Cadrer l'IA générative sans tomber dans le gadget

Je passe une partie de mes comités à arbitrer une phrase que vous connaissez tous : « il nous faut de l'IA ». Pas un cas d'usage, pas un problème à résoudre. Juste l'injonction, parce que le board a lu un article et qu'un concurrent communique. Ma conviction, et je la mets sur la table sans détour : on a inversé le raisonnement. On part de la techno et on cherche désespérément un problème à lui coller. C'est l'inverse qu'il faut faire. Aucun POC ne devrait démarrer sans un cas d'usage qui tient sans le mot « IA » dans sa description. Si la valeur ne survit pas à ce test, c'est un gadget. Et des gadgets, j'en ai vu défiler. Des dizaines de POC brillants en démo, applaudis en comité, et qui meurent à la porte de la production. L'effet démo n'est pas l'impact. Un assistant qui répond joliment à dix questions choisies ne dit rien de sa tenue sur dix mille cas réels, ni de son coût au token quand on industrialise. Il y a un sujet dont on parle trop peu en revanche : le shadow AI. Pendant qu'on débat gouvernance en comité, des collaborateurs collent déjà des contrats et des données clients dans des outils grand public. Le risque n'est pas théorique, il est dans vos murs aujourd'hui. Ma position pratique : un cadre léger mais ferme. Quelques cas d'usage priorisés sur leur valeur métier, une règle claire sur la donnée qui sort, un arbitrage assumé entre acheter une brique mature et construire ce qui nous différencie vraiment. Le reste attend. Je sais que certains me trouveront trop prudent, d'autres pas assez. C'est précisément le débat que je veux ouvrir. Où placez-vous le curseur entre l'expérimentation et la discipline ? Et surtout, soyons concrets : quel cas d'usage a vraiment payé chez vous, chiffres à l'appui, et quels garde-fous vous refusez de négocier ?