i

Description

Grand boulier de bois accroché à un mur, avec un ordinateur portable posé au sol.

Source

D Coetzee · page d’origine

Licence

CC0 Domaine public

Photo d’origine, non retouchée. L’arrière-plan en est une version stylisée par le site.

Synthèse transverse — la contribution de l'IA

Cette page consolide ce que l'IA générative apporte, et ne remplace pas, sur les quatre sujets de cette rubrique : conduite de projet, outils, matrices de maturité, reporting Power BI.

En bref

• Cette page consolide ce que l'IA générative apporte, et ne remplace pas, sur les quatre sujets de cette rubrique : conduite de projet, outils, matrices de maturité, reporting Power BI.
• Elle donne un tableau consolidé (gain /5, risque /5, maturité /5), un cadre de gouvernance (confidentialité, traçabilité, signature), et une feuille de route d'adoption en quatre paliers.
• Les notes sont des appréciations d'expert, contextuelles (équipe de 5 à 10 personnes, développement BI/datamart, usage avec relecture) : voir NOTATION. Les fonctionnalités des produits (Copilot, Fabric, Azure DevOps) évoluent vite : toute fonctionnalité citée est à revérifier à la source (état 2026-10).

Sur cette page

1. Le principe : accélérer sans déléguer la responsabilité
2. Par sujet : ce qu'il faut retenir
   1. Conduite de projet
   2. Outils
   3. Matrices de maturité
   4. Reporting Power BI
3. Tableau consolidé gain, risque, maturité
4. Gouvernance de l'usage de l'IA
5. Confidentialité
6. Traçabilité et signature des contenus
7. Ce que l'IA ne remplace pas
8. Feuille de route d'adoption
9. Voir aussi

Niveau : 🟢→🔴

Le principe : accélérer sans déléguer la responsabilité#

🟢 Novice. Un assistant d'IA générative (modèle de langage) produit du texte, du code, des requêtes, des synthèses, à partir d'une consigne. Il est rapide, inégal et sûr de lui. Trois idées suffisent pour bien l'utiliser :

1. Il propose, vous disposez. Le résultat est un brouillon à relire, jamais une décision.
2. Il ne sait que ce qu'on lui donne (et ce qu'il a appris). Il ignore votre contexte, vos conventions, vos données — sauf si vous les fournissez, ce qui pose la question de la confidentialité.
3. Il peut se tromper avec aplomb (« hallucination ») : fonction inexistante, mesure DAX plausible mais fausse, référence inventée. Plus la sortie est vérifiable mécaniquement (une requête qu'on exécute, un test qui passe), plus l'IA est sûre à utiliser.

🟡 Pratique — la règle de décision. On classe un usage selon deux questions : le résultat est-il vérifiable à bas coût ? et l'erreur est-elle réversible ? Vérifiable et réversible (une requête de test, un squelette de script) : on y va. Invérifiable ou irréversible (un chiffre publié, une décision de recrutement, une suppression de données) : l'IA assiste, l'humain décide et prouve.

Par sujet : ce qu'il faut retenir#

Conduite de projet#

Détail dans IA et conduite de projet. L'IA aide surtout sur le travail rédactionnel et analytique du pilotage : reformuler un backlog en histoires utilisateur, rédiger des critères d'acceptation, résumer une réunion, détecter des ambiguïtés dans une spécification, préparer une rétrospective, rédiger un compte rendu d'état. Elle aide peu — et peut nuire — sur ce qui relève de la décision et de la relation : arbitrer une priorité, estimer à la place de l'équipe, sentir un conflit. Les fondamentaux et le cadre Scrum rappellent que l'équipe s'auto-organise : l'IA n'est ni Scrum Master ni Product Owner.

Outils#

Détail dans IA et outils. Les assistants s'intègrent dans l'éditeur, le dépôt, le suivi de tickets et la chaîne de livraison : génération de messages de commit, résumés de demandes de fusion, rédaction de tickets, aide à la résolution de conflits, génération de scripts. Garde-fou principal : la traçabilité — un historique de Git ou de TFVC doit permettre de savoir ce qui a été produit par l'assistant et qui l'a relu. Les métriques de projet doivent mesurer le résultat (défauts échappés, délai de changement), pas le volume de code généré.

Matrices de maturité#

Voir l'auto-évaluation et le principe des matrices. L'IA prépare (preuves résumées, grille calculée, plan rédigé) mais ne note pas seule : l'avancement d'un jalon est un jugement d'équipe sur des preuves vues. Un modèle peut « trouver » une preuve qui n'existe pas : c'est précisément la faille que la règle « preuve vue » ferme.

Reporting Power BI#

Détails dans les deux sections IA des dossiers de reporting : OneLake et applications mobiles en SaaS — IA et SQL Server en SaaS — IA. Les assistants du côté Power BI et Fabric (requêtes en langage naturel, aide à la rédaction de DAX, résumés de rapport, génération de requêtes SQL) et les assistants généralistes sont utiles pour accélérer l'écriture ; la justesse d'un chiffre reste une affaire de recette et de réconciliation (matrice BI — tests). Les fonctionnalités d'IA de Power BI et de Fabric, leurs prérequis de licence et de capacité changent fréquemment : à revérifier à la source avant toute décision (état 2026-10).

Tableau consolidé gain, risque, maturité#

Notes /5 : gain = valeur attendue ; risque = probabilité et gravité d'une erreur non détectée ; maturité = fiabilité de la pratique à ce jour (5 = mature). Contexte : équipe de 5 à 10 personnes, usage avec relecture humaine systématique.

Gouvernance de l'usage de l'IA#

🟡 Pratique. Une équipe qui adopte l'IA sans cadre se retrouve avec des usages individuels, des données envoyées n'importe où et des contenus non attribués. Un cadre minimal tient en une page, signée par le responsable d'équipe et relue chaque semestre.

Confidentialité#

🔴 Expert. Le risque principal n'est pas que l'IA se trompe, c'est que la donnée sorte. Dans un contexte de datamart de force de vente, les extraits typiques à risque sont : noms de clients, volumes de vente, prix, hiérarchies commerciales, identifiants de représentants, définitions de remises.

1. Classer avant d'envoyer. Ne jamais déposer dans un assistant externe : données personnelles (noms de représentants, coordonnées), données commerciales confidentielles, secrets (chaînes de connexion, jetons, mots de passe, clés), code propriétaire hors accord contractuel.
2. Minimiser et pseudonymiser. Pour demander de l'aide sur une requête, fournissez le schéma (noms de colonnes et types) et des données fictives, pas un extrait de production. Pour une anomalie, décrivez-la sans les valeurs.
3. Vérifier le contrat. Un service agréé fournit en principe des engagements sur la conservation et la non-utilisation des données pour l'entraînement ; ce point est à confirmer dans le contrat et la documentation du fournisseur, pas à supposer (à vérifier pour chaque outil, état 2026-10).
4. Surface d'attaque propre à l'IA. Les assistants qui lisent des contenus externes peuvent être manipulés par des instructions cachées dans ces contenus (injection de prompt). Un agent qui dispose d'un accès en écriture (dépôt, base, ticket) doit fonctionner avec des droits minimaux, en environnement de test, avec validation humaine avant toute action irréversible.
5. RGPD. Une donnée personnelle envoyée à un tiers est un traitement : base légale, information des personnes, sous-traitant, transfert hors de l'Union selon le cas. Ce n'est pas un détail : à valider avec le délégué à la protection des données de l'organisation.

Traçabilité et signature des contenus#

🟡 Pratique. Tout contenu rédactionnel publié à destination d'une organisation doit permettre de répondre à trois questions : qui l'a écrit, avec quel outil, qui l'a relu. Sans signature, un texte rédigé par un assistant à la demande d'une personne passe pour écrit de sa main : c'est un problème d'honnêteté et de responsabilité.

• Signature des contenus rédactionnels publiés (documentation, pages de wiki, comptes rendus, tickets longs) : une ligne explicite en pied, par exemple ✻ Rédigé par Claude <modèle> — AAAA-MM-JJ. L'ensemble de cette Académie suit cette convention.
• Ne pas signer le code, les commentaires, les messages de commit et les propriétés techniques : le suivi se fait ailleurs (trailer Co-Authored-By des commits, étiquette de ticket, journal des usages). Signer partout transforme la mention en bruit.
• Étiquettes : un tag (par exemple « IA ») sur les tickets, pages ou demandes de fusion dont le contenu a été produit ou transformé par un assistant, pour permettre un audit.
• Registre des prompts significatifs pour les usages à enjeu (génération d'un script de migration, rédaction d'une politique) : la consigne et la version du modèle sont à conserver avec la sortie ; sinon on ne sait pas reproduire ni expliquer.
• Responsabilité : la personne qui publie le contenu en est responsable, quel qu'ait été son brouillon d'origine. La signature n'est pas un dégagement de responsabilité.

Ce que l'IA ne remplace pas#

• Le jugement et la responsabilité : décider d'une priorité, accepter un risque, valider une recette, signer une mise en production.
• La connaissance du contexte : règles métier non écrites, historique d'un client, contraintes d'une version livrée en kit.
• La preuve : un test qui passe, une réconciliation qui boucle, un rapport de recette signé.
• La relation : la négociation d'un périmètre, l'écoute d'un utilisateur, l'animation d'une rétrospective.
• La dette cachée : du code généré en volume sans conception ni relecture crée une dette que les métriques de volume masquent ; c'est un risque pour la maintenabilité (matrice DL — dette technique).
• La qualité des données : un modèle de langage ne répare pas une source qui change sans prévenir (matrice PD — sources et contrats).

Feuille de route d'adoption#

🔴 Expert. Adopter l'IA est un chantier de maturité comme un autre : on progresse par paliers, chacun avec ses preuves. Calendrier indicatif pour une équipe de 5 à 10 personnes ; les durées sont des ordres de grandeur d'expert.

Indicateurs à privilégier (résultats, pas volumes) : taux de défauts échappés, délai entre commit et mise en production, temps de revue par demande de fusion, nombre d'incidents de confidentialité, satisfaction de l'équipe. Indicateurs à éviter : nombre de lignes générées, nombre de requêtes envoyées à l'assistant (loi de Goodhart : voir auto-évaluation).

Voir aussi#

• Sections IA détaillées : Conduite de projet · Outils · Reporting — OneLake et applications mobiles · Reporting — SQL Server en SaaS.
• Matrices : principe · auto-évaluation · PI · DL · PD · BI.
• Méthodes et outils : Pièges et bonnes pratiques · Comparatif des outils.
• Cadre : NOTATION · Glossaire · Bibliographie et ressources.

✻ Rédigé par Claude Sonnet 5.5