Former ses équipes

Cas d’usage de l’IA en entreprise : les relever

Relever les cas d’usage de l’IA dans une PME avant de former : les tâches à observer, les questions à poser, le tri entre former, automatiser et attendre.

Un cas d’usage de l’IA en entreprise est une tâche précise, répétée et vérifiable, qu’une personne fait dans son métier et qu’un outil d’IA peut préparer ou contrôler sous sa responsabilité. Pour les relever avant de former, observez le travail réel de chaque poste, notez les documents et les contrôles de chaque tâche, puis triez ce qui se forme, ce qui s’automatise et ce qui attend.

Le collectif CAIO commence chacun de ses parcours de formation par ce relevé. Cet article décrit la méthode, les questions à poser et des exemples de relevés par métier, pour que vous puissiez le faire vous-même ou préparer l’entretien avec un organisme de formation.

Qu’est-ce qu’un cas d’usage de l’IA ?

Un cas d’usage de l’IA est la description d’une tâche de travail qu’un outil d’IA générative peut aider à faire, avec quatre éléments : la personne qui la fait, les documents d’entrée, le résultat attendu et la façon de vérifier ce résultat. « Rédiger le compte rendu d’une réunion client à partir des notes prises pendant l’échange, puis le relire avant envoi » est un cas d’usage. « Utiliser ChatGPT » reste trop vague pour être travaillé. Une tâche décrite avec précision se travaille en séance, se refait la semaine suivante et se mesure. En PME, un cas d’usage de l’IA générative porte surtout sur du texte : résumer, rédiger, reformuler, comparer, extraire des informations d’un document, préparer une analyse. Il peut aussi porter sur des tableaux, des courriels ou des procédures. La personne qui signe le résultat le contrôle avant tout envoi.

Formulation vague Cas d’usage relevable
Utiliser l’IA pour les mails Répondre aux demandes de devis reçues sur l’adresse commerciale à partir de la grille tarifaire, avec relecture avant envoi
L’IA pour les RH Rédiger une annonce à partir de la fiche de poste validée par le manager
Gagner du temps en compta Préparer le commentaire mensuel des écarts budgétaires à partir de l’export du logiciel
Un assistant pour tout le monde Retrouver une consigne dans les procédures internes et citer le passage exact

Relever les tâches, pas les envies d’outil

Le relevé part de la semaine de travail. Les envies d’outil viennent ensuite. Quand on demande à une équipe « que voudriez-vous faire avec l’IA ? », les réponses parlent d’outils vus ailleurs : un agent, un chatbot, une automatisation. Quand on lui demande « qu’avez-vous fait mardi dernier ? », elle parle de son travail : trois relances, un compte rendu, une mise à jour de tableau, une réponse à un client mécontent. Ces tâches-là font de bons cas d’usage, parce qu’elles reviennent et que la personne sait déjà juger si le résultat est bon.

Trois sources suffisent pour un premier relevé :

  1. L’agenda et la boîte d’envoi d’une semaine type. Ils montrent les tâches qui reviennent et le temps qu’elles prennent dans la semaine.
  2. Les documents produits. Comptes rendus, devis, rapports, notes internes. Chacun dit ce que la personne sait déjà faire et ce qu’un outil devrait reproduire.
  3. Les usages déjà en place. Certains salariés utilisent un assistant d’IA sans cadre. Les noter fait partie du relevé, sans les sanctionner. L’article sur le shadow AI détaille pourquoi ces usages sont une information utile.

Si l’équipe a du mal à décrire ses tâches, faites mettre en forme les notes brutes par un outil d’IA. Les notes ne contiennent aucune donnée client ni aucun nom.

Voici mes notes sur une semaine de travail au poste de chargée de clientèle.
Transforme-les en liste de tâches répétées. Pour chaque tâche, indique :
- ce qui déclenche la tâche (un mail, une échéance, une demande interne)
- les documents utilisés
- le résultat produit
- qui relit ou valide ce résultat
N’invente aucune tâche qui ne figure pas dans mes notes. Signale les notes
trop vagues pour être classées.

[notes anonymisées]

Les questions du relevé préalable

Le relevé préalable est un entretien court, poste par poste, qui transforme une tâche en cas d’usage travaillable. Voici les questions que nous posons, dans l’ordre :

  • Quelle tâche revient chaque semaine ? On cherche la répétition, parce qu’une tâche rare ne se pratique pas assez pour être acquise.
  • Avec quels documents ? Le format compte. Un PDF, un export de logiciel métier et un fil de mails ne se traitent pas de la même façon.
  • Quelles données contient-elle ? Données personnelles, données clients, chiffres non publiés, secret des affaires. La réponse décide de l’outil autorisé, et parfois de l’attente.
  • À quoi ressemble un bon résultat ? Demandez un exemple réel, déjà validé. Il servira de référence en séance.
  • Qui vérifie, et comment ? Si personne ne sait dire comment contrôler le résultat, la tâche n’est pas prête.
  • Que fait la personne aujourd’hui avec l’IA, si elle s’en sert ? Le niveau de départ se lit dans cette réponse.

Les réponses tiennent sur une fiche par tâche. L’ensemble des fiches devient la matière du plan de formation IA, métier par métier.

Trier : ce qui se forme, ce qui s’automatise, ce qui attend

Une fois les tâches relevées, chacune entre dans l’une de trois catégories. Le tri évite de former une équipe à faire à la main ce qu’une automatisation ferait mieux, ou d’automatiser une tâche que personne ne sait encore vérifier.

Catégorie Signes Ce qui suit
Se forme Tâche de texte ou d’analyse, résultat variable d’une fois à l’autre, jugement de la personne nécessaire Séances sur les documents de l’équipe, avec validation de l’acquis
S’automatise Même enchaînement à chaque fois, entrées et sorties stables, règles écrites Conception d’une automatisation avec points de contrôle, après que l’équipe sait faire la tâche à la main
Attend Données sensibles sans cadre, logiciel métier fermé, résultat impossible à vérifier, règle interne absente Noter la raison et la condition de reprise

Avec la catégorie « attend », l’entreprise évite d’exposer ses données trop tôt. Une tâche qui touche des données de santé, des dossiers individuels de salariés ou des informations financières non publiées attend tant que l’entreprise n’a pas décidé quels outils sont autorisés sur ces données. L’article sur l’automatisation en PME détaille comment choisir les premiers processus à automatiser.

Vigilance sur les données du relevé. Le relevé décrit des tâches sans collecter de dossiers. Les exemples apportés en entretien sont anonymisés : noms, adresses, montants identifiants et numéros de contrat retirés. Une tâche qui ne peut pas être décrite sans données personnelles est notée comme telle, et son traitement en séance se prépare avec la personne qui gère la protection des données dans l’entreprise.

Exemples de relevés par métier

Les exemples ci-dessous illustrent la forme d’un relevé. Ils ne décrivent aucune entreprise réelle. Chaque ligne indique la tâche, les documents et le contrôle.

Métier Tâche relevée Documents Contrôle
Commercial Préparer un rendez-vous avec un prospect Site du prospect, échanges passés, offre en cours Chaque information est retrouvée dans une source citée
Ressources humaines Rédiger une trame d’accueil pour un nouveau poste Procédures internes, fiche de poste Les étapes correspondent au document de référence
Comptabilité Commenter les écarts du mois Export du logiciel, budget Les montants cités sont identiques à l’export
Assistance de direction Préparer le dossier d’un comité Comptes rendus précédents, ordre du jour Chaque décision citée figure dans un compte rendu
Management Préparer un entretien annuel Objectifs de l’année, notes du manager Le manager relit et réécrit les appréciations
Service client Répondre à une réclamation fréquente Conditions générales, historique du dossier La réponse cite la clause applicable

Pour un commercial, la fiche complète ressemble à ceci :

Tâche : préparer un premier rendez-vous avec un prospect PME.
Déclencheur : rendez-vous inscrit à l’agenda.
Documents : site du prospect, page entreprise publique, échanges passés.
Données : nom et fonction de l’interlocuteur (données personnelles).
Résultat attendu : une page avec l’activité, trois questions à poser,
les points d’accroche avec notre offre.
Contrôle : chaque fait est relié à une source ouverte et datée.
Usage actuel de l’IA : résumé du site du prospect, sans vérification.
Catégorie : se forme.

Cette fiche dit ce que la personne fait déjà, ce qu’elle doit apprendre (vérifier les sources) et ce qui reste hors de l’outil (le jugement sur l’opportunité commerciale). Les parcours métier de la formation partent de fiches de ce type.

Après le relevé : passer à la formation

Un relevé bien fait donne trois choses : la liste des tâches à travailler par métier, le niveau de départ de chaque participant et la liste des tâches qui attendent, avec leur raison. Le parcours se compose à partir de là, sur une échelle de compétence commune. Chez CAIO, cette échelle compte 46 niveaux et 196 sous-niveaux, de -5 à 40, rangés en 11 blocs, avec 154 ressources. Un niveau se valide quand la personne sait refaire, expliquer et adapter sur ses propres cas.

La méthode complète, du relevé à la validation, est décrite sur la page former ses collaborateurs à l’IA. Le format retenu chez CAIO, un groupe de votre seule entreprise, est décrit sur la page formation intra-entreprise, et l’ensemble des parcours sur la page formation.

Questions fréquentes

Combien de cas d’usage faut-il relever avant une formation IA ?

Il n’y a pas de nombre cible. Il faut au moins une tâche réelle et répétée par métier représenté dans le groupe, avec les documents qui l’accompagnent. Une liste courte et précise sert mieux le parcours qu’un inventaire long et vague.

Qui doit faire le relevé des cas d’usage ?

Les personnes qui font le travail, accompagnées par quelqu’un qui sait poser les questions du relevé. Le responsable d’équipe valide la liste, parce qu’il connaît les contraintes du service et les priorités du trimestre.

Faut-il choisir un outil d’IA avant de relever les cas d’usage ?

Non. Le relevé porte sur des tâches et des documents. L’outil se choisit ensuite, d’après ce que les tâches demandent et ce que l’entreprise autorise sur ses données.

Un cas d’usage peut-il être écarté après le relevé ?

Oui. Une tâche qui manipule des données sensibles sans cadre, qui dépend d’un logiciel métier fermé ou dont le résultat ne peut pas être vérifié attend. Elle reste dans la liste avec la raison de l’attente.

À lire aussi