficulté à identifier les cas d'usage (Bpifrance Le Lab).
Les matrices impact et faisabilité oublient une question : qui ouvre l'outil lundi matin, et comment saura-t-on qu'il l'a ouvert ? Un produit se juge à l'usage.
La grille : six critères, notés de 0 à 2
| Critère | 0 | 1 | 2 |
|---|---|---|---|
| Utilisateur nommé | « les équipes » | un service | une ou deux personnes nommées, qui le demandent |
| Fréquence | quelques fois par an | chaque mois | chaque semaine ou chaque jour |
| Coût de l'erreur | l'erreur part chez un client sans relecture | relecture longue | un humain vérifie plus vite qu'il ne ferait la tâche |
| Données | à créer ou dispersées | existent, à rassembler | accessibles, et vous avez le droit de les utiliser |
| Branchement | un nouvel outil à côté | du copier-coller | dans l'outil où le travail se fait déjà |
| Mesure | « on verra » | un gain estimé | on sait compter les usages et le temps passé aujourd'hui |
Deux critères pèsent plus qu'ils n'en ont l'air. Le branchement : 38 % des entreprises qui n'utilisent pas l'IA citent l'incompatibilité avec leurs logiciels (Insee). Le coût de l'erreur : l'IA propose, un humain valide, et le bon premier cas est celui où cette validation est rapide.
La grille appliquée à trois exemples
Trois situations fictives : un organisme de formation qui fait contrôler ses programmes avant envoi, une PME dont l'IA prépare chaque lundi les relances de devis dans la messagerie, un CFA qui refait chaque mois le même reporting à partir de trois exports.
Trois candidats passés à la grille
- Utilisateur nommé à 0 ? Le cas est éliminé, quel que soit le total.
- Données ou coût de l'erreur à 0 ? Les droits d'utilisation des données et la maîtrise des conséquences d'une erreur sont des prérequis. Tant qu'ils ne sont pas établis, le score ne vaut pas autorisation de tester.
- 9 sur 12 ou plus : le cas mérite un cadrage. En dessous : corriger le critère faible, ou passer au suivant. Le seuil de 9 sur 12 est mon repère de cadrage, pas un seuil validé statistiquement.
La relance des devis gagne : fréquente, dans la messagerie, et l'erreur se voit avant l'envoi. Son point faible, ce sont les données : si le statut des devis n'est pas à jour, la liste sera fausse. Le cadrage le vérifie en premier.
Le reporting du CFA est un bon candidat à l'automatisation, pas forcément à l'IA. Un tableur bien construit assemble les exports avec des calculs déterministes, à tester sur les formats et cas attendus, l'IA rédige ensuite le commentaire. Le meilleur premier cas n'a parfois presque pas besoin d'IA, et c'est une bonne nouvelle pour le budget.
Les faux bons premiers cas
- L'assistant IA pour toute l'entreprise : personne n'en est responsable, 0 sur l'utilisateur.
- Le chatbot face aux clients ou aux apprenants : chaque erreur est publique. Commencez en interne.
- Le cas choisi pour la démonstration au comité de direction : une démonstration n'est pas un usage.
- Le cas qui attend un grand chantier de données : c'est un projet de données, pas un premier cas d'IA.
- Les décisions sur des personnes (sélection, évaluation, orientation) : coût de l'erreur maximal et cadre juridique exigeant, voir l'IA en organisme de formation.
Le cadrage tient sur une page
Les huit cases d'une feuille de route
- Le problèmeen une phrase, dans les mots de l'équipe
- L'utilisateurnommé, et ce qu'il fait aujourd'hui
- Les rôlesce que fait l'IA, ce que valide l'humain
- Les donnéesoù, qui y accède, quels droits
- Le départfréquence, temps, erreurs aujourd'hui
- Deux indicateursun d'usage, un de résultat
- L'arrêtce qui fera dire « on arrête »
- Le prochain paset son prix
Comment savoir si le démonstrateur marche ?
Il tourne sur un vrai document ou un vrai processus, avec deux ou trois vrais utilisateurs. Puis on regarde trois signaux pendant les premières semaines.
Trois signaux à suivre
Usage spontané
L'utilisateur ouvre-t-il l'outil sans rappel ?
Taux de validation
Part des propositions acceptées telles quelles, retouchées ou rejetées.
Contournements
L'équipe revient-elle à son ancien fichier ?
Si l'usage baisse, on cherche la cause et on applique le critère d'arrêt défini selon la fréquence réelle de la tâche : on a dépensé peu, et on sait pourquoi.
C'est pourquoi je conçois des produits dont chaque réponse se vérifie. Sur un produit de vérification d'un dossier face à un référentiel, chaque preuve citée par l'IA doit exister mot pour mot dans les documents : au test, 21 preuves sur 21 ont été retrouvées. C'est un résultat de test, pas encore d'usage.
L'usage, lui, se gagne sur le terrain. J'ai déployé un logiciel de gestion dans un organisme de formation : il sert chaque jour, à la place du logiciel du marché qu'il payait. Pas d'IA ici, mais la leçon est la même : un outil adopté s'insère dans la journée de quelqu'un que l'on connaît. Pour placer ensuite la validation humaine au bon endroit, voir humain dans la boucle.