Vous voilà à la 5ème édition. La pré-vente d'ErgonOS se termine ce dimanche 17, je vous en redis un mot en bas du mail.

Le sujet de cette semaine s'est imposé en relisant le rapport NANDA du MIT, publié en juillet dernier. Trois cents déploiements IA analysés en entreprise. 95% sans aucun ROI mesurable. Trente à quarante milliards de dollars dépensés. Aucun impact sur le compte de résultat.

Et le plus intéressant, c'est ce que les chercheurs concluent : la cause n'est pas la qualité des modèles d’IA. Pas non plus le budget. C'est ce qu'ils appellent un learning gap. Un écart entre ce qu'on demande à l'IA, et ce qu'il aurait fallu lui demander.

Personne, ni les chercheurs, ni les directions IT, ni les consultants McKinsey qui auditent ces projets, n'a su nommer précisément les deux subtilités qui décident de tout.

C'est l'objet de ce numéro.

L'IA est devenue exceptionnelle pour résoudre des problèmes bien posés. Mais «bien poser un problème» recouvre deux choses que personne ne distingue : la précision (le contexte qu'on donne à l'IA) et la pertinence (le problème qu'on cherche vraiment à résoudre). La première est largement comprise, et c'est la moins importante. L'autre est presque jamais nommée, et c'est elle qui sépare ceux qui transforment leur travail de ceux qui s'en servent comme d'un meilleur Google.

Ce numéro vous donne les cinq couches de précision et les trois tests de pertinence, applicables à n'importe quelle décision où l'IA peut entrer.

12 minutes de lecture, pensé pour un dimanche matin avec un café :