Guide Mentor AIBS — Esquisse de Solution IA

01

Jour 1 · Compétence C3.1

Définir le cas d'usage et le contexte métier

Fondation 30–40 min

✓ Complété

▾

Tout projet IA commence par une problématique métier précise. Vous n'êtes pas là pour implémenter de la technologie pour la technologie — vous résolvez un problème réel dans votre organisation. Cette étape pose les fondations : sans un contexte solide, toute la suite du projet sera fragile.

✅ Bonnes pratiques

✅Ancrer dans un problème métier mesurable : pertes financières, délais, erreurs, insatisfaction client

✅Définir l'état actuel vs l'état souhaité (gap analysis)

✅Préciser l'organisation, le domaine d'activité, et la taille du périmètre

✅Expliquer pourquoi maintenant : urgence, opportunité stratégique

✅Vérifier l'alignement avec la stratégie IA de l'organisation

🚫 Erreurs courantes

🚫Partir d'une technologie ("On veut un chatbot GPT") sans problème identifié

🚫Décrire un problème trop vague ("améliorer les performances")

🚫Ignorer les tentatives précédentes qui ont échoué sur ce problème

🚫Sous-estimer la résistance au changement des utilisateurs actuels

🚫Oublier de vérifier si une solution non-IA ne suffirait pas

📝 Exemple concret — ce qui fonctionne "Dans notre entreprise de transport public (500 collaborateurs), le service RH consacre 40% de son temps à répondre manuellement aux questions des employés sur les congés, salaires et règlements internes. Les délais de réponse sont de 2–5 jours, générant 120 tickets/mois. L'objectif est de réduire ce délai à moins de 2 heures et de libérer 2 ETP pour des tâches à plus forte valeur."

Questions-clés à se poser

🔍 Diagnostic

→Quel processus est concerné exactement ?

→Qui en souffre le plus ? (utilisateurs, managers, clients)

→Peut-on mesurer l'impact actuel en chiffres ?

🎯 Opportunité IA

→Y a-t-il des données disponibles pour entraîner/alimenter l'IA ?

→Est-ce répétitif, prévisible, à fort volume ?

→L'IA apporte-t-elle un avantage vs automatisation classique ?

🏛️ Contexte suisse

→Quelles réglementations s'appliquent ? (LPD, secteur)

→Hébergement des données en Suisse requis ?

→Convention collective, accord syndical concernés ?

Checklist de validation

☑ Avant de passer à l'étape suivante

Mon cas d'usage est ancré dans une problématique métier mesurable
J'ai décrit l'état actuel et l'état souhaité
J'ai identifié qui souffre du problème et quel est l'impact chiffré
J'ai vérifié l'alignement stratégique avec ma direction
J'ai argumenté pourquoi l'IA est la bonne approche

02

Jour 1 · Compétence C3.3

Esquisser la solution IA (4 dimensions)

Cœur du module 45–60 min

✓ Complété

▾

En tant qu'AIBS, vous êtes le "chef d'orchestre" — pas le développeur. L'esquisse de solution décrit ce que fait la solution, comment elle fonctionne conceptuellement, quelles données elle nécessite et comment elle s'intègre. Vous pensez en termes métier, pas en code.

"L'esquisse n'est pas un cahier des charges technique. C'est un pont entre le problème métier et les spécialistes techniques. Elle doit être compréhensible par votre direction ET par un data scientist." — Principe clé du module C3

Le cadre des 4 dimensions

⚙️

Fonctionnelle

Que fait la solution ? Quelles entrées/sorties ? Quels utilisateurs ?

🔧

Technique

Quel type d'IA ? (ML, LLM, règles) Quelle approche tech ?

🗄️

Données

Quelles données ? Disponibles ? Qualité suffisante ?

🔌

Intégration

S'intègre dans quels systèmes ? Impact sur les processus ?

✅ Bonnes pratiques

✅Choisir le type d'IA approprié en fonction du problème (prédiction, classification, génération, optimisation…)

✅Décrire le flux d'information : entrée → traitement IA → sortie → action métier

✅Justifier pourquoi l'approche est adaptée (vs alternatives)

✅Considérer les solutions standard du marché avant de développer from scratch

✅Définir clairement ce qui est IN et OUT du périmètre

🚫 Erreurs courantes

🚫Entrer dans les détails de code ou d'algorithmes spécifiques

🚫Proposer une solution unique sans considérer les alternatives

🚫Ignorer la dimension intégration dans les systèmes existants

🚫Confondre l'outil et la solution ("On va utiliser ChatGPT" ≠ esquisse)

🚫Ne pas préciser qui est l'utilisateur final et comment il interagit

Types de solutions IA les plus courants au brevet

🤖 Génération / NLP

•Chatbots assistants

•Génération de documents

•Classification de textes

•Résumé automatique

📊 Prédiction / ML

•Prévision de demande

•Détection d'anomalies

•Scoring / segmentation

•Maintenance prédictive

⚡ Automatisation IA

•RPA augmenté par IA

•Traitement de documents (OCR+)

•Recommandation

•Optimisation de planning

📝 Exemple d'esquisse — Assistant RH interne ⚙️ Fonctionnel : Un chatbot répond aux questions RH des employés 24/7, redirige vers un HR BP si nécessaire.
🔧 Technique : LLM (GPT-4 ou Mistral) avec RAG sur les documents internes de l'entreprise.
🗄️ Données : Règlements internes, FAQ RH, politiques congés, CCT — hébergés en Suisse.
🔌 Intégration : Interface dans l'intranet existant, connexion LDAP pour authentification, escalade vers système de tickets.

⚠️ Point d'attention suisse

🇨🇭Vérifier le lieu d'hébergement des données (Cloud CH vs étranger) — obligation légale dans certains secteurs publics

📋Anticiper la conformité LPD (loi sur la protection des données) dès l'esquisse

🔐Documenter si des données personnelles sensibles sont traitées par l'IA

Checklist de validation

☑ Avant de passer à l'étape suivante

J'ai décrit les 4 dimensions (fonctionnel, technique, données, intégration)
J'ai choisi le type d'IA et justifié ce choix
J'ai identifié les bénéfices attendus vs l'existant
J'ai défini le périmètre (IN/OUT)
J'ai vérifié les contraintes réglementaires (LPD, hébergement)

03

Jour 1 · Compétence C3.3 — Données

Inventaire des données et qualité (ALCOA+)

ALCOA+ 30 min

✓ Complété

▾

Pas de données = pas d'IA. Avant de concevoir quoi que ce soit, vous devez savoir si les données nécessaires existent, si elles sont accessibles, et si elles sont de qualité suffisante. L'AIBS n'est pas data scientist, mais il doit poser les bonnes questions.

Le cadre ALCOA+ pour évaluer la qualité des données

🅰 ALCOA+ (1/2)

AAttribuable — Sait-on qui a créé/modifié chaque donnée ?

LLisible — Les données sont-elles compréhensibles et structurées ?

CContemporaine — Les données sont-elles à jour et en temps réel ?

🅰 ALCOA+ (2/2)

OOriginale — Accès aux données sources, pas à des copies altérées ?

AAccurate — Les données sont-elles fiables et exactes ?

+Complete, Consistent, Enduring, Available

⚠️ Red flags données

🚨Données en silos inaccessibles

🚨Historique < 2 ans (ML prédictif)

🚨Biais dans les données existantes

🚨Aucune gouvernance sur les données

Type de donnée	Exemples	Questions ALCOA+ prioritaires	Risque si absent
Données structurées	CRM, ERP, tickets, transactions	Volume suffisant ? Format standard ?	Modèle ML impossible
Données textuelles	Emails, documents, notes	Langue homogène ? Nettoyage nécessaire ?	Qualité LLM dégradée
Données externes	APIs, open data, partenaires	Contrat d'accès ? Stabilité du flux ?	Dépendance externe critique
Données sensibles	RH, santé, données personnelles	Consentement ? LPD compliant ?	Risque légal majeur

✅ Bonnes pratiques

✅Faire un inventaire des sources avant de parler de solution

✅Impliquer le data steward ou IT pour valider la disponibilité réelle

✅Documenter les lacunes de données et le plan pour y remédier

✅Vérifier la gouvernance des données dans l'organisation

🚫 Erreurs courantes

🚫Supposer que les données existent sans vérification

🚫Sous-estimer le temps de nettoyage des données (souvent 60-70% du projet)

🚫Ignorer les biais potentiels dans les données historiques

🚫Négliger l'aspect RGPD/LPD sur les données d'entraînement

Checklist de validation

J'ai listé toutes les sources de données nécessaires
J'ai évalué la qualité avec le cadre ALCOA+
J'ai identifié les lacunes et un plan pour les combler
J'ai vérifié la conformité LPD pour les données personnelles

04

Jour 1 · Compétence C3.2

Identifier les spécialistes et préparer la collaboration

Travail d'équipe 25 min

✓ Complété

▾

En tant qu'AIBS, vous ne savez pas tout — et c'est normal. Votre rôle est de savoir qui consulter, quand, et quelles questions poser. La qualité de votre projet dépend directement de la qualité des experts que vous mobilisez.

👥 Spécialistes à identifier

🔬Data Scientist / ML Engineer — faisabilité technique, choix de modèle

🏗️Architecte IT / DevOps — intégration systèmes, infrastructure

⚖️Juriste / DPO — conformité LPD, contrats, responsabilité IA

🏢Expert métier — validation du problème, des données, des outputs

🔐RSSI / Sécurité — risques cyber, accès aux données

💰Finance / Contrôle de gestion — ROI, budget, business case

💬 Questions-clés à préparer

→À un data scientist : "Avec ces données, quelle précision est réaliste ?" / "Quel est le risque de biais ?"

→À l'architecte IT : "Nos systèmes supportent-ils une API temps réel ?" / "Quel délai d'intégration ?"

→Au DPO : "Faut-il une AIPD ? Quelle base légale pour traiter ces données ?"

→À l'expert métier : "Quel seuil de confiance est acceptable pour automatiser ?"

⚠️ Le piège de l'expert unique

💡Ne pas dépendre d'un seul expert technique qui pourrait devenir un SPOF (Single Point of Failure). Documentez les décisions prises avec chaque spécialiste.

Checklist de validation

J'ai listé les compétences manquantes pour mon projet
J'ai identifié les spécialistes internes et/ou externes à consulter
J'ai préparé des questions concrètes pour chaque expert
J'ai prévu comment documenter les apports de chaque expert

05

Jour 1 · Compétence C3.4

Définir les KPIs et l'évaluation intermédiaire

Pilotage 25 min

✓ Complété

▾

Comment saurez-vous si votre projet IA est sur la bonne voie avant qu'il soit terminé ? Les KPIs intermédiaires vous permettent de prendre des décisions éclairées : continuer, adapter, ou pivoter. L'évaluation n'est pas un bilan final — c'est un outil de pilotage continu.

✅ Bonnes pratiques KPI

✅Définir des KPIs SMART (Spécifique, Mesurable, Atteignable, Réaliste, Temporel)

✅Mélanger des métriques techniques (précision modèle) ET métier (temps économisé)

✅Définir un seuil minimum acceptable (go/no-go)

✅Prévoir des points de contrôle réguliers (sprint review, jalons)

🚫 Erreurs courantes

🚫Attendre la fin du projet pour mesurer les résultats

🚫Utiliser uniquement des métriques techniques incompréhensibles pour la direction

🚫Fixer des objectifs irréalistes (précision 99.9% dès le prototype)

🚫Ne pas définir ce qui constitue un "échec" et comment y réagir

Catégorie KPI	Exemples concrets	Pour qui	Quand mesurer
🔬 Technique	Précision, rappel, F1-score, latence	Data scientist	Après chaque itération
💼 Métier	Temps économisé, taux d'automatisation, satisfaction	Direction, sponsors	Prototype, POC, pilote
👤 Usage	Taux d'adoption, NPS utilisateur, erreurs signalées	Product owner, RH	Phase pilote
⚖️ Conformité	Incidents LPD, alertes biais, audits	DPO, RSSI	Continu

📝 Exemple — KPIs pour chatbot RH 🔬 Technique : Pertinence des réponses ≥ 85% (évaluation humaine sur 200 Q&A test)
💼 Métier : Réduction des tickets RH de 40% dans les 3 mois post-déploiement
👤 Usage : Score satisfaction utilisateur ≥ 4/5 dans le sondage post-test pilote
🚨 Seuil go/no-go : Si pertinence < 70% → révision de la base documentaire avant déploiement

Checklist de validation

J'ai défini 2–4 KPIs couvrant les dimensions technique et métier
Chaque KPI a un seuil minimum et une valeur cible
J'ai prévu des points de contrôle dans le planning
J'ai défini les critères go/no-go pour continuer ou pivoter

06

Jour 2 · Compétence C3.5

Choisir la méthode de validation de la solution

POC / Pilote 25 min

✓ Complété

▾

Avant de déployer à grande échelle, vous devez prouver que ça fonctionne. Le choix de la méthode de validation dépend du type de solution, du niveau de risque, et des ressources disponibles. Il n'y a pas de méthode universelle — il y a la méthode adaptée à votre contexte.

🔬 POC (Proof of Concept)

→Quand : Faisabilité technique incertaine

→Durée : 2–6 semaines

→Scope : Périmètre minimal, données limitées

✅Valide rapidement l'hypothèse technique

🧪 Projet Pilote

→Quand : Faisabilité OK, tester l'adoption

→Durée : 1–3 mois

→Scope : Groupe/site limité, conditions réelles

✅Teste l'impact métier réel

⚖️ Test A/B

→Quand : Comparer nouvelle vs ancienne approche

→Durée : Variable selon volume

→Scope : 50/50 ou % progressif

✅Comparaison rigoureuse avec groupe contrôle

✅ Bonnes pratiques

✅Choisir la méthode selon le niveau de risque et l'incertitude

✅Définir à l'avance les critères de succès du pilote (sinon tout semblera un succès)

✅Documenter les enseignements même en cas d'échec partiel

✅Prévoir une procédure de rollback si le pilote échoue

🚫 Erreurs courantes

🚫Passer directement au déploiement complet sans validation intermédiaire

🚫Définir les critères de succès APRÈS avoir vu les résultats

🚫Pilote trop court pour observer les effets réels

🚫Ne pas documenter les retours utilisateurs pendant le pilote

Checklist de validation

J'ai choisi une méthode de validation adaptée à mon contexte
J'ai justifié ce choix en fonction du niveau de risque
J'ai défini les critères de succès avant de lancer la validation
J'ai prévu un plan de rollback en cas d'échec

07

Jour 2 · Compétence C3.6

Cartographier les parties prenantes

Stakeholders 30 min

✓ Complété

▾

Un projet IA réussi n'est pas seulement une bonne technologie — c'est une bonne gestion des humains autour de la technologie. Chaque partie prenante a des attentes, des craintes et des blocages potentiels. Votre rôle est de les comprendre et les adresser proactivement.

Partie prenante	Ce qu'elle attend	Ce qui peut la bloquer	Type de retour à obtenir
👤 Utilisateurs finaux	Simplification du travail, gain de temps	Peur de perdre leur emploi, changement d'habitudes	Besoins réels, ergonomie, acceptation
🏢 Management	ROI, image, avantage concurrentiel	Budget, risque réputationnel	Vision stratégique, critères de succès
💻 IT / Architecture	Stabilité, maintenabilité, sécurité	Charge supplémentaire, dette technique	Contraintes techniques, risques d'intégration
⚖️ Juridique / DPO	Conformité, pas de risque légal	Traitement de données sensibles	Exigences légales, points de non-conformité
🔐 RSSI	Pas de faille, protection des données	Nouveaux vecteurs d'attaque, IA comme risque	Risques cyber, exigences sécurité

💡 Astuce — La matrice Pouvoir/Intérêt

↖️Fort pouvoir, fort intérêt → Gérer de près, consulter régulièrement

↗️Fort pouvoir, faible intérêt → Tenir informé, ne pas surcharger

↙️Faible pouvoir, fort intérêt → Impliquer comme ambassadeurs

↘️Faible pouvoir, faible intérêt → Communication minimale

⚠️ Spécificité suisse

🇨🇭En Suisse, la co-détermination (Mitbestimmung) implique souvent la commission du personnel ou les syndicats dès le début d'un projet IA impactant les emplois

📋Les CCT (conventions collectives) peuvent contenir des clauses sur l'introduction de nouvelles technologies

Checklist de validation

J'ai identifié toutes les parties prenantes internes et externes
Pour chacune : attentes, blocages potentiels, type de retour attendu
J'ai positionné les parties prenantes dans la matrice Pouvoir/Intérêt
J'ai prévu d'impliquer la commission du personnel si nécessaire

08

Jour 2 · Compétence C3.6

Plan de collecte et intégration des feedbacks

Itératif 25 min

✓ Complété

▾

Collecter des feedbacks ne suffit pas — il faut les transformer en décisions. Un bon plan de feedback définit quand solliciter, comment collecter, et comment arbitrer quand les retours sont contradictoires.

1

Kick-off

Attentes initiales

2

Sprint 1–2

Revue prototype

3

Mi-projet

POC review

4

Pilote

Tests réels

5

Post-déploiement

Bilan & optimisation

✅ Méthodes de collecte efficaces

🎥Démo + retours — Montrer une version fonctionnelle, collecter les réactions à chaud

🧑‍💼Entretiens 1-to-1 — Pour les parties prenantes clés (direction, utilisateurs pilotes)

📋Sondage structuré — Pour un groupe large, questions fermées + ouvertes

🏃Atelier de co-design — Pour impliquer les utilisateurs dans l'amélioration

💡 Arbitrer les retours contradictoires

1️⃣Règle de priorisation : impact métier > confort technique > préférence individuelle

2️⃣Validation par le sponsor/décideur pour les conflits de priorité

3️⃣Documenter pourquoi certains retours n'ont pas été pris en compte

4️⃣Tenir un backlog de feedbacks pour les itérations futures

Checklist de validation

J'ai défini à quels moments je sollicite chaque groupe d'intérêt
J'ai choisi les méthodes adaptées (démo, entretiens, sondage, atelier)
J'ai une règle claire pour arbitrer les retours contradictoires
Je documente comment chaque feedback est transformé en décision

09

Jour 2 · Compétence C3.7

Organiser et diriger l'équipe projet

RACI 30 min

✓ Complété

▾

Vous êtes le "chef d'orchestre" de l'équipe IA. Vous ne faites pas tout vous-même — vous créez les conditions pour que chaque spécialiste puisse contribuer efficacement. Cela implique des rôles clairs, des rituels de pilotage, et une communication structurée.

Matrice RACI — Rôles et responsabilités

Activité	AIBS (vous)	Data Scientist	Architecte IT	DPO/Juriste	Sponsor
Définir les besoins métier	R	C	I	C	A
Esquisse de solution	R	C	C	I	A
Développement modèle IA	A	R	C	I	I
Intégration systèmes	A	C	R	I	I
Validation conformité	A	I	C	R	I
Décision déploiement	C	I	I	I	R

R = Responsible (fait le travail) A = Accountable (responsable final) C = Consulted (consulté) I = Informed (informé)

✅ Rituels de pilotage recommandés

📅Daily standup (15min) — en phase active : blocages, avancement, aide nécessaire

📊Sprint review (bi-hebdo) — démo, retours, ajustements backlog

🎯Comité de pilotage (mensuel) — reporting direction, décisions stratégiques

📝Rétrospective (fin de sprint) — amélioration continue de l'équipe

💡 Communication efficace

→Un tableau de bord visuel accessible à tous (Confluence, Notion, Jira)

→Règle : pas de surprise — les problèmes remontent immédiatement

→Adapter le niveau de détail selon l'audience (technique vs direction)

→Un log de décisions pour tracer toutes les décisions importantes

Checklist de validation

J'ai défini les rôles essentiels et leurs responsabilités (RACI)
J'ai planifié les rituels de pilotage (fréquence, participants, format)
J'ai défini qui informe qui, quand, et sur quoi
Mon organisation est "pilotable" et réaliste pour mon contexte

10

Jour 2 · Compétence C3.7

Anticiper et gérer les conflits

Réalisme 25 min

✓ Complété

▾

Tout projet IA génère des tensions. Ce n'est pas un signe d'échec — c'est la réalité du changement. L'AIBS mature anticipe les conflits, en reconnaît les signes précurseurs, et dispose d'un plan pour les résoudre sans que le projet déraille.

Scénarios de conflits fréquents

⚡ Métier vs Technique

🔍Signe : "C'est techniquement impossible" vs "C'est indispensable métier"

🎯Cause : Manque de compréhension mutuelle

✅Action : Atelier de définition commune — reformuler le besoin métier avec des contraintes techniques réalistes

😰 Résistance au changement

🔍Signe : "Ça ne marchera jamais ici" / absence aux réunions

🎯Cause : Peur de l'emploi, de l'inconnu, sentiment d'exclusion

✅Action : Impliquer tôt, écouter les craintes, montrer les bénéfices concrets pour l'utilisateur

💰 Conflit de priorités

🔍Signe : Ressources partagées avec d'autres projets, délais glissants

🎯Cause : Manque de priorisation claire au niveau direction

✅Action : Escalade au sponsor pour arbitrage, documenter les compromis

💡 Framework de résolution (A-C-C-D)

AAnticiper — Identifier les conflits probables avant qu'ils surviennent

CComprendre — Écouter toutes les parties, identifier les causes réelles (pas les symptômes)

CClarifier — Reformuler le désaccord, obtenir une compréhension partagée du problème

DDécider — Impliquer le bon niveau hiérarchique pour l'arbitrage final

⚠️ Principes clés

💡Attaquer le problème, pas la personne — rester factuel et orienté solutions

💡Documenter les conflits et leurs résolutions — capital organisationnel précieux

💡En Suisse : le consensus prend du temps mais donne une meilleure adhésion à long terme

📝 Exemple concret de gestion de conflit Scénario : Les RH veulent que le chatbot réponde sur les cas individuels de salaire. Le DPO bloque pour raisons LPD.
Signes précurseurs : Tension lors de la réunion de validation, emails unilatéraux.
Résolution : Atelier RH + DPO + AIBS → compromis : le chatbot répond sur les grilles générales et redirige les cas personnels vers le HR BP via ticket. Documenté et validé par le sponsor.

Checklist de validation

J'ai identifié 2–3 conflits probables dans mon projet
Pour chacun : signes, causes, mesures et parties à impliquer
J'ai défini à quel moment j'escalade vs je gère en direct
Mon scénario est réaliste et ancré dans mon contexte

🎓 Vous avez couvert tout le Module C3 !

En complétant ces 10 étapes, vous avez travaillé toutes les compétences C3.1 à C3.7 du brevet fédéral AIBS. Votre livrable couvre les deux devoirs (Jour 1 et Jour 2). Pour l'examen oral, préparez-vous à défendre chaque choix de votre projet avec les arguments métier, techniques et organisationnels correspondants.

C3.1 ✓ C3.2 ✓ C3.3 ✓ C3.4 ✓ C3.5 ✓ C3.6 ✓ C3.7 ✓

Votre guide-mentor pour l'esquisse de solution IA