Évaluation de l'état de préparation à l'IA : de quoi s'agit-il et comment la mener à bien ?

Gartner prévoit qu'au moins 30 % des projets d'IA générative seront abandonnés après la phase de validation de principe d'ici fin 2025 (Gartner). Une évaluation de l'état de préparation à l'IA vous permet d'éviter de faire partie de ce chiffre. Il s'agit d'une évaluation structurée visant à déterminer si votre organisation dispose des données, de la technologie, des compétences, de la gouvernance, de la stratégie et de la culture nécessaires pour tirer pleinement parti de l'IA, et à identifier les lacunes éventuelles, avant que vous n'engagiez un budget dans ce domaine.

La plupart des entreprises ne sont pas « pas prêtes » pour l'IA dans un sens abstrait. Elles n'ont tout simplement pas encore identifié le ou les deux domaines dans lesquels l'IA peut réellement faire ses preuves au sein des logiciels qu'elles utilisent déjà. C'est là tout l'intérêt de l'évaluation.

L'état de préparation à l'IA en bref

La plupart des modèles publiés évaluent le niveau de préparation selon un ensemble similaire de critères. L'indice de Cisco s'appuie sur ces six critères ; les cadres de référence proposés par Microsoft, Deloitte et d'autres acteurs couvrent globalement les mêmes aspects.

Pourquoi l'ignorer coûte cher

L'adoption de l'IA devance largement le niveau de préparation. Selon RAND, le taux d'échec des projets d'IA dépasse les 80 %, soit environ le double de celui des projets informatiques non liés à l'IA, et les causes principales seraient à rechercher dans le leadership et l'organisation, et non dans la technologie (RAND). Le MIT a constaté que 95 % des projets pilotes d’IA générative menés par des entreprises n’ont eu aucun impact mesurable sur le compte de résultat (MIT). La part des entreprises ayant abandonné la plupart de leurs initiatives en matière d’IA a bondi à 42 % en 2025, contre 17 % l’année précédente (S&P Global). Et seules 13 % des organisations sont pleinement prêtes à déployer l’IA, contre 14 % l’année précédente (Cisco).

Lorsque Gartner s'est penché sur les raisons pour lesquelles les projets d'IA générative sont abandonnés, il a identifié plusieurs facteurs : une mauvaise qualité des données, des contrôles des risques insuffisants, une augmentation des coûts et une valeur métier mal définie (Gartner). Aucun de ces facteurs n'est lié à une insuffisance du modèle lui-même. Ils s'expliquent plutôt par le fait que l'organisation n'est pas suffisamment préparée pour mener à bien ce type de projet.

Les avantages pour les entreprises qui franchissent l'étape de la validation de principe sont bien réels. Les « précurseurs » recensés par Gartner ont fait état, en moyenne, d'une hausse de 15,8 % de leur chiffre d'affaires, d'une réduction des coûts de 15,2 % et d'un gain de productivité de 22,6 % (Gartner). Une évaluation de l'état de préparation constitue la meilleure assurance pour éviter de rejoindre les 42 %. Elle vous permet de savoir si vous êtes sur la bonne voie pour réaliser ces gains ou si vous êtes sur le point de consacrer une année et un budget à vous rendre compte que vous n'étiez pas prêt.

Que signifient réellement ces dimensions ?

La préparation repose avant tout sur vos données et vos processus, et non sur la recherche du modèle le plus spectaculaire. Une véritable évaluation examine en profondeur les aspects ci-dessous avant même que l'on ne choisisse un outil.

Les données constituent le premier obstacle aux projets. Seuls 29 % des responsables technologiques sont tout à fait convaincus que les données de leur entreprise répondent aux critères de qualité, d’accès et de sécurité nécessaires pour déployer l’IA générative à grande échelle (IBM). Seuls 26 % des responsables des données sont convaincus que leur organisation peut exploiter ses données non structurées pour en tirer une valeur commerciale, alors même que 81 % d’entre eux accordent la priorité aux investissements dans l’IA (IBM). Si les données sont dispersées entre des feuilles de calcul et cinq systèmes qui ne communiquent pas entre eux, aucun modèle ne pourra résoudre ce problème à votre place.

L'infrastructure désigne les logiciels et la puissance de calcul dont l'IA a besoin pour fonctionner. Cisco a constaté que seules 21 % des entreprises disposent de la puissance de calcul nécessaire pour répondre à la demande en matière d’IA, et que seules 32 % déclarent que leurs données sont prêtes à l’emploi (Cisco). Pour la plupart des entreprises en pleine croissance, la question de l’infrastructure est plus simple que celle des GPU : le système opérationnel que vous utilisez est-il réellement capable d’héberger et de faire fonctionner de l’intelligence, ou faudrait-il d’abord le refondre ?

Le talent, c'est la capacité à développer la solution et à en assurer le bon fonctionnement. D'après les données de Cisco, seules 31 % des entreprises estiment que leurs collaborateurs sont parfaitement prêts. Vous n'avez pas besoin de recruter une équipe de recherche. Vous avez besoin de personnes, qu'elles soient en interne ou chez un partenaire, capables de définir un cas d'utilisation, de le mettre en œuvre et d'en assurer le bon fonctionnement.

La gouvernance détermine si l'IA va se développer ou stagner. Deloitte a constaté que les entreprises dont la direction définit activement la gouvernance de l’IA génèrent davantage de valeur que celles qui la confient aux équipes techniques (Deloitte). Seules 31 % des organisations disposent de politiques d’IA très complètes (Cisco). La gouvernance, ce sont les rôles, la supervision et les règles en matière de risques, définis dès le début.

La stratégie et la culture sont des éléments humains. La stratégie implique que chaque cas d'utilisation soit lié à un résultat commercial et ait un responsable. La culture signifie que l'équipe va modifier ses méthodes de travail et faire confiance aux résultats obtenus, plutôt que de revenir discrètement à l'ancienne feuille de calcul : c'est à cela que ressemble une véritable adoption sur le terrain.

Comment réaliser une évaluation de l'état de préparation à l'IA

Le « Cloud Adoption Framework » de Microsoft présente une démarche qui a fait ses preuves (Microsoft). Voici la version pratique de cette évaluation, de la première notation à la décision finale.

1. Mesurez vos capacités actuelles. Évaluez votre niveau dans chaque dimension à l’aide d’un modèle de maturité, afin d’obtenir un score de préparation par domaine plutôt que de vous fier à votre intuition. C’est cette évaluation de référence qui vous permettra d’identifier les domaines qui font obstacle aux cas d’utilisation qui vous intéressent.
2. Faites l’inventaire de vos données. Répertoriez ce dont vous disposez, puis évaluez leur qualité, leurs formats et leur accessibilité pour les cas d’utilisation que vous avez présélectionnés. La qualité des données limite directement ce qui est réalisable.
3. Passez en revue votre infrastructure. Examinez les ressources de calcul, de stockage, de réseau et de sécurité afin de déterminer les besoins de l’IA et les éléments qu’il vous faudrait ajouter.
4. Comblez le déficit de compétences. Déterminez la combinaison à adopter entre formation interne, recrutement ciblé et recours à des partenaires externes. Les déficits de compétences constituent l’une des principales causes de retard et d’échec.
5. Identifiez et hiérarchisez les cas d’utilisation. Évaluez chaque cas d’utilisation en fonction de son impact commercial par rapport à sa complexité, à son coût et à la disponibilité des données. Transformez ensuite ceux qui obtiennent les meilleurs scores en une feuille de route concise, avec des indicateurs de réussite et un responsable pour chacun.
6. Confirmez le projet à l’aide d’une validation de principe ciblée. Choisissez un cas d’utilisation à forte valeur ajoutée et à faible risque, et testez-le avant tout développement complet. Utilisez les enseignements tirés pour affiner les priorités et le calendrier.
7. Mettez en place une gouvernance dès le départ. Définissez les politiques, les rôles et les normes de conformité dès le début plutôt que de les adapter a posteriori, une fois le projet lancé.
8. Déterminez qui en assurera la gestion. Vous pouvez procéder à une auto-évaluation ou faire appel à un partenaire externe. Dans tous les cas, le résultat doit être une décision concrète et un plan d’action, et non une simple note sans suite.

Comment cela s'inscrit dans notre façon de travailler

Idea Link développe les logiciels opérationnels sur mesure utilisés par les entreprises en pleine croissance. Nous sommes une équipe d’une vingtaine de personnes, avec des bureaux à Kaunas et à Vilnius. Avec plus de 100 projets menés à bien pour des clients tels que Open Infra, Orchard Benefits et Avance Life Sciences, le constat est toujours le même. Le succès réside rarement dans le modèle le plus récent. Il s’agit plutôt de déterminer où, au sein du logiciel déjà utilisé par l’entreprise, l’IA est réellement rentable.

Notre AI Audit gratuit effectue une évaluation rapide de votre niveau de préparation selon ces critères. Il analyse votre activité telle qu’elle est et vous propose entre 5 et 7 opportunités concrètes en matière d’IA et de logiciels, en précisant la valeur de chacune et les moyens nécessaires à leur mise en œuvre. Pas de note pour le simple plaisir de noter, mais une liste restreinte de recommandations sur lesquelles vous pouvez vous appuyer pour agir. Lorsqu’un élément de cette liste mérite d’être développé, l’étape suivante est le Design & Architecture Sprint, une mission à périmètre défini qui consiste à cartographier le système, à le concevoir et à vous remettre un plan de développement ainsi qu’un devis concret.

Foire aux questions

Qu'est-ce qu'une évaluation de l'état de préparation à l'IA ?

Une évaluation de l'état de préparation à l'IA consiste en un examen structuré visant à déterminer si votre organisation dispose des données, de la technologie, des compétences, de la gouvernance, de la stratégie et de la culture nécessaires pour déployer l'IA avec succès, et à identifier les lacunes existantes. Cette évaluation est réalisée avant que vous n'engagiez de budget et met en évidence les points faibles susceptibles de faire échouer un projet. Une bonne évaluation aboutit à une décision : quels cas d'utilisation faut-il privilégier dès maintenant, lesquels nécessitent d'abord un travail préparatoire, et lesquels faut-il mettre en attente ?

Comment évalue-t-on le niveau de préparation à l'IA ?

Une évaluation de l'état de préparation attribue une note à votre organisation selon un ensemble de critères, généralement la stratégie, les données, l'infrastructure, les compétences, la gouvernance et la culture, à l'aide d'un modèle de maturité qui classe chacun de ces critères sur une échelle allant de « débutant » à « prêt ». Cisco, Microsoft et Deloitte publient tous des cadres d'évaluation de l'état de préparation suivant ce principe. Le résultat se présente sous la forme d’un score de préparation par dimension, accompagné de recommandations, ce qui vous permet d’identifier les lacunes qui entravent la mise en œuvre de certains cas d’utilisation et de déterminer les priorités pour la suite.

Quels sont les quatre piliers de la préparation à l'IA ?

Il n'existe pas d'ensemble canonique unique, et les cadres de référence varient. On distingue généralement quatre piliers : les données, la gouvernance, la technologie et les personnes : des données de qualité, des politiques claires et un contrôle efficace, une infrastructure capable de faire fonctionner l’IA, ainsi que les compétences et la culture nécessaires à son utilisation. Toute évaluation digne de ce nom couvre ces quatre aspects, et certains modèles ajoutent la stratégie ou la culture en tant que piliers distincts ; considérez donc ces quatre éléments comme un point de départ, et non comme une vérité absolue.

Qu'est-ce que la « règle des 30 % » en matière d'IA ?

Elle fait référence aux prévisions de Gartner selon lesquelles au moins 30 % des projets d'IA générative seront abandonnés après la phase de validation de principe d'ici fin 2025. Les causes habituelles sont la mauvaise qualité des données, la faiblesse des contrôles des risques, la hausse des coûts et une valeur commerciale peu claire. Cela nous rappelle que la plupart des projets d’adoption de l’IA achoppent sur les données et la gouvernance, et non sur la technologie elle-même. C’est précisément ce qu’une évaluation de l’état de préparation est censée mettre en évidence avant que vous n’engagiez des dépenses importantes pour finalement ne rien changer.

Si vous souhaitez déterminer où l'IA trouve réellement sa place dans votre entreprise avant d'y consacrer le moindre euro, l'outil gratuit AI Audit a été conçu précisément pour répondre à cette question. Lorsqu'une opportunité spécifique s'avère valable, le Design & Architecture Sprint, au périmètre défini, la transforme en un plan et un devis sur lesquels vous pouvez vous prononcer. Et si vous vous demandez encore si votre prochain atout réside dans l’IA ou dans une simple automatisation, notre article sur l’automatisation par rapport à l’IA constitue un bon point de départ.