Flow Scout
Spécification de développement.

1

La chaîne — le modèle fondamental

L'unité fondamentale n'est pas l'IA. C'est le travail, la responsabilité et la valeur. Toute la plateforme se déduit de cette chaîne ; tout écran, tout score, toute recommandation doit se rattacher à un de ses maillons.

• WhoPersonaUn type d'acteur, pas une personne nommée
• Does whatActivitéCe que le persona fait réellement
• Decides whatDécisionCe qui est tranché — distinct de la tâche
• Knows whatConnaissance & donnéesCe sans quoi l'activité ou la décision est impossible
• Delegates whatNiveau de délégationD0 à D5, actuel et cible
• To whomIA / agentCe qui reprend tout ou partie du travail
• Through whatSystèmes & applicationsPar où passe l'exécution
• For what valueValeurLibérée, économisée, générée, protégée, stratégique
• At what costCoût total (TCAI)Sept postes, pas seulement les licences
• Under what controlRisque & gouvernanceCe qui rend la délégation acceptable
• For what strategyAlignement stratégiqueUne des six catégories

2

Les dimensions de la cartographie

Organisation — où se situe le travail

Hiérarchie : Entreprise → Business Unit → Direction → Département → Équipe → Processus. Fonctions typiques : commercial, marketing, finance, RH, juridique, opérations, IT, service client, R&D, direction générale.

Persona — un type d'acteur

Un persona n'est pas une personne : c'est un rôle. Commercial grands comptes, directeur commercial, analyste financier, juriste, technicien, responsable RH, développeur, manager — et aussi client, partenaire, fournisseur.

Activité — ce que le persona fait

Préparer une proposition commerciale. Analyser un contrat. Répondre à un client. Préparer un reporting. Qualifier un prospect. Produire un contenu marketing.

Décision — ce qui est tranché

Connaissance et données

Sources possibles : CRM, ERP, DMS, emails, documents, bases métier, intranet, tickets, contrats, fichiers, données clients, règles, procédures, et la connaissance tacite des collaborateurs — celle qui n'est dans aucun système et qui explique pourquoi tant d'agents échouent.

Les six dimensions de suivi

Scout établit l'état initial et les points à vérifier ; Atlas suit les évolutions et déclenche les réexamens. Un changement de modèle chez un éditeur peut ainsi conduire à revoir un coût, un risque, un doublon ou un besoin de formation.

L'IA embarquée — la dimension qui change le modèle

Une entreprise achète une application et reçoit progressivement des fonctions IA, sans jamais avoir décidé d'acheter un « outil IA ». Ces fonctions n'apparaissent dans aucun inventaire, ne portent aucune ligne budgétaire propre — et pourtant elles lisent des données et déclenchent des actions.

Application → fonctionnalité IA → usage métier → modèle(s)
            → données accessibles → actions possibles → contrôles → coûts

Cinq fonctionnements à distinguer, parce que le fonctionnement détermine le risque bien plus que le modèle : génération de contenu · recherche dans les documents · recommandation · appel d'outils · exécution d'actions. Une fonction qui exécute des actions dans un système n'est pas du même ordre qu'une fonction qui rédige un brouillon, même si les deux tournent sur le même modèle.

Les doublons se jugent à l'usage

Deux outils tournant sur le même modèle ne sont pas nécessairement redondants. Deux outils sur des modèles différents peuvent payer deux fois la même tâche. La comparaison se fait donc au niveau de l'usage métier, jamais du modèle ni de l'éditeur.

Littératie et maturité — deux mesures, pas une

• Littératie des personnes : comprendre les limites, choisir un usage pertinent, protéger les données, vérifier les résultats, savoir quand reprendre la main.
• Maturité de l'entreprise : stratégie, compétences, adoption, données et intégration, gouvernance, maîtrise économique.

L'indice s'appuie sur des preuves et des mises en situation, en complément des déclarations. Une moyenne globale s'accompagne toujours du profil par métier et d'un niveau de confiance — sans quoi elle est un chiffre de complaisance.

3

Les six catégories stratégiques

Toute IA est rattachée à au moins une catégorie. C'est cette classification qui distingue ce qui améliore le quotidien de ce qui change l'entreprise — et qui empêche de confondre confort et valeur.

4

Les six niveaux de délégation

L'élément différenciant du produit. Chaque activité et chaque décision porte deux niveaux : celui d'aujourd'hui, et celui qui serait envisageable. L'écart entre les deux est le potentiel de transformation — et c'est le chiffre que le dirigeant achète.

• D0

  Humain uniquement

  L'IA n'intervient pas.

• D1

  Assistance

  L'IA aide mais n'exécute aucune part significative de la tâche. Résumer un document.

• D2

  Copilote

  L'IA réalise une part importante du travail. L'humain reste au centre du processus.

• D3

  Recommandation décisionnelle

  L'IA analyse et recommande une action. La décision appartient à l'humain.

• D4

  Exécution supervisée

  L'agent agit dans le système. L'humain peut valider, contrôler, interrompre.

• D5

  Autonomie encadrée

  L'agent décide et agit dans un périmètre déterminé, sous règles, limites, contrôles et mécanismes d'escalade.

Calcul du niveau cible proposition

La spécification nomme le potentiel de délégation sans en donner la formule. Voici celle que je propose, dérivée de l'exemple d'explicabilité de la spécification : « répétitive, fortement numérisée, fondée sur des règles et réversible ».

Chaque facteur, noté de 1 à 5, est d'abord ramené sur 0-1 :
    f = (facteur − 1) / 4

potentiel = 100 × ( 0.25 × f(repetitiveness)
                  + 0.20 × f(rule_based)
                  + 0.20 × f(data_readiness)
                  + 0.15 × f(reversibility)
                  + 0.10 × f(frequency)
                  + 0.10 × f(digitization) )

Intervalles demi-ouverts, sans chevauchement :
    [0, 20)  → D0        [20, 35) → D1        [35, 50) → D2
    [50, 65) → D3        [65, 80) → D4        [80, 100] → D5

Facteur inconnu : il sort du calcul et son poids est retiré du dénominateur.
En dessous de 0,60 de poids renseigné, AUCUN niveau cible n'est proposé —
l'activité remonte en « à qualifier », pas en D0.

PLAFOND DE RISQUE — appliqué après, jamais avant :
  sensitivity = 5                              → plafond D2
  sensitivity ≥ 4  ou  explainability_need ≥ 4 → plafond D3
  financial_impact ≥ 4  et  reversibility ≤ 2  → plafond D3
  sinon                                        → plafond D5

target_delegation_level = min( niveau suggéré , plafond )
delegation_gap          = target − current        (peut être négatif)

Un delegation_gap négatif est un signal fort : l'organisation a délégué plus que ce que le risque autorise. Il remonte en recommandation Govern.

5

Valeur, coût et écarts

Cinq natures de valeur

Interdiction formelle du business case fondé sur « temps économisé × coût horaire ». La valeur se déclare par nature, et une IA peut en combiner plusieurs.

TCAI — Total Cost of AI, sept postes

Le poste Humain est celui que tout le monde oublie, et souvent le premier en montant. Le faire apparaître à l'écran est un moment de démonstration.

Le ROA — retour sur IA

Appelé AI ROI dans la spécification produit. C'est l'indicateur le plus lisible par un comité de direction, et le plus facile à fabriquer de travers. Deux règles le protègent.

Les deux ratios s'affichent toujours ensemble, chacun avec la provenance de ses deux termes : coût — mesuré, source citée ; valeur — constatée ou estimée, marquée comme telle. Au niveau du portefeuille, le ROA constaté est le chiffre de tête de l'écran Insights.

La complétude du coût

Le relevé d'abonnements donne les licences. Il ne donne ni l'intégration, ni la supervision, ni le temps humain. Un ROA calculé sur les seules licences flatte l'usage — et présenter ce ratio comme un coût complet est une faute de méthode.

Trois nombres s'affichent toujours ensemble : coûts observés (sourcés), coûts estimés (marqués), postes manquants (nommés, pas omis). Et un indicateur de complétude : postes documentés sur postes retenus.

Les six écarts

6

Les neuf scores et le Flow Score

Plutôt qu'une note unique et opaque, un profil. Chaque score sur 100, chacun explicable par ses facteurs. Les formules ci-dessous sont des propositions à paramétrer — la spécification exige que la formule reste paramétrable.

Feasibility = moyenne( Technical Readiness , Data Readiness )

Base       = ( Business Value × Strategic Alignment
             × Feasibility × Adoption ) ^ (1/4)         // moyenne géométrique

Flow Score = Base
           × ( 1 − 0.40 × Risk / 100 )
           × ( 1 − 0.30 × (1 − Cost Efficiency / 100) )

Borné à [0, 100]. Tous les coefficients vivent dans un fichier de
configuration versionné, jamais dans le code.

7

Les huit recommandations — règles de déclenchement

La spécification nomme les huit recommandations sans donner leurs conditions. Sans règles déterministes, l'agent produit du texte plausible au lieu d'un arbitrage. Voici les règles proposées, évaluées dans l'ordre : la première qui s'applique gagne.

L'ordre traite d'abord le risque et la trésorerie, puis la valeur. C'est l'ordre dans lequel un comité de direction veut les entendre.

{
  "id": "REC-001",
  "type": "Delegate",
  "target": { "kind": "activity", "id": "ACT-001" },
  "rule": "delegation_gap ≥ 2 et aucune IA rattachée",
  "why": "Préparer une proposition commerciale est répétitive (3/5), fondée sur
          des règles, réversible, et les données nécessaires sont dans Salesforce.
          Niveau actuel D1, cible D3.",
  "factors": [ { "name": "repetitiveness", "value": 3, "weight": 0.25 } ],
  "estimated_impact": { "value_eur": 180000, "confidence": "medium" },
  "priority": 1,
  "provenance": "AI generated",
  "status": "pending"
}

Recouvrements et shadow AI

Deux usages — systèmes IA ou fonctions embarquées — sont candidats au recouvrement s'ils servent la même activité avec le même fonctionnement. Ni le modèle ni l'éditeur n'entrent dans la comparaison : deux outils sur le même modèle ne sont pas forcément redondants, et deux outils sur des modèles différents peuvent payer deux fois la même tâche.

La sortie est « recouvrement à examiner » : fonctionnalités qui se recoupent, licences potentiellement redondantes, données dupliquées. Jamais une recommandation de suppression.

Statuts de gouvernance : Approved · Tolerated · Experimental · Unknown · Forbidden · Shadow AI. Forbidden et Shadow AI déclenchent Govern. Unknown déclenche une demande de qualification, pas un verdict de risque — c'est une information manquante, pas un risque avéré.

8

Modèle de données

Entités

Organisation · Business Unit · Department · Team · Persona · Process · Activity · Decision · AI System · AI Feature · Agent · Model · Application · Data Source · Knowledge Source · Skill · Risk · Control · Cost · Value · Recommendation · Assessment · User.

AI Feature — la fonction IA embarquée dans une application

Nouvelle entité, et la seule addition de modèle du week-end. Elle existe parce qu'une fonction IA livrée dans un logiciel existant n'est ni une application, ni un système IA acheté — et qu'elle ne rentre dans aucune des deux cases sans être déformée.

{
  "id": "AIF-001",
  "application_id": "APP-003",              // Salesforce, M365, Gong…
  "name": "Einstein — résumé d'opportunité",
  "function": "generation",                 // generation | document_search |
                                            // recommendation | tool_call | action_execution
  "activation": "inconnue",                 // inconnue | disponible | activée | utilisée
  "activation_source": "déclaré | facturé | observé | catalogue | inconnu",
  "model": "non communiqué par l'éditeur",  // valeur légitime du référentiel
  "data_accessed": ["DS-002", "DS-005"],
  "actions_allowed": ["écrire dans l'opportunité"],
  "controls": ["validation humaine avant envoi"],
  "cost_basis": "inclus dans la licence | option payante | à la consommation",
  "annual_cost": null,
  "activities": ["ACT-004"],
  "provenance": "Imported",
  "evidence": { "file": "applications.xlsx", "locator": "A17" }
}

Trois champs méritent attention. activation a quatre états et non deux : inconnue, disponible, activée, utilisée. Disponible n'est pas activé, activé n'est pas utilisé, et par défaut une fonction issue du catalogue est inconnue — jamais activée d'office. C'est souvent la découverte de l'atelier. cost_basis explique pourquoi une fonction coûteuse n'apparaît dans aucun budget. Et function porte le risque : une fonction en action_execution mérite la même attention qu'un agent autonome, quel que soit son éditeur.

Relations essentielles

Persona     HAS                    Activity
Activity    CONTAINS               Decision
Activity    USES                   AI System | Application | Data Source
AI System   SUPPORTS               Persona
AI System   EXECUTES               Activity
Agent       EXECUTES               Activity
Agent       MAKES_OR_RECOMMENDS    Decision
Agent       USES                   Model | Application
Agent       ACCESSES               Data
Application EMBEDS                 AI Feature
AI Feature  SERVES                 Activity
AI Feature  ACCESSES               Data Source
AI Feature  RUNS_ON                Model            // ou « non communiqué »
AI System   GENERATES              Value | Cost
AI System   CREATES                Risk
Risk        MITIGATED_BY           Control

Objets de référence

{
  "id": "ACT-001",
  "name": "Prepare commercial proposal",
  "persona": "Enterprise Account Executive",
  "process": "Opportunity Management",
  "frequency": 20,
  "frequency_unit": "month",
  "average_duration_minutes": 120,
  "business_criticality": 4,
  "repetitiveness": 3,
  "decision_intensity": 4,
  "current_delegation_level": 1,
  "target_delegation_level": 3
}

{
  "id": "AI-001",
  "name": "Sales Proposal Copilot",
  "category": "Go-to-market",
  "status": "Production",
  "owner": "Sales Operations",
  "vendor": "Internal",
  "model": "GPT",
  "annual_cost": 85000,
  "estimated_value": 420000,
  "risk_level": "Medium",
  "delegation_level": 2
}

Multi-tenant et historisation

Structure : Tenant → Organisation → Engagement / Assessment → Data. Toutes les données sont isolées au niveau tenant. Chaque assessment est daté : c'est ce qui permettra à Flow Atlas de montrer la trajectoire — 142 IA en mars, 93 en septembre, coût −22 %, valeur +41 %.

Pour le hackathon : un seul tenant, un seul assessment, mais les champs tenant_id et assessment_id existent dès la première ligne de schéma. Les rajouter après coûte dix fois plus cher.

9

Provenance, human-in-the-loop, explicabilité

Flow Scout ne considère jamais une inférence comme une vérité métier. C'est la règle qui sépare ce produit d'un générateur de rapports.

Statuts de provenance

Chaque information porte l'un de ces statuts, conservé dans le temps :

Explicabilité

Tout score et toute recommandation répond à « pourquoi ? » en nommant ses facteurs et leurs valeurs. Exemple imposé par la spécification :

Concrètement : chaque score expose la liste {facteur, valeur, poids, contribution}, et l'interface affiche cette liste au clic. Ce n'est pas une fonctionnalité de confort, c'est une exigence produit.

12

Les écrans

Le parcours suit l'entrée réelle : on dépose, l'agent montre ce qu'il a compris, il demande ce qui manque, puis il livre. La conversation n'est pas la porte d'entrée — elle est l'étape 3.

13

Architecture de l'agent

Entrée : un tas de fichiers. Sortie : un fichier qui se charge dans Flow Atlas. Entre les deux, dix étapes — les étapes 2 à 5 emploient un modèle, tout le reste est déterministe.

Ce qui entre

Le pipeline

1. Ingestion

   fichiers → tables et passages numérotés

   Chaque cellule et chaque passage garde son origine : fichier, feuille, ligne. Sans cette traçabilité, aucune proposition ne peut citer sa source.

2. Reconnaissance de nature

   table → nature présumée

   Relevé de dépenses, liste d'applications, effectifs, inventaire IA. Un appel court, qui route.

3. Correspondance des colonnes

   en-têtes inconnus → champs du modèle

   La pièce maîtresse. Les colonnes non rattachées sont listées, jamais ignorées en silence.

4. Extraction

   lignes et passages → objets proposés (JSON strict)

   Personas, activités, décisions, IA, applications, données. Provenance et evidence obligatoires.

5. Croisement avec le catalogue d'IA embarquée

   liste d'applications → fonctions IA candidates

   Une liste écrite à la main — une trentaine d'applications d'entreprise courantes et leurs fonctions IA connues, avec leur fonctionnement et leur base de coût. Aucun appel de modèle : on sait que Salesforce a Einstein. Les fonctions trouvées sont proposées, à activer ou écarter par le client, jamais déclarées actives d'office.

6. Comblement par conversation

   trous du graphe → trois ou quatre questions

   L'agent calcule ce qui manque et ne demande que cela. C'est ici qu'il se comporte en agent : il choisit sa question au lieu de dérouler un formulaire.

7. Enrichissement marqué

   objets → objets complétés

   Les valeurs absentes sont estimées et marquées comme estimations, et listées dans l'écran des hypothèses.

8. Normalisation et déduplication

   objets → objets uniques conformes aux listes fermées

   Le même outil apparaît sous trois noms dans trois fichiers. Rapprochement sur nom normalisé, alias conservés, sources cumulées.

9. Calcul

   graphe → scores, écarts, décisions

   Le moteur existant, réutilisé tel quel.

10. Projection et chargement

    graphe v1.0 → fichier Flow Atlas → cockpit

    Le mappeur ci-dessous, puis l'import. Le fichier produit est le livrable ; le chargement en est la preuve.

Le mappeur — modèle v1.0 vers Flow Atlas

Cent cinquante lignes, déterministes, testables. C'est la pièce qui permet de garder le modèle riche sans renoncer au cockpit existant.

14

Contrats de données

Trois contrats, dans l'ordre du pipeline. Chacun est validé contre un schéma ; une sortie non conforme est rejetée et relancée une fois, jamais réinterprétée à la main.

A. Correspondance de colonnes

Le premier appel de modèle, et le plus déterminant. Il rattache des en-têtes jamais vus aux champs du modèle.

{
  "file": "abonnements-2026.xlsx",
  "sheet": "Feuille1",
  "detected_kind": "expense_report",     // expense_report | app_list |
                                         // headcount | ai_inventory | notes
  "kind_confidence": 0.86,
  "mapping": [
    { "column": "Libellé fournisseur", "field": "ai.provider", "confidence": 0.91 },
    { "column": "Montant annuel HT",   "field": "ai.cost",     "confidence": 0.95,
      "unit_detected": "EUR", "unit_converted_to": "kEUR" }
  ],
  "unmapped_columns": ["Centre de coût", "N° de commande"],
  "rows_total": 214,
  "rows_usable": 187
}

unmapped_columns est affiché à l'écran 2, jamais avalé en silence. C'est ce champ qui donne au client la preuve que l'agent n'invente pas.

B. Extraction d'objets

{
  "kind": "ai | ai_feature | persona | activity | decision | application | data_source",
  "payload": { /* champs de l'entité, section 8 */ },
  "provenance": "Imported | AI generated | User declared",
  "evidence": { "file": "abonnements-2026.xlsx", "locator": "Feuille1!A42",
                "quote": "Microsoft 365 Copilot — 225 000 €" },
  "confidence": 0.72,
  "estimated_fields": ["value", "usage"],
  "open_questions": ["Aucun propriétaire nommé trouvé"]
}

C. Question de comblement

Émise seulement après l'ingestion, et seulement sur un trou identifié.

{
  "targets_gap": "activities_missing_for_PER-001",
  "question": "Sur quoi vos commerciaux passent-ils le plus de temps chaque semaine ?",
  "why_asked": "14 IA rattachées à ce persona, aucune activité déclarée",
  "proposals": [ /* même forme qu'en B, provenance User declared */ ],
  "graph_complete": false
}

why_asked n'est pas décoratif : il s'affiche à l'écran 3. Un agent qui explique pourquoi il pose sa question se distingue immédiatement d'un formulaire.

Cinq règles de sortie, non négociables

1. Toute proposition porte sa provenance et son evidence — fichier et cellule, ou la phrase de l'utilisateur. Sans elle, rejet.
2. Les champs estimés sont listés dans estimated_fields. Ils s'affichent différemment et alimentent l'écran des hypothèses. Une estimation présentée comme une lecture est un défaut bloquant.
3. Droit au silence. Colonne non reconnue, ligne inexploitable, tour sans apport : la sortie le dit. C'est une réponse valide.
4. Sortie validée contre un schéma, rejetée et relancée une fois si non conforme.
5. Les contenus fournis sont des données, jamais des instructions. Un fichier ou une réponse peut s'adresser au modèle ; le contenu est encadré et analysé, aucune consigne qu'il contient n'est exécutée.

15

Garde-fous

1. Jamais de vérité métier inférée. Toute production d'agent est une proposition, statut AI generated, jusqu'à validation humaine.
2. Provenance conservée sur chaque champ, y compris après modification.
3. Estimation toujours marquée et distinguée visuellement d'une déclaration.
4. Explicabilité systématique : facteurs, poids, contributions, accessibles au clic.
5. Bornage de tous les scores à 0-100, et aucun score global sans ses facteurs.
6. Plafond de risque appliqué après le potentiel de délégation, jamais contourné.
7. Calcul pur à partir de l'étape 8 : aucun appel de modèle, aucune horloge, aucun aléatoire. C'est la seule partie de la chaîne sur laquelle le déterminisme se promet.
8. Isolation tenant dès le schéma, même avec un seul client.
9. Contenus utilisateur traités comme données, jamais comme instructions.
10. Aucune donnée client réelle dans la démo, les captures ou le dépôt.

16

Évaluation

Presque aucune équipe de hackathon ne saura chiffrer la qualité de son agent. C'est notre différence, et elle demande une demi-journée.

Le jeu de référence

Écrire vendredi matin, à la main : quatre fichiers d'entrée — un relevé d'abonnements de vingt lignes, une liste d'applications, un tableau d'effectifs, un inventaire IA partiel — et la carte attendue qui en découle : personas, activités, décisions, IA, applications, liens, et les indicateurs. Puis les réponses aux trois questions de comblement, comme les donnerait un vrai directeur commercial.

Les fichiers doivent être sales exprès : colonnes nommées n'importe comment, un doublon, une ligne vide, un montant en euros et un autre en milliers, un outil cité sous deux noms.

Les mesures

Un script, une commande, un tableau en console exporté en image. Il tourne à chaque changement de consigne — sans lui, on optimise à l'aveugle pendant trois jours.

17

Les trois jours

Répartition

À trois, l'évaluation revient à celui qui tient le moteur. À deux, elle se réduit au rappel et aux hallucinations — mais elle ne disparaît pas : c'est notre argument.

18

Stack

Hygiène de dépôt

• Clés d'API dans l'environnement, jamais dans le code ni l'historique.
• Tous les coefficients de scores et de règles dans un fichier de configuration versionné.
• Un README avec deux commandes : lancer la démo, lancer l'évaluation.
• Jeux de test dans le dépôt. Données client, jamais.

19

Définition de fini

Douze points, vrais ou faux. On ne discute pas de ce qui est « presque prêt ».

• Quatre fichiers en désordre, déposés, produisent un fichier qui charge Flow Atlas sans retouche manuelle.
• L'écran de lecture montre, par fichier, les colonnes rattachées et celles qui ne l'ont pas été.
• L'agent pose au plus quatre questions, chacune justifiée par un trou nommé du graphe.
• Chaque objet affiche sa provenance, et l'estimé se distingue visuellement du lu et du validé.
• Tout objet, champ et lien se corrige là où il s'affiche, avec recalcul immédiat.
• Chaque activité porte un niveau actuel et un niveau cible, le plafond de risque étant appliqué.
• Le ROA constaté et le ROA potentiel s'affichent ensemble, avec la provenance de leurs deux termes.
• Aucun score hors de l'intervalle 0-100, sur tous les jeux de test.
• Les huit règles de recommandation peuvent se déclencher — chacune est prouvée par un cas de test.
• La distinction D4 / D5 survit à la projection vers Flow Atlas.
• Les fonctions IA embarquées détectées sont proposées à l'activation, jamais comptées comme actives d'office.
• Aucune recommandation ne dit « supprimer » sur un recouvrement — la sortie est « à examiner ».
• Aucune valeur inconnue ne produit un Stop : elle produit une décision bloquée avec la condition « mesurer ».
• Le niveau D0 est atteignable, et une activité dont les facteurs sont trop incomplets remonte en « à qualifier ».
• Un lien applicatif absent produit « cartographie à compléter », jamais « shadow AI ».
• Le tableau d'évaluation sort ses neuf chiffres sur le jeu de référence, stabilité comprise.
• La cellule piégée est ignorée, la démo de secours est enregistrée, la présentation répétée en entier.

21

Ce qui reste à trancher

Le point qui pouvait coûter le week-end — deux modèles de données concurrents — est tranché en section 10 : v1.0 natif, Flow Atlas par projection. Restent quatre questions, toutes réglables avant vendredi.