Guides
Cadrer un cas d'usage IA en 1 heure : la grille qu'on utilise en première réunion
La méthode BUMPSLAB pour scorer un cas d'usage IA en 60 minutes. 5 dimensions, matrice 2x2, et les 3 patterns qu'on voit gagner systématiquement.
Une heure suffit. Vraiment. On le fait chaque semaine avec des dirigeants de PME — industrie, finance, assurance — et au bout de 60 minutes on sort avec un cas d'usage choisi, scoré, et un plan pour les 2 semaines qui suivent.
La plupart des "audits IA" facturés 30 000 CHF par les grands cabinets sont une perte de temps. On le dit comme on le pense. Trois semaines d'ateliers, un PowerPoint de 80 slides, une roadmap à 18 mois, et zéro ligne de code. Pendant ce temps, l'équipe ops continue de copier-coller des PDF à la main.
Le vrai cadrage IA en PME, c'est une réunion, cinq dimensions, une matrice. Voici la grille qu'on utilise.
Avant la réunion : 3 choses à préparer
Pas besoin de pré-audit. Trois éléments suffisent, et on les demande par mail 48 heures avant.
1. Une liste brute des process qui consomment du temps humain. Pas une liste exhaustive. Juste les douleurs ressenties. "Le commercial passe 2 jours par mois à compiler les rapports clients." "La compta retape les factures fournisseurs dans le SI." "Le bureau d'études cherche dans 12 ans d'archives pour retrouver des specs." On vise 10 à 20 lignes, écrites en langage naturel. Pas de jargon process.
2. Les bonnes personnes dans la salle. Un décideur (qui peut dire oui ou non au POC), un référent métier (qui vit le process au quotidien), et un référent data ou IT (qui sait où sont les fichiers et avec quels droits). Trois personnes. Pas plus, pas moins. Au-delà de quatre, l'atelier ralentit.
3. Un support visuel. Un tableau blanc, un Miro vierge, ou simplement une feuille Excel partagée. Pas de slides. On écrit en direct, devant tout le monde.
C'est tout. Si quelqu'un vous demande un questionnaire de 40 pages avant la première réunion, vous êtes au mauvais endroit.
Les 5 dimensions à scorer pour chaque cas d'usage candidat
Chaque cas d'usage candidat passe au crible de cinq dimensions. Score 1 à 5 sur chacune. On garde ça simple — un atelier n'est pas un mémoire.
1. Volume
Combien de fois ce process se déroule par mois ?
| Score | Volume mensuel | Exemple |
|---|---|---|
| 1 | < 10 | Bilan annuel, audit ISO |
| 2 | 10–100 | Devis grands comptes |
| 3 | 100–1 000 | Factures fournisseurs PME industrielle |
| 4 | 1 000–10 000 | Mails support, tickets niveau 1 |
| 5 | 10 000+ | Lignes de commande e-commerce, logs |
Le volume détermine le ROI. Automatiser un process qui se déroule 3 fois par an, même très bien, économise rarement assez pour justifier l'investissement. Sous 100 occurrences mensuelles, on regarde à deux fois.
2. Variabilité
Le process est-il toujours identique (très structuré) ou très libre (très variable) ?
Le piège classique : croire que l'IA brille sur le très structuré. Faux. Sur du très structuré, un script Python coûte 10 fois moins cher et tourne 100 fois plus vite. Les LLM brillent sur la variabilité moyenne — des entrées qui se ressemblent mais ne sont jamais identiques. Une facture, un mail client, un compte-rendu de RDV.
| Score | Variabilité | Le bon outil |
|---|---|---|
| 1 | Structuré rigide (CSV, formulaire) | Script |
| 2 | Semi-structuré stable | Regex + parseur |
| 3 | Semi-structuré variable | LLM zone idéale |
| 4 | Texte libre cadré | LLM zone idéale |
| 5 | Créativité pure | Humain (ou LLM avec garde-fous serrés) |
On vise 3 ou 4. On évite les extrêmes.
3. Valeur de l'erreur
Si le système se trompe, qu'est-ce qui se passe ?
- 1 — Bénin : l'humain relit toujours derrière. Erreur = un copier-coller manuel.
- 2 — Réversible : l'erreur génère un retour en arrière facile (un mail à renvoyer).
- 3 — Sensible : l'erreur coûte en temps de correction et en confiance interne.
- 4 — Lourde : l'erreur impacte un client final, mais reste rattrapable.
- 5 — Critique : décision irréversible, financière ou réglementaire (refus de prêt, classement sinistre majeur, conseil médical).
On évite les scores 5 sauf à mettre un humain dans la boucle. Et on évite tout court si le métier n'est pas mûr pour ce contrôle.
4. Données disponibles
A-t-on les documents, exemples, ou base de connaissances nécessaires ? En quantité et en qualité ?
| Score | État | Action |
|---|---|---|
| 1 | Aucune donnée structurée | Stop, on commence par documenter |
| 2 | Données éparses, multi-formats, sans propriétaire | 2 semaines de préparation |
| 3 | Données présentes, accessibles, partiellement nettoyées | Go avec un peu de prep |
| 4 | Données dans un SI propre avec API ou export | Conditions idéales |
| 5 | Données + exemples d'évaluation déjà labellisés | Très rare en PME, jackpot |
C'est la dimension qu'on sous-estime le plus. Un cas d'usage parfait sur le papier mais sans données = pas de cas d'usage.
5. Adoption métier
L'équipe qui va utiliser le système tous les jours est-elle moteur, neutre, ou résistante ?
- 5 — Moteur : ils en parlent depuis 6 mois, ils ont déjà testé ChatGPT en douce.
- 3 — Neutre : ils n'ont rien contre, ils attendent de voir.
- 1 — Résistant : ils craignent pour leur poste, ou ils ont déjà vécu un projet IT raté.
Cette dimension tue plus de projets que toutes les autres réunies. Un POC techniquement parfait avec une équipe à 1, c'est six mois perdus. Un POC moyen avec une équipe à 5, c'est un déploiement en 8 semaines.
La matrice 2×2 : Impact × Faisabilité
Une fois les cinq scores posés pour chaque candidat, on agrège sur deux axes.
- Axe Impact = Volume × Adoption (max 25)
- Axe Faisabilité = Données × Variabilité × (6 − Valeur de l'erreur) (max 125, on ramène sur 25)
On place chaque candidat dans la matrice :
| Faisabilité haute | Faisabilité basse | |
|---|---|---|
| Impact haut | Quick Win — on y va | Investment Bet — à instruire |
| Impact bas | Reconsider — joli mais marginal | Avoid — oublier |
Quatre cadrants, quatre stratégies :
- Quick Win : on lance le POC dans les 4 semaines. C'est ici qu'on récolte les premières victoires visibles.
- Investment Bet : haute valeur, mais friction technique ou métier. On instruit un mini-cadrage de 2-3 jours avant de décider.
- Reconsider : techniquement faisable, mais le jeu n'en vaut pas la chandelle. À remettre dans 6 mois si le volume augmente.
- Avoid : on ferme la discussion. Politiquement utile de l'écrire noir sur blanc — ça évite que quelqu'un y revienne dans 3 mois.
L'objectif de l'heure : sortir avec 1 Quick Win identifié et 1 à 2 Investment Bets en backlog.
Les 3 cas d'usage à FUIR (même s'ils brillent en démo)
Trois pièges qu'on voit revenir à chaque cycle. Les démos sont magnifiques. Le déploiement est un cauchemar.
1. Le "AI everywhere". Automatiser ce qui se fait déjà en 30 secondes et 3 clics. Le commercial appuie sur un bouton dans le CRM, ça génère un mail. Très joli en démo. En production, l'équipe préfère continuer ses 3 clics parce qu'elle contrôle le résultat. ROI négatif, frustration positive.
2. Le décisionnel critique sans humain dans la boucle. Refus de prêt, qualification de sinistre majeur, diagnostic médical sans validation. Même si techniquement faisable, le risque réglementaire et réputationnel dépasse le gain. Et l'AI Act européen rend ça progressivement très compliqué. Si vous y tenez : humain dans la boucle, obligatoirement.
3. La créativité pure non balisée. "On veut une IA qui génère nos posts LinkedIn." Sans guard rails, sans ton de marque documenté, sans cibles précises, le résultat ressemble à tous les autres posts générés. Indistinguable, oubliable. La créativité IA marche quand elle est cadrée à mort. Pas en mode "fais-moi un truc cool".
Les 3 patterns qu'on voit GAGNER systématiquement en PME
À l'inverse, trois patterns qu'on retrouve dans la quasi-totalité des projets qui produisent un ROI mesurable sous 90 jours.
1. Recherche assistée sur base documentaire dense. Specs techniques, contrats, archives projets, normes métier. L'utilisateur pose une question en langage naturel, le système retrouve le passage exact avec la source. C'est le pattern RAG classique. On le déploie en 3 à 6 semaines sur une base de 500 à 50 000 documents. Adoption métier souvent à 5/5 — les ingénieurs et juristes adorent.
2. Extraction et structuration depuis du non-structuré. Factures fournisseurs, bons de commande, mails clients, devis reçus. On transforme du PDF ou du texte libre en lignes propres dans le SI. Variabilité 3-4, volume 3-5, données existantes par définition. Le pattern qui paie le plus vite — souvent en 6 à 8 semaines.
3. Pré-rédaction sous contrôle humain. Devis, comptes-rendus de RDV, brouillons de réponse mail, premières versions de rapports. L'IA produit une V0, l'humain valide en 30 secondes au lieu de rédiger en 30 minutes. Gain de temps ×10 sur les tâches répétitives à variabilité moyenne.
Ces trois patterns couvrent 80 % des cas d'usage gagnants qu'on a déployés en PME suisses et françaises. Si votre Quick Win ne ressemble à aucun des trois, posez-vous la question.
Pour comprendre pourquoi ces patterns marchent et pas les autres, on a écrit ailleurs sur le choix RAG vs fine-tuning vs MCP.
Comment animer la réunion : déroulé minuté
Soixante minutes, top chrono. On garde le rythme.
0–10 min — Lister les candidats. On reprend la liste préparée. On la complète à chaud. Objectif : 8 à 12 cas d'usage candidats. Pas moins (on n'aura pas d'arbitrage), pas plus (on n'aura pas le temps de scorer).
10–40 min — Scorer chaque cas sur les 5 dimensions. À voix haute, en groupe. 2-3 minutes par cas. On évite les débats longs : si ça discute plus de 3 minutes, on note "à creuser" et on avance. Le perfectionnisme tue l'atelier.
40–50 min — Poser la matrice. On dessine les 4 cadrants au tableau. On place chaque cas. Les Quick Wins apparaissent en haut à gauche. C'est presque toujours un cas, parfois deux. Le reste est en backlog ou à oublier.
50–60 min — Choisir UN cas à instruire et définir les 3 prochains pas. Un seul. Pas deux, pas trois. Et on liste trois actions concrètes pour la semaine qui suit : qui collecte tel jeu de données, qui parle à tel utilisateur clé, qui calcule le ROI cible.
Si vous sortez de l'heure avec plus d'un cas retenu, vous avez raté l'exercice. Mieux vaut un cas instruit à fond qu'un portefeuille de 5 POCs qui s'essoufflent en parallèle. C'est exactement le mécanisme derrière la plupart des POCs IA qui échouent.
Ce qu'on fait après — et pourquoi ce n'est pas un POC immédiat
Le réflexe naturel après une réunion réussie : "On lance le POC lundi."
Mauvaise idée. Entre le cadrage à 60 minutes et le POC, il faut un mini-cadrage technique de 2 à 3 jours. On regarde les données pour de vrai (pas juste leur existence supposée). On parle 30 minutes avec deux ou trois utilisateurs finaux. On esquisse l'architecture cible — quels modèles, quelles intégrations, quel hébergement.
Pourquoi ne pas sauter cette étape ? Parce que 80 % des POCs qui échouent en PME échouent sur des hypothèses fausses du cadrage initial. Les données n'étaient pas là. L'utilisateur clé partait en retraite. Le SI ne permettait pas l'intégration prévue. Trois jours de mini-cadrage évitent 3 mois de POC en perte.
C'est aussi à ce moment qu'on chiffre le POC pour de vrai. Pas une fourchette à 50 % près. Un chiffrage à 10 % près, avec livrables et critères de succès.
Cette grille n'est pas une méthode propriétaire. Vous pouvez l'utiliser tel quel, lundi prochain, avec votre équipe. C'est exactement ce qu'on souhaite — plus il y a de cadrages bien faits en PME, moins il y a de POCs ratés, et plus le marché de l'IA appliquée gagne en crédibilité.
Si vous testez la méthode et qu'elle vous semble incomplète, dites-le. On itère dessus depuis deux ans, on n'a pas la vérité — on a une grille qui marche bien sur les PME qu'on accompagne. Vos retours sur LinkedIn nous intéressent.