AI component vs cas d'usage

Remarque : Ce document est une traduction automatique de la version originale anglaise.

AI component vs cas d'usage

Chaque fiche projet sur DecAIHub comporte deux champs qui se ressemblent mais répondent à des questions différentes : AI component et Use case. Le premier décrit la technologie spécifique à l'intérieur du projet ; le second décrit ce que le projet fait pour ses utilisateurs. Les confondre rend plus difficile d'évaluer si l'IA est réelle et si le produit résout un problème authentique.

En bref : le composant IA, c'est ce que fait l'IA à l'intérieur du système. Le cas d'usage, c'est ce que l'utilisateur obtient du produit. Un projet peut avoir un cas d'usage solide sans véritable composant IA — ou inversement.

Ce que signifie « AI component »

Le champ AI component (ai_component) d'une fiche projet répond à la question : quelle technologie IA spécifique opère à l'intérieur de ce projet ? Il pointe vers le mécanisme — inférence, entraînement, analytique, étiquetage de données, orchestration d'agents, routage de calcul — et non vers la description marketing.

Exemples tirés de vraies fiches DecAIHub :

• AI agent platform (workflows/tools/KB) — un framework d'agents avec outils et base de connaissances
• AI/ML crypto market analytics (app) — des modèles d'apprentissage automatique analysant les données de marché
• AI data labeling + model evaluation (human experts) — un pipeline d'étiquetage avec supervision humaine
• compute orchestration — planification et distribution de tâches de calcul IA
• agentic framework (memory/actions/plugins) — un runtime d'agents avec mémoire et intégrations d'outils

Le composant IA vous indique quel type de travail IA a réellement lieu — indépendamment de la marque du produit ou des affirmations marketing.

Comment utiliser ce champ : cherchez des noms qui désignent des mécanismes — modèles, pipelines, orchestrateurs, évaluateurs. Si la ligne se lit comme un slogan, recoupez avec la section preuves. Les fiches solides associent souvent une chaîne de composant concrète à des artefacts reproductibles ou à des descriptions techniques publiques.

Ce que signifie « Use case »

Le champ Use case (use_case) répond à une question différente : que fait l'utilisateur avec ce produit ? Il décrit le travail que le projet accomplit — analytique de trading, place de marché de calcul, constructeur d'agents, place de marché d'annotation de données — sans se soucier de la façon dont l'IA est implémentée en dessous.

Exemples :

• AI trading terminal + no-code agent builder
• compute marketplace + orchestration
• data labeling marketplace + dataset trading
• build + run autonomous AI agents
• crypto intelligence for humans + AI agents

Le cas d'usage vous indique pourquoi quelqu'un utiliserait ce produit, pas comment l'IA fonctionne à l'intérieur.

Comment utiliser ce champ : demandez-vous si le travail décrit pourrait exister sans IA moderne (par exemple, comme un tableau de bord statique). Si oui, la ligne AI component devient le facteur différenciant — elle doit nommer ce qui est techniquement non évident.

Pourquoi ils diffèrent et pourquoi les deux comptent

Un projet peut proposer une compute marketplace (cas d'usage) propulsée par une compute orchestration (composant IA). Un autre peut se présenter comme un AI trading terminal (cas d'usage) alors que son composant IA est positioning only (plans/roadmap) — c'est-à-dire qu'il n'existe pas encore d'IA fonctionnelle confirmée.

Quand vous lisez une fiche, la comparaison de ces deux champs révèle si la promesse du produit correspond à sa réalité technique :

• Composant IA solide + cas d'usage clair — la technologie et le produit sont tous deux visibles.
• Composant IA faible ou absent + cas d'usage audacieux — un possible écart entre le marketing et la réalité.
• Composant IA solide + cas d'usage vague — la technologie existe mais l'histoire produit reste floue.

Les deux champs alimentent le score DecAI Fit. Un score élevé exige des preuves d'une IA réelle (composant IA) et une intégration on-chain significative — pas seulement un récit produit convaincant.

Recoupez avec la catégorie : les catégories IA composites résument la direction et le domaine ; AI component et use case zooment sur le détail. Une étiquette comme AI/Agents | Infra ne remplace pas une chaîne de composant précise — elle situe le projet pour la navigation.

Comment lire les valeurs spéciales

Certaines fiches contiennent des valeurs qui ne sont ni des technologies ni des cas d'usage mais des modes d'interprétation — elles signalent la quantité de preuves trouvées à la date de vérification.

Valeur	Ce qu'elle signifie
positioning only (...)	L'IA est mentionnée dans le marketing ou les plans, mais aucune preuve Tier-1 d'un composant IA fonctionnel n'a été trouvée. La parenthèse donne le contexte, par ex. (plans/roadmap) ou (meme/narrative).
none	Aucun composant IA ou cas d'usage n'a été détecté. Ce n'est pas un verdict permanent — cela reflète l'état à la date de vérification.
unknown	L'évaluateur n'a pas pu déterminer la valeur à partir des sources disponibles. Aucune donnée Tier-1, Tier-2 ou Tier-3 n'a été trouvée.

Ce sont des modes d'interprétation du champ, pas des technologies autonomes. Ils renseignent sur le statut des preuves, pas sur la technologie sous-jacente. Une valeur positioning only n'est pas une accusation contre le projet — elle signifie que l'écart entre une affirmation marketing et un artefact Tier-1 n'a pas encore été comblé. Pour en savoir plus sur ce principe, voir Pourquoi l'absence de preuve n'est pas l'absence de technologie.

Où cela apparaît dans les fiches projet DecAIHub

Les deux champs figurent dans la table Project Passport. Cherchez :

• AI component (ai_component) — le mécanisme technique
• Use case (use_case) — la description au niveau produit

Ces champs, avec la section AI thesis fit et la table Evidence, vous aident à séparer le marketing des affirmations vérifiables.

Ce que ces termes seuls ne prouvent pas

• Indiquer un composant IA spécifique ne prouve pas qu'il fonctionne réellement. La description du composant reflète ce que l'évaluateur a trouvé, mais la profondeur des preuves varie.
• Un cas d'usage clair ne prouve pas que le produit tient ses promesses. Le cas d'usage est ce que le projet affirme offrir, pas une garantie de performance.
• La combinaison composant IA + cas d'usage ne prouve pas que le token est nécessaire. La nécessité du token est un axe distinct du DecAI Fit.

Ne pas confondre avec

• La catégorie n'est pas la même chose que le composant IA ou le cas d'usage. La catégorie (par ex. AI/Agents | DeFi) classe le projet à un niveau élevé ; le composant IA et le cas d'usage le décrivent en détail.
• Le composant IA n'est pas une description du produit. Il est plus étroit : uniquement le mécanisme IA, pas l'ensemble des fonctionnalités.
• Le cas d'usage n'est pas une prévision financière. Il décrit ce que fait le produit, pas s'il vaut la peine d'être utilisé.

Questions fréquentes

La même formulation peut-elle apparaître dans les deux champs ?

Parfois, mais le sens doit différer. Une étiquette courte peut se répéter d'un champ à l'autre quand le produit est étroit (par exemple, une pure API d'inférence). Dans ces cas, d'autres parties de la fiche — benchmarks, notes d'architecture, preuves — portent le détail.

Quel champ lire en premier ?

Si vous vous intéressez à ce que le logiciel fait pour les utilisateurs, commencez par use case, puis validez avec AI component. Si vous vous intéressez à l'existence d'un modèle ou d'un agent, commencez par AI component, puis regardez si use case explique qui en bénéficie.

Quel est le lien avec automatisation vs IA réelle ?

Use case peut être satisfait par des règles et des scripts ; AI component doit nommer des mécanismes fondés sur l'apprentissage ou sur des modèles quand c'est ce que le projet affirme. L'écart entre un marketing « AI » et une pile technique sans apprentissage est un thème de vérification courant.

Références externes

• NIST — Artificial Intelligence Resource Center — définitions et lignes directrices qui alignent les mots du quotidien (« modèle », « inférence », « entraînement ») avec l'usage technique dans des contextes normatifs.
• Partnership on AI — resources — recherches et recommandations sur la façon dont les organisations décrivent les capacités et les impacts de l'IA.

Voir aussi

• Qu'est-ce qu'un composant IA
• Qu'est-ce qu'un agent IA
• Comment lire une fiche projet
• Pourquoi l'absence de preuve n'est pas l'absence de technologie
• Qu'est-ce que DecAI Fit
• Comment lire les catégories IA composites