Checklist de maturité IA pour les PME et ETI

Une checklist de maturité IA vous indique si votre organisation dispose de ce qu'il faut pour utiliser l'IA de manière utile et sûre, et où se situent les lacunes. Pour une PME ou une ETI, la maturité se résume à huit domaines : objectifs clairs, processus adaptés, données accessibles, bons outils, sécurité et protection des données, personnes et compétences, gouvernance et budget réaliste. Pas besoin d'avoir la note maximale partout pour commencer : il faut les bases pour un pilote à faible risque et un plan pour le reste.

Utilisez la checklist ci-dessous avec votre équipe. Cochez ce qui est en place, notez chaque domaine et concentrez vos prochaines actions sur les notes les plus basses.

Comment utiliser cette checklist

• Parcourez-la à deux ou trois personnes qui connaissent différentes parties de l'entreprise.
• Répondez pour l'entreprise telle qu'elle est aujourd'hui, pas telle que vous la prévoyez.
• Notez chaque domaine de 0 à 3 selon l'échelle ci-dessous.
• Servez-vous du total pour choisir vos prochaines étapes, pas pour vous noter.

Note	Signification
0	Absent, jamais abordé
1	Abordé ou fait de manière informelle par certains
2	Largement en place, avec des lacunes
3	En place, documenté et opérationnel

1. Objectifs et cas d'usage

• Nous savons nommer simplement les problèmes métier pour lesquels l'IA doit aider.
• Nous avons une liste restreinte de tâches concrètes, pas seulement une envie générale d'« utiliser l'IA ».
• Pour au moins une tâche, nous connaissons sa durée actuelle et sa fréquence.
• Nous avons défini à quoi ressemblerait le succès d'un premier projet.
• Un dirigeant soutient la démarche et prendra les décisions.

Si vous n'avez pas encore de liste, notre article sur les tâches à automatiser avec l'IA explique comment en construire une et la noter.

2. Processus

• Les processus à améliorer sont décrits, au moins sous forme de liste d'étapes.
• Nous savons qui réalise chaque étape et avec quels systèmes.
• Les exceptions et cas particuliers sont connus.
• Le processus fonctionne correctement aujourd'hui ; nous n'automatisons pas le chaos.
• Nous pouvons mesurer le processus : volume, temps, erreurs.

L'IA accélère le processus dans lequel on l'insère, quel qu'il soit. Si un processus est flou ou incohérent, corrigez-le d'abord.

3. Données et connaissances

• Nous savons où se trouvent les informations utiles à nos cas d'usage (messagerie, disques partagés, CRM, ERP, documents).
• Les documents clés comme les procédures, données produits et modèles sont à jour et non contradictoires.
• Les informations sont accessibles numériquement, pas seulement sur papier ou dans la tête des gens.
• Nous savons quelles données sont personnelles, confidentielles ou commercialement sensibles.
• Quelqu'un est chargé de tenir à jour les sources de connaissances importantes.

Si vous prévoyez un assistant qui répond à partir de vos documents, la qualité de ces documents détermine celle des réponses. Voir RAG ou fine-tuning pour comprendre pourquoi.

4. Outils et technologie

• Nous savons quels outils d'IA les équipes utilisent déjà, y compris les comptes gratuits et personnels.
• Nous avons décidé quels outils d'IA sont validés pour un usage professionnel.
• Les outils validés ont des conditions professionnelles adaptées à nos besoins en matière de données (conservation, entraînement sur les entrées, localisation).
• Nos systèmes principaux peuvent exporter ou connecter des données si une intégration est nécessaire.
• Nous savons si nos logiciels actuels intègrent déjà des fonctions d'IA.

5. Sécurité et protection des données

• Nous avons des règles sur les données pouvant être saisies dans chaque outil d'IA.
• L'usage de données personnelles dans les outils d'IA a été vérifié au regard des exigences de protection des données, comme le RGPD dans l'UE.
• Les comptes d'outils d'IA utilisent des identifiants professionnels avec un contrôle d'accès adapté.
• Nous savons comment gérer une erreur, par exemple des données confidentielles saisies dans un outil non validé.
• Pour les intégrations : les clés d'API sont stockées de façon sécurisée et des plafonds de dépenses sont fixés.

6. Personnes et compétences

• Les utilisateurs d'outils d'IA savent où ceux-ci excellent et où ils échouent, hallucinations comprises.
• Les équipes connaissent les règles de l'entreprise sur les données et les outils validés.
• Au moins une personne sait rédiger de bons prompts et aider ses collègues.
• Les relecteurs savent quoi vérifier dans un résultat d'IA.
• Les équipes dont le travail va changer sont impliquées tôt.

Dans l'UE, l'AI Act exige des fournisseurs et déployeurs de systèmes d'IA qu'ils prennent des mesures pour assurer une maîtrise suffisante de l'IA par leur personnel. Notre article sur la maîtrise de l'IA selon l'AI Act explique ce que cela implique concrètement.

7. Gouvernance et responsabilité

• Quelqu'un est responsable de l'usage de l'IA dans son ensemble, même à temps partiel.
• Nous avons une charte IA écrite. Notre guide pour rédiger une charte IA en entreprise propose un plan.
• Chaque cas d'usage de l'IA a un responsable.
• Les résultats d'IA destinés aux clients ou lourds de conséquences sont relus par une personne.
• Nous avons vérifié si un usage prévu pourrait relever d'une catégorie réglementée, comme les usages à haut risque au sens de l'AI Act. Le vérificateur de risque AI Act donne une première orientation.
• Nous tenons une liste simple des outils et cas d'usage d'IA dans l'entreprise.

8. Budget et business case

• Nous avons un budget pour un pilote, temps du personnel compris.
• Nous comprenons la tarification des outils envisagés : par utilisateur, à l'usage ou les deux.
• Nous avons estimé les coûts récurrents à un volume réaliste.
• Nous avons comparé les coûts au temps gagné attendu, relecture comprise.
• Nous avons fixé la date à laquelle nous déciderons de poursuivre ou non.

Le calculateur de ROI de l'automatisation IA estime les heures gagnées, le bénéfice net mensuel et le délai d'amortissement d'une tâche. Pour les coûts d'API à l'usage, utilisez le calculateur de coût d'API LLM.

Notation et interprétation

Additionnez les notes des huit domaines pour obtenir un total entre 0 et 24.

Total	Ce qu'il suggère	Priorité
0–8	Phase initiale	Fixer les règles sur les données, choisir les outils validés, retenir un cas d'usage simple
9–16	Prêt pour des pilotes	Mener un pilote structuré, documenter les processus, former les utilisateurs clés
17–24	Prêt à passer à l'échelle	Standardiser prompts et relectures, suivre la qualité et les coûts, étendre à d'autres processus

Ces tranches sont indicatives, pas un référentiel. Plus important que le total : le domaine le moins bien noté. Une entreprise dotée de bons outils mais sans règles sur les données n'est pas prête, quel que soit son total.

Le minimum pour un premier pilote

Pour démarrer rapidement, assurez-vous au moins de ces points :

1. Un cas d'usage clair, fréquent et à faible risque.
2. Une référence : la durée actuelle de la tâche.
3. Des règles sur les données : ce qui peut ou non aller dans l'outil.
4. Un outil validé aux conditions acceptables sur les données.
5. Un responsable qui décide à la fin du pilote.
6. Un relecteur qui vérifie chaque résultat pendant le pilote.
7. Un court briefing pour tous les participants sur le fonctionnement de l'outil et ses limites.

Le plan pas à pas pour intégrer l'IA dans une PME montre comment mener le pilote à partir de là.

Lacunes typiques et solutions rapides

Lacune	Solution rapide
Les équipes utilisent des comptes IA personnels pour le travail	Valider un outil professionnel et expliquer pourquoi ; fixer une date de bascule
Aucune règle sur les données	Rédiger une règle provisoire d'une page : aucune donnée personnelle ou confidentielle tant qu'une charte n'existe pas
Documents obsolètes	Attribuer un responsable aux cinq documents les plus utilisés et les revoir en premier
Aucun chiffre de référence	Chronométrer la tâche sur dix cas pendant une semaine
Personne de responsable	Nommer un responsable IA avec quelques heures par mois
Coûts flous	Utiliser les calculateurs avec des hypothèses prudentes

Les erreurs fréquentes

• Attendre d'être parfaitement prêt. La maturité se construit en agissant ; commencez petit et sûr.
• Réduire le sujet à l'informatique. Processus, personnes et gouvernance comptent autant que les outils.
• Ignorer l'IA fantôme (shadow AI). Les équipes utilisent souvent déjà des outils d'IA. Identifiez lesquels et encadrez-les par des règles claires.
• Aucun responsable. Sans responsabilité, les pilotes s'enlisent et les décisions ne sont pas prises.
• Une évaluation unique. Refaites la checklist avant chaque projet important et au moins une fois par an.

Prochaines étapes

Notez chaque domaine dès aujourd'hui, choisissez les deux plus faibles et attribuez à chacun une action, un responsable et une échéance. Choisissez ensuite votre premier cas d'usage et calculez son business case avec le calculateur de ROI.