Mastrall : un cas d'usage IA se pilote dans la durée

Un résultat d’IA qui fonctionne n’est pas encore un projet métier. Un projet commence quand on sait quel travail doit changer, quelle décision évolue, qui utilise et relit le résultat, et avec quelles données.

Notre conviction : un cas d’usage IA se conduit en reliant son utilité, son processus réel, les conditions du test et les décisions qui en découlent. La gouvernance sert alors à choisir un bon projet et à apprendre de l’essai, pas à ajouter des formalités après coup.

Mastrall est un projet porté par ProovUp et Phenix Privacy. Cet article explique pourquoi nous avons rapproché cadrage métier, ingénierie IA et expertise réglementaire, et comment l’outil aide à garder le fil jusqu’à la décision.

Nous partons d’un constat de terrain : l’utilité d’un cas d’usage, sa place dans un flux métier, les données mobilisées et les responsabilités associées se travaillent ensemble. Une démonstration peut convaincre sans répondre à aucune de ces questions.

Les choix de données peuvent modifier le périmètre d’un test. Les obligations à examiner peuvent influencer la conception et la validation. Les deux expertises éclairent donc le même arbitrage : cet usage est-il utile, dans quelles conditions peut-il être testé, et qui en assume la suite ? C’est cette continuité que Mastrall outille.

Deux enquêtes publiées il y a quelques jours posent la question à l’échelle des entreprises. Ce sont des déclarations de répondants : elles décrivent des perceptions et des intentions, pas des résultats mesurés.

Ces chiffres ne disent pas pourquoi les résultats diffèrent. Mais ils posent une question utile à toute équipe : l’IA peut accélérer une tâche sans que le travail, les décisions et les responsabilités aient réellement changé, et l’investissement peut avancer plus vite que la préparation des données et des processus.

Une objection légitime : pourquoi ne pas lancer vite et organiser le reste ensuite ? Un essai limité apprend effectivement vite. Mais le choix des données, le déroulé de la tâche et la place de la relecture humaine déterminent ce qu’on teste. Les repousser, c’est risquer de tester un processus différent de celui qu’on veut transformer.

Commencer par le besoin n’impose pas une longue procédure : quel travail change, pour qui, avec quelles données, qui vérifie, et quel constat conduirait à poursuivre, ajuster, différer ou arrêter. Un tableur peut suffire pour un périmètre simple. Une décision d’attendre ou d’arrêter est aussi un résultat utile.

Traiter un cas d’usage comme un actif vivant, c’est garder ensemble son objectif, ses conditions d’utilisation et les décisions qui le font évoluer.

Ces repères n’imposent ni seuil ni fréquence de revue : chaque équipe choisit ce qui est proportionné à son usage.

Prenons un scénario simple. Une équipe teste une aide à la rédaction de réponses clients. L’essai se limite à des données synthétiques approuvées, et une personne relit chaque texte avant tout envoi.

Mastrall rassemble des entretiens guidés, la cartographie des processus, les dossiers de cas d’usage, un registre des systèmes d’IA (SIA), des évaluations et des décisions documentées. Un cas d’usage métier et un système d’IA ne se confondent pas : un même système peut servir plusieurs usages, chacun avec ses conditions.

Nous avons choisi une licence source-available, Elastic License 2.0, pour le cœur de Mastrall. Ce n’est pas de l’open source : les droits d’usage dépendent du texte de la licence. Pouvoir lire le code aide une équipe à comprendre ce qu’elle évalue. La formule Community est gratuite jusqu’à trois utilisateurs et s’auto-héberge. L’équipe produit précise les modalités d’accès et les conditions applicables.

Mastrall peut servir une équipe qui suit plusieurs usages ou veut garder les liens entre un besoin métier, les systèmes mobilisés, les évaluations et les décisions. La taille de l’organisation ne suffit pas à trancher : les rôles et le niveau de coordination comptent davantage. Pour commencer, prenez un cas et précisez :

Pour qualifier un besoin avec un accompagnement, découvrez notre cadrage de projet IA. Pour organiser les responsabilités dans la durée, voyez le rôle de Référent IA. Notre guide sur le registre IA en entreprise aide à préciser les informations à consigner.

Découvrir Mastrall

• Deloitte, « Enterprise AI Enters an ROI Reckoning: More Use, Uneven Value, Reveals Deloitte Survey », communiqué du 29 octobre 2026, consulté le 5 novembre 2026. Rapport The State of AI in the Enterprise: Built Differently : enquête de mai-juin 2026 auprès de 3 500 dirigeants (25 pays, six secteurs), dans des entreprises utilisant déjà l’IA au quotidien. Réponses déclaratives.
• Dun & Bradstreet, « Dun & Bradstreet Survey of 10,000 Businesses Finds AI Returns Stable for Most, but Data-Ready Companies Pull Ahead on ROI », communiqué du 28 octobre 2026, consulté le 5 novembre 2026. Enquête AI Momentum auprès de 10 000 entreprises (32 pays). Réponses déclaratives, période de collecte non précisée.