Cadrage ·
Cadrer un projet d'IA générative
Derrière la demande « nous voulons faire de l'IA » se cachent des projets très différents. Un cadrage insuffisant se paie plus tard, en retards et en budget. Voici les questions que nous tranchons avant d'écrire une ligne de code.
1. Nommer le type de projet
Une demande d'« expert en grands modèles de langage » peut désigner l'ajustement d'un modèle, l'intégration d'une API ou la conception d'un système complet de recherche documentaire. Ce ne sont ni les mêmes compétences, ni les mêmes risques, ni la même durée.
Le premier acte du cadrage consiste donc à nommer le type de projet. Nous distinguons cinq familles :
| Famille | Objet |
|---|---|
| Génération augmentée par la recherche (RAG) | Interroger une base documentaire en langage naturel, réponses sourcées |
| Agents | Automatiser une suite de tâches qu'un modèle conduit à l'aide d'outils |
| Ajustement d'un modèle | Spécialiser un modèle existant sur un domaine |
| Évaluation et industrialisation | Mesurer la qualité et exploiter le système en production |
| Stratégie et cadrage | Choisir les cas d'usage, l'architecture et la feuille de route |
2. Documenter les données réelles
Une preuve de concept réussie sur des données propres et choisies échoue souvent face aux données de production. Le cadrage documente donc les données telles qu'elles sont, et non telles qu'on les souhaiterait :
- Volume : nombre de documents, de lignes, de pages
- Formats : PDF, traitement de texte, tableurs, bases de données
- Qualité : documents numérisés, structurés ou bruts
- Langues et vocabulaire métier
- Fréquence de mise à jour
- Sensibilité : données personnelles, secret des affaires, informations classifiées
3. Trancher la question de la souveraineté
Dès que des données sensibles entrent dans le traitement, le lieu d'exécution des modèles devient un critère de premier rang. Il conditionne le choix des modèles, l'infrastructure et le cadre contractuel.
| Critère | Exécution dans votre infrastructure | API d'un fournisseur externe |
|---|---|---|
| Modèles | Modèles ouverts, exécutés localement | Modèles propriétaires, hébergés par le fournisseur |
| Données | Restent dans votre périmètre | Transmises au fournisseur |
| Coût | Investissement matériel | Facturation à l'usage |
| Conformité | Maîtrisée par vous | Dépend des engagements du fournisseur |
| Fonctionnement déconnecté | Possible | Impossible |
4. Définir des livrables vérifiables
« Un système fonctionnel » n'est pas un livrable. Un livrable se teste, se mesure et se réutilise. Pour un projet de recherche documentaire, par exemple :
- Un service d'interrogation déployé dans votre infrastructure
- Une chaîne d'indexation des nouveaux documents
- Un rapport d'évaluation : précision, justesse des refus, qualité des citations
- Les décisions d'architecture consignées
- La documentation d'exploitation
5. Fixer des critères de réussite mesurables
Avant de construire, nous établissons avec vous un jeu de questions représentatif et les seuils attendus. La décision de passer d'une étape à la suivante se prend sur ces mesures, et non sur une impression de démonstration.
Le cadrage est le premier livrable
Un cadrage rigoureux n'est pas une formalité. Il réduit les malentendus sur les attentes, rend le budget estimable et protège le projet. C'est pourquoi aucun de nos projets ne démarre sans cadrage validé.