Qu’est-ce que l’écart entre la demande d’une organisation et son blocage réel ?
L’écart entre la demande et le blocage désigne la distance entre le sujet pour lequel une organisation appelle, souvent technique, et ce qui empêche réellement son système d’IA de fonctionner. La demande décrit un symptôme ; le blocage se trouve en amont.
Une organisation appelle pour un sujet technique et bute sur autre chose, très souvent. Ce n’est pas un défaut de formulation de sa part : elle décrit ce qu’elle voit, et le blocage est ailleurs.
La demande arrive sous une forme précise : construire des agents, brancher un modèle sur un progiciel, améliorer les réponses d’un assistant existant. Elle est légitime et elle est le symptôme. Or tout système s’appuie sur des documents, sur une personne qui en répond et sur une limite de ce qu’il a le droit de faire ; si l’un de ces appuis manque, aucun travail technique ne le remplace.
C’est l’une des raisons d’être du métier de Forward Deployed Engineer : travailler au contact de l’organisation permet de voir le blocage là où il est, et pas seulement là où il a été décrit.
Pourquoi une mission sur les agents se passe-t-elle surtout ailleurs ?
Une mission demandée pour construire des agents d’IA consacre en pratique l’essentiel de son temps au corpus, au propriétaire métier et au périmètre, la part technique restant réelle mais minoritaire. C’est ce que j’ai constaté sur les missions que j’ai menées.
Je pensais venir créer des agents. Le temps s’est réparti autrement que prévu : la construction proprement dite a occupé une part réelle mais limitée de la mission, et l’essentiel est allé à la mise en ordre des documents, à la désignation d’une personne qui accepte de répondre du système et à l’écriture de ce qu’il ne fera pas.
Ce constat ne disqualifie pas les agents : un agent hérite simplement des faiblesses de ce qu’on lui fournit. La question préalable, savoir si un agent est nécessaire, est traitée dans agent ou simple appel.

Quels blocages trouve-t-on le plus souvent derrière une demande d’agents ?
Les trois blocages que je rencontre le plus souvent derrière une demande d’agents sont un corpus dont la version de référence est inconnue, l’absence de propriétaire métier nommé et un périmètre jamais écrit. Dans mes missions, ils reviennent bien plus souvent que les problèmes de modèle.
Le corpus vient en premier. Trois versions d’une procédure, aucune date lisible, et la personne qui savait est partie. Aucun modèle ne tranche à la place d’une organisation, et le sujet est développé dans le corpus est le projet.
Le propriétaire ensuite. L’équipe technique construit, présente, et découvre au déploiement qu’un responsable métier refuse de répondre des actions du système. Le refus est légitime : il n’a pas participé à la définition du périmètre.
Le périmètre enfin. Personne n’a écrit ce que le système ne fera pas, ni ce qu’il répond quand il ne sait pas. C’est le point qui arrête le plus de projets d’agents, comme détaillé dans agents en entreprise : où s’arrêtent les projets et dans le périmètre avant l’autonomie.
Comment distinguer le symptôme décrit du blocage réel ?
Pour distinguer le symptôme du blocage réel, il faut associer à chaque demande la question qui révèle ce qui se trouve en amont, et la poser avant d’écrire la moindre ligne de code. Le tableau ci-dessous donne des correspondances fréquentes, à vérifier au cas par cas.
| Demande formulée | Symptôme observé | Blocage possible en amont | Question qui le révèle |
|---|---|---|---|
| « Construire des agents » | Un prototype convaincant que personne ne met en service | Absence de propriétaire métier | Qui accepte de répondre des actions du système ? |
| « Améliorer les réponses de l’assistant » | Réponses assurées mais fausses | Corpus périmé ou sans version de référence | L’information correcte figurait-elle dans les extraits fournis ? |
| « Brancher un modèle sur le progiciel » | Intégration qui s’éternise | Accès aux données jamais négocié | Quel pont existe vers cette application, et qui l’autorise ? |
| « Changer de modèle » | Comparatifs sans conclusion | Aucun critère de succès écrit | Quelle réponse attend une personne du métier sur trente cas réels ? |
| « Rendre l’agent plus autonome » | Actions contestées après coup | Périmètre jamais écrit | Que fait le système quand il ne sait pas, et qui l’a décidé ? |
Le diagnostic, en une journée
- Cinq mauvaises réponses réelles, et pour chacune : l’information correcte figurait-elle dans ce qui a été fourni au modèle ?
- Trois questions sur le corpus : combien de documents, de quand, et qui sait dire lesquels font autorité.
- Une question sur le périmètre : que répond le système quand il ne sait pas, et qui l’a décidé.
- Une question sur la propriété : qui accepte de répondre des actions du système. Voir reprendre un système d’IA construit par quelqu’un d’autre.
Comment mener le diagnostic d’un système d’IA en une journée ?
Le diagnostic d’un système d’IA en une journée suit un ordre fixe : partir de mauvaises réponses réelles, remonter à ce que le modèle a reçu, puis interroger le corpus, le périmètre et la propriété.
- Réunir cinq mauvaises réponses signalées par les utilisateurs. Des cas réels, pas des questions inventées pour l’occasion.
- Ouvrir les journaux de chaque cas. Retrouver la question, les extraits fournis au modèle et la réponse produite. Sans journaux, c’est le premier constat, et il relève de l’observabilité.
- Classer chaque cas. Si l’information correcte figurait dans les extraits, le problème est dans le prompt ou le modèle. Si elle n’y figurait pas, il est dans la recherche ou dans le corpus lui-même.
- Interroger le corpus. Combien de documents, de quand, et quelle version fait autorité.
- Interroger le périmètre. Ce que le système répond quand il ne sait pas, et qui a pris cette décision. Un refus explicite vaut mieux qu’une réponse inventée, comme l’explique le refus de répondre est une fonctionnalité.
- Interroger la propriété. Le nom de la personne qui répond du système côté métier.
- Restituer à l’équipe. Les constats, dans l’ordre où ils bloquent, avec ce qui relève de la technique et ce qui relève de l’organisation.
C’est la logique d’un audit IA : établir où se trouve le blocage avant de décider de ce qu’il faut construire.
Comment annoncer que le sujet n’est pas celui de la commande sans braquer l’équipe ?
Pour annoncer que le vrai sujet n’est pas celui de la commande sans braquer l’équipe, il vaut mieux le lui faire constater sur ses propres données que l’affirmer. C’est ce que permet le diagnostic sur cinq cas réels.
La méthode qui fonctionne consiste à faire l’exercice avec l’équipe, pas devant elle. On prend cinq mauvaises réponses signalées, on ouvre les journaux, et on regarde ensemble si l’information nécessaire y était.
Sur les missions que j’ai menées, mon constat est le suivant : Dans la quasi-totalité des cas, elle n’y était pas. La conclusion s’impose d’elle-même, et elle vient de l’équipe. Quand c’est le cas, la conclusion s’impose d’elle-même, et elle vient de l’équipe. Quand l’information était bien présente, le diagnostic oriente au contraire vers le prompt ou le modèle, et la commande initiale retrouve sa pertinence.
Sur les missions que j’ai menées, mon constat est le suivant : Ce déplacement change tout dans la relation. Une équipe à qui l’on annonce qu’elle s’est trompée de sujet se défend ; une équipe qui le constate sur ses propres données passe à la suite en une heure.
Que faut-il prévoir dans la proposition commerciale d’une mission d’IA ?
Une proposition commerciale de mission d’IA doit annoncer qu’un diagnostic court précède la construction et que son résultat peut déplacer le sujet, car une mission vendue sur un livrable technique et passée sur le corpus se termine mal, même réussie. Il faut le dire avant de contracter.
Le risque est réel : le commanditaire a acheté des agents, il reçoit un corpus mis en ordre et un périmètre écrit, et il a le sentiment de ne pas avoir eu ce qu’il a payé, alors même que le système fonctionne mieux.
La formulation que j’utilise désormais annonce la séquence : un temps de diagnostic court, dont le résultat peut déplacer le sujet, puis la construction. Le commanditaire accepte ou non, et il sait à quoi s’attendre.
Cette franchise coûte quelques missions et évite les fins de mission difficiles. Elle rejoint ce que j’écris sur ce qu’un tarif élevé achète réellement dans ce qu’un TJM élevé achète réellement.
La vérification qui prend dix minutes et oriente toute la mission
Sur cinq mauvaises réponses réelles, l’information correcte figurait-elle dans les extraits fournis au modèle ? Si elle n’y était pas, le sujet est en amont, et aucun travail sur le prompt ou le modèle n’y changera rien.
Qu’est-ce que le travail sur le corpus apporte à l’organisation au-delà du projet ?
Le travail sur le corpus profite à toute l’organisation, indépendamment du système d’IA construit, parce qu’il améliore la recherche d’information de chacun. C’est l’argument qui fait accepter le déplacement de sujet.
Désigner les versions qui font autorité, retirer les documents périmés, porter les dates dans les métadonnées : ces gestes améliorent le travail de tous ceux qui cherchent une information, avec ou sans assistant.
De même, écrire le périmètre d’un système oblige à formuler qui décide quoi, ce qui révèle régulièrement des zones grises antérieures au projet. Ce périmètre écrit trouve naturellement sa place dans la fiche du système.
Une mission qui déplace le sujet ne livre donc pas moins que prévu : elle livre autre chose, souvent plus durable, et c’est ce qu’il faut savoir expliquer au moment du bilan.
Quelles erreurs éviter quand on vous demande de construire des agents ?
Les erreurs fréquentes face à une demande d’agents consistent à prendre la demande au pied de la lettre, puis à corriger le symptôme au lieu de remonter au blocage.
- Construire avant de diagnostiquer. Le prototype fonctionne en démonstration et bute au déploiement sur ce qui n’a pas été examiné.
- Retoucher le prompt pour corriger une réponse fausse. Si l’information n’était pas dans les extraits, le prompt n’y peut rien.
- Affirmer le diagnostic au lieu de le faire constater. L’équipe se défend, et le constat le plus juste est rejeté.
- Laisser le propriétaire métier hors de la définition du périmètre. Il refusera ensuite, à juste titre, de répondre d’un système qu’il n’a pas borné.
- Vendre un livrable technique sans annoncer le diagnostic. Le bilan devient une discussion sur ce qui n’a pas été livré.
- Juger un projet sur sa démonstration. Les signaux qui comptent sont ailleurs, comme le détaille juger un projet d’IA en cinq minutes.
Questions fréquentes
Pourquoi la demande ne correspond-elle pas au blocage ?
Parce que l’organisation décrit ce qu’elle voit, et que le blocage est souvent en amont : le corpus, l’absence de propriétaire métier, ou un périmètre jamais écrit. La demande est légitime, mais elle porte sur le symptôme. Le diagnostic sert à vérifier où se trouve réellement la cause.
Comment le diagnostiquer rapidement ?
En prenant cinq mauvaises réponses réelles et en vérifiant, pour chacune, si l’information correcte figurait dans les extraits fournis au modèle. Cette vérification prend peu de temps quand les journaux existent. Elle indique si le problème se trouve dans le corpus et la recherche, ou dans le prompt et le modèle.
Que faut-il dire avant de contracter ?
Que la mission commence par un diagnostic court dont le résultat peut déplacer le sujet. Une mission vendue sur un livrable technique et passée sur le corpus se termine mal, même réussie.
Faut-il renoncer aux agents si le corpus n’est pas prêt ?
Non, il faut les reporter le temps de mettre le corpus en ordre, de nommer un propriétaire et d’écrire le périmètre. Un agent construit sur un corpus désordonné reproduit ce désordre avec plus d’assurance.
Qui doit être le propriétaire métier d’un système d’IA ?
La personne qui répond, côté métier, des résultats et des actions du système, et qui a participé à la définition de son périmètre. Ce n’est pas l’équipe technique qui l’a construit. Sans ce nom, le système risque de rester un prototype que personne n’accepte de mettre en service.
