RS&DE, IA et logiciels : où se trouvent les vraies incertitudes technologiques

Depuis l'essor des grands modèles de langage, beaucoup d'entreprises affirment « faire de l'IA ». Pour un cabinet, le défi est de distinguer celles qui consomment une technologie d'IA mature de celles qui repoussent réellement une limite technologique. Les deux peuvent créer une grande valeur d'affaires ; une seule des deux est généralement admissible à la RS&DE.

Le test de fond reste le même

L'IA ne change pas les critères de la RS&DE. La question demeure : y avait-il une incertitude technologique qu'on ne pouvait pas lever en appliquant des connaissances et des outils existants, et a-t-on procédé par expérimentation systématique pour la lever ? Brancher un modèle performant et bien documenté sur un produit, aussi utile soit-il, ne crée pas en soi cette incertitude.

Ce qui n'est généralement pas de la RS&DE

• Appeler une API d'IA. Intégrer un modèle commercial (génération de texte, vision, transcription) via son interface documentée, selon son usage prévu.
• L'ingénierie de prompts seule. Ajuster des consignes pour obtenir de meilleures réponses relève le plus souvent de l'optimisation d'usage, pas de la R&D.
• Le réentraînement de routine. Réentraîner un modèle sur de nouvelles données avec un pipeline éprouvé, sans obstacle technique imprévu.
• Assembler des briques connues. Brancher base vectorielle, modèle et orchestrateur selon des recettes établies, quand tout fonctionne comme attendu.

Où se cachent les vraies incertitudes

L'admissibilité apparaît dès que le comportement de la technologie devient imprévisible et qu'il faut expérimenter pour atteindre un résultat technique qui n'était pas garanti. Quelques zones fréquentes :

• Atteindre un seuil de précision ou de fiabilité que les approches standards ne permettaient pas, sur un domaine ou des données particulières.
• Performance et coût à l'échelle : réduire la latence ou le coût d'inférence sous une cible, là où aucune méthode connue ne donnait le résultat directement.
• Données difficiles : rareté, bruit, déséquilibre ou biais qui font échouer les techniques courantes et exigent des stratégies nouvelles.
• Adaptation de modèles : ajustement fin, distillation ou architectures sur mesure quand les approches documentées ne convergent pas ou ne tiennent pas en production.
• Intégration sous contraintes : faire fonctionner un modèle dans des limites de mémoire, de matériel embarqué, de temps réel ou de confidentialité qui n'avaient pas de solution établie.
• Évaluation d'un comportement non déterministe : concevoir des méthodes pour mesurer et fiabiliser des sorties intrinsèquement variables.

Le bon réflexe n'est pas de demander « Utilisez-vous de l'IA ? » mais « Qu'avez-vous essayé qui ne donnait pas le résultat attendu, et qu'avez-vous dû inventer pour y arriver ? » C'est dans cet écart que se trouve la RS&DE.

Le piège du « ça marche du premier coup »

Quand un modèle commercial répond directement au besoin, il n'y a souvent pas d'incertitude, et c'est correct. La RS&DE se trouve dans les projets où il a fallu contourner une limite : le modèle hallucinait sur le domaine du client, la latence était inacceptable, la précision plafonnait, les données ne se prêtaient pas aux méthodes connues. Ce sont ces frictions, et les expérimentations menées pour les résoudre, qui constituent le dossier.

Pourquoi ces dossiers sont à la fois rentables et risqués

Les projets d'IA mobilisent des profils coûteux et beaucoup d'heures : bien documentés, ils donnent des réclamations substantielles. Mais ce sont aussi des dossiers que l'ARC examine attentivement, justement parce que beaucoup d'« usage » y est présenté comme de la R&D. D'où l'importance de séparer rigoureusement l'expérimentation admissible du travail d'intégration courant, et de soutenir le récit par une trace technique solide.

Un regard technique qui connaît la frontière

C'est exactement le type de dossier où mon profil fait une différence : plus de 20 ans en développement logiciel et une compréhension concrète des technologies d'IA me permettent de tracer la ligne entre usage et R&D, d'identifier les incertitudes réellement admissibles et de les documenter de façon défendable, en complément de votre cabinet.