# D1 · Finding and Scoping Opportunities
Passer au crible le travail récurrent pour évaluer son aptitude à l’IA à l’aide de la fréquence, du coût en temps, de la tolérance à l’erreur et de la sensibilité des données, puis cadrer un candidat avant de construire le moindre outil.
import { Accordions, AccordionItem, Tabs, TabItem } from '@prosefly/astro-components';
Ce domaine pèse **16 %** de l’examen blanc — environ **8 items sur 50**. Il vérifie si vous savez regarder le travail qui est devant vous et décider *quoi automatiser en premier*, avant de toucher au moindre prompt. Le cours Applied AI s’ouvre ici pour une raison : l’échec le plus fréquent d’un prompteur compétent n’est pas d’écrire de mauvais prompts, c’est de construire des workflows reproductibles pour les mauvaises tâches — des tâches très visibles mais peu fréquentes qui ne sont jamais rentabilisées, ou des tâches très sensibles qui n’auraient jamais dû quitter les mains d’un humain.
## Ce qu’il faut savoir
Une opportunité d’automatisation est une tâche *récurrente* dont la valeur, le risque et le profil de données justifient d’en faire un workflow reproductible. Le crible comporte quatre dimensions : à quelle **fréquence** la tâche se produit, combien de **temps** coûte chaque instance, quelle **erreur** la tâche peut tolérer, et à quel point les **données** sont sensibles. Une fréquence élevée et un coût en temps élevé poussent vers l’automatisation ; une faible tolérance à l’erreur et une forte sensibilité des données poussent vers la prudence et une supervision plus lourde (ou vers l’absence d’automatisation). Cadrer, c’est écrire le déclencheur, les entrées, la sortie et la définition de « terminé » *avant* de construire, afin de résoudre un problème réel et borné plutôt qu’un vœu vague.
## Objectifs d’apprentissage
À la fin de cette page, vous devriez être capable de :
1. **Passer au crible** une tâche récurrente selon la fréquence, le coût en temps, la tolérance à l’erreur et la sensibilité des données pour décider si elle est un bon candidat à l’automatisation.
2. **Classer** plusieurs candidats afin d’automatiser en premier celui dont le retour est le meilleur et le risque acceptable.
3. **Reconnaître** les anti-schémas — la tâche impressionnante mais rare, la tâche irréversible, la tâche à données sensibles — qui ressemblent à des opportunités sans en être.
4. **Cadrer** une opportunité choisie en un énoncé de problème borné, avec un déclencheur, des entrées, une sortie et une définition de « terminé ».
5. **Distinguer** la partie d’une tâche qui est réellement répétable de celle qui nécessite un humain à chaque fois.
---
## 1.1 Les quatre dimensions du crible
Chaque tâche candidate est notée sur quatre axes. Deux d’entre eux mesurent la *valeur* ; deux mesurent le *risque*.
| Dimension | Question | Pousse vers l’automatisation quand… | Pousse vers la prudence quand… |
| --- | --- | --- | --- |
| **Fréquence** | À quelle fréquence cela se produit-il ? | Chaque jour, ou plusieurs fois par semaine | Une fois par trimestre, ou ponctuellement |
| **Coût en temps** | Combien de temps une instance prend-elle à une personne ? | 15 min et plus de travail fastidieux | Deux minutes de travail trivial |
| **Tolérance à l’erreur** | Que se passe-t-il si c’est faux et que cela passe inaperçu ? | Une coquille, une phrase maladroite, une correction facile | Un chiffre erroné dans un dépôt réglementaire, un e-mail mal adressé, une violation de conformité |
| **Sensibilité des données** | Quelles données sont concernées ? | Texte interne public ou peu sensible | PII, données réglementées, secrets, caractéristiques protégées |
La valeur est à peu près **fréquence × coût en temps** — une tâche qui survient 40 fois par semaine et prend 20 minutes chacune représente 13 heures par semaine, une cible évidente. Le risque est gouverné par la **tolérance à l’erreur** et la **sensibilité des données** — et le risque ne réduit pas la valeur, il change la *manière* de construire (plus de revue, plus d’échantillonnage, parfois un humain maintenu pleinement dans la boucle).
:::tip[Signal d’évaluation]
Quand un énoncé indique à quelle *fréquence* une tâche se produit et *combien de temps* elle prend, il teste le versant valeur du crible. Quand il mentionne « dossiers clients », « chiffres financiers », « réglementé », « irréversible », « protégé » ou « PII », il teste le versant risque. La meilleure réponse pèse les deux, pas un seul.
:::
## 1.2 Un modèle mental pour le crible
Reporter la valeur en regard du risque transforme les quatre nombres en une décision.
```text
VALEUR ÉLEVÉE (fréquent × chronophage)
▲
Automatiser avec │ Automatiser maintenant —
forte supervision : │ le gain évident.
points de revue, │ Revue légère.
échantillonnage, │
humain maintenu │
───────────────────────────┼───────────────────────────►
RISQUE FAIBLE │ RISQUE ÉLEVÉ
Écarter ou différer — │ En général, NE PAS
automatiser une tâche │ automatiser de bout en bout ;
rare et bon marché │ assister plutôt un humain,
est rarement rentable.│ ou laisser en manuel.
▼
VALEUR FAIBLE (rare × rapide)
```
Le quadrant en haut à droite — valeur élevée *et* risque élevé — est là où le jugement compte le plus : la tâche vaut la peine d’être automatisée mais une erreur coûte cher, donc on automatise la rédaction et on garde une revue humaine obligatoire (le sujet du [Domaine 5](/fr/openai/applied-ai/domains/d5-review-points-and-human-oversight/)).
## 1.3 Bons candidats, avec exemples travaillés
Les bons candidats sont fréquents, chronophages, tolérants aux petites erreurs, et touchent des données peu sensibles.
**Tâche :** chaque vendredi, résumer une douzaine de fils de mise à jour de projet en une synthèse d’une page pour un canal d’équipe.
**Crible :** fréquence hebdomadaire (bon), coût en temps ~45 min (bon), tolérance à l’erreur élevée — une synthèse imparfaite se corrige facilement et à faible conséquence (bon), sensibilité des données faible — texte de statut interne (bon).
**Verdict :** candidat solide. Construire un workflow reproductible avec un gabarit de synthèse fixe et une relecture humaine rapide avant publication.
**Tâche :** rédiger le texte de première réponse aux tickets de support courants à partir d’un ensemble connu de types de problèmes.
**Crible :** fréquence très élevée (excellent), coût en temps ~6 min chacun × des centaines/semaine (valeur excellente), tolérance à l’erreur moyenne — un mauvais brouillon est intercepté par l’agent avant l’envoi (acceptable avec revue), sensibilité des données moyenne — noms de clients, traités dans un workspace autorisé.
**Verdict :** candidat solide avec un **point d’envoi humain** et un **échantillonnage** des brouillons pour la qualité.
**Tâche :** transformer des notes de réunion brutes en une liste structurée d’actions avec responsables et échéances.
**Crible :** fréquence quotidienne (bon), coût en temps ~15 min (bon), tolérance à l’erreur moyenne — responsables/échéances doivent être justes, mais l’humain les confirme (acceptable), sensibilité des données faible à moyenne.
**Verdict :** bon candidat en workflow *extraire puis confirmer* : le modèle extrait, l’humain confirme responsables et échéances.
## 1.4 Mauvais candidats, avec exemples travaillés
Les mauvais candidats échouent sur la fréquence, sur le risque, ou les deux. Le piège est que certains ont l’air *impressionnants*.
| Candidat | Pourquoi c’est tentant | Pourquoi il échoue au crible | Meilleure décision |
| --- | --- | --- | --- |
| Le récit annuel pour le conseil | Très visible, audience de direction | Fréquence une fois par an — aucun retour sur la construction d’un workflow ; faible tolérance à l’erreur | Le rédiger manuellement avec l’assistance de l’IA, pas en workflow reproductible |
| « Approuver les remboursements automatiquement » | Fréquence élevée, temps réellement gagné | Irréversible, financier, faible tolérance à l’erreur | Automatiser la *rédaction/le tri*, garder l’approbation humaine |
| Résumer le dossier confidentiel de fusion-acquisition | Réellement chronophage | Forte sensibilité des données ; probablement restreint par la politique | Uniquement dans un workspace autorisé avec habilitation ; sinon manuel |
| Diagnostiquer une question médicale d’un client | Fréquent, forte valeur | Réglementé, préjudice élevé en cas d’erreur | Ne pas automatiser le jugement ; fournir uniquement une information vérifiée |
| Un nettoyage de données ponctuel pour une migration | Chronophage cette fois-ci | Fréquence = un ; un workflow ne s’exécute plus jamais | Le faire simplement avec l’aide de l’IA de façon ponctuelle ; ne pas le « produitiser » |
:::tip[Signal d’évaluation]
« Il sera vu par le comité exécutif » ou « c’est notre rapport le plus important » est un **distracteur** : l’importance n’est pas la fréquence. Une vitrine annuelle est en général un *mauvais* candidat à l’automatisation, même si elle compte, car le workflow construit ne s’exécutera plus jamais.
:::
## 1.5 Classer les candidats quand on ne peut en construire qu’un
Quand plusieurs tâches passent le crible, vous n’en construisez tout de même qu’une en premier. Classez par **retour attendu ajusté du risque**.
| Étape | Ce que vous faites |
| --- | --- |
| 1 | Estimer le temps hebdomadaire gagné = fréquence × temps par instance × fraction que le workflow supprime réellement |
| 2 | Multiplier par un facteur de confiance — à quel point êtes-vous sûr que le workflow tiendra ? |
| 3 | Soustraire la charge de revue que le risque vous impose (un point lourd grignote le gain) |
| 4 | Écarter tout ce dont la tolérance à l’erreur ou la sensibilité des données est interdite par la politique de votre organisation |
| 5 | Construire d’abord le score le plus élevé restant ; il finance le suivant |
Une tâche qui économise 10 heures par semaine avec une revue légère bat une tâche qui économise 12 heures par semaine mais nécessite qu’un humain vérifie chaque item — le gain net de la seconde est plus faible une fois soustraite la charge de revue.
## 1.6 Cadrer l’opportunité choisie
Le crible choisit *quoi*. Le cadrage définit le *problème borné* pour pouvoir le construire. Une opportunité cadrée comporte cinq parties.
```text
DÉCLENCHEUR Quand ce workflow s’exécute-t-il ? (un nouveau ticket, vendredi 16h, l’arrivée d’un fichier)
ENTRÉES De quoi a-t-il besoin pour démarrer ? (le texte du ticket, la liste des fils, le fichier)
SORTIE Que produit-il exactement ? (une réponse rédigée, une synthèse d’une page, un tableau)
TERMINÉ Comment savons-nous que ça a marché ? (la réponse passe la revue, la synthèse est publiée, le tableau s’importe)
PÉRIMÈTRE Qu’est-ce qui est explicitement hors périmètre ? (pas de remboursements, pas de conseil médical, pas d’envoi)
```
Écrire le périmètre est l’étape que les gens sautent, et c’est là que la dérive de périmètre commence. « Rédiger la réponse » devient discrètement « et l’envoyer » et « et émettre le remboursement » à moins que le périmètre ne dise le contraire.
:::tip[Signal d’évaluation]
Les énoncés qui décrivent un vœu vague — « utiliser l’IA pour gérer notre support » — testent le cadrage. La bonne réponse le réduit à une tâche bornée avec un déclencheur et une définition de « terminé », pas « construire un agent qui fait le support ».
:::
## 1.7 Séparer la partie répétable de la partie humaine
Presque aucune tâche réelle n’est automatisable à 100 %, et faire semblant qu’elle l’est produit des workflows fragiles. Le savoir-faire consiste à trouver le **noyau stable** — la partie identique à chaque fois — et à router le **jugement variable** vers une personne.
| Tâche | Noyau répétable (automatiser) | Partie humaine à chaque fois (garder manuel) |
| --- | --- | --- |
| Synthèse hebdomadaire | Rassembler les fils, résumer selon le gabarit | Décider quoi remonter à la direction |
| Première réponse de support | Rédiger à partir des types de problèmes connus | Approuver/éditer et envoyer ; traiter les cas inédits |
| Catégorisation des dépenses | Classer les reçus de routine | Approuver les cas atypiques et les exceptions de politique |
| Présélection des candidats à l’emploi | Extraire les compétences dans un tableau | *Chaque* jugement d’embauche (réglementé, sensible) |
Plus la partie humaine est grande et variable, plus le retour est faible — ce qui rétroagit sur votre classement du point 1.5.
---
## Cadre de décision
**Le crible d’opportunité FTED** — Fréquence, coût en Temps (Time), tolérance à l’Erreur, sensibilité des Données. Notez chaque candidat de 1 à 3 et lisez le guide.
| Dimension | Note 1 | Note 2 | Note 3 | Lecture |
| --- | --- | --- | --- | --- |
| **F**réquence | Ponctuel / annuel | Mensuel | Hebdomadaire+ | Plus haut = plus de retour |
| **T**emps (coût) | < 5 min | 5–20 min | 20+ min | Plus haut = plus de retour |
| **E**rreur (tolérance) | Irréversible / réglementé | Corrigeable avec effort | Trivial à corriger | Plus haut = plus sûr à automatiser |
| **D**onnées (sensibilité) | PII / réglementé / secret | Confidentiel interne | Public / faible | Plus haut = plus sûr à automatiser |
**Comment lire les totaux :**
| F+T (valeur) | E+D (sûreté) | Verdict |
| --- | --- | --- |
| 5–6 | 5–6 | Automatiser maintenant avec revue légère — le candidat idéal |
| 5–6 | 3–4 | Automatiser la rédaction, garder un point humain obligatoire |
| 5–6 | 2 | Assister un humain ; ne pas automatiser de bout en bout |
| 2–4 | tout | En général écarter — faible retour ; le faire ponctuellement avec l’aide de l’IA |
La valeur du cadre est qu’il force à noter les axes de risque *séparément* de la valeur, de sorte qu’une tâche à forte valeur ne puisse pas passer en force malgré un problème de sensibilité des données.
## Erreurs fréquentes
| Erreur | Pourquoi elle se produit | Que faire à la place |
| --- | --- | --- |
| Automatiser la tâche impressionnante mais rare | La visibilité passe pour de la valeur | Noter honnêtement la fréquence ; les tâches rares rentabilisent rarement un workflow |
| Ignorer la charge de revue lors du classement | Le temps gagné est enthousiasmant ; la vérification est invisible | Soustraire la charge de supervision au gain avant de classer |
| Automatiser une action irréversible de bout en bout | L’étape manuelle semble être la partie lente | Garder l’étape irréversible humaine ; automatiser la rédaction jusqu’à elle |
| Introduire des données sensibles dans un outil non autorisé | La commodité l’emporte sur la prudence sur le moment | Passer au crible la sensibilité des données d’abord ; n’utiliser que des workspaces autorisés |
| « Produitiser » un cas ponctuel | La tâche est pénible tout de suite | Si elle s’exécute une fois, la faire ponctuellement — ne pas construire de workflow |
| Cadrer trop large (« gérer le support ») | L’ambition dépasse la définition | Réduire à une tâche bornée avec un déclencheur et une définition de « terminé » |
| Sauter le périmètre hors champ | Tout semble dans le périmètre au départ | Écrire ce que le workflow ne doit *pas* faire ; cela prévient la dérive de périmètre |
| Supposer qu’une tâche est automatisable à 100 % | Le chemin heureux paraît complet | Trouver la partie humaine à chaque fois et concevoir autour |
## Mise en situation
**Situation.** Priya dirige une équipe opérationnelle de 12 personnes. Elle a un après-midi pour piloter l’IA sur *une* tâche récurrente et veut un gain rapide que l’équipe remarquera. Quatre candidats sont sur la table. (1) Le **rapport trimestriel au conseil** — très visible, le PDG le lit, prend une journée entière à assembler quatre fois par an. (2) La **catégorisation des factures fournisseurs** — 200 factures par semaine, ~3 minutes chacune, actuellement faite à la main, une catégorisation erronée occasionnelle est interceptée au rapprochement de fin de mois, données financières internes. (3) Les **approbations de remboursement** — 60 par semaine, actuellement un manager approuve chacune après lecture du dossier ; irréversible une fois émis. (4) Les **synthèses hebdomadaires de santé client** — tirées de notes internes chaque lundi, ~90 minutes, faible conséquence si légèrement inexactes, données internes. Son instinct est le rapport au conseil, parce que « c’est celui que la direction verra ».
**Trace de raisonnement expert.**
1. **Résister au piège de la visibilité.** Le rapport au conseil a une forte valeur *par instance* mais une fréquence de 4×/an, donc un workflow construit pour lui s’exécute quatre fois et le coût de construction ne s’amortit jamais. C’est le candidat classique impressionnant mais rare — l’assister manuellement, ne pas l’automatiser. L’instinct de Priya est exactement l’erreur contre laquelle ce domaine met en garde.
2. **Noter les candidats fréquents sur la valeur.** Factures : 200 × 3 min = 10 heures/semaine. Synthèses de santé : 90 min/semaine. Remboursements : 60 dossiers, temps réel, mais c’est l’*approbation* qui est le cœur. Les factures gagnent en valeur brute.
3. **Appliquer les axes de sûreté.** Les factures sont des données financières internes avec des erreurs interceptées au rapprochement — tolérance à l’erreur moyenne, donc automatiser la catégorisation avec **échantillonnage** en fin de mois plutôt qu’un point de contrôle sur chaque facture. Les remboursements sont **irréversibles et financiers** — la tolérance à l’erreur est faible, donc ne jamais automatiser l’approbation elle-même ; on pourrait automatiser le *résumé de dossier* que le manager lit, mais c’est un gain plus petit et différent. Les synthèses de santé sont à faible risque et faciles.
4. **Classer par retour ajusté du risque.** Catégorisation des factures : ~10 h/semaine gagnées, revue par échantillonnage légère, données internes — en tête de liste. Synthèses de santé : ~1,5 h/semaine, risque trivial — un pilote secondaire correct et sûr mais plus petit. Remboursements : garder l’humain ; automatiser seulement le résumé plus tard. Rapport au conseil : pas un workflow du tout.
5. **Cadrer le gagnant.** Déclencheur : les factures arrivent dans la boîte partagée. Entrée : les champs de la facture. Sortie : une étiquette de catégorie par facture. Terminé : taux d’erreur au rapprochement de fin de mois pas pire qu’aujourd’hui. Périmètre : le workflow **étiquette**, il ne **paie** ni n’approuve jamais.
**La décision :** piloter la **catégorisation des factures fournisseurs** avec échantillonnage de fin de mois, pas le rapport au conseil. Elle a le meilleur retour ajusté du risque, un risque faible à moyen géré par l’échantillonnage, et un périmètre propre. Le rapport au conseil est un travail manuel avec assistance ; les remboursements gardent leur approbation humaine. Le « gain rapide que l’équipe remarque » est réel précisément parce que les factures sont la corvée quotidienne, pas la vitrine trimestrielle.
## Pièges de l’évaluation
| Piège | Pourquoi c’est tentant | Le discriminant |
| --- | --- | --- |
| « Automatiser le rapport que les dirigeants lisent » | L’importance semble le signal le plus fort | Importance ≠ fréquence ; une tâche annuelle rentabilise rarement un workflow |
| « Elle économise le plus d’heures, donc la construire en premier » | Les heures brutes paraissent décisives | Soustraire la charge de revue ; une tâche à supervision plus légère peut rapporter davantage net |
| « Automatiser les approbations de remboursement pour économiser le temps du manager » | L’approbation manuelle est l’étape lente | Les actions irréversibles/financières gardent un humain ; automatiser seulement la rédaction |
| « Introduire le dossier confidentiel — ce n’est que du résumé » | La tâche elle-même paraît inoffensive | La sensibilité des données se note indépendamment ; workspace autorisé ou manuel |
| « Construire un agent pour gérer tout le support » | Cela paraît efficace et ambitieux | C’est non cadré ; réduire à une tâche bornée avec une définition de « terminé » |
| « Cette tâche est entièrement automatisable » | Le chemin heureux paraît complet | Trouver le jugement humain à chaque fois ; concevoir autour |
## Questions d’entraînement
Chaque item indique combien de réponses sélectionner. Décidez avant de dévoiler.
A. La visibilité et le niveau hiérarchique de l’audience
B. La fréquence et le coût en temps par instance
C. La tolérance à l’erreur et la sensibilité des données
D. Le choix du modèle et la longueur du prompt
**Réponse : B.** La valeur est à peu près fréquence × temps par instance — la quantité de travail que l’automatisation supprime. La visibilité de l’audience (A) est de l’importance, pas de la valeur, et un distracteur classique. La tolérance à l’erreur et la sensibilité des données (C) gouvernent le *risque*, pas la valeur. Le modèle et le prompt (D) sont des détails de construction qui viennent après le crible.
A. L’écarter — 4 minutes, c’est trivial
B. L’automatiser avec un point humain obligatoire sur chaque instance
C. L’automatiser et vérifier la qualité par échantillonnage, la tolérance à l’erreur étant raisonnable
D. L’automatiser sans aucune revue
**Réponse : C.** Fréquence élevée × temps réel = forte valeur, et les erreurs sont corrigeables, donc un contrôle qualité par échantillonnage convient au risque sans point de contrôle sur les 200 items. L’écarter (A) ignore les 13 heures/semaine cumulées. Un point sur chaque instance (B) détruit l’essentiel du gain pour une erreur à faible conséquence. Aucune revue (D) est imprudent même pour des tâches tolérantes.
A. Oui — c’est la chose la plus importante que l’équipe produit
B. Oui — une journée de travail est une grosse économie de temps
C. Non — à quatre fois par an, la construction du workflow ne se rentabilise jamais ; l’assister manuellement
D. Non — les rapports ne peuvent jamais être produits avec l’IA
**Réponse : C.** La fréquence est le facteur décisif : un workflow construit pour une tâche qui s’exécute quatre fois par an s’amortit rarement, et la faible tolérance à l’erreur d’un document pour le conseil plaide contre son automatisation de bout en bout. L’importance (A) n’est pas la fréquence. Le coût d’une journée (B) est par instance, pas hebdomadaire. Les rapports peuvent tout à fait être assistés par l’IA (D) — juste pas en workflow produitisé ici.
A. Construire un agent de support autonome
B. Choisir le modèle le plus puissant disponible
C. Cadrer une tâche bornée — p. ex. rédiger les premières réponses pour des types de problèmes connus — avec un déclencheur, des entrées, une sortie et une définition de « terminé »
D. Introduire tout l’historique des tickets dans un seul prompt
**Réponse : C.** « Gérer notre support » est un vœu vague ; le premier geste est de le réduire à une tâche bornée et cadrée. Un agent autonome (A) saute entièrement le cadrage. Le choix du modèle (B) est prématuré. Un seul prompt géant (D) est un anti-schéma de décomposition, et prématuré lui aussi.
A. Résumer des notes de réunion internes
B. Approuver automatiquement les remboursements clients
C. Rédiger le texte de première réponse aux tickets de support
D. Catégoriser les dépenses internes de routine
**Réponse : B.** L’approbation de remboursement est irréversible et financière — la faible tolérance à l’erreur signifie que l’approbation reste avec un humain, même si le volume est tentant. Les notes de réunion (A), les brouillons de support (C) et la catégorisation des dépenses (D) sont toutes des tâches corrigeables, à moindre conséquence, adaptées à l’automatisation avec une revue appropriée.
A. Celui qui est techniquement le plus simple
B. Le retour ajusté du risque : temps gagné, moins la charge de revue que le risque impose, en écartant tout ce que la politique interdit
C. Celui que réclame la partie prenante la plus bruyante
D. Celui qui utilise la fonctionnalité ChatGPT la plus récente
**Réponse : B.** Vous classez par valeur attendue nette de la supervision que le risque exige, après avoir retiré les tâches interdites par la politique. La facilité technique (A) ignore le retour. Le volume des parties prenantes (C) et la nouveauté d’une fonctionnalité (D) ne sont pas des critères de sélection sur la valeur.
A. La tâche à 12 heures, parce que les heures brutes sont plus élevées
B. La tâche à 10 heures, parce que sa charge de revue est bien moindre
C. Elles sont identiques
D. Aucune ne vaut la peine d’être automatisée
**Réponse : B.** Le retour net soustrait la charge de revue : vérifier chaque item peut consumer l’essentiel des 12 heures, tandis qu’un échantillon mensuel léger entame à peine les 10. Les heures brutes (A) ignorent le coût de supervision. Elles ne sont pas identiques (C), et toutes deux passent clairement le crible de valeur (D).
A. Rédiger des synthèses hebdomadaires de statut à partir de fils de mise à jour internes
B. Approuver les virements de plus de 50 000 $
C. Catégoriser 150 reçus internes de routine par semaine
D. Rédiger la lettre annuelle aux investisseurs
E. Diagnostiquer les symptômes médicaux des clients
**Réponse : A et C.** Les deux sont fréquentes, chronophages, corrigeables et peu sensibles — le profil idéal. Les approbations de virement (B) sont irréversibles et financières. La lettre annuelle (D) échoue sur la fréquence. Le diagnostic médical (E) est réglementé et à préjudice élevé. Seules A et C se situent dans la zone « automatiser maintenant ».
A. Rien — résumer est toujours sûr
B. Réduire le score de valeur pour compenser
C. Une forte sensibilité conditionne la construction : n’utiliser qu’un workspace autorisé avec habilitation, ou garder en manuel
D. Utiliser un modèle moins cher pour réduire le risque
**Réponse : C.** La sensibilité des données se note indépendamment de la valeur et peut bloquer ou contraindre une construction quelle que soit la charge en temps de la tâche ; la réponse est un environnement autorisé ou un traitement manuel. Résumer n’est pas intrinsèquement sûr (A). La sensibilité est un axe distinct, pas une décote sur la valeur (B). Le prix du modèle (D) n’a rien à voir avec le traitement des données.
A. Choisir le modèle le plus capable d’emblée
B. Un périmètre hors champ explicite indiquant ce que le workflow ne doit pas faire
C. Un prompt plus long et plus détaillé
D. Ajouter davantage de fichiers de connaissances
**Réponse : B.** Le périmètre hors champ est ce qui empêche « rédiger la réponse » de devenir discrètement « et l’envoyer » puis « et émettre le remboursement ». Le choix du modèle (A), la longueur du prompt (C) et les fichiers de connaissances (D) ne définissent pas les limites de périmètre.
A. Oui — deux jours est une grosse économie
B. Oui — toujours construire des workflows pour les tâches pénibles
C. Non — il s’exécute une fois ; le faire ponctuellement avec l’assistance de l’IA plutôt que de le produitiser
D. Non — le nettoyage de données ne peut pas se faire avec l’IA
**Réponse : C.** Fréquence = un signifie qu’un workflow reproductible ne s’exécute plus jamais, donc le surcoût de construction est gaspillé ; utiliser l’IA ponctuellement à la place. Le coût de deux jours (A) est réel mais ponctuel. « Toujours construire » (B) ignore la fréquence. L’IA peut certainement aider au nettoyage (D).
A. Automatiser la rédaction jusqu’au point de l’action risquée
B. Automatiser la validation finale pour gagner du temps
C. Définir un point de revue humaine obligatoire avant tout dépôt
D. Supprimer la revue entièrement parce que le modèle est capable
E. Sauter le cadrage et commencer à construire immédiatement
**Réponse : A et C.** Pour un travail à forte valeur et faible tolérance, vous automatisez la rédaction mais gardez un point humain obligatoire avant l’action irréversible/réglementée — vous capturez la valeur tout en contenant le risque. Automatiser la validation (B) et supprimer la revue (D) placent tous deux une étape réglementée irréversible entre les mains du modèle. Sauter le cadrage (E) n’est jamais la réponse.
## À retenir
- Passer chaque candidat au crible **FTED** : Fréquence, coût en Temps, tolérance à l’Erreur, sensibilité des Données — deux axes de valeur, deux axes de risque.
- **Valeur ≈ fréquence × coût en temps.** L’importance et la visibilité ne sont pas de la valeur ; la tâche impressionnante mais rare rentabilise rarement un workflow.
- **Le risque change la manière de construire, pas le fait que la tâche ait de la valeur.** Forte valeur + fort risque signifie automatiser la rédaction et garder un point humain.
- Classer les candidats par **retour ajusté du risque** — soustraire la charge de revue et écarter tout ce que la politique interdit — puis construire le premier.
- Les étapes **irréversibles, financières, réglementées ou sensibles** restent humaines ; automatiser tout jusqu’à elles.
- **Cadrer avant de construire** : déclencheur, entrées, sortie, définition de « terminé », et un périmètre hors champ explicite.
- Une tâche ponctuelle n’est pas un workflow — la faire ponctuellement avec l’aide de l’IA.
- Trouver le **noyau stable** à automatiser et router le **jugement variable** vers une personne.