Ce que l’IA ne fait pas,ou pas encore bien.

Les hallucinations : des erreurs plausibles

Un modèle de langage produit du texte probable, pas du texte vérifié. Il peut inventer un chiffre, une référence, une norme ou une clause avec la même assurance qu’une information exacte. Ce comportement ne disparaît pas totalement, même avec les meilleurs modèles.

• Relier le modèle à vos propres documents (RAG) plutôt qu’à sa mémoire générale.
• Exiger qu’il cite sa source ou qu’il indique qu’il ne sait pas.
• Faire valider par une personne tout contenu qui engage l’entreprise : devis, contrat, réponse technique.
• Tester avec de vraies questions avant la mise en service, puis journaliser les réponses incertaines.

La qualité des données conditionne tout

Une IA reliée à des tarifs périmés, des procédures contradictoires ou des dossiers incomplets reproduira ces défauts. Avant d’installer quoi que ce soit, il faut souvent ranger : désigner la version à jour, supprimer les doublons, compléter l’essentiel. Ce travail de préparation est fréquemment sous-estimé et représente une part réelle du projet.

La maintenance ne s’arrête pas à la mise en service

Une installation IA vit dans le temps.

• Les modèles évoluent : un fournisseur change de version, un modèle ouvert est remplacé par un meilleur. Les consignes doivent être retestées.
• Vos documents changent : la base de connaissances doit être mise à jour, sinon l’assistant répond avec des informations anciennes.
• Les connexions aux logiciels cassent parfois après une mise à jour de l’un d’eux.
• Il faut surveiller les usages, les coûts à l’usage et les cas où l’IA a dû passer la main.

Ce qu’il ne faut pas automatiser

Certaines tâches doivent rester entre les mains d’une personne, même si la technique le permettrait.

• Les décisions qui engagent l’entreprise : envoi d’une offre, acceptation d’une commande, paiement, licenciement, réponse juridique.
• Les situations humaines : réclamation d’un client mécontent, demande sensible, annonce difficile.
• Les contenus réglementés ou à forte responsabilité : conseil médical, juridique ou financier individualisé.
• Tout ce qui demande un jugement sur des informations que l’IA n’a pas.

Quand l’IA n’est pas rentable

Un projet IA ne se justifie pas quand la tâche est rare, quand elle est déjà rapide, quand les données n’existent pas sous forme exploitable, ou quand le coût d’installation et de suivi dépasse le temps réellement gagné. Une tâche qui prend deux heures par mois ne justifie pas une automatisation. Dans ces cas, Fusepoint le dit et propose une alternative plus simple, parfois sans IA du tout.

Ce que cela change dans nos installations

Chaque projet commence par un seul cas d’usage, mesurable, avec validation humaine sur les étapes sensibles. Les sources sont vérifiées, les réponses incertaines journalisées, l’équipe formée à repérer une erreur. Le suivi fait partie de l’offre. Ce cadre n’élimine pas les limites ; il les rend gérables.