Accompagnement IA en entreprise : de l'audit des usages aux agents en production

Le terme 'IA' recouvre aujourd'hui trois grandes familles techniques : l'IA générative (LLM type GPT, Claude, Mistral, Llama) qui produit du texte, du code, des images ; l'IA prédictive (modèles statistiques entraînés sur des données historiques) ; et la vision par ordinateur. Dans l'entreprise en 2026, plus de 80 % des projets concernent la première famille — l'IA générative.

L'enjeu n'est plus 'faut-il s'y mettre' mais 'comment éviter les POC qui n'atterrissent jamais et les copilotes spectaculaires que personne n'utilise'.

Par ordre de maturité et de ROI démontré en entreprise :

• Assistants internes (RAG) : moteur de recherche conversationnel sur la base documentaire de l'entreprise. Le cas d'usage le plus mature, le plus rentable, le plus déployable en 6 à 10 semaines. Exemples : recherche dans la base contrats, support N1 sur la documentation produit, onboarding RH.
• Copilotes métier : aide à la rédaction, à l'analyse, au support client. Productivité +20 à +40 % sur les tâches concernées quand l'intégration est soignée. Exemples : rédaction de devis, comptes-rendus de réunion, analyse de mails entrants.
• Agents IA : automatisation de processus multi-étapes (devis, qualification de leads, traitement de tickets). Maturité plus récente, ROI possible mais exigence d'industrialisation forte. À aborder seulement quand RAG et copilotes sont déjà en production.
• Cas d'usage prédictifs (churn, scoring, anomalies) : restent pertinents mais demandent une qualité de données rarement présente. À ne pas confondre avec un sujet d'IA générative.

Trois temps distincts, trois budgets distincts. Confondre les trois est la première cause d'échec des projets IA en entreprise.

• Cadrage (5 à 10 jours) : cartographie des cas d'usage candidats, estimation du ROI, choix des 1 ou 2 priorités. Livrable décisionnel pour le CODIR.
• POC (4 à 8 semaines) : prototype fonctionnel sur un périmètre réel, mesure d'impact sur 10-20 utilisateurs pilotes. Décision go/no-go documentée.
• Industrialisation (3 à 6 mois) : passage en production, conformité, sécurité, formation des utilisateurs, mesure d'adoption.
• Nous refusons les POC qui partent en production sans phase d'industrialisation. C'est techniquement faisable, opérationnellement suicidaire.

Le RAG (Retrieval-Augmented Generation) combine un moteur de recherche sémantique sur vos documents internes avec un LLM qui formule la réponse. Vos documents ne sortent pas pour entraîner un modèle externe : ils sont indexés, retrouvés à la volée, et passés au modèle uniquement au moment de la requête.

Concrètement : 10 à 50 000 documents indexés, un assistant qui répond avec citations sources, déployable en 6 à 10 semaines. C'est le cas d'usage avec le meilleur ratio impact/risque pour 80 % des PME et ETI françaises aujourd'hui.

L'AI Act européen s'applique progressivement entre février 2025 et août 2027. Pour la plupart des cas d'usage internes (RAG documentaire, copilote métier), le risque est limité — mais une charte IA, une analyse d'impact RGPD et un registre des cas d'usage IA deviennent obligatoires.

Nous accompagnons la mise en place du cadre minimal : charte interne, registre des cas d'usage IA, traitement des données personnelles, formation des équipes, articulation avec le DPO existant.

Trois options coexistent. Modèles propriétaires via API (OpenAI, Anthropic, Google, Mistral La Plateforme) : meilleure qualité, déploiement immédiat, dépendance contractuelle. Modèles open source hébergés en cloud privé (Llama, Mistral, Qwen, DeepSeek) : maîtrise des coûts à l'échelle, conformité renforcée, exige une équipe ML/Ops. On-premise complet : pertinent uniquement pour les organisations à très forte contrainte de souveraineté (défense, santé hospitalière, OIV).

Dans 95 % des cas, l'entraînement d'un modèle propre n'est pas nécessaire : prompt engineering + RAG + fine-tuning léger suffisent.

Quatre causes dominent. Un cas d'usage choisi par fascination technique, pas par valeur métier. Un POC piloté par la DSI sans utilisateurs réels embarqués. Une absence totale de mesure d'impact (le projet livre, personne ne sait s'il est utilisé). Et une sous-estimation du coût d'industrialisation, qui représente souvent 3 à 5× le coût du POC.

Notre rôle est d'éviter ces quatre erreurs dès le cadrage — quitte à recommander de ne pas lancer un projet.

Cadrage IA stratégique : 5 à 10 k€. POC fonctionnel (RAG ou copilote) : 15 à 40 k€ selon le périmètre. Industrialisation : à partir de 30 k€, souvent intégrée dans un budget projet plus large.