Cadrage Phases : P1 · P3 Compétences : B1 · C1
AI Use Case Canvas
Définition
L’AI Use Case Canvas est un outil de cadrage synthétique d’un cas d’usage IA sur une page unique. Il structure la réflexion autour de 8 à 10 cases interdépendantes : nom du cas, problème métier, utilisateurs concernés, tâche actuelle, tâche cible avec IA, bénéfices attendus, données nécessaires, faisabilité estimée, risques, sponsor potentiel.
Pour l’AIBS, le canvas constitue un livrable de la phase P1 (cadrage initial des cas identifiés) et de la phase P3 (cadrage approfondi du cas retenu). Il alimente la compétence B2 (examiner les activités commerciales en fonction des possibilités d’utilisation de l’IA) puis la compétence C1 (relever et formuler les besoins et les exigences).
La force du canvas tient à sa contrainte de format. Une page A4 oblige à la synthèse, à la hiérarchisation, à l’élimination du superflu. Un canvas qui ne tient pas en une page mélange probablement plusieurs cas distincts et doit être scindé.
Quand l’utiliser
À utiliser dès l’identification d’un cas d’usage potentiel, en version v1 rapide. À enrichir progressivement au fil des phases : v2 après benchmarking, v3 validée en fin de phase P1, v4 enrichie en phase P3 si le cas est retenu.
Mode d’emploi pas-à-pas
- Format : 1 page A4 par cas, 8 à 10 cases pré-structurées
- Cases standards : Nom du cas, Problème métier, Utilisateurs concernés (et volume), Tâche actuelle (sans IA), Tâche cible (avec IA), Bénéfices attendus, Données nécessaires, Faisabilité estimée (1-5), Risques, Sponsor potentiel
- Remplir l’ensemble des cases — un canvas avec des cases vides traduit un cas mal cadré
- Co-remplissage avec un représentant métier
- Versionnage : v1 après idéation, v2 après benchmarking, v3 validée pour P2
Exemple visuel
Structure type d’un AI Use Case Canvas
Nom du cas
Désignation courte et mémorable
Problème métier
Quel irritant, quel manque, quelle opportunité
Utilisateurs concernés
Qui utilise (rôles), combien (volume), où (contexte)
Tâche actuelle (sans IA)
Comment cela se fait aujourd’hui, durée, qualité
Tâche cible (avec IA)
Comment cela se ferait avec la solution, gain attendu
Bénéfices attendus
Gains chiffrés (temps, argent, qualité, satisfaction)
Données nécessaires
Sources, volume, qualité estimée, accessibilité
Faisabilité (1-5)
Score initial sur les 5 dimensions de faisabilité
Risques principaux
3 à 5 risques majeurs identifiés
Sponsor potentiel
Qui pourrait porter ce projet politiquement
Exemple concret rempli
Exemple appliqué — Canvas rempli (commune fribourgeoise)
Une commune fribourgeoise (12 000 habitants) cadre un cas d’usage en AI Use Case Canvas dans la perspective de la phase P3 :
Nom du cas : Assistant citoyen pour les questions administratives courantes.
Problème métier : Le secrétariat communal traite quotidiennement 80 à 120 appels téléphoniques de citoyens posant des questions répétitives sur les démarches administratives (déclaration d’arrivée, autorisations, calendrier des taxes, horaires des services). Cette charge mobilise 1,5 ETP en équivalent temps plein et crée des temps d’attente significatifs en période de pointe.
Utilisateurs concernés : Les 12 000 habitants (utilisateurs externes), avec un usage estimé de 40 à 60% de la population au moins une fois par an. Le secrétariat de 4 collaborateurs (utilisateurs internes pour le suivi). Volume cible : 60% des questions actuellement traitées par téléphone.
Tâche actuelle : Le citoyen appelle le secrétariat aux horaires d’ouverture (limités). Le collaborateur identifie la question, recherche l’information dans les documents internes ou sur le site, formule la réponse oralement. Durée moyenne : 4 à 8 minutes par appel selon la complexité.
Tâche cible : Le citoyen interroge un assistant conversationnel sur le site web ou via une application mobile, à toute heure. L’assistant comprend la question en langage naturel, recherche l’information dans la base de connaissance communale, formule une réponse contextualisée. En cas de question complexe ou sensible, l’assistant oriente vers le secrétariat avec un résumé du contexte.
Bénéfices attendus : Disponibilité 24/7 (alors qu’actuellement le secrétariat est ouvert 25 heures par semaine). Réduction de 50 à 60% des appels répétitifs (libération de 0,7 à 0,9 ETP pour des tâches à plus forte valeur ajoutée). Amélioration mesurable de la satisfaction citoyenne (mesure cible : score CSAT supérieur à 7/10).
Données nécessaires : Documentation administrative communale (règlements, formulaires, procédures), FAQ existante, calendrier des services et événements, contenu du site web. Volume estimé : environ 800 documents de référence. Qualité initiale jugée moyenne — un travail de structuration et de mise à jour est nécessaire.
Faisabilité (1-5) : Technique 4 (technologies matures pour ce type d’usage), Données 3 (qualité à améliorer), Organisationnelle 4 (acceptation favorable du secrétariat, qui voit la libération de tâches répétitives), Juridique 3 (LPD à respecter pour les données citoyens éventuellement échangées), Éthique 3 (vigilance sur l’égalité de traitement et la fracture numérique).
Risques principaux : (1) Réponses inexactes affectant la confiance citoyenne, (2) Exclusion des citoyens moins à l’aise avec le numérique, (3) Dérive du périmètre vers des questions personnelles sensibles, (4) Dépendance fournisseur si la solution est externalisée, (5) Coûts d’exploitation supérieurs aux estimations initiales.
Sponsor potentiel : Le syndic, en lien avec le projet de modernisation des services communaux. Adjoint en charge des finances comme co-sponsor pour la dimension efficience.
Ce canvas alimente la décision de cadrer le projet en phase P3 et de produire les exigences détaillées.
Variantes
Canvas Datatonic, Microsoft AI Use Case Canvas, ML Canvas (Louis Dorard) plus orienté technique. Adaptation interne possible avec ajout de cases (par exemple : impact carbone, conformité sectorielle).
⚠ Piège classique
Canvas trop optimiste sur les bénéfices et trop vague sur les risques. Forcer la quantification des bénéfices, même approximative (« 50 à 70% des appels » plutôt que « beaucoup d’appels »). Forcer la précision des risques (« réponses inexactes affectant la confiance » plutôt que « risque qualité »).
Clé de succès : Une fiche par cas, comparable. Inclure une estimation chiffrée même approximative.
Boussole AIBS — Manuel méthodologique non officiel pour le brevet fédéral d’AI Business Specialist.
Sources : Profil de qualification AIBS v15.04.2025 · Annexe directives FAAIB v1.01 · Document modules FAAIB v2.0 · Règlement examen v3.0 (mars 2026)