Réussir sa transformation IA : la méthode compte plus que la technologie

L’envie est là, les résultats se font attendre

Le potentiel est réel. Gagner du temps sur des tâches répétitives, exploiter enfin la connaissance dormante dans les documents de l’entreprise, mieux servir les clients, décider plus vite. Ces promesses ne sont plus théoriques, elles sont documentées et reproductibles.

Pourtant, une part importante des initiatives IA n’arrive jamais en production, et parmi celles qui y arrivent, beaucoup ne produisent aucun effet visible sur le compte de résultat. Le point commun de ces échecs est contre intuitif : ce n’est presque jamais la technologie qui a manqué, c’est la méthode. Des expérimentations lancées en parallèle sans arbitrage, des cas d’usage choisis parce qu’ils étaient démontrables plutôt qu’utiles, des pilotes brillants que personne n’a su industrialiser. L’entreprise a fait de l’IA, elle ne s’est pas transformée.

Le bon point de départ n’est pas un outil

Chez 37,5, nous commençons toujours par la même conviction : la réussite d’une transformation IA se joue avant la première ligne de code, et même avant le choix d’une plateforme.

Elle commence par un travail d’alignement des décideurs. Non pas sur une liste de cas d’usage, mais sur deux ou trois paris stratégiques, ceux qui, s’ils réussissent, changent réellement quelque chose pour l’entreprise. L’exercice est plus exigeant qu’il n’y paraît : il oblige à relier chaque ambition IA à un enjeu métier concret, croissance, coûts, qualité de service, expérience collaborateur, et à accepter d’écarter le reste. C’est ce tri qui évite la dispersion coûteuse que nous constatons ailleurs.

Vient ensuite un diagnostic de maturité, mené sans complaisance. L’objectif n’est pas de produire un score flatteur mais de savoir où l’organisation en est réellement sur les quelques dimensions qui conditionnent la suite : la stratégie, les données et le socle technique, les compétences disponibles, la culture interne et la gouvernance. Une même ambition ne se pilote pas de la même façon selon que l’entreprise part d’une page blanche ou dispose déjà de fondations solides. C’est ce diagnostic qui fixe le rythme et la séquence.

L’AI Act, une contrainte que nous préférons voir comme un avantage

Le règlement européen sur l’intelligence artificielle, l’AI Act, est souvent perçu comme un frein. Nous le voyons autrement.

Premier point à clarifier, car il est source de confusion permanente : toutes les obligations de l’AI Act ne pèsent pas sur toutes les entreprises. Les exigences les plus lourdes, gestion des risques, contrôle humain effectif, documentation tout au long du cycle de vie, visent les systèmes qualifiés de « à haut risque ». Beaucoup d’usages courants ne relèvent pas de cette catégorie.

En revanche, deux séries d’obligations s’appliquent quel que soit le niveau de risque. La transparence d’abord (article 50) : une personne qui interagit avec une IA doit le savoir, et les contenus générés doivent être identifiables comme tels. La maîtrise de l’IA ensuite (article 4) : les entreprises qui déploient des systèmes d’IA doivent agir pour que les personnes qui les utilisent disposent d’un niveau de compréhension suffisant. Cette obligation s’applique depuis février 2025 et concerne tous les déployeurs, y compris ceux qui se contentent de mettre un assistant conversationnel entre les mains de leurs équipes.

Un mot sur le calendrier, parce qu’il a bougé et que le message qui circule est trompeur. Le Digital Omnibus, entré en vigueur en juillet 2026, a repoussé l’entrée en application des obligations attachées aux systèmes à haut risque, mais pas de façon uniforme. Pour les systèmes autonomes, ceux qui servent au recrutement et à la gestion des ressources humaines, à l’éducation, à l’accès aux services essentiels ou au pilotage d’infrastructures critiques, l’échéance est désormais fixée à décembre 2027. C’est le cas de figure qui concerne le plus grand nombre d’entreprises, et il vaut la peine de s’y arrêter : trier des candidatures ou évaluer des collaborateurs avec de l’IA fait entrer dans cette catégorie, souvent sans que l’entreprise en ait conscience.

Pour les systèmes intégrés à des produits déjà soumis à une réglementation sectorielle, dispositifs médicaux, aéronautique, machines industrielles, l’échéance est août 2028. Beaucoup y ont lu un répit. Nous y lisons une fenêtre. Les obligations de transparence et de maîtrise de l’IA, elles, sont bien exigibles aujourd’hui, et le report des autres ne change rien au fond : une entreprise qui construit sa transformation IA sur une date butoir sera prise de court, celle qui la construit sur une doctrine claire gagne simplement du temps pour bien faire.

Et c’est là que la contrainte devient un atout. Documenter ses usages, tracer ses décisions, garder l’humain dans la boucle, expliquer à un client ou à un partenaire comment on utilise l’IA : ce sont des exigences réglementaires, ce sont aussi des arguments commerciaux. Dans un appel d’offres, l’entreprise capable de démontrer sa maîtrise prend une longueur d’avance sur celle qui promet.

Le risque que personne n’a décidé de prendre

Pendant que l’entreprise s’interroge, les collaborateurs, eux, ont déjà tranché. Ils utilisent des outils d’IA grand public, depuis leur navigateur ou leur téléphone, avec les documents de l’entreprise. Ce phénomène porte un nom, le Shadow AI, et il est aujourd’hui massif.

Les conséquences sont concrètes. Des données clients, des contrats, des éléments financiers copiés dans des services qui échappent à tout contrôle interne. Des usages qui contreviennent aux obligations de transparence sans que personne ne s’en rende compte. Des décisions préparées par une IA dont on ne peut ni retracer le raisonnement ni justifier le résultat, ce qui devient gênant le jour où un client, un salarié ou une autorité demande des comptes.

Le Shadow AI n’est pas un problème de discipline. C’est un symptôme. Il apparaît partout où l’entreprise n’a pas fourni de cadre, d’outils et de repères à des équipes qui, elles, avaient déjà compris l’intérêt de l’IA. La réponse n’est jamais l’interdiction, qui déplace le problème sans le résoudre. C’est le pilotage.

L’IA est d’abord un sujet humain

C’est le point sur lequel nous insistons le plus, et celui que les entreprises sous estiment le plus souvent. Une transformation IA réussie n’est pas un projet technologique avec un volet humain. C’est une transformation de l’organisation qui s’appuie sur de la technologie.

Cela suppose des responsabilités identifiées : qui arbitre les cas d’usage, qui valide les mises en production, qui contrôle les usages dans la durée. Cela suppose une conduite du changement réelle, avec des relais internes, des règles d’usage compréhensibles et un accompagnement de tous les collaborateurs dont le quotidien va être modifié par l’IA, quel que soit leur rôle. Une fonction support, un commercial, un opérateur ou un encadrant ne vivent pas le même changement, et aucun ne doit être laissé de côté.

Cela suppose enfin de former. Pas seulement les experts, mais l’ensemble des personnes qui vont utiliser ces outils au quotidien. Comprendre ce qu’une IA sait faire, ce qu’elle fait mal, quand elle se trompe avec aplomb, quelles données on peut lui confier : c’est la condition d’un usage à la fois utile et maîtrisé. C’est aussi, faut il le rappeler, une obligation. L’AI Act ne demande pas des certificats, il demande que les personnes concernées sachent ce qu’elles font. Dans les faits, la formation est le levier qui fait redescendre le Shadow AI et monter l’adoption des solutions officielles. Les deux vont ensemble.

Une mise en production n’est pas une fin de projet

Un système d’IA ne se comporte pas comme une application classique. Ses réponses varient, ses données d’entrée évoluent, les usages réels s’écartent de ceux qui avaient été prévus, et la qualité peut se dégrader sans qu’aucune alerte technique ne se déclenche. Le jour du déploiement n’est donc pas la ligne d’arrivée, c’est le début de la surveillance.

Un déploiement réussi suppose de mesurer la qualité dans la durée, de détecter les dérives, de tracer ce que le système a produit et sur quelle base, et de savoir revenir en arrière quand c’est nécessaire. C’est ce qui rend une IA fiable, c’est ce qui permet d’en rendre compte, et c’est exactement ce que la réglementation attend d’une organisation sérieuse. Là encore, l’exigence de conformité rejoint l’exigence de qualité.

Une méthodologie, pas une addition de chantiers

Ce qui précède décrit rarement la réalité des entreprises. Le plus souvent, la stratégie IA est traitée d’un côté, la conformité par le juridique, la sécurité par les équipes IT, la formation par les RH, le suivi en production par personne, et le Shadow AI par personne non plus. Chacun avance, aucun ne converge.

Notre démarche traite ces sujets comme un seul et même problème. L’alignement stratégique définit les paris. Le diagnostic de maturité fixe le point de départ et révèle les dépendances, notamment sur les données et la sécurité. La gouvernance et les garde fous se conçoivent en même temps que les cas d’usage, pas après, ce qui rend la conformité à l’AI Act structurelle plutôt que subie. Le suivi en production est prévu dès la conception, parce qu’un indicateur qu’on n’a pas pensé au départ ne se rattrape pas ensuite. La montée en compétences accompagne chaque déploiement au lieu de le suivre. Et le Shadow AI se résorbe naturellement, parce que les équipes disposent enfin d’alternatives officielles, cadrées et bien plus confortables.

C’est cette intégration qui fait la différence entre une entreprise qui accumule des pilotes et une entreprise qui se transforme.

Le bon moment est maintenant

Attendre coûte plus cher qu’agir. Chaque mois sans cadre est un mois de Shadow AI supplémentaire et de collaborateurs qui s’équipent seuls. Chaque mois sans stratégie est un mois pendant lequel les concurrents apprennent. Et l’échéance réglementaire, même repoussée, arrivera plus vite que les transformations organisationnelles nécessaires pour y répondre sereinement.

La bonne nouvelle, c’est qu’il n’est pas nécessaire de tout savoir pour commencer. Il faut simplement commencer par le bon bout.