La majorité des projets IA qui échouent butent sur les données, rarement sur le modèle. Ce diagnostic évalue un cas d'usage précis avant d'engager un budget : l'état des données qu'il mobilise, la solution adaptée à cet état, et les chantiers à mener avant de lancer.
Six dimensions décrivent l'état des données d'un cas d'usage : l'accès, la qualité, la version qui fait foi, le responsable, la sensibilité, et l'existence de cas de référence pour mesurer la qualité des résultats. Leur poids varie selon le type de cas : la version qui fait foi compte double pour un assistant documentaire, la qualité et l'historique comptent double pour une analyse chiffrée, l'accès compte double pour un agent qui agit dans plusieurs outils.
Une dimension fortement pondérée au plus mauvais niveau est bloquante. Le verdict tient compte du score global et des points bloquants. La solution recommandée part de la nature du processus, puis elle est ajustée à l'état des données : un agent n'est jamais recommandé sur des données qui ne sont pas prêtes.
La méthode s'améliore avec l'usage. Chaque avis sur un verdict (juste, trop sévère, trop optimiste) est enregistré de façon anonyme. Les poids et les seuils sont recalibrés à partir de ces retours, puis publiés dans une nouvelle version, dont le numéro figure en haut du verdict.
Ce diagnostic donne une première orientation. Il ne remplace pas l'analyse du processus avec les équipes qui le pratiquent. Rien n'est enregistré tant que vous ne cliquez pas sur « Envoyer mon avis ».