1. Besoin opérationnel
L’évaluation devrait commencer par les processus, les délais, les erreurs, les lacunes de connaissances, les besoins de service et les décisions. Un objectif vague comme « utiliser l’IA » n’est pas un cas d’usage.
Un bon énoncé précise qui effectue le travail, quelle information est nécessaire, où se trouvent les frictions et à quoi ressemblerait un meilleur résultat.
2. Information et données
L’organisation doit savoir quelle information existe, où elle se trouve, qui en est responsable et si elle est suffisamment à jour pour soutenir le système proposé.
Dans les applications de connaissances, de mauvais documents peuvent produire de mauvaises réponses. Dans l’analyse ou l’automatisation, des dossiers incomplets peuvent fausser les décisions.
3. Environnement technologique
L’état de préparation comprend les systèmes d’identité, les réseaux, le matériel, les services infonuagiques, les points d’intégration, les habitudes d’accès et la capacité interne de soutien.
L’évaluation ne devrait pas présumer qu’une nouvelle plateforme d’IA peut être ajoutée sans effet sur le reste de l’environnement.
4. Sécurité, confidentialité et risque
L’évaluation devrait repérer l’information sensible, les usages autorisés, les attentes d’emplacement des données, les rôles d’accès, la journalisation, la conservation, la reprise et les exigences de révision humaine.
Les usages à risque élevé exigent des contrôles plus rigoureux et ne conviennent pas toujours à un premier projet pilote.
5. Personnes et pratiques de travail
Les employés doivent comprendre l’objectif du système, les changements à leur travail et les responsabilités qui demeurent les leurs. La direction doit attribuer la responsabilité des décisions, du contenu, des approbations et du soutien.
La littératie en IA et la préparation au changement sont des exigences de mise en œuvre, et non des ajouts facultatifs.
6. Gouvernance
Une bonne évaluation précise qui peut approuver les cas d’usage, quels usages sont interdits, comment les résultats sont révisés, qui est responsable des bases de connaissances et comment les incidents ou comportements inattendus seront escaladés.
La gouvernance devrait être proportionnelle au risque. Elle ne devrait pas être si lourde qu’elle empêche les expériences modestes et à faible risque.
7. Sélection du projet pilote
Le premier projet pilote devrait avoir un groupe d’utilisateurs défini, une quantité d’information gérable, une valeur mesurable et un point clair d’arrêt ou de révision.
Le meilleur pilote n’est pas toujours l’idée la plus ambitieuse. C’est le cas d’usage qui permet d’obtenir un apprentissage crédible avec un risque contrôlé.
8. Feuille de route et séparation commerciale
Le livrable final devrait être une feuille de route indépendante des fournisseurs qui priorise les possibilités, les écarts et les prochaines étapes. Si l’évaluateur offre aussi des services de mise en œuvre, la proposition de mise en œuvre devrait être distincte et facultative.
Cette séparation protège la crédibilité de l’évaluation tout en donnant à l’organisation une voie concrète pour avancer.