Préparation à l'IA : sept questions que toute organisation devrait se poser avant la mise en œuvre

L'intelligence artificielle peut soutenir diverses tâches organisationnelles, de la recherche dans les documents internes au classement des demandes et à la rédaction de résumés. Mais la question d'affaires pertinente n'est pas de savoir si l'IA est puissante. Il s'agit de savoir si un système précis est utile, approprié, maîtrisable et digne d'être maintenu dans un environnement donné.

Avant de commander une intégration d'IA, la direction devrait pouvoir répondre en langage clair à sept questions.

Si l'équipe ne peut pas définir la réussite, elle ne peut pas affirmer de façon crédible qu'il y a eu amélioration.

Constat clé

1. Quelle décision ou quelle activité précise cherchons-nous à améliorer?

Commencez par un flux de travail réel. Décrivez l'intrant, le résultat souhaité, la personne responsable et ce à quoi ressemble une réussite. Utiliser l'IA pour rendre les opérations plus intelligentes n'est pas une portée de projet. Aider les gestionnaires à trouver les sections pertinentes de la politique lorsqu'ils répondent à des questions internes courantes s'en rapproche beaucoup plus.

Demandez-vous si une règle plus simple, une fonction de recherche améliorée, un formulaire ou une intégration logicielle classique pourrait résoudre le même problème. Le cadre de gestion des risques de l'IA du NIST (AI Risk Management Framework) encourage à comprendre le contexte prévu du système et à déterminer si l'IA convient au cas d'usage.^[1]

2. L'information de base est-elle adéquate?

Les résultats dépendent de l'exhaustivité, de la pertinence, de l'exactitude et des autorisations associées à l'information utilisée. Si des documents contiennent des politiques contradictoires ou des procédures périmées, l'IA peut reproduire cette incohérence dans un langage soigné.

Déterminez les propriétaires des données, leur sensibilité, les usages licites, les exigences de conservation et les documents sources auxquels les utilisateurs devraient se fier. Documentez les renseignements qui ne peuvent pas être transmis à des services tiers. Les obligations canadiennes en matière de confidentialité varient selon l'organisation, le secteur, la province et l'activité; le Commissariat fédéral à la protection de la vie privée offre des directives générales aux entreprises, mais un examen juridique propre au projet peut être nécessaire.^[2] La loi québécoise sur la protection des renseignements personnels dans le secteur privé, par exemple, oblige les entreprises qui y sont assujetties à réaliser une évaluation des facteurs relatifs à la vie privée pour tout projet d'acquisition, de développement ou de refonte d'un système d'information impliquant des renseignements personnels, et oblige les organisations à informer les personnes lorsqu'une décision les concernant est fondée exclusivement sur un traitement automatisé.^[4]

3. Qui demeure responsable des décisions?

Une personne devrait pouvoir repérer le moment où un système se trompe, corriger son résultat et arrêter le flux de travail ou le contourner. Fixez des limites claires : l'IA peut-elle suggérer, classer, résumer ou déclencher une action? Peut-elle modifier un dossier? Peut-elle envoyer des messages à l'extérieur? Plus l'action est lourde de conséquences, plus l'approbation humaine et les contrôles de vérification devraient être rigoureux.

4. Comment testerons-nous la fiabilité?

Définissez des cas réels représentatifs, des cas difficiles connus et ce qui constitue une erreur inacceptable. Mesurez davantage que le simple fait qu'une réponse paraisse fluide. Selon le cas d'usage, les vérifications pertinentes comprennent l'exactitude des faits, les affirmations non fondées, l'exhaustivité, la récupération correcte de l'information autorisée et le déclenchement d'une escalade lorsque le degré de confiance est insuffisant.

Un projet pilote devrait inclure à la fois des cas courants et des cas exceptionnels. Si l'équipe ne peut pas définir la réussite, elle ne peut pas affirmer de façon crédible qu'il y a eu amélioration.

5. Quels risques de sécurité la conception crée-t-elle?

Les systèmes d'IA peuvent introduire de nouvelles voies de défaillance en plus des risques habituels de sécurité des applications. Le Top 10 de l'OWASP pour les applications de grands modèles de langage (LLM) et d'IA générative recense notamment l'injection de requêtes, la divulgation d'information sensible, l'autonomie excessive et le traitement inadéquat des sorties; son édition 2026 met à jour le classement et élargit la couverture des menaces de la liste de 2025.^[3]

Les contrôles peuvent comprendre la limitation des autorisations des outils, la validation des sorties, la protection des secrets, la séparation des données, la consignation des actions et la restriction de l'autorité du système. Ces protections doivent être mises en œuvre et testées pour la conception proposée; elles ne sont pas des propriétés de la technologie d'IA en général.

6. Qui exploitera et examinera le système après le lancement?

Désignez le responsable des changements, des mises à jour du modèle ou du fournisseur, de la réponse aux incidents, de la rétroaction, de la surveillance et des révisions de politiques. Si le flux de travail change, qui révise les invites, les règles, les cas d'évaluation ou les connecteurs? Quel est le processus pour désactiver l'intégration au besoin?

Un prototype n'est pas un service opérationnel tant que la responsabilité, le soutien et la surveillance ne sont pas définis.

7. Qu'est-ce qui rend le dossier d'affaires valable?

Établissez une base de référence et évaluez les bénéfices en regard de l'effort de mise en œuvre, de la préparation des données, du coût de gestion des exceptions, de la supervision, du risque et des frais du fournisseur. Les mesures possibles comprennent le délai de traitement, le nombre d'interventions manuelles, le pourcentage de résultats acceptés sans correction, le taux d'escalade et la satisfaction des utilisateurs.

Utilisez des estimations prudentes. Un résumé généré par l'IA qui fait gagner deux minutes mais exige une révision approfondie peut ne produire aucune valeur nette significative.

Transformez les réponses en un projet pilote restreint et contrôlé

Une discussion sur la préparation devrait aboutir à l'une de trois décisions : passer à un projet pilote limité, effectuer d'abord les travaux préalables sur les données ou les processus, ou reporter l'IA au profit d'une solution plus simple. Chacune est un résultat légitime.