Cadrer le problème

Ce que vous saurez faire

Décrivez un projet d’IA de façon à ce que toute l’équipe puisse s’entendre, avant que quelqu’un choisisse un outil. Un bon cadrage évite l’erreur la plus coûteuse en IA : créer une bonne solution au mauvais problème.

Avant de commencerCe qu’il faut savoir et avoir sous la mainEnviron 30 minutes

Ce que vous devez savoir

• Vous avez terminé le module 2. Vous connaissez les cinq parties d’un produit d’IA présentées dans L’IA dans les produits de tous les jours : les cinq parties d’un produit d’IA.
• Pourquoi l’IA a besoin de connaissances du domaine, selon Votre expérience est une longueur d’avance : pourquoi l’IA en a besoin : les données ne s’expliquent pas d’elles-mêmes.

Ce qu’il vous faut

• Votre fichier notes.md dans le dossier ai-career. Vous l’avez créé dans L’IA dans les produits de tous les jours : préparer vos notes de cours. S’il manque, créez-le de nouveau comme dans cette section. Cette leçon ajoute le titre ## Problem frame (cadrage du problème).

Le nouveau problème chez Larkfield

L’assistant documentaire fonctionne. Maintenant, Ruth, la directrice du service à la clientèle, a une nouvelle demande : « L’IA peut-elle trier nos billets de soutien? »

Aujourd’hui, chaque message d’un client devient un billet de soutien dans une file d’attente commune. Une personne chargée de la coordination lit chaque billet et l’envoie à une équipe : retours, livraison, paiement, garantie ou compte. Elle attribue aussi une priorité de 1 (urgent) à 3 (normal). Environ 1 200 billets arrivent chaque semaine. Le tri lui prend environ deux heures par jour.

« Trier nos billets avec l’IA » est un souhait, pas un cadrage. On ne précise pas qui reçoit de l’aide, quelle décision change ni ce qui arrive quand l’IA se trompe.

Quatre questions pour cadrer un problème

1. Qui est l’utilisateur? La personne qui utilise le résultat et les personnes touchées par celui-ci.
2. Quelle décision améliore-t-on? L’IA aide presque toujours quelqu’un à décider ou à agir. Nommez précisément la décision.
3. Quelles données existent? Qu’enregistre-t-on aujourd’hui, en quelle quantité et de quelle qualité?
4. Quel est le coût de chaque type d’erreur? Un système d’IA se trompera parfois. Les erreurs n’ont pas toutes le même coût.

Ajoutez ensuite une cinquième ligne : comment exprimer la réussite par un nombre?

Exemple détaillé : cadrer le projet de tri des billets

Omar, le gestionnaire de produit, pose les quatre questions avec Grace, la responsable du soutien, et la personne chargée de la coordination.

1. Qui est l’utilisateur? La personne chargée de la coordination, qui trie les billets. Les équipes, qui les reçoivent. Les clients, qui attendent.

2. Quelle décision améliore-t-on? Deux décisions pour chaque billet : l’équipe qui le reçoit et sa priorité.

3. Quelles données existent? Des billets sur 18 mois, environ 90 000. Chacun contient le texte du client, l’équipe qui l’a finalement traité et la priorité. Grace ajoute ce que les nombres ne disent pas. Environ 1 billet sur 10 a été transféré à une autre équipe par la suite. La première équipe n’est donc pas toujours la bonne. L’équipe finale est la meilleure réponse.

4. Quel est le coût de chaque type d’erreur? Grace et la personne chargée de la coordination décrivent les erreurs :

Erreur	Ce qui arrive	Coût
Mauvaise équipe	L’équipe renvoie le billet. Le client attend environ 4 heures de plus.	Moyen
Billet urgent marqué comme normal	Par exemple, « facturé deux fois » attend deux jours. Le client peut se plaindre ou demander à la banque d’annuler le paiement.	Élevé
Billet normal marqué comme urgent	Un agent y répond plus tôt que nécessaire.	Faible

Le tableau montre un point important : les erreurs ne sont pas équivalentes. Ne pas repérer un billet urgent est bien pire que l’erreur inverse. Un système qui a « 90 % de bonnes réponses » peut quand même être mauvais. C’est le cas si la plupart des 10 % restants sont des billets urgents non repérés.

5. La réussite exprimée par un nombre. Omar écrit :

Pour la personne chargée de la coordination, quand un nouveau billet arrive, suggérer l’équipe et la priorité. Utiliser le texte du billet et 18 mois de billets passés avec leur équipe finale. Une mauvaise équipe coûte environ 4 heures au client. Un billet urgent non repéré coûte beaucoup plus. Réussite : au moins 90 billets sur 100 vont à la bonne équipe. Au moins 95 billets urgents sur 100 sont marqués comme urgents. Le temps de tri passe de 2 heures par jour à moins de 30 minutes.

Ce paragraphe constitue le cadrage. L’équipe peut vérifier chacune de ses parties.

L’IA est-elle vraiment nécessaire?

Avant que l’équipe construise quoi que ce soit, Grace pose une question essentielle à tout cadrage : pourrait-on résoudre ce problème sans IA?

• Un formulaire : le formulaire de contact pourrait demander au client de choisir un sujet. Ainsi, beaucoup de billets arriveraient déjà triés.
• Une règle : une règle simple pourrait marquer comme urgent tout message contenant « facturé deux fois » ou « fraude ».
• Un changement de processus : deux personnes pourraient se partager le tri aux heures les plus occupées.

Ces options coûtent peu et peuvent suffire. Ici, l’équipe décide d’essayer d’abord le menu des sujets. Elle mesurera ensuite la fréquence à laquelle les clients choisissent le mauvais sujet. L’IA reste une possibilité pour plus tard, pour les billets que le menu trie mal. Vous verrez les prochaines étapes dans la leçon suivante.

Trouver une raison de ne pas utiliser l’IA est un bon résultat, pas un échec. Cela économise de l’argent, et la solution est plus facile à expliquer et à corriger.

Exercice guidé : cadrer un deuxième problème

Voici une nouvelle demande chez Larkfield : « Utiliser l’IA pour trouver les clients qui sont sur le point de ne plus acheter chez nous. »

1. Dans notes.md, ajoutez un titre : ## Problem frame.
2. Répondez aux quatre questions pour cette demande. Si vous ne savez pas, écrivez la question que vous poseriez et à qui vous la poseriez.
3. Écrivez un tableau d’erreurs avec au moins deux types d’erreurs et leur coût.
4. Écrivez une mesure de réussite sous forme de nombre.
5. Écrivez une façon de résoudre le problème, ou une partie du problème, sans IA.

Afficher un exemple de réponse

1. Utilisateur : l’équipe chargée de la clientèle qui envoie des offres. Aussi les clients qui les reçoivent.
2. Décision : quels clients reçoivent une offre personnalisée ce mois-ci.
3. Données : historique des commandes, retours, billets de soutien, ouvertures de courriels. Question pour l’ingénieur de données : jusqu’à quand remontent les commandes? Question pour Grace : les plaintes dans les billets permettent-elles de prédire le départ d’un client?
4. Erreurs : un client qui partirait ne reçoit aucune offre → nous le perdons (coût élevé). Un client fidèle reçoit une offre → nous accordons un rabais inutile (coût faible à moyen, mais qui s’accumule).
5. Réussite : parmi les clients qui reçoivent une offre, davantage restent que dans un groupe semblable sans offre, après 3 mois.
6. Sans IA : une règle simple, comme « aucune commande en 6 mois et une plainte », peut en trouver la plupart.

Vérification : votre décision est une action précise, comme « qui reçoit une offre », et non un objectif général comme « garder les clients ».

Erreur courante

Commencer par un outil

Symptôme : la première phrase du projet est « Nous utiliserons un grand modèle de langage pour les billets » ou « Il nous faut un réseau de neurones ». Après deux mois, il y a une démonstration, mais personne ne peut dire si c’est mieux qu’avant.

Cause : l’équipe a choisi la solution avant de cadrer le problème. Sans cadrage, il n’y a pas de mesure de réussite, donc on ne peut juger aucun résultat.

Solution : arrêtez et répondez aux quatre questions. Écrivez la mesure de réussite. Demandez ensuite si un formulaire, une règle ou un changement de processus peut résoudre le problème. Choisissez l’outil en dernier.

Vérifiez votre compréhension

Pourquoi le cadrage utilise-t-il l'équipe finale de chaque ancien billet, et non la première équipe?

Afficher la réponse

Environ 1 billet sur 10 a été transféré par la suite, donc la première équipe était parfois incorrecte. Une IA qui apprend à partir de la première équipe apprend ces erreurs. L’équipe finale est plus proche de la bonne réponse. Grace le savait grâce à son travail. Ce n’est pas visible dans les données, à moins que quelqu’un pose la question.

Vérifiez votre compréhension

Un système envoie 92 billets sur 100 à la bonne équipe. Est-ce suffisant? Que devez-vous savoir d'autre?

Afficher la réponse

Vous ne pouvez pas encore le dire. Vous devez savoir quels sont les 8 billets mal triés et ce que coûtent ces erreurs. En particulier : combien de billets urgents a-t-il marqués comme normaux? Le cadrage précise qu’au moins 95 billets urgents sur 100 doivent être marqués comme urgents. Vous devez aussi savoir si le temps de tri a diminué, car c’était la raison du projet.

Récapitulatif

• Un cadrage répond à quatre questions : l’utilisateur, la décision, les données et le coût de chaque type d’erreur. Il ajoute ensuite une mesure de réussite sous forme de nombre.
• Les erreurs ne sont pas équivalentes. Le cadrage précise lesquelles comptent le plus.
• Demandez toujours si un formulaire, une règle ou un changement de processus résout le problème sans IA.
• Choisissez l’outil en dernier.

Ensuite, vous suivrez le projet de tri des billets, d’une simple référence de base à un système qui fonctionne chaque jour.

Leçon suivante : De la référence de base au déploiement