La connaissance du domaine en pratique

Ce que vous saurez faire

Découvrez des cas concrets où l’IA aide un domaine, et les connaissances de ce domaine dont elle a besoin. À la fin, vous rédigez une fiche semblable pour votre propre domaine. Elle devient une preuve dans votre bilan de carrière.

Avant de commencerCe qu’il faut savoir et avoir sous la mainEnviron 40 minutes

Ce que vous devez savoir

• Les composantes de la connaissance du domaine, présentées dans Votre expérience est une longueur d’avance : ce qu’est la connaissance du domaine.
• Les trois façons d’utiliser votre expérience : contribuer, diriger et créer, présentées dans Votre expérience est une longueur d’avance : trois façons d’utiliser votre expérience.
• Vous n’avez pas à lire chaque domaine en détail. Lisez attentivement le domaine le plus proche du vôtre, et au moins un autre.

Ce qu’il vous faut

• Votre domaine et vos phrases « Je connais…, donc je peux… », sous ## My head start (ma longueur d’avance) dans notes.md. Vous les avez rédigées dans Votre expérience est une longueur d’avance : exercice guidé : traduire votre expérience. Votre fiche porte sur le même domaine.
• Cette leçon ajoute le titre ## Domain card (fiche du domaine).

Comment lire les fiches de domaine

Chaque domaine ci-dessous comprend les mêmes quatre parties :

1. Où l’IA aide : des utilisations réelles de l’IA dans ce domaine.
2. Ce que l’équipe d’IA doit savoir : les connaissances qui manquent à une personne technique sans expérience du domaine.
3. Une erreur sans ces connaissances : un court cas fictif, construit à partir de problèmes réels courants.
4. Les rôles qu’une personne experte du domaine peut diriger.

Les cas d’utilisation sont des exemples, pas une liste complète. Chaque organisation est différente. Chaque idée nécessite encore le cadrage du problème que vous apprenez dans le module 3.

Finance : services bancaires et comptabilité

Où l’IA aide

• Détection de fraude : attribuer un score de risque de fraude à chaque paiement par carte, et bloquer les paiements risqués pour vérification.
• Traitement des factures : lire les factures des fournisseurs et remplir le système comptable.
• Décisions de crédit : aider à décider d’accorder un prêt ou non, et de son montant.
• Clôture de fin de mois : repérer les écritures inhabituelles avant de clôturer les comptes.

Ce que l’équipe d’IA doit savoir

• Les étiquettes de fraude arrivent tard. Un client peut signaler un paiement frauduleux plusieurs semaines après les faits. Les données les plus récentes semblent donc « sans fraude », mais elles ne le sont pas. Un modèle entraîné sur ces données apprend trop peu sur la fraude.
• Une fausse alerte a aussi un coût. Une carte bloquée pendant les vacances d’un client cause un réel préjudice. Certains clients quittent ensuite la banque. L’équipe doit équilibrer les fraudes non détectées et les blocages de clients légitimes.
• Les explications peuvent être une obligation légale. Dans plusieurs pays, un prêteur doit donner les principales raisons d’un refus de crédit. Un modèle incapable de donner des raisons pourrait être interdit pour cette décision.
• Certaines données ne doivent pas servir. Dans plusieurs pays, les lois interdisent les décisions de crédit fondées sur des caractéristiques protégées, comme l’origine ethnique ou la religion. D’autres données, comme le code postal, peuvent les remplacer de façon cachée.
• Les détails des factures comptent. La date de facture n’est pas la date d’échéance. Un même fournisseur peut avoir deux noms. Les règles fiscales dépendent du pays et du type de biens.

Une erreur sans ces connaissances

Une équipe crée un modèle pour trouver les factures en double. Il cherche le même fournisseur, le même montant et le même numéro de facture. Une comptable voit tout de suite le problème. Les vrais doublons ont souvent des numéros de facture légèrement différents, comme INV-1043 et INV1043. Le fournisseur a envoyé la facture deux fois, par deux canaux. Le modèle manque la plupart des vrais doublons, et tous les tests écrits par les ingénieurs réussissent.

Les rôles qu’une personne experte du domaine peut diriger : gestion de produits d’IA pour les outils financiers, direction de l’évaluation des modèles de facturation ou de fraude, analyse des risques et validation des modèles (plusieurs banques ont cette équipe), direction de l’adoption de l’IA dans un service des finances.

Santé

Où l’IA aide

• Notes cliniques : transformer une conversation entre médecin et patient en brouillon de note, que le médecin vérifie.
• Images médicales : marquer les zones d’une radiographie ou d’un examen d’imagerie qu’un spécialiste devrait regarder en premier.
• Rendez-vous : prédire quels patients pourraient manquer un rendez-vous, pour que la clinique puisse les appeler.
• Triage des demandes de consultation : classer les nouvelles demandes selon leur urgence.

Ce que l’équipe d’IA doit savoir

• Les abréviations ont plusieurs sens. « MS » peut désigner la sclérose en plaques ou la sténose mitrale, une maladie d’une valve cardiaque. Le contexte détermine le sens.
• « Pas de » compte. « Pas de douleur thoracique » et « douleur thoracique » contiennent les mêmes mots. Un système qui cherche seulement des mots comprend le contraire du sens voulu.
• Le traitement masque le risque. Comme dans l’exemple de pneumonie de la dernière leçon, certains patients semblent à faible risque dans les données. Ils peuvent sembler ainsi seulement parce qu’ils ont reçu de bons soins.
• Trop d’alertes finissent par être ignorées. Le personnel clinique reçoit déjà beaucoup d’alertes. Une nouvelle alerte souvent erronée habitue les gens à ignorer toutes les alertes, même les bonnes.
• Les règles sont strictes. La plupart des pays imposent des lois strictes sur la confidentialité des données de santé. Par exemple, HIPAA aux États-Unis et le RGPD dans l’Union européenne. Dans plusieurs pays, un logiciel d’aide au diagnostic peut être considéré comme un dispositif médical et nécessiter une autorisation.
• Le flux de travail détermine la valeur. Une bonne prédiction ne sert à rien si elle atteint la mauvaise personne, ou arrive après la décision.

Une erreur sans ces connaissances

Une équipe crée un modèle qui prédit quels patients manqueront leur rendez-vous. Il est exact. La clinique attribue alors les plages des « absences prévues » à d’autres patients. Une infirmière constate le résultat. Les patients dont on prévoyait l’absence avaient souvent le plus de difficultés : pas de voiture, travail de nuit ou mauvaise santé. Il devenait plus difficile pour eux de se présenter à leurs rendez-vous. Le modèle était exact. L’utilisation qu’en faisait la clinique dégradait les soins pour les personnes qui en avaient le plus besoin. L’infirmière propose une autre action : appeler ces patients et leur offrir de l’aide pour le transport.

Les rôles qu’une personne experte du domaine peut diriger : expertise clinique ou direction clinique d’un produit d’IA, évaluation des résultats cliniques, informatique clinique (le domaine qui réunit le travail clinique et les systèmes d’information), sécurité et gouvernance de l’IA dans un hôpital.

Droit

Où l’IA aide

• Examen des contrats : trouver les clauses importantes, comme la résiliation, la responsabilité et le paiement, dans de nombreux contrats.
• Recherche juridique : trouver les lois pertinentes et les décisions judiciaires antérieures.
• Examen des documents : classer de nombreux documents d’une affaire judiciaire selon leur pertinence.
• Accueil des clients : recueillir les faits d’une nouvelle affaire avant qu’un avocat les lise.

Ce que l’équipe d’IA doit savoir

• Chaque source doit être vérifiée. En 2023, un juge de New York a imposé une amende à deux avocats. Ils avaient déposé un document citant des affaires judiciaires qui n’existaient pas. Un agent conversationnel les avait inventées. Les avocats ne les avaient pas vérifiées. Les avocats sont responsables de chaque citation. Une IA juridique doit donc montrer ses sources, et le flux de travail doit inclure leur vérification.
• Le lieu détermine la loi. La même question reçoit des réponses différentes selon le pays, et parfois selon l’État dans un même pays. C’est ce qu’on appelle la compétence territoriale.
• Les termes définis changent de sens. Dans un contrat, « société affiliée » ou « jour ouvrable » a exactement le sens que le contrat définit. Ce sens peut différer du sens habituel.
• Une clause manquante compte. Un contrat sans limite de responsabilité représente un risque. Un système qui trouve seulement les clauses présentes ne le voit pas.
• Confidentialité et secret professionnel. Les communications entre avocat et client sont protégées, et certaines données ne peuvent pas être envoyées à des services externes.

Une erreur sans ces connaissances

Une équipe crée un outil qui résume les baux d’une société immobilière. Les résumés se lisent bien. Une technicienne juridique en teste dix. Un résumé indique « délai de préavis : 3 mois ». Pourtant, un avenant signé deux ans plus tard l’a porté à 6 mois. L’outil a lu le contrat principal, mais pas les modifications ultérieures. Pour les avocats, c’est la version signée la plus récente qui compte.

Les rôles qu’une personne experte du domaine peut diriger : expertise juridique pour un produit de technologie juridique, ingénierie juridique ou direction des opérations juridiques, gestion de produits d’IA juridique, gouvernance et politiques d’IA, souvent dirigées par des avocats.

Commerce de détail

Où l’IA aide

• Prévision de la demande : prédire les ventes de chaque produit dans chaque magasin, pour commander la bonne quantité.
• Descriptions de produits : rédiger des descriptions pour des milliers de produits à partir de leurs données.
• Service à la clientèle : répondre aux questions courantes sur les commandes, la livraison et les retours, comme chez Larkfield.
• Prix et promotions : suggérer quels produits offrir à prix réduit, et quand.

Ce que l’équipe d’IA doit savoir

• Aucune vente ne signifie pas aucune demande. Si une tablette était vide, personne ne pouvait acheter le produit. Un modèle qui apprend « aucune vente le mardi » tire la mauvaise leçon. Le personnel du magasin sait quels jours les tablettes étaient vides.
• Les promotions et les saisons changent tout. Une hausse des ventes peut venir d’une promotion, d’un jour férié ou de la météo. Le modèle doit en tenir compte, sinon il prédit la même hausse la semaine suivante.
• Un produit prend les ventes d’un autre. Un rabais sur une marque de café réduit les ventes des autres marques. Les ventes totales peuvent rester identiques.
• Certaines affirmations sur les produits sont illégales. Une description ne doit pas dire qu’une crème « guérit » une affection cutanée, ou qu’un aliment est « biologique » s’il ne l’est pas. Un modèle de langage écrit facilement de telles affirmations si personne ne l’en empêche.
• Les retours révèlent des problèmes. Un taux de retour élevé pour une taille peut indiquer un tableau des tailles erroné, pas des clients difficiles.

Une erreur sans ces connaissances

Une équipe prévoit la demande de parapluies à partir des ventes de l’année dernière. Le modèle prédit de faibles ventes pour octobre. Un directeur de magasin comprend pourquoi. En octobre dernier, les parapluies sont arrivés trois semaines en retard à cause d’un problème de fournisseur. Il y a donc eu peu de ventes. La demande était forte. La tablette était vide. Le modèle allait reproduire le problème.

Les rôles qu’une personne experte du domaine peut diriger : gestion de produits pour les outils de prévision ou de marchandisage, direction de l’adoption de l’IA en magasin ou en commerce électronique, évaluation du contenu des produits, direction de l’IA pour le service à la clientèle.

Quatre autres domaines, en bref

Domaine	Où l’IA aide	Une chose que l’équipe d’IA doit savoir	Rôles à diriger
Ressources humaines et recrutement	Trier les candidatures, répondre aux questions du personnel sur les politiques, planifier la formation.	Les anciennes données d’embauche contiennent les anciens biais. En 2018, Reuters a rapporté qu’Amazon avait abandonné un outil expérimental de recrutement. Il avait appris à diminuer le score des CV contenant « women’s » (de femmes). Certains endroits ont maintenant des lois sur l’IA dans le recrutement. Par exemple, New York exige un audit des biais pour certains outils d’embauche automatisés.	Direction de produits d’IA pour les RH, équité du recrutement et gouvernance de l’IA, direction de l’adoption en RH
Fabrication et maintenance	Prédire les pannes de machines, vérifier la qualité des produits avec des caméras.	Les techniciens savent quelles lectures de capteurs sont normales : une machine peut être bruyante chaque matin froid. Une panne est souvent enregistrée comme « autre » parce que la liste des codes de panne est longue.	Direction de l’IA pour la maintenance, ingénierie de la qualité avec l’IA, gestion de produits pour les opérations
Éducation	Tutorat, rétroaction sur les textes, aide à la planification pour les enseignants.	Une mauvaise réponse révèle une incompréhension précise. Un bon tuteur la repère. Un outil qui donne seulement la bonne réponse peut interrompre l’apprentissage.	Conception pédagogique pour les tuteurs d’IA, gestion de produits éducatifs, évaluation de la qualité de la rétroaction
Logistique et livraison	Prédire les délais de livraison, planifier les itinéraires, trier les colis.	Les chauffeurs connaissent les problèmes locaux : une route inondable, un bâtiment sans entrée sur la rue, un dépôt qui ferme tôt les jours fériés.	Direction de l’IA pour les opérations, gestion de produits de planification d’itinéraires, évaluation avec les chauffeurs

Exercice guidé : rédiger votre fiche de domaine

1. Dans notes.md, ajoutez un titre : ## Domain card.
2. Copiez le modèle ci-dessous.
3. Choisissez une tâche de votre domaine où l’IA pourrait aider. Présentez un seul cas d’utilisation, pas un service entier.
4. Remplissez les quatre parties. Utilisez les fiches ci-dessus comme exemples.
5. Pour « Ce que l’équipe d’IA doit savoir », écrivez au moins trois éléments. Utilisez les composantes de la connaissance du domaine de la dernière leçon comme liste de vérification : mots, exceptions, flux de travail réel, sens des données, erreurs coûteuses, confiance et lois.

Domain:
Use case (one task):

Where AI helps:

What the AI team needs to know:
1.
2.
3.

A mistake without it (2–4 sentences):

Roles that I could contribute to, lead or build:

Vérification : lisez votre fiche et demandez-vous : « Un bon ingénieur qui n’a jamais travaillé dans mon domaine pourrait-il écrire ceci? » Si oui, vos éléments sont trop généraux. Remplacez-les par des détails que seule l’expérience vous donne.

Variante autonome : choisissez un domaine de cette leçon qui n’est pas le vôtre. Ajoutez un élément à sa liste « Ce que l’équipe d’IA doit savoir ». Si vous ne connaissez pas le domaine, posez la question à une personne qui y travaille. C’est la même conversation que les équipes d’IA ont chaque semaine avec les experts du domaine.

Erreur courante

Une fiche de domaine pleine de mots généraux

Symptôme : votre fiche dit « l’IA peut améliorer l’efficacité dans mon domaine », « l’équipe doit comprendre l’entreprise » et « les erreurs peuvent coûter cher ».

Cause : ces phrases sont vraies pour tous les domaines. Elles ne montrent donc aucune connaissance du domaine. Cela arrive souvent quand les gens décrivent leur domaine de l’extérieur, ou cherchent à adopter le ton d’un rapport.

Solution :

1. Remplacez chaque phrase générale par un exemple précis qui s’est produit dans votre travail.
2. Utilisez des nombres, des noms de documents et des étapes réelles : « La clôture de fin de mois prend 5 jours, dont 2 pour rapprocher les factures. »
3. Racontez l’erreur dans une courte histoire avec une cause, comme dans les fiches de cette leçon.

Vérifiez votre compréhension

Dans la fiche du commerce de détail, pourquoi « aucune vente ne signifie pas aucune demande » relève-t-il du domaine, et non de la programmation?

Afficher la réponse

Les données contiennent un zéro, et ce zéro est correctement enregistré. Il n’y a aucune erreur dans le code. Le problème vient du sens du zéro : la tablette était vide, donc les clients ne pouvaient pas acheter. Seule une personne qui connaît le fonctionnement des magasins et les jours où les tablettes étaient vides peut le voir. Elle peut alors donner à l’équipe une façon de corriger le problème.

Vérifiez votre compréhension

Regardez les histoires « Une erreur sans ces connaissances ». Qu'ont-elles presque toutes en commun?

Afficher la réponse

Dans presque chaque histoire, le travail technique était correct : le modèle était exact, les tests réussissaient ou les résumés se lisaient bien. L’échec venait d’un fait du domaine que l’équipe ignorait, comme des étiquettes de fraude tardives, un avenant ou une livraison tardive. Dans la plupart des histoires, une personne experte du domaine l’a trouvé rapidement en examinant des cas réels.

Récapitulatif

• Chaque domaine a des cas d’utilisation de l’IA. Chacun nécessite des connaissances du domaine que les personnes techniques n’ont pas.
• L’échec le plus courant ne vient pas d’un mauvais code. Il vient d’un modèle correct fondé sur une mauvaise compréhension du domaine.
• Les experts du domaine peuvent diriger les produits d’IA, l’évaluation, l’adoption et la gouvernance dans leur domaine.
• Votre fiche de domaine montre vos connaissances avec des exemples précis. Vous l’utilisez dans votre bilan de carrière.

Ensuite, vous vérifiez les niveaux de votre inventaire de compétences avec de petites tâches et des preuves réelles.

Leçon suivante : Des preuves plutôt qu'une autoévaluation