Décrire un usage avant de choisir un modèle

Partez d’un parcours complet : qui formule la demande, quelles informations sont disponibles, quel résultat est attendu et qui le vérifie ? Un assistant qui propose une réponse et un agent qui exécute une action n’ont pas les mêmes exigences.

Définissez également les situations où une règle classique ou une intervention humaine reste préférable. Ce travail peut réduire le périmètre à construire et évite de budgéter une IA là où une intégration logicielle suffit.

  • Quel temps ou quelle friction cherche-t-on à réduire ?
  • Quelle erreur serait acceptable, coûteuse ou irréversible ?
  • Comment vérifiera-t-on que le résultat est meilleur que le fonctionnement actuel ?

Examiner les données et leurs permissions

Des documents dispersés, mal structurés ou obsolètes demandent un travail de préparation. Il faut identifier les sources de référence, leur fréquence de mise à jour et les droits d’accès applicables.

Pour une recherche documentaire, le budget ne couvre pas seulement la recherche : il inclut l’ingestion, les mises à jour, la suppression de documents et le respect des autorisations. Un prototype utilisant quelques fichiers ne démontre pas que ces sujets sont résolus.

Séparer construction et exploitation

Le budget de construction couvre le cadrage, l’interface, les intégrations, les contrôles, les évaluations et le déploiement. Le nombre de systèmes à connecter et les exigences métier peuvent compter davantage que le choix initial du modèle.

Le budget récurrent comprend l’usage des modèles, l’infrastructure, le stockage, la supervision, l’assistance et les évolutions. Il dépend des volumes et de la longueur des échanges, mais aussi des opérations déclenchées en arrière-plan.

  • Définir un scénario de volume habituel et un scénario de pointe.
  • Prévoir des limites d’usage et des alertes adaptées.
  • Distinguer le coût automatique du temps de vérification humaine.
  • Identifier qui prendra en charge les incidents et les changements de fournisseur.

Budgéter la validation, pas seulement la démonstration

Constituez un ensemble de cas représentatifs : demandes simples, ambiguïtés, informations manquantes, accès refusés et tentatives de détourner le système. Les critères de réussite doivent être définis avant d’élargir le déploiement.

Après une modification du modèle, des instructions ou des sources, ces cas doivent pouvoir être rejoués. Cette évaluation continue fait partie du produit ; elle ne se limite pas à une recette en fin de projet.

Choisir une première étape mesurable

Un premier périmètre utile couvre un besoin réel de bout en bout, pour un groupe d’utilisateurs identifié. Il doit permettre de mesurer la qualité, les exceptions et les coûts, sans donner d’emblée des permissions trop larges.

Pour préparer un échange, réunissez quelques exemples de demandes, un aperçu des sources, les outils concernés et les contraintes de confidentialité. Nous pourrons alors proposer un périmètre et expliciter les hypothèses d’estimation.

Et pour votre projet ?

Vous avez identifié un usage, mais le périmètre reste flou ? Nous pouvons examiner les données, les intégrations et les critères de qualité avant de définir une première livraison.

Intelligence artificielle