Le refrain de la préparation à l’IA : pourquoi il ne s’arrêtera pas (et ne devrait pas s’arrêter)

Points clés

• 95 % des projets pilotes IA ne génèrent pas de valeur business, non pas à cause de la technologie, mais parce que les fondations stratégiques ne sont pas en place (MIT NANDA, 2025).
• La plupart des conseils sur la préparation à l’IA sont conçus pour les grandes entreprises. Si vous êtes une PME, les modèles d’évaluation standard supposent des ressources que vous n’avez pas.
• La préparation à l’IA repose sur un tabouret à trois pieds : données, opérations et technologie doivent fonctionner de concert. Retirez un pied et l’initiative s’effondre. Commencez par la technologie et vous construisez l’assise avant les pieds.
• Partez de votre définition de la survie. De quoi votre entreprise a-t-elle besoin pour réussir ? C’est cela qui définit les résultats attendus, qui définissent les cas d’usage, qui révèlent ce que vos données et vos opérations doivent réellement fournir.
• Votre première étape prend 30 minutes, zéro budget et aucun fournisseur. Trois questions, votre équipe de direction, des réponses honnêtes. C’est votre point de départ.

C’est reparti

Si vous dirigez une petite ou moyenne entreprise (PME) et que les mots « évaluation de la préparation à l’IA » vous font soupirer, vous n’êtes pas seul. Le refrain est joué depuis deux ans maintenant. Chaque newsletter, chaque conférence, chaque pitch fournisseur. Et à travers tout cela, on attend toujours de vous la bonne décision avec moins de budget, moins de temps et moins de marge d’erreur que les entreprises qui écrivent ces articles.

La plupart de ces contenus vous laissent avec une « check-list » et aucune prochaine étape concrète. Cet article se veut différent. Non pas parce qu’il a toutes les réponses, mais parce qu’il part de là où vous êtes réellement : en train d’essayer de prendre une décision intelligente avant d’engager des ressources que vous ne pouvez pas vous permettre de gaspiller.

Voici pourquoi ce sujet me tient à cœur.

Il y a quelque temps, une PME française bien établie dans les services professionnels est venue nous voir pour obtenir de l’aide avec l’IA. Elle avait déjà parlé à son partenaire technologique habituel et reçu une proposition : 30 000 à 60 000 euros pour une solution IA prête à l’emploi. Aucune stratégie validée derrière. Aucun résultat business défini. Aucune projection de retour sur investissement (ROI). Juste des outils et une étiquette de prix.

Ce budget, avec un dossier business solide derrière, aurait été parfaitement raisonnable. Sans cela, c’était un pari, et un pari significatif pour une entreprise de cette taille.

Nous avons pris un chemin différent. Au lieu de partir de la technologie, nous sommes partis du business : qu’est-ce que l’entreprise avait besoin d’accomplir, où se trouvaient les vraies opportunités, et que signifierait concrètement chaque solution potentielle en termes de résultats mesurables ? L’ensemble de la mission a été plus léger, plus rapide et bien plus ciblé que la proposition initiale. Quand la stratégie a été approuvée, elle a été confiée à une équipe technique pour travailler sur les détails de mise en œuvre. Le client est reparti avec de la clarté sur ce qu’il fallait prioriser, ce que chaque option valait, et par où commencer.

Cette expérience, et des dizaines d’autres comme elle au cours des douze dernières années, est ce sur quoi cet article s’appuie. Le refrain de la préparation à l’IA ne va pas disparaître. Mais votre façon d’y répondre peut changer.

Les chiffres derrière le bruit

Le refrain de la préparation à l’IA n’est pas que du bruit. Il y a de vraies données derrière, et elles dressent un tableau qui mérite d’être compris — surtout si vous prenez des décisions avec un budget limité et aucune possibilité de recommencer.

Pourquoi 95 % des projets pilotes IA n’aboutissent pas

En 2025, le projet NANDA du MIT (s’ouvre dans un nouvel onglet) a examiné plus de 300 initiatives IA rendues publiques, interrogé des représentants de 52 organisations et sondé 153 dirigeants. Le constat principal : 95 % des projets pilotes IA ne parviennent pas à générer une valeur business tangible. Non pas parce que la technologie ne fonctionnait pas, mais parce que les fondations stratégiques en dessous n’étaient pas en place.

Pour une grande entreprise, un pilote raté est une perte comptable dans un tableur. Pour une PME, c’est différent. C’est du budget qui ne reviendra pas. C’est de la crédibilité interne dépensée — l’équipe qui a défendu l’initiative doit maintenant expliquer ce qui s’est passé. Et c’est une direction ou un conseil exécutif qui sera moins enclin à approuver la prochaine proposition, même si la suivante est la bonne.

Le coût d’une erreur n’est pas seulement financier. C’est la confiance organisationnelle.

Un écart de préparation plus large que prévu

L’indice de préparation à l’IA de Cisco pour 2025 (s’ouvre dans un nouvel onglet) a révélé que seules 13 % des entreprises sont pleinement préparées à déployer l’IA sur les six piliers essentiels : stratégie, infrastructure, données, gouvernance, talent et culture. Ce n’est pas 13 % des petites entreprises. C’est 13 % de toutes les entreprises, y compris celles qui disposent d’équipes IA dédiées et de budgets de plusieurs millions d’euros.

Pour les PME, le tableau est encore plus frappant. Une enquête de 2025 menée par Service Direct (s’ouvre dans un nouvel onglet) a révélé que 62 % des petites entreprises citent un manque de compréhension des bénéfices de l’IA comme frein à l’adoption. 55 % citent le coût. Et la réponse la plus fréquente à « pourquoi n’utilisez-vous pas l’IA ? » est simplement : « Ce n’est pas pertinent pour notre activité. »

Cette dernière réponse est intéressante. Parce que dans de nombreux cas, ce n’est pas que l’IA n’est pas pertinente. C’est que personne n’a encore expliqué en quoi elle l’est dans des termes qui comptent réellement pour l’entreprise. C’est un problème de préparation, pas un problème de technologie.

Pourquoi la plupart des conseils sur la préparation à l’IA passent à côté de l’essentiel

Si vous vous êtes déjà intéressé à la préparation à l’IA, vous avez probablement rencontré les évaluations. Cisco en a une. Microsoft en a une. La plupart des grands fournisseurs proposent une version de ces check-lists en libre-service ou de questionnaire de maturité.

Ces outils ne sont pas mauvais. Mais ils sont conçus pour un type d’organisation spécifique : une organisation avec une équipe IA dédiée, une fonction d’ingénierie des données, une structure de gouvernance et la capacité d’agir sur un rapport volumineux. Si c’est votre entreprise, ils sont utiles.

Si vous êtes une PME — que ce soit 30 ou 200 personnes — l’expérience est différente. La check-list suppose des ressources que vous n’avez pas. Les recommandations exigent des rôles qui n’existent pas encore. Et à la dixième question, vous n’êtes pas plus sûr de ce qu’il faut faire. Vous êtes juste davantage conscient de tout ce qui vous manque.

Ce n’est pas une évaluation de la préparation à l’IA. C’est une liste de lacunes.

Les vrais blocages ne sont pas techniques

J’ai travaillé avec des dizaines de PME au cours des douze dernières années, en évaluant si l’IA avait une valeur réelle pour leur activité. La première conversation ne portait jamais sur la technologie. Elle portait sur ce que l’entreprise essayait réellement d’accomplir et si les fondations étaient en place pour soutenir ces objectifs.

Les blocages qui émergeaient étaient rarement techniques. Ils étaient stratégiques et opérationnels :

• Aucun lien clair entre les initiatives data et les objectifs commerciaux
• Des opérations dépendant de connaissances non documentées et de transmissions informelles
• Un alignement de la direction sur l’idée de l’IA, mais pas sur le problème qu’elle devrait résoudre
• Un pitch fournisseur qui semblait convaincant mais ne correspondait à aucun résultat business défini

« L’IA ne peut pas simplement se poser sur votre stack comme un gadget. Sans intégration dans les systèmes ERP, CRM, supply chain et finance, elle devient un point de défaillance. »

— Andrea Hill, Forbes (s’ouvre dans un nouvel onglet)

Elle a raison. Mais pour beaucoup de PME, le problème n’est pas seulement l’intégration avec les systèmes. C’est l’intégration avec la façon dont l’entreprise fonctionne réellement. Et cela commence bien avant toute décision technologique.

Le tabouret à trois pieds : ce que la préparation à l’IA exige réellement

Il existe une façon simple de voir les choses. Un tabouret a besoin d’un minimum de trois pieds pour tenir debout. Une initiative IA a besoin de la même chose : données, opérations et technologie fonctionnant de concert. Retirez un pied et tout s’effondre.

Ce n’est pas un concept que j’ai défini en m’asseyant à mon bureau un beau matin. Il a émergé d’années de conversations avec des dirigeants d’entreprise qui essayaient de donner un sens à l’IA pour leur société. Dans presque tous les cas, les pièces étaient déjà dans leur tête, elles n’avaient simplement pas encore de forme. Une fois le modèle compris, on voyait le déclic. Ils savaient poser de meilleures questions et mener des conversations plus stratégiques.

Données, opérations et technologie de concert

Les données circulent à travers les opérations. Les opérations reposent sur les données et en génèrent davantage. Elles sont indissociables, mais la plupart des entreprises ne les traitent pas ainsi.

L’IA est censée exploiter les données pour soutenir les opérations — principalement par l’automatisation dans sa forme actuelle. Mais voici le piège :

• Pas d’opérations définies : rien à automatiser.
• Pas de données prêtes : rien avec quoi automatiser.
• Et l’automatisation seule ne garantit pas la valeur. Accélérer un processus défaillant ne fait que produire des résultats défaillants plus vite.

La technologie est le troisième pied — le facilitateur. Mais ce n’est jamais le point de départ. Choisir un outil avant de comprendre ce que vos données et vos opérations peuvent supporter, c’est construire l’assise avant les pieds. Cela peut paraître impressionnant dans l’instant, mais cela ne tiendra pas le poids.

Le piège de la « technologie d’abord » avec les données

La plupart des entreprises traitent les données comme un problème technologique avant tout. Quelque chose à migrer, stocker, nettoyer ou centraliser. Du point de vue informatique, c’est logique. Mais du point de vue business, cela transforme les données en un centre de coûts en expansion permanente avec une liste de risques tout aussi croissante — conformité, cybersécurité, rétention, contrôle d’accès — et très peu de retour visible.

Quand les données sont traitées comme une ressource stratégique, connectées aux résultats business que vous cherchez à atteindre, elles commencent à générer de la valeur plutôt qu’à simplement consommer du budget. Ce passage de « données comme outil » à « données comme ressource » est l’une des étapes les plus sous-estimées de la préparation. Et cela arrive rarement sans que quelqu’un pose les bonnes questions.

Partez de la survie, pas de la technologie

Presque chaque PME avec laquelle j’ai travaillé navigue finalement la même réalité : survivre dans un paysage concurrentiel qui ne cesse de changer. Ce que la survie signifie est différent pour chaque entreprise — la croissance pour certaines, l’efficacité pour d’autres, la pertinence sur le marché pour d’autres encore. Mais c’est toujours le point de départ.

La survie définit les résultats business qui comptent. Ces résultats définissent les cas d’usage qui valent la peine d’être explorés. Et ces cas d’usage révèlent ce que les données, les opérations et la technologie doivent réellement fournir ensemble.

La chaîne se déroule ainsi :

Survie → Résultats business → Cas d’usage → Données + Opérations + Technologie (de concert)

Partir de la technologie en pensant « il nous faut un outil IA », c’est travailler à l’envers. Vous vous retrouverez avec une solution qui cherche un problème — un tabouret construit depuis l’assise avec des pieds bancals.

Partir de ce dont votre entreprise a besoin pour survivre, et tout le reste suit avec plus de clarté et moins de gaspillage. C’est là que construire une stratégie qui connecte les trois devient essentiel.

Ce que j’ai vu fonctionner (et échouer)

Les patterns n’ont pas besoin d’un logo pour être crédibles. Après plus d’une décennie de travail sur des projets IA — d’abord en machine learning, deep learning et stratégie data avant la vague actuelle, et plus récemment dans le paysage des grands modèles de langage — certaines choses sont devenues prévisibles.

Le schéma derrière chaque initiative au point mort

La conversation a commencé avec un outil. Une démo fournisseur. Une capacité tendance que quelqu’un avait vue à une conférence ou dans une newsletter. L’énergie était forte, les attentes réelles et le budget sur la table.

Mais en dessous :

• Les données étaient dispersées entre des systèmes qui ne communiquaient pas entre eux, traitées comme un poste technique plutôt que comme une ressource business
• Les opérations étaient incohérentes, avec des processus qui vivaient dans la tête des gens, pas dans des flux de travail documentés pouvant être automatisés ou améliorés
• Les personnes demandant l’IA et celles qui comprenaient la réalité business étaient souvent dans des conversations totalement différentes
• Personne n’avait posé la question fondamentale : quel résultat business cette initiative est-elle censée servir ?

Le résultat était prévisible. Le pilote a été lancé, les résultats décevants, et le discours interne est passé de « l’IA va nous transformer » à « on a essayé l’IA et ça n’a pas marché ». Ce second discours est plus difficile à défaire que le premier ne l’a été à construire.

Ce que les entreprises qui ont avancé avaient en commun

Elles sont parties d’une question business. Pas « quel outil IA devrions-nous acheter ? » mais « qu’avons-nous besoin d’accomplir dans les 12 à 18 prochains mois pour rester compétitifs ? » Cette question a forcé la clarté sur les résultats, ce qui a forcé la clarté sur les cas d’usage, ce qui a imposé un regard honnête sur la capacité des données et des opérations à les soutenir.

Elles ont été honnêtes sur ce que leurs données pouvaient faire aujourd’hui — pas ce qu’elles pourraient faire après un programme de transformation qu’elles ne pouvaient pas se permettre ou une migration qui prendrait un an.

Elles ont traité la préparation comme une discipline continue, pas comme un événement ponctuel. L’évaluation ne s’est pas terminée avec un rapport. Elle a éclairé chaque décision qui a suivi : quoi prioriser, quoi reporter, quoi arrêter complètement.

Et elles ont compris que « pas encore » était un résultat valable. Savoir que vous n’êtes pas prêt — et savoir précisément pourquoi — est un avantage stratégique. Cela protège le budget. Cela protège la crédibilité. Cela protège la confiance de l’équipe dans les futures initiatives.

Démarré avec un outil ou une démo fournisseur :

• Données dispersées, traitées comme un poste technique
• Opérations non documentées, incohérentes
• Le champion IA et la direction business dans des conversations séparées
• « On a essayé l’IA et ça n’a pas marché »

Démarré avec une question business :

• Données évaluées honnêtement pour ce qu’elles peuvent faire aujourd’hui
• Opérations cartographiées pour identifier ce qui est automatisable
• Alignement sur les résultats avant toute décision technologique
• « Pas encore » traité comme un résultat valable et stratégique

« Savoir que vous n’êtes pas prêt — et savoir pourquoi — est en soi un avantage stratégique. »

Le rôle qui ne disparaît pas

Une chose s’est vérifiée dans chaque engagement réussi : quelqu’un assumait la responsabilité du cycle complet. Pas seulement l’évaluation, et pas seulement la mise en œuvre. L’arc entier — de la découverte à la stratégie, de l’exécution à la réalité continue de faire fonctionner les choses et de s’adapter quand elles changent.

L’IA n’élimine pas le besoin de ce type de supervision stratégique. Elle l’augmente. La technologie évolue vite, mais le jugement sur quand agir, où concentrer ses efforts, et si une initiative donnée vaut la peine d’être poursuivie — cela compte plus aujourd’hui que jamais.

Pour les PME, ce rôle est rarement un poste à temps plein. Mais il doit exister. Que ce soit quelqu’un en interne avec le mandat et la perspective nécessaires, ou un partenaire externe indépendant dont l’intérêt est votre clarté, pas un droit de licence.

Pour plus de perspectives comme celles-ci, suivre Realign sur LinkedIn (s’ouvre dans un nouvel onglet).

Votre première étape (pas votre dixième)

Si cet article ne fait qu’une chose, que ce soit ceci : vous donner quelque chose de concret à faire avant de parler à un seul fournisseur.

Un exercice de 30 minutes pour votre équipe de direction

Bloquez 30 minutes. Réunissez les personnes qui portent la direction business, les opérations et les données (même de façon informelle). Aucun fournisseur. Aucun outil. Aucun budget nécessaire. Juste une conversation honnête autour de trois questions :

1. À quoi ressemble la survie pour nous dans les 12 à 18 prochains mois ? Pas des objectifs aspirationnels. Des résultats concrets. Qu’est-ce que l’entreprise doit accomplir pour rester compétitive, solvable et pertinente ?
2. Où vivent réellement nos données, et sont-elles connectées à ces résultats ? Pas « avons-nous des données » — chaque entreprise en a. La question est de savoir si elles sont traitées comme une ressource stratégique liée à ce que vous cherchez à accomplir, ou comme un actif technique qui accumule coûts et risques de conformité.
3. Lesquelles de nos opérations pourraient réellement bénéficier de l’automatisation, et lesquelles sont trop mal définies pour être automatisées ? Si un processus vit dans la tête de quelqu’un et change selon qui l’exécute, l’automatiser ne servira à rien. Cela ne fera que rendre l’incohérence plus rapide.

Notez les réponses. Ce document, aussi brut soit-il, est votre point de départ en matière de préparation. Il est plus utile que n’importe quel questionnaire fournisseur parce qu’il est ancré dans votre réalité, pas dans un benchmark générique.

Quand faire appel à une aide extérieure (et comment bien choisir)

Si cette conversation a produit des réponses claires et une direction sur laquelle votre équipe peut agir, foncez. Vous n’avez peut-être pas besoin d’aide externe pour le moment, et c’est un résultat parfaitement valable.

Si elle a fait émerger plus de questions que de réponses, ou révélé un désalignement que votre équipe ne peut pas résoudre en interne, c’est le moment où un conseiller indépendant peut apporter de la valeur. Pas un fournisseur. Pas un partenaire technologique avec une solution déjà en tête. Quelqu’un dont le travail est de vous aider à définir ce dont vous avez réellement besoin — pour que, quand vous engagez un fournisseur ou démarrez un projet, le brief soit juste, le périmètre honnête et l’initiative ait une vraie chance.

Le mot clé est indépendant. Avant d’engager du budget sur une plateforme ou une licence, investissez dans la clarté. C’est moins cher, plus rapide, et cela change tout ce qui suit. Si vous ne savez pas par où commencer, commencer par la découverte est souvent le bon premier pas.

Le refrain reste. Votre approche change.

La conversation sur la préparation à l’IA ne va pas s’arrêter. La pression concurrentielle continue de monter. Le paysage réglementaire — le règlement européen sur l’intelligence artificielle (AI Act) (s’ouvre dans un nouvel onglet) inclus — continue d’évoluer. Les conseils d’administration et les équipes de direction continueront de poser la question : « Quelle est notre stratégie IA ? »

Mais la préparation ne doit pas signifier la paralysie. Elle ne doit pas signifier une nouvelle évaluation qui vous dit ce que vous soupçonniez déjà.

Elle signifie faire de votre prochain pas un pas délibéré. Partir de ce dont votre entreprise a besoin pour survivre, pas de ce que quelqu’un d’autre a besoin de vous vendre. Mettre les fondations en place — données, opérations et technologie travaillant ensemble — avant d’engager des ressources que vous ne pouvez pas vous permettre de gaspiller.

« Engager d’abord quelqu’un d’indépendant — quelqu’un dont le seul objectif est votre clarté — évite de gaspiller du budget, de la crédibilité et du temps. Ou pire. »

Si cette conversation de 30 minutes avec votre équipe a soulevé plus de questions qu’elle n’a apporté de réponses, un appel découverte pourrait être une prochaine étape utile. Pas de pitch. Juste une conversation honnête sur où vous en êtes et s’il existe un chemin vers l’avant.

Réserver un appel découverte de 30 minutes (s’ouvre dans un nouvel onglet)

Questions fréquentes

Qu’est-ce qu’une évaluation de la préparation à l’IA ?

Une évaluation de la préparation à l’IA détermine si votre entreprise dispose des fondations stratégiques — données, opérations et technologie fonctionnant de concert — pour adopter l’IA efficacement. Pour les PME, elle devrait partir des résultats business, pas des check-lists technologiques.

Combien de temps prend une évaluation de la préparation à l’IA ?

Une première évaluation significative peut prendre aussi peu que 30 minutes avec votre équipe de direction, en utilisant trois questions ciblées sur la survie, les données et les opérations. Une évaluation indépendante plus approfondie prend généralement quelques jours à quelques semaines, pas des mois.

Ai-je besoin d’une évaluation de la préparation à l’IA si mon entreprise est petite ?

Oui, sans doute encore plus. Les PME ont moins de marge d’erreur que les grandes entreprises. Une évaluation honnête protège le budget, la crédibilité et la confiance interne en s’assurant que tout investissement IA est ancré dans de vrais besoins business.

Vous ne savez pas par où commencer ? Un appel découverte de 30 minutes peut vous aider à identifier ce dont votre entreprise a réellement besoin avant d’investir quoi que ce soit dans l’IA. Réserver un appel découverte gratuit (s’ouvre dans un nouvel onglet)

Note

Realign est un cabinet de conseil indépendant. Aucun lien d’affiliation, aucun contenu sponsorisé, aucun pixel de suivi. La réflexion, la recherche et la rédaction de nos contenus nous appartiennent. L’IA générative est utilisée comme outil d’édition et de production uniquement. Tous les diagrammes et graphiques sont originaux. Les opinions et recommandations sont fondées sur une expérience directe.