Commencez par une évaluation honnête
Chaque transformation par l’IA devrait débuter par une évaluation honnête de la situation actuelle de l’organisation. Pas de celle que la direction pense qu’elle occupe. Pas de celle que le service informatique espère qu’elle occupe. Celle qu’elle occupe réellement.
Cela est inconfortable. Une évaluation honnête révèle des lacunes — quant à la qualité des données, à la maturité des processus, aux talents, à la compréhension par la direction, à l’infrastructure et à la culture. Ces lacunes ne sont pas des échecs. Ce sont les conditions de départ qui déterminent le type de plan de transformation qui fonctionnera réellement.
Les organisations qui sautent cette étape — ou qui mènent une évaluation superficielle destinée à confirmer la conclusion souhaitée — découvrent invariablement ces lacunes lors de la mise en œuvre, au moment où les combler est coûteux, perturbateur et politiquement difficile.
Les six dimensions de la préparation à l’IA
Chez Remolda, nous évaluons la préparation à l’IA selon six dimensions. Chaque dimension reçoit une cote sur une échelle de maturité, et l’évaluation combinée révèle à la fois la préparation globale de l’organisation et les domaines spécifiques qui requièrent de l’attention avant que le déploiement de l’IA puisse réussir.
Dimension 1 : Données
Les systèmes d’IA ne sont aussi bons que les données qu’ils utilisent. La dimension des données évalue :
Disponibilité. Les données requises pour les cas d’usage de l’IA existent-elles réellement? Sont-elles capturées sous forme numérique? Peut-on y accéder de manière programmatique, ou sont-elles enfermées dans des PDF, des courriels et des classeurs?
Qualité. Les données sont-elles exactes, complètes et cohérentes? Existe-t-il des lacunes, des doublons ou des erreurs systématiques? Quelqu’un a-t-il réellement examiné la qualité des données pour les champs spécifiques dont les systèmes d’IA auraient besoin?
Gouvernance. Qui détient les données? Qui contrôle l’accès? Existe-t-il des politiques de données, des échéanciers de conservation et des normes de qualité documentés? Pour les industries réglementées, le traitement des données est-il conforme à la législation applicable en matière de protection de la vie privée?
Intégration. Les données provenant de différents systèmes peuvent-elles être combinées? Existe-t-il des identifiants communs d’une base de données à l’autre? Y a-t-il un entrepôt de données ou un lac de données, ou les données sont-elles éparpillées dans des silos départementaux?
Constat courant : La plupart des organisations surestiment leur préparation en matière de données. Elles possèdent des données, mais celles-ci sont cloisonnées, incohérentes, partiellement numérisées et non documentées. Améliorer la préparation des données est souvent la première et la plus importante étape de la transformation par l’IA.
Dimension 2 : Processus
L’IA automatise et augmente les processus. Si les processus sont indéfinis, non documentés ou défectueux, l’IA amplifie la dysfonction.
Documentation. Les processus clés sont-ils documentés? Les processus documentés sont-ils exacts, ou s’agit-il de descriptions périmées de la façon dont le travail aurait dû être effectué il y a trois ans?
Normalisation. Les différentes équipes suivent-elles le même processus pour un même travail, ou chaque équipe a-t-elle sa propre variante? Les systèmes d’IA ont besoin de processus cohérents pour être automatisés efficacement.
Mesure. Les résultats des processus sont-ils mesurés? Savez-vous combien de temps chaque étape prend, où se trouvent les goulots d’étranglement et quels sont les taux d’erreur? Sans mesures de référence, vous ne pouvez pas mesurer l’impact de l’IA.
Préparation à la refonte. Les parties prenantes sont-elles disposées à modifier les processus, ou les processus existants sont-ils considérés comme immuables? La transformation par l’IA exige une refonte des processus, et non pas une simple automatisation des processus.
Dimension 3 : Talents
Les compétences en IA à l’échelle de l’organisation — et non pas seulement au sein du service informatique.
Talents techniques. L’organisation compte-t-elle du personnel qui comprend les capacités et les limites de l’IA? Cela ne nécessite pas de scientifiques de données — il faut des personnes capables d’évaluer des outils d’IA, de gérer des mises en œuvre et d’exploiter des systèmes d’IA.
Expertise sectorielle. Les experts en la matière comprennent-ils suffisamment leurs flux de travail pour préciser ce que l’IA devrait faire? Peuvent-ils définir des résultats « corrects » aux fins de l’entraînement et de la validation?
Littératie numérique. Le personnel en général est-il à l’aise avec les outils numériques? Les organisations dont le personnel peine à utiliser le courriel et les feuilles de calcul font face à une courbe d’adoption plus abrupte pour les outils d’IA.
Culture d’apprentissage. L’organisation favorise-t-elle l’apprentissage continu? Le personnel dispose-t-il du temps et des ressources nécessaires pour développer de nouvelles compétences?
Dimension 4 : Leadership
La transformation par l’IA exige un leadership actif et informé — et non pas seulement une approbation.
Compréhension. Les dirigeants comprennent-ils ce que l’IA peut et ne peut pas faire? Peuvent-ils distinguer les applications réalistes de l’IA du battage médiatique des fournisseurs?
Engagement. La direction est-elle prête à une transformation de plusieurs mois qui exige une attention soutenue, un budget et une perturbation organisationnelle? Ou s’attend-elle à une solution rapide?
Alignement. L’équipe de direction s’entend-elle sur les priorités, la portée et les résultats attendus? Des attentes désalignées créent des conflits lors de la mise en œuvre.
Parrainage. Existe-t-il un sponsor exécutif disposant de l’autorité et de la volonté nécessaires pour lever les obstacles, résoudre les conflits et maintenir l’élan lorsque la transformation devient difficile?
Dimension 5 : Infrastructure
Le fondement technologique sur lequel les systèmes d’IA s’appuieront.
Systèmes actuels. Quels systèmes l’organisation exploite-t-elle? Quelles sont leurs capacités d’intégration? Où se trouvent les systèmes patrimoniaux dépourvus d’API?
Préparation au nuage. L’organisation fonctionne-t-elle dans le nuage, en local ou en mode hybride? Quelles sont les contraintes à l’adoption du nuage — réglementaires, de sécurité ou organisationnelles?
Réseau et calcul. L’infrastructure existante peut-elle supporter les charges de travail de l’IA — le traitement des données, l’inférence des modèles, les interactions en temps réel?
Sécurité. Existe-t-il des pratiques de sécurité établies qui peuvent s’étendre aux systèmes d’IA — contrôles d’accès, chiffrement, surveillance, réponse aux incidents?
Dimension 6 : Culture
L’attitude de l’organisation face au changement, à la technologie et aux nouvelles façons de travailler.
Préparation au changement. Comment l’organisation a-t-elle géré les changements technologiques antérieurs? Existe-t-il une fatigue institutionnelle due à des initiatives de transformation avortées?
Confiance. Le personnel a-t-il confiance que l’IA sera déployée de manière réfléchie, ou s’attend-il à ce qu’elle soit utilisée comme un outil de réduction des effectifs?
Appétit pour l’innovation. L’organisation encourage-t-elle l’expérimentation, ou la culture punit-elle l’échec et récompense-t-elle le statu quo?
Relations syndicales et de travail. Pour les organisations syndiquées, quelles sont les relations entre la direction et les syndicats en matière d’adoption de la technologie? Existe-t-il des cadres permettant de discuter des répercussions de l’automatisation?
Cotation et interprétation
Chaque dimension reçoit une cote de 1 à 5 :
- 1 — Non amorcé : Aucune capacité ni conscience dans cette dimension
- 2 — Émergent : Prise de conscience initiale, efforts épars, aucune approche systématique
- 3 — En développement : Approche systématique en place, mais incomplète ou incohérente
- 4 — Établi : Pratiques matures pouvant soutenir le déploiement de l’IA
- 5 — Optimisé : Capacité avancée qui positionne l’organisation pour l’adoption de l’IA de pointe
Les organisations qui obtiennent une cote de 3 ou plus dans la plupart des dimensions sont prêtes pour un déploiement ciblé de l’IA. Les organisations qui obtiennent moins de 3 dans des dimensions critiques — notamment les données et les processus — devraient combler ces lacunes avant d’investir dans la mise en œuvre de l’IA.
L’important à retenir est que les lacunes en matière de préparation ne sont pas des raisons de retarder indéfiniment. Ce sont des conditions spécifiques et résolubles qui devraient être intégrées au plan de transformation. Une organisation qui obtient une cote de 2 en préparation des données n’a pas besoin d’atteindre 5 avant de commencer un travail d’IA — elle a besoin d’un plan réaliste qui traite la qualité des données dans le cadre de la transformation, et non pas comme un prérequis.
Ce qui suit l’évaluation
Une évaluation bien menée de la préparation à l’IA produit :
- Clarté quant à la situation réelle de l’organisation
- Priorité — quelles dimensions nécessitent d’abord de l’attention
- Portée — quels cas d’usage de l’IA sont réalistes compte tenu de la préparation actuelle
- Intrants pour la feuille de route — les changements organisationnels qui doivent être planifiés parallèlement au déploiement technologique
- Alignement des parties prenantes — une compréhension commune des conditions de départ, qui évite les conversations du type « nous pensions être prêts » qui font dérailler la mise en œuvre
Cette évaluation constitue la première étape de la méthodologie de Remolda — la phase d’audit du Cycle Remolda. Elle garantit que chaque décision ultérieure s’appuie sur la réalité plutôt que sur des hypothèses.