L'IA n'est pas un gadget que je rajoute pour faire joli. C'est un outil que j'intègre quand il résout un vrai problème utilisateur. Voici comment je procède, avec des exemples concrets.
Cotation IDEL : remplacer 20 minutes de calcul par 2 secondes
Les infirmières libérales passent un temps fou à calculer les cotations NGAP. J'ai entraîné un prompt spécialisé qui prend une description de soins en langage naturel et retourne le montant exact avec le détail des actes. L'API OpenAI fait le gros du travail, mais la vraie valeur est dans le prompt engineering : il a fallu des dizaines d'itérations pour couvrir tous les cas de la nomenclature.
ResumeIA : générer un CV pro en 2 minutes
L'utilisateur remplit un formulaire simple (expériences, compétences, objectif). L'IA structure les données, reformule les descriptions et génère un CV optimisé pour les ATS. J'utilise le Vercel AI SDK pour streamer la réponse en temps réel — l'utilisateur voit son CV se construire sous ses yeux.
Ma méthode
- Identifier le goulot : où est-ce que l'utilisateur perd du temps ou fait des erreurs ?
- Prototyper vite : un prompt + une API call, c'est suffisant pour valider l'idée.
- Itérer sur le prompt : 80 % de la qualité vient du prompt, pas du modèle.
- Ajouter du RAG si nécessaire : quand l'IA a besoin de contexte métier (nomenclature NGAP, règles fiscales), je connecte une base de connaissances.
Ce que je retiens
L'IA est un accélérateur, pas un produit en soi. La valeur vient de la compréhension du problème métier, pas de la technologie. Un bon prompt sur un cas d'usage précis bat un modèle fine-tuné sur un cas générique.