Comment créer un prototype IA pour son entreprise : 5 étapes

Une PME veut « mettre de l’IA » dans son activité. La réunion commence souvent par une liste d’outils : assistant conversationnel, automatisation des e-mails, analyse de documents, prévision des ventes. Puis une question plus difficile arrive : quel problème faut-il réellement résoudre, avec quelles données et selon quels critères ?

La bonne réponse n’est pas de lancer un grand projet. C’est de construire un prototype IA limité, observable et réversible. Un prototype ne prouve pas que toute l’entreprise est prête à adopter une technologie. Il permet de vérifier, sur un cas d’usage précis, si une approche mérite d’être approfondie.

Voici comment créer un prototype IA pour son entreprise à partir d’un scénario type. Il ne s’agit pas du récit d’un client réel, mais d’une situation pédagogique annoncée comme telle. L’objectif est de montrer la démarche, les arbitrages et les changements attendus.

Qu’est-ce qu’un prototype IA d’entreprise ?

Un prototype IA est une version volontairement restreinte d’un service ou d’un processus utilisant un modèle d’intelligence artificielle. Il peut prendre la forme d’un assistant qui classe des demandes, d’un moteur qui extrait des informations de contrats ou d’un outil qui propose une première réponse à un e-mail.

Il ne s’agit ni d’un produit final, ni d’une simple démonstration esthétique. Un bon prototype répond à une question de décision : les résultats sont-ils suffisamment pertinents pour justifier une phase suivante ? Les utilisateurs peuvent-ils contrôler les erreurs ? Les données sont-elles accessibles et utilisables dans un cadre acceptable ?

Cette distinction évite deux erreurs fréquentes. La première consiste à acheter un outil avant d’avoir défini l’usage. La seconde consiste à présenter une démonstration spectaculaire comme une preuve de valeur opérationnelle. Un prototype sérieux doit être testé avec des situations proches du travail réel, pas seulement avec trois exemples soigneusement choisis.

Cas pratique type : une PME de 15 salariés

Scénario pédagogique, non client réel : prenons une PME de 15 salariés qui reçoit chaque semaine de nombreuses demandes par e-mail. Les messages concernent des devis, des délais, des problèmes de livraison et des demandes techniques. Deux personnes les lisent, les orientent et recherchent parfois des informations dans des documents internes.

La direction imagine un assistant IA capable de lire les messages, de reconnaître leur catégorie et de suggérer une réponse. L’idée semble simple. Pourtant, elle contient au moins quatre projets différents : classer les demandes, retrouver les informations, rédiger une réponse et éventuellement l’envoyer. Les risques et les critères de réussite ne sont pas les mêmes pour chacun.

Le prototype ne cherchera donc pas à automatiser toute la messagerie. Il testera uniquement une première fonction : proposer une catégorie et un brouillon de réponse à partir d’un message entrant, avec validation humaine obligatoire. Cette formulation est moins ambitieuse que « automatiser le support », mais elle est testable.

Étape 1 : choisir un problème métier assez étroit

La première étape consiste à transformer une ambition technologique en question opérationnelle. « Utiliser l’IA pour gagner du temps » n’est pas encore un cas d’usage. Une formulation exploitable précise le processus concerné, la personne qui l’utilise, l’entrée disponible et la sortie attendue.

Dans notre scénario, la question devient : un assistant peut-il classer les e-mails entrants et rédiger un brouillon cohérent à partir de règles et de documents validés, sans décision automatique ? Cette question donne immédiatement une frontière au prototype.

Cette étape mérite parfois un regard extérieur ou un diagnostic préalable. L’audit des usages de l’intelligence artificielle peut aider à distinguer une opportunité concrète d’une idée séduisante mais mal raccordée au travail quotidien.

Comment sélectionner le bon premier cas d’usage ?

Un premier prototype est plus facile à piloter lorsqu’il porte sur une tâche fréquente, répétitive et réversible. Il doit produire une sortie que l’équipe sait vérifier. À l’inverse, il vaut mieux éviter, pour un premier essai, une décision qui touche directement à la sécurité, au recrutement, à la solvabilité d’une personne ou à l’interprétation juridique.

La question n’est pas seulement « où l’IA pourrait-elle intervenir ? ». Il faut demander : où une erreur est-elle visible, corrigeable et acceptable pendant la phase de test ? Cette nuance détermine la qualité de l’apprentissage.

Étape 2 : définir ce que le prototype doit démontrer

Un prototype sans critère de décision devient une expérimentation qui se prolonge indéfiniment. Avant de choisir une technologie, l’entreprise doit écrire ce qu’elle cherchera à observer. Les critères peuvent porter sur la pertinence des suggestions, la facilité de vérification, la couverture des cas courants et la capacité de l’équipe à reprendre la main.

Dans le scénario de la PME, le comité de test peut retenir une grille simple :

Les critères ne doivent pas être uniquement techniques. Une réponse linguistiquement fluide peut rester inutilisable si elle omet une condition commerciale. À l’inverse, une suggestion imparfaite peut être intéressante si elle réduit une recherche fastidieuse tout en laissant une validation claire à l’utilisateur.

Il est utile de prévoir trois issues avant le test : poursuivre vers une expérimentation plus large, revoir le périmètre ou arrêter. Cette possibilité d’arrêt n’est pas un échec. Elle protège l’entreprise contre l’effet tunnel et transforme le prototype en outil d’apprentissage.

Étape 3 : préparer les données et les règles

Un prototype IA ne fonctionne pas dans le vide. Il dépend des exemples, des documents et des consignes qu’on lui fournit. Dans la PME du scénario, il faut donc réunir un petit corpus représentatif : demandes courantes, demandes ambiguës, messages incomplets et cas qui doivent être transmis à un humain.

La qualité compte davantage que le volume. Un dossier rempli de documents anciens, contradictoires ou non validés donnera une impression trompeuse. Avant tout test, l’équipe doit identifier la version de référence des tarifs, des conditions de livraison, des procédures et des réponses approuvées.

Quelles précautions prendre avec les données ?

Le jeu de test doit être préparé avec méthode. Les données personnelles ou confidentielles peuvent être supprimées, remplacées ou synthétisées lorsque cela suffit à répondre à la question. Il faut également savoir où les données sont envoyées, combien de temps elles sont conservées et qui peut accéder aux résultats.

La CNIL rappelle que les projets d’intelligence artificielle doivent être examinés au regard de la protection des données personnelles et des responsabilités de l’organisation. Le prototype n’échappe pas à cette exigence sous prétexte qu’il est temporaire. Un test limité reste un traitement réel dès lors que des données personnelles sont utilisées.

Il est aussi prudent de séparer les environnements. Un prototype ne devrait pas être connecté sans précaution à la boîte aux lettres générale, au CRM ou aux dossiers clients. Un espace de test, des accès restreints et une procédure de suppression évitent qu’une expérimentation transforme accidentellement une donnée de production.

Étape 4 : construire un parcours minimal avec contrôle humain

À ce stade, l’objectif n’est pas de développer une plateforme complète. Il faut assembler le plus petit parcours capable de répondre à la question initiale. Dans notre cas type, le flux peut être le suivant : dépôt d’un message de test, analyse de son sujet, recherche dans un dossier documentaire validé, génération d’un brouillon, puis validation ou correction par un salarié.

Chaque sortie doit rester identifiable comme une proposition. L’interface ou la procédure de test doit permettre de voir les éléments utilisés, de modifier la réponse et de signaler une erreur. Si l’utilisateur ne sait pas qu’une formulation est générée, le dispositif est mal conçu, même si le texte paraît convaincant.

Le contrôle humain n’est pas une formalité apposée à la fin. Il doit être placé au moment où l’erreur peut encore être arrêtée. Dans l’exemple, l’outil ne transmet aucun message et ne prend aucun engagement au nom de l’entreprise. Il propose. Un salarié vérifie le contenu, complète l’information manquante et décide de la suite.

Faut-il développer ou utiliser un outil existant ?

La réponse dépend de la question à tester. Si l’enjeu porte sur la pertinence d’une classification ou d’une recherche documentaire, une configuration limitée peut suffire. Si l’enjeu concerne l’intégration à un logiciel métier, il faudra tester l’interface concernée, mais sans nécessairement construire tout le système cible.

Le choix technique doit rester subordonné à l’apprentissage recherché. Une solution sophistiquée peut masquer les problèmes de données et de processus. À l’inverse, un prototype trop éloigné des conditions réelles ne permettra pas de prendre une décision fiable. Le bon niveau de sophistication est celui qui rend l’hypothèse observable, pas celui qui impressionne en démonstration.

Pour les équipes qui doivent ensuite s’approprier les usages, une formation consacrée aux usages de l’IA en entreprise peut compléter le travail de cadrage. Ici encore, il faut distinguer ce qui relève de l’expérimentation technique et ce qui relève des compétences, des règles internes et des responsabilités.

Étape 5 : tester, documenter et décider

Le test doit ressembler au travail réel sans exposer inutilement l’entreprise. Dans le scénario, les 15 salariés ne sont pas tous mobilisés de la même manière. Quelques utilisateurs représentatifs peuvent exécuter le parcours avec des messages de difficulté différente, tandis qu’une personne responsable consigne les anomalies, les corrections et les questions soulevées.

Il faut documenter les cas où le prototype réussit, ceux où il échoue et ceux où il donne une réponse plausible mais fausse. Cette troisième catégorie est la plus dangereuse : elle peut passer inaperçue si l’évaluation se limite à la fluidité du texte. Chaque résultat doit donc être comparé à une référence ou relu par une personne compétente.

Le compte rendu final peut tenir sur quelques pages : objectif initial, périmètre, données utilisées, règles de contrôle, résultats observés, erreurs importantes, coûts à surveiller, conditions de déploiement et recommandation. L’entreprise dispose alors d’un objet de décision plutôt que d’une impression générale.

Que change le prototype dans la PME type ?

Avant le test, le sujet est formulé en termes vagues : « il faudrait automatiser les e-mails ». Après le test, l’entreprise peut préciser ce qui est possible, ce qui reste manuel et ce qui doit être interdit. Elle peut découvrir que le principal obstacle n’est pas le modèle, mais l’absence de réponses validées ou la dispersion des informations.

Le rôle des salariés change également. Ils ne deviennent pas de simples contrôleurs d’une machine. Ils doivent savoir repérer une réponse inventée, identifier une donnée manquante, corriger une formulation et faire remonter un cas limite. Le prototype révèle donc autant les besoins d’organisation et de formation que les possibilités de l’outil.

Enfin, la direction dispose d’une base plus solide pour décider. Elle peut poursuivre avec un périmètre mieux défini, renoncer à l’automatisation envisagée ou traiter d’abord la qualité documentaire. Dans les trois cas, le prototype a rempli sa fonction : réduire l’incertitude avant un engagement plus important.

Quels risques vérifier avant de passer à l’échelle ?

Un prototype concluant n’autorise pas automatiquement le déploiement. Plusieurs questions doivent être reprises : les données sont-elles toujours à jour ? Les accès sont-ils maîtrisés ? Les utilisateurs savent-ils quand ne pas faire confiance à la suggestion ? Les erreurs sont-elles conservées pour améliorer le processus sans créer un nouveau risque ?

Le cadre réglementaire européen doit aussi être pris en compte. Le règlement européen sur l’intelligence artificielle, règlement (UE) 2024/1689, établit une approche fondée sur les niveaux de risque et les obligations associées. Le prototype doit donc être qualifié selon son usage réel, ses utilisateurs et ses effets possibles, pas seulement selon le nom de la technologie utilisée.

La sécurité mérite une attention spécifique. Les consignes envoyées au modèle, les documents récupérés et les réponses générées peuvent contenir des informations sensibles. Les droits d’accès, la gestion des secrets, la traçabilité et la résistance aux instructions malveillantes doivent être examinés avant toute connexion à des outils de production. Un prototype isolé et réversible est souvent préférable à une intégration précipitée.

Les erreurs qui font échouer un prototype IA

Ces erreurs ont un point commun : elles rendent la décision impossible. Un prototype doit produire des enseignements exploitables, y compris lorsqu’il conduit à revoir l’idée initiale.

Quelle méthode retenir pour créer un prototype IA ?

La méthode peut se résumer en cinq décisions : sélectionner un irritant précis, formuler une hypothèse testable, préparer des données maîtrisées, construire un parcours minimal avec validation humaine, puis décider à partir de cas documentés. Cette séquence paraît simple, mais elle impose une discipline rarement compatible avec les projets lancés dans l’urgence.

Le scénario de la PME de 15 salariés montre surtout qu’un prototype ne se résume pas à une interface de conversation. Il inclut un périmètre, des règles, des données, des responsabilités et une sortie de test. C’est cette combinaison qui permet de distinguer une promesse technologique d’un usage réellement examinable.

La prochaine étape concrète consiste à rédiger une fiche d’une page : problème ciblé, utilisateurs concernés, données disponibles, sortie attendue, cas interdits, critères d’évaluation et responsable de la validation. Cette fiche peut ensuite servir de base à un premier échange avec ASphere, afin de déterminer le bon niveau de cadrage pour la suite du projet.

Pour passer a l'etape suivante, voyez nos formations et accompagnements : le programme, le format et la facon de demarrer.