Les cas d’usage IA qui servent vraiment ne se trouvent pas dans une liste téléchargée : ils sortent de la semaine réelle de l’équipe. Pour les faire apparaître, animez un atelier court : partir des tâches qui reviennent, faire parler tout le monde, trier avec une matrice impact effort, tester un cas sur un vrai document dans la salle, et repartir avec deux ou trois cas suivis, chacun avec un nom à côté.
Prenons une scène type, pas une histoire réelle.
Une responsable d’équipe revient d’une réunion où sa direction a dit : « Chaque service doit identifier ses cas d’usage IA d’ici la fin du trimestre. » Le soir même, elle cherche en ligne et trouve des listes : « 50 façons d’utiliser l’IA au bureau », « les 20 meilleurs prompts pour les managers ». Elle en copie une dizaine dans un tableau et l’envoie à l’équipe en demandant à chacun de cocher ce qui l’intéresse.
Trois personnes répondent. Elles cochent « résumer des courriels » et « rédiger des comptes rendus ». Le tableau remonte à la direction. Deux mois plus tard, personne n’a changé sa façon de travailler, et le collègue qui utilisait déjà un assistant pour préparer ses devis continue de le faire dans son coin, sans en parler.
Le tableau n’était pas faux. Il ne parlait simplement pas du travail de cette équipe.
Cas d’usage IA : pourquoi les listes toutes faites ne servent pas {#listes}
Une liste trouvée en ligne décrit des tâches moyennes, dans une entreprise moyenne. Votre équipe ne fait pas des tâches moyennes. Elle répond à des appels d’offres d’un certain type, prépare des plannings avec des contraintes qu’elle seule connaît, relit des documents écrits dans un vocabulaire maison. Les cas d’usage IA qui comptent sont là, et aucune liste ne les connaît.
Il y a une deuxième raison. Un cas d’usage choisi par quelqu’un d’autre est un cas d’usage qu’on n’a pas envie d’essayer. Quand l’équipe trouve elle-même ce qui la soulagerait, elle a déjà une raison de tester. C’est toute la différence entre une consigne et un atelier.
Enfin, beaucoup de gens utilisent déjà l’IA sans le dire. L’Académie décrit cette situation dans tout le monde utilise l’IA dans son coin. Un atelier bien animé fait remonter ces usages cachés, et c’est souvent là que se trouvent les meilleurs cas.
Voici le déroulé, pour un atelier d’environ deux heures avec une équipe de six à douze personnes.
Partir de la semaine réelle : les tâches qui reviennent {#taches}
Ne commencez pas par l’IA. Commencez par le travail. La première question n’est pas « à quoi pourrait servir l’IA ? », mais « qu’est-ce qui revient chaque semaine, et qui vous prend du temps sans vous apprendre grand-chose ? ».
Demandez à chacun, seul et en silence, d’écrire sur des fiches les tâches qui reviennent dans sa semaine, une tâche par fiche. Donnez des exemples de niveau : pas « la communication », mais « reformuler la même réponse à des clients qui posent la même question ». Plus la tâche est précise, plus le cas d’usage IA sera testable.
Quelques questions aident ceux qui sèchent :
- Qu’est-ce que vous refaites presque à l’identique chaque semaine ?
- Quel document relisez-vous en cherchant toujours le même type d’erreur ?
- Quelle tâche repoussez-vous parce qu’elle est longue et ennuyeuse ?
- Qu’est-ce qu’un nouveau dans l’équipe met des semaines à savoir faire ?
Affichez les fiches au mur. À ce stade, personne n’a encore parlé d’outil, et c’est voulu.
Faire sortir les idées de tout le monde {#idees}
Deuxième temps : pour chaque tâche affichée, se demander ce qu’un assistant IA pourrait faire. Le risque, ici, est connu : la personne la plus enthousiaste, ou celle qui maîtrise déjà l’outil, prend toute la place. Les autres hochent la tête.
Utilisez une structure qui donne la parole à chacun. La méthode 1-2-4-Tous marche bien : une minute seul pour noter ses idées, puis à deux, puis à quatre, puis en grand groupe. Les idées des plus discrets arrivent au mur avant que les plus rapides aient tout dit.
Pour chaque idée retenue, faites écrire une phrase simple : « Pour [telle tâche], l’IA pourrait [faire ceci], et je garderais [cette partie]. » La dernière partie compte autant que la première. Un cas d’usage IA bien écrit dit ce que l’outil prépare et ce que la personne garde : la vérification, le choix, la relation avec le client.
C’est aussi le moment de faire parler ceux qui utilisent déjà un outil. Posez la question franchement : « Qui s’en sert déjà pour une tâche de cette liste ? Montre-nous. » Les usages cachés deviennent des cas à partager.
Trier : ce qui vaut l’effort, ce qui attend {#trier}
Vous avez maintenant vingt ou trente idées. Il faut trier, et vite. La matrice impact effort fait très bien ce travail, à condition de l’animer pour que tout ne finisse pas dans la case du milieu.
Deux questions, pour chaque cas :
| Question | Ce qu’on regarde | |—|—| | Impact : qu’est-ce que ça change si ça marche ? | Le temps rendu, la qualité, la tâche qu’on pourra enfin faire | | Effort : qu’est-ce qu’il faut pour essayer ? | Un accès à un outil, des documents à préparer, une règle à vérifier sur les données |
Placez les cas sur la matrice en groupe, en discutant les désaccords. Les cas à fort impact et faible effort sont vos candidats. Les autres ne sont pas jetés : ils attendent une deuxième vague.
Un piège à éviter : choisir le cas le plus impressionnant plutôt que le plus utile. Un assistant qui rédige toute une proposition commerciale fait rêver. Un assistant qui vérifie qu’aucune pièce ne manque dans un dossier fait gagner du temps dès la semaine suivante.
Tester un cas sur un vrai document, dans la salle {#tester}
C’est l’étape que la plupart des démarches sautent, et c’est celle qui change tout. Prenez le cas d’usage IA le mieux placé, et testez-le en direct, avec l’équipe, sur un vrai document de travail, choisi pour ne contenir aucune donnée sensible.
Projetez l’écran. Une personne de l’équipe écrit la demande, pas l’animateur. Lisez ensemble ce que l’outil rend. Puis posez trois questions au groupe : qu’est-ce qui est juste ? qu’est-ce qui est faux ou inventé ? qu’est-ce qu’il faudrait lui dire de plus ?
La deuxième question est essentielle. Les outils d’IA générative produisent parfois des informations fausses présentées comme vraies : c’est ce qu’on appelle une hallucination). La CNIL note dans ses premières précisions pour déployer une IA générative que ces résultats inexacts peuvent pourtant paraître plausibles. Voir l’outil se tromper sur un document qu’on connaît par cœur apprend plus qu’une heure d’avertissements.
À la fin du test, l’équipe sait trois choses : si le cas tient, ce qu’il faut relire à chaque fois, et comment mieux formuler la demande. Elle a aussi vu que l’outil prépare, et que c’est elle qui décide. C’est la même logique que dans IA et aide à la décision : l’outil prépare un choix, il ne le fait pas à la place de l’équipe.
Garder deux ou trois cas, et dire qui les suit {#suivre}
Ne repartez pas avec dix cas. Repartez avec deux ou trois, chacun avec un nom à côté et une date. Celui qui suit un cas ne fait pas tout seul : il essaie pendant deux ou trois semaines, note ce qui marche et ce qui coince, et le raconte à l’équipe à la réunion suivante.
Écrivez ensemble, pour chaque cas retenu, une fiche courte :
- la tâche, en une phrase ;
- ce que l’outil prépare, et ce que la personne garde ;
- les documents qu’on a le droit d’utiliser, et ceux qu’on n’utilise pas ;
- ce qu’il faut vérifier à chaque fois ;
- qui suit le cas, et quand on en reparle.
Ces fiches deviennent la première version de la carte des cas d’usage IA de l’équipe. Elle sera fausse dans trois mois, et c’est normal : on la reprend, on garde ce qui a tenu, on teste la deuxième vague.
Ce qu’on ne met jamais dans la liste {#jamais}
Un atelier sur les cas d’usage IA doit aussi dire ce qui n’en fera jamais partie. Trois familles reviennent presque toujours.
Ce qui touche aux données qu’on ne doit pas confier à un outil. Données personnelles, informations confidentielles de clients, éléments couverts par un secret : la règle se pose avant l’atelier, pas après. L’Académie propose une règle simple à donner à vos équipes, et l’équipe peut la compléter en écrivant sa propre charte d’utilisation de l’IA.
Ce qui engage une personne. Annoncer une décision difficile, répondre à un collègue en conflit, évaluer quelqu’un : l’outil peut aider à préparer, jamais parler à la place de la personne.
Ce que personne ne sait vérifier. Si personne dans l’équipe n’est capable de dire si la réponse de l’outil est juste, le cas n’est pas prêt. Il attend que quelqu’un sache relire.
Écrire cette liste en équipe rassure ceux qui craignent l’outil, et cadre ceux qui voudraient tout lui confier.
Apprendre à animer cet atelier {#apprendre}
Cet atelier demande deux savoir-faire : animer un groupe pour que tout le monde contribue, et connaître assez l’outil pour tester un cas en direct sans se perdre. Le premier s’apprend avec les bases de la facilitation, et les types d’ateliers collaboratifs aident à choisir le bon format. Le second se travaille dans la formation IA générative de l’Académie, dont l’un des objectifs est justement d’identifier et de cartographier des cas d’usage concrets propres à votre cœur de métier. Une journée de 7 heures, en intra, pour six à douze personnes, sur vos propres documents. Elle s’adresse notamment aux managers, salariés, formateurs et facilitateurs, internes ou externes. Sur devis, finançable par votre OPCO.
Pour aller plus loin : découvrir la formation IA générative de l’Académie
Si vous ne deviez faire qu’une chose cette semaine : demandez à chaque personne de votre équipe d’écrire trois tâches qui reviennent dans sa semaine et qu’elle aimerait faire plus vite. Vous aurez la matière de vos premiers cas d’usage IA, et personne n’aura encore parlé d’outil.
