Quand l'IA est prématurée (et comment on cadre)

Six situations où on déconseille de lancer un projet IA, même quand le client en a la conviction. Mieux vaut le dire en cadrage qu'aller livrer une POC qui dormira six mois plus tard dans un tiroir. La majorité des projets IA qui échouent partagent un ou plusieurs de ces six signaux.

Les six signaux d'un projet IA prématuré

1. Pas de problème métier identifié. « On voudrait faire de l'IA » sans use case précis. Le projet va pivoter trois fois en cours de cadrage, l'équipe va perdre confiance, le budget va se diluer. Avant un projet IA, il faut un problème métier nommé : quelle tâche, pour qui, avec quel KPI mesurable.

2. Données absentes ou inexploitables. Sans données structurées et accessibles, pas de RAG, pas d'agent métier, pas de recherche augmentée. Si les sources documentaires sont sur des serveurs de fichiers non indexés, si l'ERP est verrouillé, si le CRM est peuplé à 30%, il faut d'abord traiter la donnée. Pas l'IA.

3. Volume encore faible. L'IA a un coût fixe (mise en place, intégration, monitoring) et un coût marginal (par requête, par tâche). Sans volume, la mise en place s'amortit lentement. Une recherche augmentée sur un trafic très faible, ou un agent pour une poignée de tâches par jour, se rentabilisent mal. On le dit, et on cadre le volume avant de se lancer, plutôt que d'écarter le projet.

4. Périmètre flou. Si on ne peut pas dire en une phrase ce que l'IA doit faire et ne pas faire, l'assistant va dériver une fois en production, perdre la confiance des utilisateurs, et l'équipe va se retrouver à débrancher au bout de quelques mois. Un périmètre précis se travaille en cadrage, pas en cours de dev.

5. Critères de succès non mesurables. Sans KPI explicite (taux de résolution, temps moyen, satisfaction client, gain en heures-homme), impossible d'évaluer si le dispositif fait son travail. Impossible d'itérer. Impossible de défendre le budget. Le projet va finir par être abandonné par manque d'argument à présenter à la direction.

6. Équipe interne inexistante. Un projet IA en production demande une équipe qui le surveille, l'améliore, ajuste les sources, traite les conversations qui ont fléchi. Sans personne en interne pour porter le dispositif, le projet ne tient pas un an, indépendamment de la qualité technique initiale.

Ce qu'on fait dans ces cas

On le dit en cadrage. C'est la première valeur de Digitz : ne pas vendre un projet qui va échouer.

On propose une alternative non-IA quand elle existe. Souvent, un workflow bien cadré, une meilleure indexation des contenus, un script d'automatisation classique, ou un changement de process règle 80% du problème pour 10% du coût d'un projet IA.

On propose un projet préparatoire avant l'IA proprement dite. Structurer la donnée, qualifier le volume, définir les KPI, monter une équipe interne. Six mois plus tard, le projet IA part dans de meilleures conditions.

Cas réels qu'on a réorientés

Sans entrer dans les détails clients, trois demandes qu'on a cadrées autrement récemment. On ne dit pas non au client : on structure d'abord, on intègre l'IA ensuite.

Une demande de « chatbot IA pour le site corporate » alors que le site recevait 800 visiteurs par mois et que les questions courantes étaient déjà bien traitées par une FAQ. Réorientation : améliorer la FAQ et la navigation.

Une demande d'« agent IA pour automatiser la facturation » alors que les factures arrivaient dans 17 formats différents non normalisés. On ne refuse pas : on cadre et on structure la donnée en amont (normalisation du pipeline d'arrivée des factures), puis on intègre l'IA sur une base saine.

Une demande de « recherche augmentée sur le catalogue produit » alors que le catalogue contenait 80 références. Réorientation : améliorer la nomenclature et la recherche classique.

Auditer la maturité IA de votre projet