Un directeur de SAAD ouvre ChatGPT pour la première fois. Il a lu les articles, assisté à un webinaire, entendu parler d’automatisation de planning et de chatbot pour les familles. Il tape : « Crée-moi un outil de suivi des interventions connecté à mon logiciel de gestion. » La réponse est longue, technique, inapplicable. Il referme l’onglet. L’IA rejoint la pile des sujets « à voir plus tard ».
Ce scénario se répète dans la majorité des structures SAP qui tentent d’adopter l’IA générative. Le problème n’est ni l’outil ni le manque de temps. C’est le choix du premier cas d’usage.
Pourquoi les premiers projets IA échouent dans les structures SAP
Les structures de services à la personne qui décrochent de l’IA partagent un schéma identique : elles ont visé un projet ambitieux dès le départ. Connecter l’IA au logiciel de gestion. Automatiser l’affectation des remplacements. Construire un assistant qui répond aux questions des intervenants. Mettre en place un reporting RH automatisé.
Ces projets sont légitimes. Certains sont réalisables. Aucun n’est un bon point de départ.
Trois raisons à cela. D’abord, ces projets supposent une maîtrise de l’outil que personne n’a encore dans la structure. Demander à ChatGPT de produire une application de suivi quand on n’a jamais formulé un prompt structuré, c’est demander à quelqu’un qui n’a jamais cuisiné de préparer un repas pour 30 personnes. Ensuite, ces projets impliquent des données sensibles : noms de bénéficiaires, plannings nominatifs, informations RH. Sans paramétrage préalable de l’outil et sans règles d’usage claires, le risque de fuite de données est réel. Enfin, ces projets prennent du temps. Or un dirigeant de SAAD qui consacre trois jours à un prototype IA sans résultat exploitable ne recommencera pas.
L’adoption de l’IA dans une structure SAP suit la même logique que l’intégration de n’importe quel outil opérationnel : elle commence par une victoire rapide, visible, reproductible.
Ce qui caractérise un bon premier cas d'usage
Un premier cas d’usage IA efficace remplit trois critères simultanément.
Il porte sur une tâche précise et récurrente. Pas un projet ponctuel, pas une réflexion stratégique. Une tâche que quelqu’un dans la structure exécute chaque semaine, voire chaque jour, selon un schéma similaire. La récurrence garantit que le temps investi dans la formulation du prompt sera rentabilisé rapidement.
Il ne mobilise aucune donnée personnelle ni sensible. Le premier cas d’usage doit fonctionner sans transmettre à l’IA des noms de salariés, de bénéficiaires, des numéros de dossier ou des informations médicales. Ce filtre élimine d’emblée tout ce qui touche au planning nominatif, aux comptes rendus d’intervention individualisés ou aux dossiers RH. Ce n’est pas que l’IA ne puisse pas traiter ces données avec un paramétrage adapté. C’est que ce n’est pas le sujet du premier usage.
Il produit un résultat évaluable immédiatement. Le livrable généré par l’IA doit pouvoir être relu, corrigé et utilisé dans la journée. Un courrier, un email, une trame de document, un SMS. Pas un tableau de bord, pas un processus, pas une stratégie.
5 cas d'usage qui fonctionnent dès la première semaine
Ces cas d’usage ont été testés avec des dirigeants et des responsables de secteur de SAAD. Ils remplissent les trois critères : tâche récurrente, aucune donnée sensible, résultat exploitable immédiatement.
Courrier de bienvenue pour un nouveau bénéficiaire. La structure dispose généralement d’un modèle vieillissant ou n’en a pas du tout. Demander à ChatGPT de rédiger trois versions d’un courrier de bienvenue, en précisant le ton souhaité et les informations pratiques à inclure, produit un livrable utilisable en 10 minutes. Le courrier ne contient aucune donnée nominative : il s’agit d’un modèle générique à personnaliser ensuite.
Trame de compte rendu de réunion de coordination. Les réunions de coordination génèrent des notes éparses que personne ne structure. Un prompt décrivant l’ordre du jour type, le nombre de participants et le format attendu (décisions, actions, points en suspens) produit une trame réutilisable à chaque réunion.
SMS de confirmation de passage. Une responsable de secteur demande à ChatGPT de rédiger trois versions d’un SMS de confirmation de passage pour les bénéficiaires. Elle choisit la meilleure, l’ajuste en deux minutes, et l’utilise chaque semaine. Aucune donnée personnelle n’est transmise à l’outil : le SMS est un modèle, les noms et horaires sont ajoutés manuellement après.
Annonce de recrutement pour un poste d’intervenant. Le turn-over dans les SAAD rend cette tâche récurrente. Une annonce rédigée avec un prompt structuré (contexte géographique, conditions de travail, ton différenciant) sort en une génération. La structure évite le copier-coller d’annonces génériques qui n’attirent personne.
Plan de formation interne. La structure doit produire un plan de formation annuel ou semestriel pour répondre aux exigences de la certification. Un prompt décrivant les métiers concernés, les obligations réglementaires et le budget disponible génère une première version structurée à affiner avec la direction.
Les erreurs qui freinent l'adoption
Commencer par la tâche la plus complexe de la structure. La tentation existe de traiter immédiatement le sujet le plus chronophage : le reporting, la facturation, le suivi qualité. Ces sujets nécessitent des données structurées, des connexions entre outils et une expertise de prompt avancée. Ce sont des cas d’usage de deuxième ou troisième mois, pas de première semaine.
Évaluer l’IA sur un seul essai. Un premier prompt mal formulé produit un résultat décevant. C’est normal. Le réflexe de la plupart des utilisateurs est de conclure que l’outil ne fonctionne pas. L’évaluation pertinente porte sur le résultat obtenu après reformulation du prompt : en précisant le contexte, en ajustant le ton demandé, en fournissant un exemple de ce qu’on attend. La qualité du résultat est directement proportionnelle à la précision de la demande.
Vouloir faire adopter l’IA par toute l’équipe en même temps. L’adoption commence par une personne, sur une tâche, avec un résultat partageable. Quand cette personne montre à ses collègues un courrier produit en 5 minutes au lieu de 30, l’effet d’entraînement est plus puissant que n’importe quelle formation collective.
Transmettre des données nominatives dès le premier usage. Avant d’utiliser l’IA sur des tâches impliquant des données personnelles, la structure doit avoir paramétré l’outil (désactivation de l’entraînement du modèle, instructions personnalisées) et défini un cadre d’usage interne. Le premier cas d’usage sert précisément à installer cette discipline sans prise de risque.
La logique de progression
Le premier cas d’usage réussi n’est pas une fin. C’est une rampe de lancement. La progression suit un schéma prévisible :
Semaine 1 : un courrier, un SMS, une trame de document. La personne découvre le fonctionnement de l’outil sur une tâche à faible enjeu.
Semaine 2 à 4 : des emails de recadrage, des réponses à des réclamations, des fiches de poste. Les cas d’usage se complexifient, le contexte injecté dans les prompts s’enrichit.
Mois 2 : des documents structurés (procédures internes, supports de réunion, grilles d’entretien) et la mise en place de projets ChatGPT dédiés par type de tâche.
Mois 3 et au-delà : des usages avancés (analyse de données, reporting, outils intégrés) qui nécessitent un accompagnement spécifique.
Chaque étape construit la compétence de la précédente. Sauter directement au mois 3 sans avoir traversé les semaines 1 à 4, c’est précisément ce qui produit les échecs décrits en introduction.
En résumé
Le meilleur premier cas d’usage IA dans une structure SAP est celui que personne ne trouve spectaculaire. Un courrier type. Un SMS de confirmation. Une trame de réunion. C’est sur ces tâches modestes que se construit la compétence qui rend ensuite possible tout le reste.
Amaltia vous accompagne
Vous ne savez pas par où commencer ? Amaltia accompagne les structures de services à la personne dans l’identification et la mise en œuvre de leurs premiers cas d’usage IA
