[Spécial] Par où commencer pour déployer l'IA ? La méthode que j'applique en mission, en accès libre.

La situation

Cet épisode n'est pas un cas d'usage comme d'habitude. C'est un hors-série : je te livre la méthode que j'applique en mission, celle qu'on me réclame sans cesse.

C'est, de loin, la question qu'on me pose le plus. En déjeuner, en visio, en fin de réunion sur tout autre sujet. Par où je commence pour déployer l'IA dans mon entreprise, ma filiale, ma BU ?

Je ne peux pas accompagner tout le monde. Quelques dirigeants par trimestre, pas plus. Alors voici ma réponse, en clair, celle que je donnerais si on était assis l'un en face de l'autre.

Et elle commence par déplacer le sujet. Amener l'IA dans une entreprise, ce n'est pas un sujet d'outils. C'est un sujet profond de transformation. Prends la captation des données prospects et clients, et leur exploitation par le produit, la vente, le marketing : bien fait, ça change la façon dont l'entreprise décide et vend. Ce n’est pas juste un process isolé qui nourrit le commercial. Ceux qui traitent l'IA comme un achat de logiciel ou un accès à un assistant IA passent à côté. Ceux qui la traitent comme un projet transversal de direction générale prennent de l'avance.

Pour comprendre pourquoi, il faut distinguer les niveaux. Parce que le mot IA recouvre des réalités très différentes. Entre un collaborateur qui utilise ChatGPT pour ses mails et une entreprise dont les process tournent avec l'IA, ce n'est pas le même sujet. Voici comment je distingue les étapes, d’après ce que j’ai vu sur le terrain.

Les quatre niveaux de maturité IA

Quand on parle de déployer l'IA, on mélange en réalité quatre choses très différentes. Les situer, c'est déjà savoir où tu en es et où tu veux aller.

Niveau 1 : l'IA comme assistant. Chacun ouvre Claude, ChatGPT ou un autre pour écrire plus vite, résumer, chercher, faire un compte-rendu. C'est individuel, c'est utile, mais ça ne transforme rien à l'échelle de l'entreprise. La bonne nouvelle : ce niveau est déjà en cours, sans toi. La plupart de tes collaborateurs s'y sont mis seuls, souvent dans leur vie perso d'abord. L'adoption de base est faite, le réflexe est là, tu n'as pas à l'amorcer.

Niveau 2 : la délégation à quelques agents. On confie à des agents des tâches délimitées, répétitives et chronophages mais faciles. On commence à sortir de l'usage individuel pour outiller un besoin précis. Ce sont vos champions IA qui vont d’abord le faire pour eux et pas forcément vous le dire. Donnez leur la parole pour qu’ils le partagent à leurs collèges.

Niveau 3 : l'automatisation d'un process ou d'un cas d'usage. Là on ne parle plus d'aider une personne, mais de repenser un bout de chaîne entier : la génération de leads, le traitement d'une donnée, un flux commercial. C'est ici que le ROI devient vraiment tangible, parce qu'on transforme la façon dont le travail se fait, pas juste sa vitesse.

Niveau 4 : l'AI operating system. L'horizon. Une entreprise où l'IA est dans les fondations, où chacun peut s'en servir et obtenir des résultats fiables et homogènes, où les process clés tournent avec elle. Je le pose comme un cap, pas comme une case à cocher : c'est la direction vers laquelle je mène les projets, rarement un point d'arrivée déjà atteint.

Le malentendu le plus fréquent, c'est de croire qu'en distribuant des accès au niveau 1, on a fait sa transformation. Non. Le vrai ROI se joue à partir du niveau 3, et ce niveau-là ne se délègue pas : il doit être porté par le DG et le comex. Même si le sujet ne t'intéresse pas personnellement, même si l'IA n'est pas ta tasse de thé, il va falloir t'y mettre. Sans portage par la direction, ça reste au niveau 1 et le véritable ROI n'arrive jamais.

La méthode qui suit sert exactement à ça : passer du niveau 1, déjà là, aux niveaux qui créent vraiment de la valeur.

Ma méthode, en clair

1. Je pars du P&L, pas du catalogue d'outils.

Je commence par regarder où part l'argent et d'où il vient. Et ma vie de DG m’aide beaucoup sur cela.

Où l'énergie de l'équipe se dilue sans produire grand-chose, où il y a des goulots d’étranglement, quelles activités tirent vraiment le revenu. Un dirigeant qui demande "on met de l’IA où ?" se trompe déjà de question. La bonne question, c'est : où est-ce qu'on créerait le plus de valeur en débloquant quelque chose ou en faisant différemment ?

Concrètement, ce sont des points que tu reconnais. Les reportings que tu n'arrives jamais à sortir au bon moment, ou pas dans le bon format donc tu ne peux pas prendre les décisions ou tu le fais à l’aveugle. Le chantier que tu repousses depuis des mois parce qu'il est hors de portée de tes ressources actuelles, comme reprendre et mettre à jour tout le CRM, une tâche que personne dans l'équipe n'a le temps d'absorber mais aussi la donnée client et prospect qui n’est pas enregistrée et pas exploitée, les départs à la retraite avec une faible passation qui dégradent la mémoire de l’entreprise… C'est souvent là, dans ces impasses, que l'IA crée le plus de valeur. Pas dans l'assistant qui fait gagner dix minutes.

La sortie de cette première étape, ce n'est pas un outil. C'est une liste de cas d'usage classés par priorité, selon l'impact attendu et l'effort à fournir. Et une règle que je tiens : tout ne doit pas servir la direction. Si tous les cas d'usage améliorent le reporting du board et qu’il n’y a rien pour le quotidien des équipes, la transformation ne prendra pas. Je veille à une juste proportion entre les cas qui servent le pilotage et ceux qui allègent la vie des collaborateurs. C'est cet équilibre qui crée l'adhésion, et l'adhésion, c'est la moitié de la conduite du changement.

Prioriser, ce n'est pas seulement classer par impact et par effort. C'est aussi respecter un ordre. Certains chantiers en conditionnent d'autres. Inutile de déployer une IA qui analyse la donnée client et prospect si cette donnée n'est pas encore captée proprement : il faut d'abord l'outil qui la collecte, ensuite celui qui l'exploite, et seulement après on peut transformer la façon dont on conçoit un produit à partir de ces retours. On déroule la chaîne dans le bon sens. Et dans cette chaîne, je commence par le maillon le plus simple à mettre en place, celui qui donne un résultat tout de suite. Un premier succès rapide crée une dynamique et un entrain qui portent tout le reste.

2. Je pose le cadre de sécurité et de conformité avant de lancer quoi que ce soit.

Avant de jouer, il faut savoir sur quel terrain on joue. Quelles données ont le droit de sortir ? Vers quels outils ? Sous quelles garanties d'hébergement ? Est-ce qu'on se cale sur un référentiel existant comme l'ISO 27001 ? Est-ce qu'on a des contraintes RGPD ou sectorielles particulières ? Qu'est-ce qui est strictement interdit ? Y a-t-il un RSSI ? une DSI à embarquer dans l’aventure ? Quel est le risque que le comex est prêt à assumer ? Ce cadre n'est pas là pour freiner. Il est là pour qu'on puisse avancer vite sans se demander à chaque étape si on vient de créer un risque non souhaité ou d’avancer sans tous les intervenants nécessaires. Un dirigeant qui pose ces règles au départ s'évite de découvrir un problème six mois trop tard. Et il faut garder une chose en tête : perdre sa donnée propriétaire, celle qui fait la valeur de l'entreprise, coûte presque toujours plus cher que le temps qu'on croyait gagner en la laissant filer dans le premier outil venu.

Et s'il y a une DSI, l'aval du DSI ne suffit pas. Il faut une personne opérationnelle au sein de la DSI, réellement embarquée, pour maintenir le système, le faire évoluer, et parfois le déployer pour toi et les équipes selon la taille de l'entreprise et les process. Sans ce relais interne, le projet vit tant que le prestataire est là et s'arrête quand il part.

C'est aussi là que se pose la question de la souveraineté. Pas au sens de la conformité réglementaire, mais de l'indépendance : à qui tu confies la donnée qui fait ta valeur, et sur quelle infrastructure. Pour beaucoup de workflows, il existe une alternative européenne solide, comme Mistral, qui te permet de ne pas déverser ton actif le plus stratégique chez un acteur que tu ne maîtrises pas. Ce n'est pas un réflexe de prudence, c'est une décision d'indépendance technologique, et elle se prend au moment où tu poses le cadre, pas après coup.

J'entends souvent l'objection : les outils européens sont moins bons, donc on ne peut pas les utiliser. Mais si personne ne les utilise et ne les finance, ils ne seront jamais bons. C'est un cercle qu'on peut choisir de casser. Et surtout, pose-toi la vraie question : as-tu vraiment besoin de la fusée américaine pour ce que tu fais ? Pour une grande partie des usages en entreprise, la réponse est non, et une solution européenne fait parfaitement le travail.

3. Je parle aux équipes, parce que l'IA est déjà là.

Dans la quasi-totalité des entreprises, les collaborateurs utilisent déjà l'IA. Souvent sans le dire. C'est le shadow IT : des outils gratuits ouverts dans un onglet pour tenir la cadence, parce qu'on leur demande d'être toujours plus productifs et qu'on ne peut pas, dans le même mouvement, leur interdire les outils qui le permettent. Deux cas de figure. Soit ils bricolent en secret, et il vaut mieux le savoir pour sécuriser ces usages plutôt que de fermer les yeux sur des données qui partent n'importe où. Soit ils ont déjà réfléchi à des cas d'usage précis, et tu vas être surpris de la qualité de ce qui remonte. Dans les deux cas, leur parler transforme un risque caché en matière première.

4. Je teste la faisabilité réelle avant de m'emballer.

Un cas d'usage peut être rentable sur le papier et infaisable en réalité ou pas dans ton contexte avec ton système existant. Ou faisable mais impossible à fiabiliser ou trop couteux. Huit ans à diriger une deeptech, ça apprend à repérer vite ce qui va casser, ce qui n’est pas faisable. Les usines à gaz. C'est là que se joue la finesse : le bon point de départ, c'est l'endroit où trois lectures se croisent. Rentable côté P&L. Solide côté techno et sécurité. Et implémentable pour de vrai dans une entreprise qui a du legacy, des outils et des datas qui datent et des gens qui ne sont pas tous fans d'IA. Ce troisième critère, beaucoup l'oublient, et c'est souvent lui qui fait échouer les projets. Je cherche celui qui coche les trois. Et ça demande d'accepter une chose : penser les prérequis prend du temps. On ne se jette pas sur l'implémentation dès le premier jour. On construit d'abord le soubassement, le cadre, les bons interlocuteurs… sans quoi tout ce qu'on empile dessus finit par s'effondrer.

5. Je commence par le plus simple et j'avance par étapes successives.

Une fois le soubassement posé, je ne cherche pas le chantier le plus spectaculaire, mais le plus rapide à prouver. Un premier résultat concret en quelques semaines vaut mieux qu'un grand plan sur six mois que personne ne verra aboutir. Ce premier succès crée la confiance et débloque le reste, parce qu'une équipe qui a vu ça marcher une fois aborde le cas suivant autrement.

Ensuite j'avance pas à pas. On prend un cas d'usage. Et si c'est nécessaire, on le découpe lui-même en étapes ou en sous-projets, pour ne pas tout faire d'un coup. On le teste. On mesure. On corrige. On passe au suivant. Pas de grand déploiement en une fois, qui est le meilleur moyen de tout casser d'un coup, de ne pas avoir de résultats fiables et de perdre l'adhésion. On apprend à chaque étape, et chaque réussite rend la suivante plus facile à embarquer. C'est plus lent qu'un big bang sur le papier, mais c'est ce qui permet d’arriver réellement au bout de la transformation.

Un exemple. Sur une machine de génération de leads que j'ai construite, la première étape servait juste à démarrer : faire mettre les mains dans le cambouis, prendre le pli de l'outil. La deuxième s'attaquait au legacy et à de vrais comptes cibles, et là il y avait déjà de la valeur business sur la table, alors que rien n'était encore ni automatisé ni parfait. La troisième allait chercher un système stabilisé. On n'a pas attendu la dernière étape pour créer de la valeur, et c'est tout l'intérêt.

Si on attend le système parfait, on perd sur les deux tableaux : on retarde le ROI, et on construit dans le vide. Parce que tant que les collaborateurs ne testent pas, ils n'adhèrent pas et ils ne te disent pas les irritants. Or l'IA change la donne sur ce point : tu peux façonner tes interfaces et tes process comme tu veux, vite. Alors fais-les tester tôt, par ceux qui vont s'en servir. C'est exactement l'esprit de la méthode agile, appliqué à la transformation IA.

Un mot sur cette phase de test, parce qu'elle est plus exigeante qu'elle n'en a l'air. Recetter les résultats d'un agent, juger si une interface fait le travail, ça demande du temps, de l'énergie, et ça n'est presque jamais noir ou blanc : les experts eux-mêmes ne sont pas toujours d'accord entre eux. Il faut savoir trancher, trouver le 80/20, tester pour voir si on atteint le résultat escompté, puis améliorer. Et cette phase révèle beaucoup sur les gens : elle montre vite qui maîtrise vraiment son métier et qui en donnait seulement l'impression. C'est un sujet en soi, sur lequel je reviendrai dans un autre épisode.

6. Je construis un système, pas un empilement d'IA.

Un cas d'usage qui tient, c'est rarement de l'IA toute seule. Autour, il y a presque toujours un logiciel métier branché au bon endroit, une base de données enfin propre, un process revu à la main avant même qu'une IA n'y touche, une étape humaine ajoutée là où elle manquait. L'IA n'est qu'une brique, et elle ne produit quelque chose d'utile que si le reste du système tient.

C'est contre-intuitif, mais vouloir mettre de l'IA partout, c'est retomber dans l'erreur du gadget. Ce qu'on cherche, ce n'est pas le système le plus "IA" possible, c'est celui qui tourne et qui crée de la valeur.

Un dernier point, et il en soulage plus d'un. Les outils avancent si vite qu'à peine déployé, le tien semble déjà dépassé par le modèle sorti la semaine suivante. Ce n'est pas une raison pour tout recommencer à chaque annonce. Ma règle : trouve un système qui fonctionne pour toi, déploie-le, fais-le tourner, trouve le ROI. Tu ne changes que le jour où un vrai saut technologique t'apporte un gain énorme, pas pour suivre la dernière sortie. Courir après chaque nouveauté, c'est ne jamais rien stabiliser, et donc ne jamais trouver un ROI.

7. Je choisis où vivent les agents, au cas par cas.

Il y a une question d'architecture qui revient tout le temps. Aujourd'hui tes logiciels métier se mettent à l'IA et te proposent leurs propres assistants et agents intégrés. En parallèle, des outils comme Claude ou autres te permettent de construire des agents à l'extérieur. Tu les mets où ? J'étais partie d'un a priori clair : tout construire dehors, dans une couche d'agents à part, pour tout garder sous contrôle et en visibilité. Le terrain m'a corrigée. En pratique c'est un mix. Certains agents ont tout intérêt à rester dans le logiciel métier qui les propose, parce qu'ils y améliorent directement l'usage et les process, et qu'il n'y a aucun bénéfice à les en sortir. D'autres méritent une couche externe. La bonne réponse ne se décrète pas en principe : elle dépend de ton équipe, de tes outils existants et de ce que tu veux vraiment faire.

8. Je le fais avec les équipes, avec toujours un humain dans la boucle.

Déployer l'IA suppose presque toujours de garder de l’humain dans la boucle, et ce n'est pas qu'une question de fiabilité. Même quand les résultats sont excellents, l'humain reste nécessaire à certains moments clés, parce que c'est ce qui fait que l'équipe adhère et utilise vraiment le système au lieu de le subir. Tout l'enjeu est de bien doser : assez d'automatisation pour gagner en efficacité, assez d'humain pour garder le contrôle et l'adhésion.

Et il faut le dire clairement : c'est un vrai projet de transformation, donc les métiers vont changer. Je ne crois pas tant à une vague de suppressions et de créations de postes qu'à une transformation en profondeur du travail lui-même. Les gens restent, mais ce qu'ils font évolue : on délègue à l'IA ce qui peut l'être, et le temps libéré se reporte sur ce qui demande du jugement, de la relation, de la connaissance fine. Le plus souvent, ça revalorise fortement les profils qui maîtrisent le métier et les clients, et surtout ceux qui savent ET qui partagent : ceux qui transmettent leur connaissance au système et aux autres deviennent les vrais moteurs de la transformation, bien plus que ceux qui gardent leur savoir pour eux. Ce n'est pas un sujet à traiter en douce : quand il y a une RH, c'est le moment de l'embarquer, parce que la transformation des métiers se pilote, elle ne se subit pas.

9. J'anticipe le coût et je garde ma liberté envers les fournisseurs.

Le coût, personne n'en parle assez, et c'est là qu'il y a un vrai coup à jouer. Aujourd'hui, tu paies un forfait qui te donne accès à une puissance de calcul quasi illimitée, et tu peux en faire à peu près ce que tu veux. Les fournisseurs d'IA vendent souvent à perte pour capter le marché. C'est une fenêtre : profites-en pour te faire la main, tester, prouver la valeur à faible coût pendant que c'est possible.

Parce que ça ne durera probablement pas. Ces acteurs devront un jour dégager des marges et capter une part de la valeur qu'ils créent. La tendance la plus probable, c'est un passage vers une facturation à l'usage, à l'acte, différenciée selon ce que fait l'agent. Le coût d'aujourd'hui n'est pas celui de demain, et il faut construire en le sachant.

D'où deux réflexes. D'abord, ne te rends pas dépendant d'un seul fournisseur : conçois ton système pour pouvoir passer d'un modèle à un autre sans tout reconstruire, c'est ta meilleure protection contre une hausse de prix ou un changement de règles. Ensuite, distingue tes besoins : un besoin ponctuel, comme nettoyer une fois ton CRM, ne se traite pas comme un besoin récurrent qui tourne en continu. Sur le ponctuel, tu consommes et tu arrêtes. Sur le récurrent, le coût s'accumule, et c'est là qu'il faut le surveiller de près dès le départ.

La seule chose qui compte vraiment

Je peux installer les meilleurs process, les meilleurs outils et les meilleurs agents du monde. Si personne ne les nourrit de compétence métier, si on ne maîtrise pas son industrie, si on ne connaît pas ses clients, ça ne sert à rien.

C'est la partie que les outils ne remplaceront pas. Et c'est pour ça que cette transformation ne se délègue pas à un logiciel : elle se mène dans un premier temps avec les gens qui savent et qui veulent bien partager ce savoir.