Comment construire une feuille de route de préparation à l’AI pour votre entreprise

« Il faudrait probablement faire quelque chose avec l’AI » n’est pas une stratégie, et la plupart des entreprises qui partent de là se retrouvent avec un ensemble éparpillé de pilotes qui n’atteignent jamais vraiment la production, un chatbot que personne n’utilise et un vague sentiment d’être en retard, sans idée claire de sur quoi. Une feuille de route de préparation à l’AI est l’alternative : une manière structurée de déterminer où votre entreprise dispose réellement d’opportunités d’automatisation, ce qu’il faut pour les saisir et dans quel ordre — avant d’engager un budget sur un projet précis.

Ce que mesure réellement la « préparation à l’AI »

La préparation n’est pas un score unique. C’est une combinaison de plusieurs éléments distincts qui influencent tous la réussite ou non d’un projet d’AI donné : si les données dont le système a besoin sont disponibles et exploitables, si le processus à automatiser est bien compris et documenté, s’il existe un responsable clairement identifié et comptable du résultat, et si l’organisation dispose d’un moyen d’évaluer si le système fonctionne réellement une fois en service. Une entreprise peut être très prête sur un point — des données clients propres et structurées — et pas du tout sur un autre — personne n’a jamais cartographié de bout en bout la manière dont les tickets de support sont résolus. Une feuille de route doit tenir compte de cette hétérogénéité au lieu de traiter la préparation comme un simple chiffre.

Première étape : cartographier les processus, pas la technologie

L’erreur la plus courante lorsqu’on construit une feuille de route AI consiste à commencer par la technologie — « nous voulons utiliser des agents AI » ou « nous devrions construire un système RAG » — avant d’identifier quel processus métier présente réellement un problème digne d’être résolu. Commencez plutôt par un inventaire honnête de là où vont aujourd’hui le temps et l’argent : quels processus ont le plus gros volume, lesquels sont les plus manuels, lesquels génèrent le plus d’erreurs ou de reprises, et lesquels dépendent le plus d’un petit nombre de personnes difficilement remplaçables en cas de départ. Cet inventaire ne nécessite pas d’expertise AI pour être établi. Il requiert quelqu’un qui comprend réellement comment le travail se fait aujourd’hui, ce qui est souvent sous-représenté dans les premières discussions de planification AI, généralement orientées vers les parties prenantes techniques.

Deuxième étape : auditer les données dont dépend réellement chaque processus candidat

Pour chaque processus de cette liste, la question suivante est de savoir si les données nécessaires pour l’automatiser existent réellement sous une forme exploitable. Sont-elles structurées ou vivent-elles dans des documents en texte libre et des e-mails ? Sont-elles centralisées ou dispersées entre des systèmes qui ne communiquent pas entre eux ? Existe-t-il suffisamment d’historique pour vérifier qu’un système automatisé fonctionne vraiment bien, ou les premiers mois de déploiement seraient-ils essentiellement non testés ? C’est à cette étape que beaucoup d’idées AI ambitieuses sont discrètement reclassées — non pas parce que l’idée est mauvaise, mais parce que la base de données nécessaire n’existe pas encore, et que construire cette base est en soi un projet qui doit être planifié en amont.

Troisième étape : évaluer et prioriser avec honnêteté

Avec une liste de processus candidats et une vision réaliste de leur préparation des données, la priorisation revient à pondérer plusieurs facteurs entre eux : l’ampleur de l’opportunité si cela fonctionne, la préparation des données et du processus pour le faire maintenant plutôt que plus tard, la complexité et le risque du cas d’usage spécifique, ainsi que la clarté avec laquelle le succès peut être mesuré. Les processus à fort potentiel, hautement prêts et peu complexes sont les premiers candidats évidents. Les processus à fort potentiel mais peu prêts ne sont pas à exclure — ils ne sont simplement pas le point de départ ; ils figurent sur la feuille de route pour une phase ultérieure, une fois les bases posées lors des phases précédentes.

Il vaut mieux résister à la tentation d’ordonner les priorités selon ce qui paraît le plus impressionnant aux yeux des parties prenantes plutôt que selon ce qui est réellement le plus prêt. Une automatisation modeste, bien exécutée au deuxième mois et manifestement efficace, crée davantage de confiance organisationnelle — et davantage de budget pour la suite — qu’un projet ambitieux qui n’est toujours pas en service au huitième mois.

Quatrième étape : définir ce que « réussir » veut dire avant de construire quoi que ce soit

Chaque élément de la feuille de route doit être associé, avant même le début du développement, à une définition précise et mesurable du succès — pas à l’idée vague que cela devrait « aider ». Quel est le niveau de référence actuel pour ce processus, dans des termes réellement mesurables ? À quoi ressemblerait une amélioration significative ? Comment saurez-vous, un mois après le lancement, si cela fonctionne comme prévu ou s’il faut l’ajuster ? Les feuilles de route qui sautent cette étape ont tendance à produire des projets qui sont techniquement lancés mais jamais évalués, ce qui rend impossible de savoir s’il faut étendre l’approche ou l’abandonner.

Cinquième étape : prévoir la gouvernance dès le départ, pas après un problème

Une feuille de route de préparation doit également préciser qui est responsable de chaque système une fois en service, comment les accès sont contrôlés, à quoi ressemble le circuit d’escalade lorsque le système est incertain ou se trompe, et comment les décisions sont auditées après coup. Il est facile de remettre cela à plus tard quand un projet est petit et expérimental, et bien plus difficile de l’ajouter a posteriori une fois qu’un système est intégré aux opérations quotidiennes et que plusieurs projets ont été construits sans logique commune. Intégrer cela à la feuille de route dès le premier projet, même simple, fixe la norme pour tous ceux qui suivront.

Qui devrait réellement être autour de la table

Les feuilles de route de préparation conçues uniquement par une équipe technique ont tendance à trop privilégier ce qui est techniquement intéressant plutôt que ce qui a de la valeur opérationnelle, tandis que celles bâties uniquement par des parties prenantes métier sous-estiment souvent à quel point un projet donné exige en réalité de fondations solides en matière de données et de processus. Les feuilles de route qui tiennent la route combinent directement ces deux points de vue : quelqu’un qui comprend les mécanismes quotidiens des processus envisagés, quelqu’un qui comprend ce qu’il est réellement possible d’obtenir avec les données et les systèmes en place, et quelqu’un qui a l’autorité nécessaire pour prioriser et financer concrètement ce que la feuille de route recommande. Omettre l’un de ces éléments produit généralement une feuille de route irréaliste, peu convaincante, ou jamais mise en œuvre.

Il vaut aussi la peine de réexaminer la feuille de route à intervalles réguliers plutôt que de la considérer comme un exercice ponctuel. La préparation évolue à mesure que l’infrastructure de données s’améliore, que les projets précédents démontrent leur valeur — ou non — et que l’entreprise elle-même change. Une feuille de route exacte il y a six mois peut déjà avoir une deuxième phase différente de celle initialement prévue, simplement parce que la première phase a révélé sur les données ou sur le processus des éléments invisibles au départ.

Construire la feuille de route

Une feuille de route utile de préparation à l’AI est moins un plan technologique qu’un plan opérationnel dont l’AI est le levier. Elle doit nommer des processus précis par ordre de priorité, indiquer clairement ce qui est nécessaire — travail sur les données, documentation des processus, responsable plus clairement défini — avant que chacun puisse démarrer, définir à quoi ressemble la réussite pour chacun d’eux, et établir une séquence réaliste plutôt qu’une liste de souhaits où tout se fait en même temps. Réalisée avec honnêteté, elle produit généralement une liste plus courte et moins spectaculaire que celle avec laquelle une équipe commence, et donne bien plus de chances que tout ce qui y figure soit effectivement livré.

C’est aussi l’occasion d’être franc sur le périmètre : une feuille de route couvrant l’ensemble de l’entreprise représente une entreprise plus lourde que ce dont la plupart des organisations ont besoin dès le premier jour. Une feuille de route couvrant les deux ou trois processus offrant la combinaison la plus claire entre opportunité et préparation suffit généralement à lancer une vraie dynamique, le reste étant développé au fur et à mesure que ces premiers projets font leurs preuves.

Obtenir un second avis sur votre feuille de route

Nous aidons les équipes à construire exactement ce type de feuille de route priorisée et honnête, plutôt qu’une liste générique de cas d’usage de l’AI — et un bon point de départ est notre AI Automation Readiness Assessment, qui vous donne une lecture structurée de la situation réelle de votre entreprise avant tout cadrage de projet. Vous pouvez aussi explorer ASTACKRA Labs pour des outils qui aident à cadrer et à réduire le risque de certaines idées d’automatisation, ou parler directement à l’équipe pour construire une feuille de route adaptée à vos propres opérations.