Point de vue

L'IA n'est pas un produit. C'est un levier.

Le sujet n'est pas de l'utiliser. C'est de savoir où elle crée de la valeur, où elle en détruit, et comment en faire une feature qui tient.

Planifier un échange Retour au portfolio

La conviction

Ouvrir ChatGPT ne différencie plus personne. Ce qui différencie, c'est le jugement : décider où l'IA a sa place dans un produit, et où elle n'en a pas.

Je n'aborde jamais l'IA par la techno. Je pars du problème produit, de la valeur métier et du coût de l'erreur. L'IA n'est une bonne réponse que quand le problème s'y prête. Sinon, une règle simple, une meilleure UX ou une intégration API font mieux, plus vite, moins cher.

Discernement

Où l'IA crée de la valeur

Ma grille de lecture. Deux terrains, un critère de déclenchement pour chacun. L'IA n'entre en jeu que si le critère est rempli.

05cas

Dans le produit

Des capacités qui changent l'expérience utilisateur.

Assistants & copilotesQuand l'utilisateur affronte trop d'information ou une tâche experte répétée.
Recherche sémantique & knowledgeQuand la donnée existe mais que personne ne la retrouve dans un SI éclaté.
Document intelligenceQuand des humains ressaisissent ou classent des documents à la main.
Aide à la décision & recommandationsQuand une décision répétée s'appuie sur des signaux nombreux et implicites.
Langage naturel & formulaires intelligentsQuand la complexité d'un parcours fait fuir l'utilisateur.

04cas

Dans le delivery & les opérations

Des gains de vitesse et de qualité sur la fabrique produit.

Automatisation de workflowsQuand une chaîne de tâches est répétitive, à fort volume, à faible jugement.
Monitoring & détection d'anomaliesQuand les signaux sont trop nombreux pour l'œil humain.
Documentation & specsQuand la qualité dépend de la discipline de chacun. L'IA pose un plancher.
Accélération de la discoverySynthèse d'entretiens, analyse de verbatims, veille. Ça accélère, ça ne décide pas.

Et où je dis non

Là où l'erreur coûte cher et n'est pas rattrapable, là où la conformité exige la traçabilité, là où le volume ne justifie pas la complexité : un système déterministe vaut souvent mieux qu'un modèle probabiliste.

Étape 01
Cadrer le problème, pas la techno
Quel job à accomplir, quelle valeur métier, quel coût de l'erreur. La techno vient après.
Étape 02
Challenger le cas d'usage
Est-ce vraiment la meilleure réponse, ou l'effet de mode ? La plupart des idées IA ne passent pas cette étape.
Étape 03
Choisir l'approche et le modèle
Selon le contexte : coût, latence, confidentialité, criticité. Le plus gros modèle n'est presque jamais la réponse par défaut.
Étape 04
Spécifier les garde-fous
Fallback, mesure de la qualité, boucle de feedback, coût maîtrisé. Une feature IA sans garde-fous n'est pas prête.
Étape 05
Embarquer la tech
Faisabilité, données, sécurité, RGPD. Je parle leur langue, rien ne se perd dans la traduction.
Étape 06
Accompagner l'adoption
Sans adoption, la meilleure feature IA ne vaut rien. C'est là que se joue le ROI.

Principes

Ma posture

Un accélérateur, pas un substitut aux équipes produit.

Le problème d'abord, l'outil ensuite.

Le jugement et la responsabilité restent humains.

Confidentialité et conformité d'abord, surtout en enterprise.

Ce que je pratique déjà

Je ne théorise pas l'IA, je m'en sers tous les jours dans mes propres process produit : structurer des specs, synthétiser de la discovery, analyser des données, prototyper. Les outils changent vite ; le réflexe reste le même : déléguer à la machine ce qui n'a pas besoin de mon jugement, pour le concentrer là où il compte.

Mes outils au quotidien