Aller au contenu

Cinq modules pour piloter la transformation IA.

Wasfy n’est ni un calculateur carbone ni un suivi de licences. Il relie l’usage de l’IA à ses effets sur les équipes, les comptes et l’environnement, avec la formule et la source de chaque chiffre.

Voir où l’IA est réellement utilisée.

Le point de départ : qui est équipé, qui utilise, à quelle fréquence et avec quels outils. Les écarts entre services deviennent visibles en un coup d’œil, sans désigner personne.

Indicateurs
Collaborateurs éligibles, équipés et actifs ; taux d’adoption ; fréquence quotidienne, hebdomadaire, occasionnelle ; répartition par outil.
Découpage
Par service et par outil, sur la période choisie. Un groupe de moins de 5 personnes n’est jamais affiché.
Sources
Rapports d’usage des outils d’IA, journaux de passerelle (LiteLLM), effectifs et services issus du SIRH ou d’un import CSV.
Licences
Sièges attribués sans utilisation depuis 30 jours, avec leur coût mensuel.

Adoption par service

Actifs sur éligibles, 30 derniers jours

Démo
  • DSI86,67 %
  • Marketing77,14 %
  • Finance60,00 %
  • RH56,00 %
  • Commercial41,43 %
Moyenne de l’entreprise : 60 %
ServiceÉligiblesActifs
RH2514
Commercial7029

Comprendre les équipes, pas les surveiller.

L’adoption seule ne dit pas pourquoi une équipe avance et une autre non. Wasfy croise l’usage avec la maturité déclarée et la formation pour orienter l’accompagnement.

Enquête
Questionnaire volontaire et anonyme, maturité de 1 à 5, ressenti et besoins exprimés. Taux de réponse affiché.
Formation
Part des collaborateurs formés par équipe, au service de l’obligation de culture IA de l’article 4 de l’AI Act. Wasfy ne certifie pas la conformité.
Écarts
Différences d’adoption et de maturité entre services, présentées comme des écarts à comprendre.
Garde-fous
Agrégation par équipe, collaborateurs pseudonymisés, aucune note individuelle exposée.

Maturité et formation

Enquête volontaire et anonyme, échelle de 1 à 5

Démo
132réponses
66 %taux de réponse
3,1maturité moyenne
71 %ressenti positif
ÉquipeAdoptionMaturitéFormés
Commercial41,43 %2,422,86 %
Équipe de moins de 5 personnesMasqué pour préserver l’anonymat
ROI IA

Un retour sur investissement que la finance peut signer.

Pour chaque cas d’usage, le temps d’une tâche avant et après l’IA, multiplié par le volume, valorisé au coût horaire chargé. Face à lui, tous les coûts : licences, API, formation.

Gains
Heures économisées par cas d’usage. Un gain n’entre dans le ROI démontré qu’une fois vérifié, avec son justificatif.
Estimé
Les gains non vérifiés restent visibles, étiquetés « estimé », et n’entrent jamais dans le ROI démontré.
Coûts complets
Licences par siège, consommation d’API, formation amortie. Une donnée manquante est signalée, jamais remplacée par zéro.
Résultat
Gain net, ROI et coût des licences inactives, en euros, sur la période.

Retour sur investissement

Mois en cours, coût horaire chargé 45 €

Démo
Gains vérifiés (412 h × 45 €)18 540 €
Coûts complets− 6 500 €
Licences (150 sièges)4 500 €
API via LiteLLM1 200 €
Formation amortie800 €
Gain net12 040 €
ROI démontré185,23 %
412 h vérifiées, avec justificatif
96 h estiméesHors ROI
Empreinte environnementale

Rapporter le carbone à la valeur créée.

Requêtes, tokens et modèles sont convertis en énergie puis en CO₂e. L’indicateur clé n’est pas le volume brut, mais le CO₂e par heure gagnée.

Méthode
Software Carbon Intensity de la Green Software Foundation, normalisée ISO/IEC 21031:2024 : SCI = (E × I + M) ÷ R.
Coefficients
Énergie par classe de modèle et par 1 000 tokens, intensité carbone par région d’hébergement, fabrication amortie. Chaque valeur est sourcée.
Confiance
Un niveau de confiance accompagne chaque résultat. La part fabrication est affichée en confiance basse.
Leviers
Part des tâches simples envoyées à de grands modèles et réduction attendue en basculant vers un modèle léger.

Empreinte de l’usage IA

Méthode SCI, ISO/IEC 21031:2024, confiance moyenne

Démo
63 000requêtes
48 kWhénergie estimée
22 kgCO₂e ce mois
53 gCO₂e par heure gagnée
Tâches simples envoyées à de grands modèles45 %
Basculer ces tâches sur un modèle léger≈ −38 % CO₂e
Recommandations et plan d’action

Des règles explicites, pas une boîte noire.

Les recommandations sont calculées par des règles appliquées aux moteurs : chacune cite son pilier, ses données sources et l’impact estimé. Elles alimentent un plan d’action suivi dans le temps.

Priorité haute

Former l’équipe Commercial

Adoption de 41 % contre 60 % en moyenne, sur 70 personnes. Maturité déclarée de 2,4 sur 5, 22,86 % de l’équipe formée.

Personnes concernées70

Sources : Adoption par service, enquête de maturité

ÉconomiquePriorité haute

Réaffecter 30 licences inactives

Trente sièges n’ont enregistré aucune utilisation depuis 30 jours. Ils peuvent être réattribués aux équipes en attente.

Économie900 € / mois

Sources : Licences et activité, soit 10 800 € par an

EnvironnementalPriorité moyenne

Basculer les tâches simples sur un modèle léger

45 % des requêtes sont des tâches simples traitées par de grands modèles : reformulation, résumé court, traduction.

Réduction estimée≈ −38 % CO₂e

Sources : Requêtes par classe de modèle, coefficients sourcés

Chaque recommandation est produite par une règle déterministe appliquée aux calculs. Un modèle de langage peut reformuler le texte ; il ne crée ni ne modifie aucun chiffre.

Les formules, en clair.

Le Wasfy Impact Score pondère social 35 %, économique 40 % et environnemental 25 %. Ses composantes reposent sur ces calculs.

Taux d’adoption

Adoption = utilisateurs actifs ÷ collaborateurs éligibles

Actif
au moins une utilisation sur la période
Éligible
collaborateur concerné par le déploiement

Démo : 120 ÷ 200 = 60 %

Temps économisé

Économique

Temps = Σ (minutes avant − minutes après) × volume

Avant, après
durée mesurée d’une tâche, par cas d’usage
Volume
nombre de tâches réalisées sur la période

Démo : 60 → 25 min × 100 synthèses = 58,3 h

Retour sur investissement

Économique

ROI = (gains vérifiés − coûts complets) ÷ coûts complets

Gains
heures vérifiées × coût horaire chargé
Coûts
licences, API et formation amortie

Démo : (18 540 − 6 500) ÷ 6 500 = 185,23 %

Intensité carbone logicielle

SCI, ISO/IEC 21031:2024

SCI = (E × I + M) ÷ R

E
énergie consommée (kWh)
I
intensité carbone de la région d’hébergement
M
fabrication du matériel, amortie
R
unité fonctionnelle : une heure gagnée

Démo : 53 g CO₂e par heure gagnée

Ce que Wasfy lit, source par source.

Des métadonnées uniquement. Un rapport agrégé reste un agrégat : il n’est jamais découpé en appels individuels fictifs.

SourceCe qui est récupéréMode
Microsoft CopilotRapports d’usage par utilisateur pseudonymisé et par applicationRapport agrégé
OpenAICoûts et usage par projet et par modèleConnecteur
Google GeminiRapports d’usage de l’espace de travailRapport agrégé
LiteLLMJournaux de dépenses par requête : modèle, tokens, coûtConnecteur
LangfuseObservations et générationsConnecteur
SIRHEffectifs, services et éligibilité, sans donnée personnelle sensibleImport
Fichier CSVToute autre source, validée ligne par ligneImport

La disponibilité de chaque connecteur dépend de votre offre et de votre environnement. L’import CSV couvre toute source en attendant.

Confidentialité et sécurité, par construction.

Rôles distincts (propriétaire, administrateur, finance, analyste, lecteur), sessions révocables, actions importantes journalisées.

Aucun contenu de prompt

Wasfy ne lit que des métadonnées : outil, modèle, volume, horodatage, équipe. Jamais le texte échangé avec l’IA.

Agrégation par équipe

Aucun indicateur n’est affiché pour un groupe de moins de cinq personnes. La donnée est masquée, pas arrondie.

Aucune note individuelle

Les collaborateurs sont pseudonymisés. Personne n’est classé ni noté ; un non-utilisateur est un écart à comprendre.

Culture IA, AI Act

Suivi de la part formée et des besoins de formation, au service de l’obligation de maîtrise de l’IA. Wasfy ne certifie pas la conformité.

Hébergement européen

Données hébergées dans l’Union européenne. Les secrets de connexion sont chiffrés et ne sont jamais réaffichés.

Isolation par entreprise

Chaque requête est filtrée par organisation côté serveur, et les actions importantes sont journalisées.

Explorez la démonstration Nordlys Conseil.

Deux cents collaborateurs, des données simulées et des calculs réels : les cinq modules, tels que votre direction les verra.