C’est la question que posent la plupart des dirigeants et responsables transformation au moment de se lancer. Faut-il d’abord former les équipes pour créer de l’appétence ? Auditer les processus pour identifier les bons cas d’usage ? Ou directement déployer une première automatisation pour montrer des résultats concrets ?
La réponse n’est pas universelle. Elle dépend de là où vous en êtes. Et c’est précisément le problème : la plupart des entreprises considèrent que l’IA représente une opportunité business, mais une large majorité déclarent avoir constaté un impact faible ou nul de leurs initiatives.
Le contexte le confirme : « En 2024, 30 à 40 % des entreprises françaises déclaraient utiliser l’IA, selon BpiFrance », rapporte Wayden.
Dans la plupart des cas, cet échec ne tient pas à la technologie choisie. Il tient à un mauvais séquençage : former sans avoir identifié les usages, automatiser sans avoir préparé les données, ou auditer sans jamais passer à l’action. Nous détaillons ci-après les suggestions pour procéder en fonction du niveau de maturité de votre organisation.
Vous découvrez l’IA et vous ne savez pas par où commencer
Au niveau découverte, l’IA est sur l’agenda mais personne dans l’organisation n’a encore de pratique structurée. Les collaborateurs utilisent peut-être ChatGPT de façon informelle, mais sans cadre, sans cas d’usage définis, et souvent sans que la direction en soit informée.
À ce stade, ni la formation approfondie ni l’automatisation ne sont les bons premiers pas. Ce qui manque, c’est un diagnostic honnête de là où vous en êtes. Un audit de maturité IA couvre plusieurs dimensions indissociables : la vision et la stratégie (l’ambition IA est-elle alignée sur les objectifs business ?), les données et l’infrastructure (sont-elles accessibles, fiables, gouvernées ?), les compétences et la culture (les équipes sont-elles prêtes à changer leurs pratiques ?), et les processus et la gouvernance (existe-t-il des règles pour encadrer les usages IA ?). Une approche que The Reveal Insight Project structure d’après « l’échelle progressive du MIT Sloan à 4 niveaux ».
Ce diagnostic n’a pas besoin d’être long. Beaucoup d’organisations commencent par un auto-positionnement rapide administré aux managers clés, suivi d’un atelier collaboratif pour confronter les perceptions et aligner les priorités.
Cegos décrit ainsi son outil d’auto-diagnostic : « Cet outil prend la forme de 40 questions, portant sur 4 thèmes ».
Ce premier travail produit des livrables concrets : une cartographie des frictions réelles dans l’organisation, et une liste de cas d’usage potentiels classés par valeur attendue et complexité de mise en œuvre.
C’est seulement à partir de cette liste que les décisions suivantes ont du sens. Former sans ce diagnostic, c’est former les équipes à des outils qu’elles n’utiliseront jamais. Automatiser sans ce diagnostic, c’est risquer de figer des processus mal conçus dans du code, un constat que partage Webia Pro.
Vous expérimentez l’intelligence artificielle sans cohérence ni résultats probants
Au niveau expérimentation, des projets pilotes existent. Quelques équipes utilisent l’IA de façon productive. Mais les efforts restent dispersés, les apprentissages ne circulent pas entre les services, et personne n’a vraiment arbitré sur les priorités. C’est le stade que les praticiens appellent le « pilot purgatory » : des dizaines d’expérimentations qui ne meurent pas, mais ne grandissent jamais non plus.
À ce stade, l’audit a probablement déjà été fait, au moins partiellement. Ce qui manque, c’est la formation ciblée sur les cas d’usage identifiés, et un début de gouvernance pour structurer ce qui fonctionne.
La formation doit ici être radicalement différente d’une sensibilisation générique. Pas de sensibilisation express ni de MOOC généraliste. Une formation efficace à ce niveau couvre des éléments précis : l’utilisation concrète des outils retenus dans le diagnostic sur des tâches réelles de l’équipe, le prompt engineering adapté aux cas d’usage métiers, et les règles de sécurité et de confidentialité à respecter.
Webia Pro va jusqu’à fixer un livrable chiffré : « une bibliothèque de 20 à 30 prompts métier personnalisés ».
Ce séquençage formation sur cas d’usage ciblés, plutôt que formation générique, est l’une des distinctions les plus importantes entre les programmes qui produisent des résultats et ceux qui n’en produisent pas. Un manager commercial formé à utiliser l’IA pour préparer ses rendez-vous clients apprend quelque chose qu’il peut appliquer le lendemain matin. Un manager formé sur « les fondements du machine learning » ne changera probablement rien à son quotidien.
Vous avez des usages établis en IA et vous voulez passer à l’échelle
La feuille de route à ce niveau distingue plusieurs horizons : les quick wins à court terme (tâches répétitives à fort volume, faible complexité d’intégration, impact immédiatement mesurable), la structuration à moyen terme (intégration aux systèmes existants, gouvernance data, pilotage par les KPIs), et la transformation à plus longue échéance (refonte de processus, agents IA autonomes, IA dans la prise de décision managériale).
L’Agence Sauvage structure ainsi sa feuille de route : « Quick wins (mois 1-3), Structuration (mois 4-6), Transformation (mois 7-12) ».
Un point clé à ne pas négliger à ce stade : la maintenance. Une automatisation en production demande un suivi continu. Les modèles dérivent, les intégrations cassent lors des mises à jour, les processus évoluent. Comme le souligne Webia Pro, savoir qu’une chose est possible et savoir la faire tourner en production sans rien casser sont deux exercices très différents. Ce n’est pas un frein à l’automatisation. C’est une réalité à budgéter dès le départ.
L’erreur de séquençage la plus coûteuse quand on déploie l’IA dans son entreprise
Quelle que soit la maturité de départ, une erreur revient avec une régularité troublante : former sans auditer. Si vous ne savez pas quels processus automatiser et quels cas d’usage former vos équipes à traiter, vous investissez dans des compétences qui resteront théoriques, comme le rappelle Webia Pro.
Nombreuses sont les organisations qui surestiment leur niveau de préparation et sous-estiment le décalage entre perception et réalité.
Un diagnostic rapide suffit pourtant à objectiver la situation : Efimove indique qu’« en moins de dix minutes, vous obtenez une évaluation précise ». Un audit de maturité honnête, même rapide, coûte infiniment moins cher que des mois de formation générique suivis d’un constat d’inutilisation.
L’ordre logique, valable à tous les niveaux, est toujours le même : diagnostiquer d’abord, former ensuite sur les usages identifiés, automatiser en dernier sur des bases solides. Ce séquençage n’est pas une question de prudence excessive. C’est ce qui transforme un budget IA en résultats mesurables.
Il n’y a pas de réponse universelle à la question « par quoi commencer ? ». Il y a votre réponse, à ce moment précis, dans votre contexte spécifique. Un dirigeant de PME en phase de découverte et un DSI d’ETI qui veut passer à l’échelle ne jouent pas sur le même terrain et n’ont pas les mêmes besoins immédiats.
Ce qui est universel, en revanche, c’est la logique de progression. On ne forme pas sans savoir quoi enseigner. On n’automatise pas sans avoir formé. Et on ne passe à l’échelle sans gouvernance. Les organisations qui respectent cet ordre avancent moins vite en apparence au départ, et beaucoup plus vite dans la durée.
