IA générative en entreprise : par où commencer, depuis Dakar.

L’IA générative a un mérite rare : elle a mis la direction générale, la direction des systèmes d’information et les équipes de terrain devant le même écran. Chacun a testé, chacun a été surpris, chacun a vu l’outil se tromper avec aplomb. Le mauvais réflexe serait d’en conclure qu’il faut « une stratégie IA » avant d’avoir fait tourner quoi que ce soit. Le bon réflexe consiste à choisir un premier cas modeste, à le mettre entre les mains de quelques personnes, et à mesurer ce qu’il change dans leur journée.

Ce que l’IA générative change réellement

Ces modèles produisent du texte à partir d’une consigne et d’un contexte. Cette capacité, aussi simple qu’elle paraisse, touche cinq gestes quotidiens de l’entreprise.

• La rédaction. Un courrier de réponse, une note de synthèse, un compte rendu, la première version d’un cahier des charges. Le modèle ne remplace pas l’auteur ; il lui évite la page blanche et lui rend le temps de la relecture.
• La synthèse. Résumer un dossier de crédit, un contrat, un rapport de mission, une chaîne de courriels de plusieurs semaines. La valeur est immédiate pour quiconque doit décider vite sur des documents longs.
• La recherche dans les documents. Poser une question en langage courant et obtenir une réponse appuyée sur la documentation interne, source citée. Le cas le plus sous-estimé, parce qu’il ne brille pas en démonstration et qu’il change tout au quotidien.
• Les assistants métier. Un assistant qui connaît les procédures, les tarifs, les règles d’une caisse ou d’un service après-vente, et qui répond dans le contexte de la personne qui l’interroge.
• Le code. Génération, relecture, explication de programmes existants, y compris les développements spécifiques d’un ERP que plus personne ne sait lire. Un gain réel, à condition de garder la revue et les tests.

Ce qu’elle ne change pas

Un modèle génératif ne sait rien de votre entreprise tant qu’on ne lui donne pas vos documents, vos données et vos règles. Il ne raisonne pas sur une vérité, il produit le texte le plus vraisemblable. Il peut donc affirmer une clause qui n’existe pas ou un tarif périmé, avec le même ton que lorsqu’il a raison. Il ne remplace ni le référentiel client, ni le plan de comptes, ni le circuit de validation. Il ne rend pas propre une donnée qui ne l’est pas. Et il ne décide pas à la place de quelqu’un qui doit répondre de la décision. Ce ne sont pas des défauts de jeunesse : c’est la nature de l’outil.

Les bons premiers cas

Un bon premier cas est fréquent, se vérifie facilement, et garde une personne dans la boucle. Nous en voyons quatre revenir presque partout, du secteur public à la banque en passant par la distribution.

L’assistant sur la documentation interne

Procédures, notes de service, manuels de l’ERP, conditions des produits. Ces documents existent, dispersés entre un serveur de fichiers, une messagerie et quelques têtes. Un assistant qui répond en citant le passage exact fait gagner du temps aux nouveaux arrivants, aux agences éloignées du siège et aux fonctions support. Il révèle aussi, sans ménagement, les documents contradictoires ou périmés. Premier cas idéal : une mauvaise réponse se repère vite et n’engage pas l’entreprise vis-à-vis de l’extérieur.

Le traitement des courriers et des réclamations

Lire un courrier entrant, identifier de quoi il s’agit, en extraire les éléments utiles, proposer un projet de réponse et l’orienter vers le bon service. Le volume est là, le geste est répétitif, et la personne qui valide garde la main sur ce qui part. Pour une administration, une compagnie d’assurance ou un service client, c’est souvent le cas le plus rentable en temps rendu aux équipes.

L’aide au service client dans les langues du terrain

Les clients écrivent et parlent en français, en wolof, dans d’autres langues nationales, parfois en mélangeant les trois dans un même message vocal. Un modèle bien choisi comprend ces messages, les résume au conseiller et l’aide à répondre dans la langue du client. Ce cas est propre à notre contexte et se conçoit mal à distance : il faut tester avec de vrais messages, de vrais accents, et accepter que certaines langues soient encore moins bien servies que d’autres.

L’extraction de documents

Factures, bons de livraison, pièces d’identité, connaissements, formulaires remplis à la main. L’IA générative complète les techniques d’extraction classiques, surtout sur des documents dont la mise en page varie. Le résultat entre dans l’ERP ou le CRM après vérification, et l’écart entre ce qui a été lu et ce qui a été corrigé donne une mesure honnête de la qualité. Nous en parlons dans notre lecture des cas d’usage IA qui créent vraiment de la valeur.

Les mauvais premiers cas

Le plus fréquent, et le plus dangereux, consiste à automatiser une décision sans contrôle : accorder ou refuser un crédit, clore une réclamation, répondre à un client au nom de l’entreprise sans relecture. Le modèle le fera avec assurance, y compris quand il se trompe, et personne ne saura expliquer pourquoi. Dès que la décision touche une personne, elle relève de plus de la loi n° 2008-12 et du regard de la CDP : finalité déclarée, information des personnes, possibilité de contester. Autre mauvais départ, l’assistant « généraliste » ouvert à toute l’entreprise, sans périmètre ni documents de référence. Il amuse deux semaines puis retombe, parce qu’il ne connaît rien de précis.

Le premier cas d’usage ne se choisit pas pour impressionner un comité. Il se choisit pour rendre du temps à une équipe précise, sur un geste qu’elle fait tous les jours.

Les conditions qui ne se négocient pas

Des données et des documents propres

Un assistant documentaire vaut ce que valent ses documents. Si trois versions d’une procédure coexistent, il en citera une au hasard. Le premier chantier est donc souvent un tri : quels documents font foi, qui les tient à jour, où ils vivent. Même logique pour les données de l’ERP et du CRM, sujet de notre offre Data & Analytics.

Le choix du modèle et de son hébergement

C’est la décision la plus structurante, et elle se prend rarement au bon niveau. Où vont les données : un modèle appelé chez un fournisseur étranger reçoit vos documents, et s’ils contiennent des données personnelles, ce transfert relève de la loi n° 2008-12 et des formalités auprès de la CDP. Quelle souveraineté : certains cas justifient un modèle ouvert hébergé dans votre cloud ou sur vos serveurs, d’autres s’accommodent d’un service en ligne. Quel coût en devises : un service facturé à l’usage, en dollars ou en euros, se paie à chaque requête et suit les variations du FCFA face à ces monnaies, ce qui plaide pour des modèles plus petits et bien ciblés quand ils suffisent. Il n’y a pas de bonne réponse générale ; il y a une réponse par cas d’usage, écrite. Nos offres Cloud et Sécurité & risques IT traitent ces arbitrages ensemble.

La supervision humaine

Quelqu’un relit, corrige, et ses corrections améliorent le système. Ce n’est pas un filet provisoire à retirer quand l’outil sera « mature ». C’est le mode de fonctionnement normal de l’IA générative en entreprise. La question utile n’est pas « peut-on retirer l’humain ? » mais « à quel endroit du processus son regard vaut-il le plus ? ».

La mesure

Temps gagné par courrier traité, part des réponses jugées utiles, taux de correction sur les extractions, délai de réponse au client. Ces indicateurs se définissent avant de commencer, avec l’équipe concernée, et se lisent chaque semaine pendant le pilote. Sans eux, le projet vit de l’enthousiasme et meurt avec lui.

L’avantage de concevoir à Dakar

Notre conviction, forgée sur nos chantiers : un cas d’usage d’IA générative se conçoit à côté de ses utilisateurs, pas à des milliers de kilomètres. Les équipes qui traiteront les courriers ou interrogeront la documentation sont à Dakar, à Thiès, à Saint-Louis, dans des agences où la connexion n’est pas celle du siège. Les tester chaque semaine, dans leur langue et sur leurs documents, change la qualité du résultat. Les compétences existent ici : des profils qui connaissent à la fois les modèles, les données d’entreprise et le terrain. Les coûts de conception permettent d’itérer plus souvent, donc d’apprendre plus vite. Et un cas conçu depuis Dakar tient compte dès le départ de la connectivité, des langues, du cadre de la CDP et du coût en devises, au lieu de les découvrir en production. C’est le sens de nos équipes data & IA à Dakar et de notre offre IA & automatisation.

Et les grandes plateformes ?

SAP intègre l’IA générative dans ses produits, avec Joule et SAP Business AI ; Salesforce fait de même avec Einstein et Agentforce. Ces capacités vivent là où sont déjà les données et les processus, avec la sécurité et les droits d’accès de la plateforme. Elles ont aussi leurs conditions, à commencer par la localisation des services et le mode de facturation, à examiner avec le même soin que pour n’importe quel modèle. Notre position est simple : quand le cas d’usage vit dans SAP ou dans Salesforce, on regarde d’abord ce que la plateforme propose ; quand il vit entre les systèmes ou sur des documents qui n’y sont pas, on construit avec les outils adaptés. Deux plateformes, une seule équipe.

Par où commencer, en pratique

1. Choisir une équipe et un geste. Une équipe volontaire, un geste fréquent, une personne qui répond du résultat. Pas un comité, pas un programme.
2. Rassembler et trier les documents de ce geste. Ce que l’assistant a le droit de lire, ce qui fait foi, ce qui est personnel et doit être protégé.
3. Décider du modèle et de l’hébergement pour ce cas. Données personnelles, souveraineté, coût en devises, connectivité des utilisateurs. Écrire la décision et ses raisons.
4. Construire un pilote en quelques semaines, avec les utilisateurs. Le mettre dans leurs mains tôt, l’améliorer à partir de leurs corrections.
5. Mesurer, puis décider. Étendre, corriger ou arrêter, sur les indicateurs définis au départ. Un pilote arrêté à temps est un succès de méthode.
6. Poser la gouvernance avant le deuxième cas. Qui autorise un nouveau cas, qui vérifie la conformité, comment les personnes sont informées, comment on surveille la dérive dans le temps.

L’IA générative n’exige pas une révolution pour commencer. Elle exige un premier cas bien choisi, des documents propres, un hébergement décidé en connaissance de cause, et des personnes qui relisent. C’est ce que nous savons faire depuis Dakar, pour la sous-région.