Question 1

Qu'est-ce qui change concrètement quand une fonctionnalité IA passe de la démonstration à la production ?

Accepted Answer

À peu près tout, sauf le modèle. Une fonctionnalité IA en production est non déterministe, son coût est variable et proportionnel à l'usage, ses pannes sont silencieuses — elle répond à côté au lieu de renvoyer une erreur — et ses tests unitaires ne servent à rien. Ce qui fait tenir une telle fonctionnalité dans la durée, ce sont un jeu de cas d'évaluation, une stratégie de repli entre fournisseurs, et des prompts traités comme du code : versionnés, relus, testés.

Question 2

Que veulent réellement les entreprises qui demandent de l'IA dans leur projet ?

Accepted Answer

Trois choses très différentes, qu'il faut séparer avant de chiffrer : réduire un coût de traitement, ne pas paraître en retard face à un concurrent, ou répondre à une injonction interne. Seule la première se cadre comme un projet. Les deux autres se traitent d'abord par une conversation, sinon on livre une fonctionnalité que personne n'utilise mais que tout le monde a validée.

Question 3

Que faut-il vérifier dans ses données avant de lancer un projet d'IA ?

Accepted Answer

Quatre choses, dans cet ordre : que la donnée soit accessible par un programme, qu'elle soit fraîche, qu'on sache ce que chaque champ signifie, et qu'on ait le droit de l'utiliser pour cet usage. Un modèle n'invente pas ce qui manque et ne corrige pas ce qui est faux — il donne à des données médiocres l'apparence de la fiabilité, ce qui est pire que de ne rien faire.

Question 4

Un agent vocal IA qui fonctionne en anglais fonctionne-t-il aussi bien en français ?

Accepted Answer

Non, et l'écart ne vient pas du modèle de langage mais de tout ce qui l'entoure : la transcription bute sur les liaisons et les chiffres, la synthèse se trompe sur les nombres et les noms propres, et les tours de parole français comportent plus d'hésitations. Un agent démontré en anglais peut perdre l'essentiel de sa fiabilité en français sans qu'aucune ligne de code ne change.

Question 5

Comment écrire des critères d'acceptation pour une fonctionnalité qui n'est pas déterministe ?

Accepted Answer

En remplaçant « le système affiche X » par des propriétés vérifiables et un taux attendu, mesurés sur un échantillon de cas réels. Un critère d'acceptation classique suppose une sortie unique et reproductible ; une fonctionnalité IA n'en a pas. La recette se fait alors sur un jeu de cas construit avec le métier, et l'essentiel du travail de spécification porte sur ce qui doit arriver quand le système se trompe.

Question 6

Comment budgéter une fonctionnalité qui utilise un modèle de langage ?

Accepted Answer

En séparant le coût de construction, qui ressemble à n'importe quel développement, et le coût d'usage, qui n'existe pas ailleurs : chaque utilisation se paie. Une fonctionnalité classique amortie devient gratuite ; une fonctionnalité IA coûte d'autant plus qu'elle réussit. Le budget doit donc comporter une ligne récurrente, un plafond, et une décision écrite sur ce qui se passe quand ce plafond est atteint.

Question 7

Pourquoi un agent vocal IA paraît-il lent au téléphone, et que peut-on y faire ?

Accepted Answer

Parce que la latence perçue n'est pas celle du modèle de langage mais celle de la chaîne entière : détection de fin de parole, transcription, génération, synthèse, transport téléphonique. Sur notre chaîne, c'est la transcription qui domine — 700 à 1500 ms avant que le résultat soit déclaré définitif — loin devant le modèle. Le levier le plus rentable n'est donc pas de changer de modèle mais de diffuser la réponse au fil de l'eau plutôt qu'une fois complète.

Question 8

Comment relire efficacement du code généré par une IA ?

Accepted Answer

En inversant l'ordre habituel de la revue. Le code généré est presque toujours correct en surface — syntaxe propre, nommage cohérent, tests qui passent — et ses défauts se logent ailleurs : gestion d'erreur optimiste, réinvention de ce qui existe déjà dans le projet, et cas limites traités par omission. Je commence donc par ce que le code ne fait pas, avant de lire ce qu'il fait.

Question 9

Faut-il faire tourner l'IA sur le téléphone ou côté serveur dans une application mobile ?

Accepted Answer

Côté serveur par défaut, sur l'appareil pour les cas où la latence, le hors-ligne ou la confidentialité l'imposent. Un traitement local évite l'aller-retour réseau et ne coûte rien à l'usage, mais il alourdit l'application, consomme la batterie et fige le modèle dans une version publiée. Le choix se fait tâche par tâche, pas une fois pour toute l'application.

Question 10

Comment mesurer honnêtement ce qu'une automatisation fait gagner ?

Accepted Answer

En mesurant avant, sur le processus manuel, et en comptant le temps de bout en bout plutôt que celui de l'étape automatisée. Le piège classique est de comparer la durée de saisie avant et après, en oubliant le temps de vérification, de correction et de reprise des cas rejetés — qui absorbe souvent une grande part du gain annoncé.

Question 11

Quelles décisions ne faut-il jamais déléguer à une IA dans une application métier ?

Accepted Answer

Celles dont l'erreur n'est pas rattrapable, celles qui doivent être justifiées à un tiers, et celles qui engagent juridiquement. Une IA excelle à préparer une décision — trier, extraire, résumer, proposer. Elle ne convient pas à la prendre quand personne ne pourra expliquer pourquoi, ni revenir en arrière.

Question 12

Dans quels cas faut-il renoncer à mettre un agent vocal IA au téléphone ?

Accepted Answer

Quand l'appel porte un enjeu émotionnel, quand l'information demandée n'existe pas dans un système accessible, ou quand le volume est trop faible pour rentabiliser l'exploitation. Un agent vocal traite bien les demandes fréquentes, factuelles et vérifiables ; il dégrade tout le reste, et il le dégrade auprès de gens qui avaient choisi le téléphone parce que le libre-service n'avait pas suffi.

Question 13

Combien de temps faut-il pour créer une application web métier ?

Accepted Answer

Comptez 1 à 3 mois entre le premier atelier et la mise en production d'une première version utilisable. Le cadrage prend 1 à 2 semaines, la conception 1 à 3 semaines, la construction 2 à 6 semaines par sprints de 2 semaines, et la mise en production 1 à 2 semaines. L'IA a divisé la durée de construction ; elle n'a rien changé au cadrage, à la décision ni à la reprise de données — qui occupent désormais la moitié du calendrier.

Question 14

Comment automatiser la saisie de documents dans une application métier ?

Accepted Answer

En traitant l'extraction comme une aide à la saisie, pas comme un remplacement. OptiBot lit les documents de tiers payant et pré-remplit les dossiers : l'opérateur valide au lieu de ressaisir. Le point déterminant n'est pas la qualité du modèle d'extraction, mais la conception de l'écran de validation et le traitement des cas où la lecture échoue.

Question 15

Comment une équipe de développement utilise-t-elle concrètement l'IA pour produire du logiciel ?

Accepted Answer

Nous l'utilisons sur quatre tâches où le résultat est vérifiable : générer du code à partir d'une spécification écrite, écrire des tests, produire de la documentation, et faire une première passe de revue. Nous ne lui confions ni les décisions d'architecture, ni la modélisation des données, ni l'arbitrage de périmètre. La règle est simple : l'IA écrit ce qu'un humain peut vérifier en moins de temps qu'il n'en aurait mis à l'écrire.

IA

Mettre un modèle de langage en production : tout ce qui change

« On voudrait de l'IA » : ce qu'il y a derrière la demande

Vos données sont-elles prêtes pour l'IA ? La question avant toutes les autres

Pourquoi les agents vocaux génériques déçoivent en français

Spécifier une fonctionnalité IA : les critères d'acceptation ne marchent plus

Le coût d'une fonctionnalité IA ne se calcule pas comme les autres

Agent vocal au téléphone : où passent réellement les millisecondes

Relire du code écrit par une IA : ce que je regarde en premier

L'IA sur mobile : ce qui tourne sur l'appareil, ce qui part au serveur

Mesurer le gain réel d'une automatisation documentaire

Les décisions que nous ne confions pas à un modèle

Quand un agent vocal n'est pas la bonne réponse

Combien de temps faut-il pour créer une application web métier ?

Automatiser la saisie d'un document métier : ce que le cas OptiBot nous a appris

Comment nous utilisons l'IA pour développer — et ce que nous ne lui confions pas

Un projet à cadrer ?