1. Quel travail précis voulons-nous améliorer?
La réponse devrait décrire un processus, un utilisateur et un problème mesurable. « Augmenter la productivité » est trop large. « Réduire le temps nécessaire au personnel pour trouver l’information approuvée sur les politiques » est concret.
2. Quelle information le système utilisera-t-il?
Les dirigeants devraient savoir si le système utilisera de l’information publique, des documents internes, des renseignements personnels, des données de clients, des connaissances techniques ou des dossiers réglementés.
Le type d’information influence l’architecture, les accès, la gouvernance et la pertinence d’un service d’IA public.
3. Qui demeure responsable du résultat?
L’IA peut rédiger, classer, résumer ou rechercher. Elle ne retire pas la responsabilité à la personne ou à l’organisation qui utilise le résultat.
Avant le lancement, il faut définir qui révise le résultat, qui peut l’approuver, qui traite les erreurs et quelles décisions exigent un jugement humain direct.
4. Comment les employés apprendront-ils à l’utiliser?
Une licence n’est pas un plan d’adoption. Les employés ont besoin d’exemples, de limites, de pratique, de rétroaction et d’un moyen de poser leurs questions.
Les dirigeants devraient prévoir un budget pour la formation, les directives adaptées aux rôles et les suivis, et non seulement pour le logiciel ou l’infrastructure.
5. Comment déciderons-nous de poursuivre ou non?
Un projet pilote a besoin de mesures de réussite et d’une date de révision. Les mesures peuvent comprendre le temps économisé, la réduction des erreurs, l’adoption par les utilisateurs, la qualité de l’information, l’amélioration du service ou la diminution du temps de recherche.
La révision devrait également examiner les risques inattendus, la charge de soutien et les changements de comportement utiles ou nuisibles.
Une sixième question : avons-nous réellement besoin de l’IA?
Certains problèmes se règlent mieux avec de meilleurs processus, de meilleurs documents, un logiciel plus simple ou une responsabilité plus claire.
Un partenaire crédible en IA devrait être prêt à recommander une solution sans IA lorsqu’elle convient mieux.