MÉTHODE
D’où vient cette méthode
Quinze ans de transformation et de pilotage dans de grands groupes, principalement bancaires : des comités et des arbitrages sur des portefeuilles de plus de 100 M€, des communautés de relais métier à animer (50 utilisateurs clés sur un outil de reporting, puis 20 ambassadeurs IA), des ateliers et des outils à faire adopter. J’y ai vu des projets bien financés échouer faute d’usage, et des projets modestes tenir parce que les équipes avaient été associées tôt. J’ai appliqué cette approche à un premier assistant IA, déployé et dont j’ai mesuré la valeur, et à mes quatre prototypes de décision.
En 30 secondes
Pour chaque étape, la question que se pose le décideur, et l’erreur qui doit l’alerter.
Est-ce que j’investis ?
Erreur à repérer : on parle de la solution avant d’avoir mesuré le problème.
Vont-ils s’en servir ?
Erreur à repérer : à mi-pilote, les relais métier n’ont pas commencé à tester.
Vont-ils s’y fier, à juste titre ?
Erreur à repérer : on copie le résultat sans ouvrir la source, ou on ne s’en sert plus.
Est-ce que ça tient ?
Erreur à repérer : le seul indicateur suivi est le nombre de connexions.
01
Est-ce que j’investis ?
La meilleure piste parmi plusieurs, chiffrée à l’usage : le gain attendu par rapport à l’existant, temps de vérification compris, avec des hypothèses écrites.
De l’idée à la piste retenue
QUESTION
CE QUE JE FAIS
1. Le problème vaut-il d’être résolu ?
Je mesure sa fréquence, le temps qu’il coûte et le prix d’une erreur, sur le terrain plutôt qu’en réunion.
2. Quelle piste retenir ?
Je compare plusieurs pistes (règle, processus revu, assistant existant, IA) et je découpe chacune en tâches, avec l’architecture pour le choix du moteur.
3. Que vaut-elle vraiment, à l’usage ?
Pour chaque piste, j’estime la valeur nette côté usage : temps gagné, temps de vérification, conditions d’adoption. Je mesurerai ce même chiffre en production.
4. Comment le savoir vite ?
Je teste la piste recommandée par un prototype de décision. Je recommande, le sponsor décide : mes hypothèses deviennent les critères go / no-go du business case.
Qui doit dire oui, et avec quelles preuves
Dans une banque, un projet IA ne se décide pas seul. Le métier attend un gain. Les fonctions de risque et de contrôle attendent des garde-fous et une traçabilité. La conformité et le délégué à la protection des données attendent une qualification : le cas d’usage est-il à haut risque au sens de l’AI Act, traite-t-il des données personnelles ? La sécurité attend une maîtrise des données et des prestataires. Les représentants du personnel attendent de savoir ce qui change pour les équipes. J’identifie ces attentes dès le cadrage, pour que chaque « oui » s’appuie sur une preuve préparée.
Prototype associé : L’Architecte d’Opportunités challenge une idée de projet avant qu’elle ne devienne un budget. Voir le prototype →
02
Vont-ils s’en servir ?
un usage répété et choisi, qui résiste à la première erreur.
Ce que je mets en place avant le déploiement
Un sponsor qui porte le projet : il arbitre et en parle dans ses instances.
Un mandat pour les relais métier : du temps réservé et des objectifs écrits.
Une mesure de départ : le temps réellement passé sur les tâches visées, relevé avant le pilote.
Une prise en main centrée sur les limites de l’outil. Avant son arrivée, le guide des pratiques encadre l’usage des assistants généralistes.
Le CSE consulté avant l’introduction de l’outil, lorsque cette consultation est requise.
Les résistances sont des informations
« L’IA va me remplacer »
Révèle : la crainte que son rôle soit dévalorisé.
Réponse : préciser ce que fait l’IA, ce que l’humain garde, et que l’outil ne sert pas à l’évaluation individuelle.
« Je n’ai pas le temps de changer »
Révèle : un coût de changement réel.
Réponse : s’insérer dans les outils existants, avec un premier cas d’usage qui montre un gain.
« J’ai essayé, ça ne marche pas »
Révèle : une méfiance acquise.
Réponse : repartir de cas d’usage fiables, avec des sources visibles.
« Qui est responsable si l’IA se trompe ? »
Révèle : la peur d’assumer l’erreur d’un autre.
Réponse : décider avant le lancement qui valide quoi, avec quelle vérification.
Prototype associé : Roxy Fluent, coach d’anglais professionnel pour cadres à l’agenda imprévisible. Ses choix de conception servent l’adoption : usage facultatif, sessions de 10 minutes qui reprennent là où on s’est arrêté, aucun rappel culpabilisant, des résultats qui ne servent jamais à une décision RH. Voir le prototype →
03
Vont-ils s’y fier, à juste titre ?
une confiance alignée sur la fiabilité réelle de l’outil, tâche par tâche. Ni aveugle, ni sceptique par principe.
Quand les équipes revérifient tout ce que produit l’IA, elles ont souvent raison. Derrière un seul « l’IA n’est pas fiable », on trouve en général quatre causes : une limite de l’outil, une tâche mal attribuée, des données d’entrée désordonnées, des attentes mal calées. Une seule dépend de la technologie. Microsoft l’avait d’ailleurs écrit : la documentation de sa fonction COPILOT dans Excel, retirée en septembre 2026, la déconseillait pour les calculs numériques et pour tout ce qui exige une exactitude reproductible.
Cinq engagements de confiance
Ils valent pour un outil conçu pour cela. Un assistant généraliste ne les tient pas : les équipes compensent alors avec les gestes du guide des pratiques.
Aucun calcul de tête par le modèle. Les chiffres viennent de formules ou de règles visibles.
Une source précise pour chaque réponse : le passage, la cellule ou l’email exact, en un clic.
Un périmètre annoncé : ce que l’outil fait bien, et ce qu’il ne fait pas.
Des limites signalées par le système, et non par le modèle : la part des données réellement traitée.
Une correction en un geste : l’utilisateur refuse, corrige ou annule une proposition, et voit ce qui a changé.
La vérification méritée
Je conçois le contrôle avant la génération. Le système vérifie tout ce qu’une règle peut vérifier : les totaux rapprochés de la source, la part des données réellement traitée, l’existence de chaque référence citée. L’utilisateur ne voit qu’un signal, « RAS » ou « à vérifier », avec sa raison. Une règle vérifie la forme, pas le sens : le sens passe par une revue ciblée, avec la source en un clic.
Pendant le pilote, l’utilisateur relit chaque résultat avant de s’en servir : il en reste responsable. Un relais métier, qui n’évalue pas les utilisateurs, contrôle ensuite un échantillon et mesure les erreurs passées inaperçues. Si ce taux reste sous un seuil fixé avant le lancement, la relecture systématique devient un contrôle par échantillon ; les résultats signalés « à vérifier » restent toujours relus. La relecture revient à 100 % dès que le taux dérive ou que le modèle change. Sur une décision qui touche un client ou un salarié, elle reste systématique.
Tout utilisateur peut faire remonter la relecture à 100 % ; seul le responsable métier peut la faire redescendre, sur preuve. Le retour à 100 % déclenche un plan d’action porté par le responsable métier, avec une échéance : sans retour sous le seuil, l’outil est recadré ou arrêté.
La vérification baisse quand la fiabilité est prouvée, et remonte dès qu’elle ne l’est plus.
Le bon niveau d’autonomie
Il se règle selon le coût d’une erreur : un brouillon quand l’erreur coûte peu, une validation humaine quand elle peut atteindre un client, un comité ou un reporting. Dans tous les cas, l’humain peut reprendre la main.
La première erreur visible
C’est là que la confiance se gagne ou se perd. Je la prépare avant le lancement : qui est prévenu, comment on corrige, ce qu’on en dit. Une erreur reconnue et corrigée vite renforce la confiance.
Prototypes associés : PMO Ally sépare les contrôles et calculs déterministes de la rédaction par l’IA, et chaque élément renvoie à sa source. L’Éclaireur IA propose des thèmes d’échange, le conseiller décide. PMO Ally → Éclaireur IA →
04
Est-ce que ça tient ?
le gain net mesuré : temps gagné, moins le temps de vérification, moins le coût des erreurs, moins le coût de l’outil.
Une enquête Workday menée auprès de 3 200 dirigeants et salariés estime qu’environ 37 % du temps gagné grâce à l’IA est repris par les corrections. Rares sont pourtant les business cases qui soustraient ce temps.
Le calcul que je fais
Les quatre termes s’expriment en euros : le temps se valorise au coût horaire chargé. Le coût de l’outil comprend son fonctionnement et sa construction, amortie. Le coût des erreurs qui passent inaperçues s’estime en contrôlant un échantillon.
Cette formule ne mesure que le temps : c’est un plancher. Ce que l’IA améliore, une analyse plus solide, une anomalie repérée avant le comité, un scénario qu’on n’aurait pas eu le temps d’explorer, se mesure à part, sur un échantillon évalué avant et après, avec des critères fixés avant le pilote.
Ce site et ses quatre prototypes de décision auraient demandé une équipe. Je les ai menés seule, avec l’IA. Les idées, la stratégie et les arbitrages sont les miens ; l’IA a démultiplié ce que je pouvais en faire. Le temps gagné compte, mais le vrai gain est là : aller plus loin, en gardant la main sur chaque décision.
Ce que je suis pendant le pilote, puis en production
Usage répété à 4 et 8 semaines
Si l’adoption tient après l’effet de nouveauté
Temps de vérification, rapporté au temps de produire sans l’IA
Si l’outil vaut encore la peine : au-delà de 50 %, je recadre ou j’arrête
Taux de correction des propositions, par tâche et jamais par personne
Où l’outil se trompe, et si cela diminue
Erreurs repérées plus tard, sur échantillon
Ce que la vérification laisse passer
Qualité évaluée sur échantillon, avant et après
Si l’outil améliore le travail, et pas seulement sa vitesse
Coût réel par usage
Si l’outil reste rentable quand l’usage grandit
Les imprévus à anticiper
Un modèle mis à jour sans préavis : des tests de référence à rejouer, et la notification des changements prévue au contrat (DORA).
Un sponsor qui change : une valeur documentée, qui survit aux personnes.
Le paradoxe du vérificateur : plus on délègue, moins on sait vérifier. Je garde des tâches où l’humain produit d’abord.
La charge de supervision : l’IA produit plus vite que l’humain ne vérifie. Des points d’arrêt, et une limite au nombre d’agents suivis par personne.
Savoir arrêter
Les critères d’arrêt sont fixés avant le pilote. S’ils ne sont pas atteints, on arrête ou on recadre, et le budget revient à un meilleur projet. En banque, ces mesures nourrissent aussi la gouvernance des modèles quand l’outil y est soumis.
Prototype associé : Chacun de mes prototypes fixe ses critères go / no-go avant le pilote. Roxy Fluent sera jugé à 12 semaines sur la part d’utilisateurs encore actifs et de sessions liées à un moment réel, pas sur le nombre d’inscrits. Voir les prototypes →
LES DEUX OUTILS DE LA MÉTHODE
Décider, puis bien utiliser
Avant d’investir, puis à chaque étape du pilote : la grille de décision, 20 questions dont 6 bloquantes, avec un exemple rempli et la répartition des rôles. Pour les équipes qui utilisent un assistant IA généraliste, avant le déploiement d’une solution conçue pour leur métier : le guide des pratiques, en une page.
Mon rôle : qu’un projet IA arrive en comité avec ses preuves, et en production avec ses utilisateurs.
Je travaille pour cela entre le métier, la DSI, les risques et la conformité : je cadre, je prépare les preuves, j’accompagne l’adoption et je mesure.
Voir les prototypes de décision
Échanger
Sources
Règlement (UE) 2024/1689 sur l’IA, article 4, modifié par le règlement (UE) 2026/1744, en vigueur depuis le 27 juillet 2026.
Code du travail, article L2312-8. Tribunal judiciaire de Créteil, ordonnance de référé (décision provisoire) du 15 juillet 2025, n° 25/00851, analysée par CMS Francis Lefebvre.
DORA, règlement (UE) 2022/2554, article 30 (contrats avec les prestataires informatiques).
Microsoft, documentation de la fonction COPILOT dans Excel, retirée le 14 septembre 2026, rapportée par Chris Menard le 20 août 2026.
Workday et Hanover Research, enquête menée en novembre 2025, publiée en janvier 2026, rapportée par HR Dive.
J. D. Lee et K. A. See, Trust in Automation: Designing for Appropriate Reliance, Human Factors, 2004.
Contenu d’information générale. Dernière vérification : novembre 2026. Il ne constitue ni un avis juridique ni une position de mon employeur.