Scénario illustratif.Illustrative scenario. Ce contenu est un exemple de démarche possible et ne confirme pas un mandat client réel.This content is an example of a possible approach and does not confirm a real client engagement.
- AccueilHome
- RéalisationsProjects
- IA & machine learningAI & machine learning
- Priorisation des cas d’usage d’IA générativePrioritizing generative AI use cases
Prioriser l’IA générative dans un organisme publicPrioritizing generative AI in a public bodyChoisir les bons cas d’usage avant de choisir les outils.Choosing the right use cases before choosing the tools.
Les idées d’IA générative affluaient de toutes les directions de l’organisme. Mirador l’a aidé à les trier, à les encadrer et à lancer les plus prometteuses de façon responsable.
Generative AI ideas were pouring in from every department of the organization. Mirador helped it sort them, frame them and launch the most promising ones responsibly.
Le contexteThe context
L’organisme traite chaque jour un volume important de demandes citoyennes, de documents réglementaires et de correspondance. Plusieurs employés avaient commencé à tester des outils d’IA générative publics, sans balises communes.
The organization handles a large volume of citizen requests, regulatory documents and correspondence every day. Several employees had started testing public generative AI tools without shared guidelines.
La haute direction voulait tirer parti de ces technologies pour alléger les tâches répétitives et améliorer le service aux citoyens. Elle tenait aussi à protéger les renseignements personnels, à respecter la Charte de la langue française et à préserver la confiance du public.
Senior management wanted to leverage these technologies to reduce repetitive tasks and improve service to citizens. It was also committed to protecting personal information, complying with the Charter of the French Language and preserving public trust.
Les enjeuxThe challenges
- Les propositions de cas d’usage étaient nombreuses, hétérogènes et rarement chiffrables.Use case proposals were numerous, varied and rarely quantifiable.
- L’usage spontané d’outils publics créait des risques de fuite d’information.Unsanctioned use of public tools created a risk of information leaks.
- Les attentes en matière de transparence envers les citoyens étaient très élevées.Expectations of transparency toward citizens were very high.
- Les employés exprimaient autant d’enthousiasme que d’inquiétude face à l’IA.Employees expressed as much enthusiasm as concern about AI.
Notre démarcheOur approach
- 01
Cadrage des ambitionsScoping the ambitions
Nous avons recensé les idées des directions et clarifié les objectifs de service, d’efficacité et de conformité de l’organisme.
We gathered ideas from departments and clarified the organization’s service, efficiency and compliance objectives.
- 02
Conception de la grilleDesigning the grid
Nous avons bâti une grille de priorisation combinant valeur pour le citoyen, faisabilité technique, sensibilité des données et risques éthiques.
We built a prioritization grid combining value for citizens, technical feasibility, data sensitivity and ethical risks.
- 03
Réalisation d’un prototypeBuilding a prototype
Nous avons développé un prototype d’assistant de rédaction dans un environnement infonuagique sécurisé pour valider les hypothèses.
We developed a writing assistant prototype in a secure cloud environment to validate the assumptions.
- 04
Acculturation des équipesTeam upskilling
Nous avons animé des ateliers pour démystifier l’IA générative et diffuser les bonnes pratiques d’utilisation.
We led workshops to demystify generative AI and spread good usage practices.
La solutionThe solution
Les résultatsThe results
- L’organisme concentre ses efforts sur un petit nombre de cas d’usage à forte valeur.The organization focuses its efforts on a small number of high-value use cases.
- Les employés disposent de balises claires pour utiliser l’IA générative au quotidien.Employees have clear guidelines for using generative AI in their daily work.
- Les risques liés aux outils publics sont mieux maîtrisés.Risks related to public tools are better controlled.
- La direction peut expliquer ses choix en matière d’IA avec transparence.Management can explain its AI choices transparently.
Ce que nous retenonsWhat we take awayLa priorisation est d’abord un exercice de dialogue. Une grille partagée transforme une liste d’idées en décisions que chacun comprend.
Prioritization is first and foremost a dialogue. A shared grid turns a list of ideas into decisions everyone understands.
Expertises et offresExpertise and offers
Ce projet s’appuie sur les expertises et les offres suivantes.
This project draws on the following expertise and offers.
ExpertisesExpertise
OffresOffers
D’autres projetsOther projects qui pourraient vous inspirer.that may inspire you.
#InnovationFeuille de route data et IAData and AI roadmap
Un diagnostic de maturité et une feuille de route réaliste pour faire de la donnée un levier clinique et administratif, dans le respect de la Loi 25.
A maturity assessment and a realistic roadmap to turn data into a clinical and administrative lever, in compliance with Law 25.
Découvrir le projetExplore the project
#InnovationPrévision de la demande alimentaireFood demand forecasting
Des modèles d’apprentissage automatique qui anticipent la demande par produit et par entrepôt pour réduire les pertes et les ruptures.
Machine learning models that anticipate demand by product and warehouse to reduce waste and stockouts.
Découvrir le projetExplore the project
#InnovationDétection de fraude explicableExplainable fraud detection
Un modèle de détection de fraude dont chaque alerte est expliquée, pour soutenir les enquêteurs sans remplacer leur jugement.
A fraud detection model where every alert is explained, supporting investigators without replacing their judgment.
Découvrir le projetExplore the project