Analyse prédictive : churn (risque de désabonnement), valeur vie client
2. Marketing & Sales
Rédaction : emails, posts, descriptions produits avec un LLM
Génération d'images : visuels publicitaires sur mesure
Personnalisation : reco produits, contenu adapté au profil
Lead scoring : prioriser les prospects les plus chauds
3. Support client
Chatbots : répondent aux questions fréquentes 24/7
Routage intelligent : envoyer le ticket au bon agent
Résumé de conversations : aider les agents humains
Analyse de sentiment : détecter les clients mécontents
4. RH
Tri de CV : matching candidat / poste
Onboarding : assistants pour répondre aux questions des nouveaux
Analyse de feedback : enquêtes internes
5. Développement logiciel
Assistants de code : GitHub Copilot, Cursor, Claude Code
Génération de tests : à partir du code
Code review : détection de bugs et failles
Documentation : auto-générée
6. Comment évaluer un cas d'usage ?
4 critères :
Valeur : gain de temps / argent / qualité
Faisabilité : la techno actuelle peut-elle vraiment le faire ?
Risque : conséquences si l'IA se trompe
Acceptabilité : utilisateurs et réglementation (RGPD, AI Act)
Les quatre critères pour évaluer un cas d'usage de l'IA, chacun suivi de la question qu'il pose : la valeur, la faisabilité, le risque et l'acceptabilité
7. Pièges classiques
Vouloir mettre de l'IA partout par effet de mode
Sous-estimer la qualité des données
Oublier l'humain dans la boucle pour les décisions critiques
✏️ Exercice
Donne un exemple de cas d'usage IA considéré comme haut risque par la réglementation (AI Act européen).