Les projets IA sortent progressivement de leur phase d’expérimentation. Derrière les premiers copilotes et POC, les entreprises se confrontent à des sujets beaucoup plus opérationnels : qualité des données, gouvernance des usages, cloisonnement des accès ou maintien des applications générées plus rapidement.
Olivier Coupelon, Head of AI France chez Zenika, revient sur les principaux blocages qu’il observe aujourd’hui dans les projets IA : préparation des données, gouvernance des usages et encadrement des outils.
Comment les entreprises abordent-elles aujourd’hui leurs premiers projets IA ?
Olivier Coupelon : Nous voyons encore beaucoup d’entreprises arriver avec une demande très large autour de l’IA. Souvent, le sujet commence par une volonté assez générale d’intégrer de l’IA dans l’organisation, sans cas d’usage clairement identifié. Notre premier travail consiste donc à ramener le sujet vers des problématiques concrètes : améliorer un processus, gagner en qualité ou fluidifier certaines tâches. Nous ne cherchons pas à “vendre de l’IA” pour elle-même.
« 40 % du travail concerne encore l’acculturation. »
Quand nous avons commencé à catégoriser les projets, nous nous sommes rendu compte qu’environ 40 % du travail concernait encore l’acculturation. Les entreprises cherchent surtout à comprendre où l’IA est pertinente et où elle ne l’est pas forcément.
Le deuxième sujet majeur reste la préparation des données. Beaucoup d’organisations sous-estiment encore le travail nécessaire avant de pouvoir exploiter correctement ces outils. Une IA ne produit pas de résultats fiables si les données ne sont pas préparées en amont. Aujourd’hui, les phases réellement industrialisées restent encore minoritaires. Beaucoup de projets sont encore dans des logiques de prototypage.
Quels métiers ou quelles directions s’impliquent aujourd’hui dans les projets IA ?
Historiquement, les premiers sujets concernaient surtout le développement logiciel et les équipes techniques. Mais les demandes deviennent progressivement beaucoup plus transverses. Nous échangeons désormais avec des directions métiers qui cherchent à améliorer certains processus opérationnels, parfois très éloignés des sujets purement techniques.
Cela peut concerner des workflows internes, des processus documentaires ou des sujets liés à la qualité. Ce qui change aussi, c’est que les projets IA obligent les organisations à travailler davantage ensemble. Les sujets de données, de gouvernance ou d’organisation ne peuvent plus être traités uniquement par les équipes techniques.
Comment mesurez-vous aujourd’hui les effets réels des projets IA dans les entreprises ?
C’est un sujet qui revient énormément. Beaucoup d’organisations associent l’IA à des réductions d’effectifs ou à des gains de productivité très rapides. Dans les faits, ce que nous observons aujourd’hui concerne surtout des gains de qualité. Nous utilisons notamment des indicateurs issus du framework Dora pour mesurer certains impacts sur les systèmes d’information. Pour le moment, nous constatons davantage une amélioration de la couverture, de la qualité ou de certaines pratiques de développement qu’une baisse directe du nombre de personnes nécessaires sur les projets.
L’IA permet effectivement de produire davantage, mais cela signifie aussi qu’il faut maintenir davantage de code, gérer davantage d’éléments et parfois corriger plus de bugs. Les modèles de gouvernance doivent donc évoluer en parallèle. Nous voyons d’ailleurs certains grands groupes américains revenir partiellement sur certaines réductions d’effectifs très rapides réalisées au début des projets IA.
Pourquoi les sujets de gouvernance deviennent-ils aussi importants ?
Parce que les usages individuels progressent beaucoup plus vite que les capacités d’organisation des entreprises. Aujourd’hui, beaucoup de collaborateurs utilisent déjà des assistants IA au quotidien. Le problème commence lorsque les entreprises veulent passer à des usages collectifs ou à l’échelle de plusieurs équipes.
« Les usages individuels avancent plus vite que l’organisation des entreprises. »
Les approches agentiques illustrent bien ce sujet. Les entreprises veulent désormais des agents capables d’agir directement dans les outils métiers, les plateformes collaboratives ou les environnements techniques. Mais cela pose immédiatement des questions de gouvernance, de droits d’accès et de cloisonnement des données.
Un collaborateur peut connecter un assistant IA à sa messagerie ou à certains outils internes, mais cela ne signifie pas que les autres équipes doivent accéder aux mêmes informations. Le véritable sujet devient donc la capacité à faire travailler ces outils à l’échelle de l’entreprise tout en conservant des règles de sécurité cohérentes.
Pourquoi les enjeux cyber sont-ils systématiquement associés aux projets IA ?
Dès qu’une entreprise travaille sur l’IA, les sujets cyber arrivent très rapidement dans les discussions. Cela commence par des sujets assez classiques : où sont stockées les données, quels outils sont utilisés, quels accès sont ouverts ou quelles informations peuvent être injectées dans certains services.
Mais les inquiétudes portent aussi sur les usages offensifs de ces technologies. Les outils IA permettent aujourd’hui d’automatiser énormément de choses, y compris côté attaque. Les entreprises n’ont plus réellement le choix. Même sans déployer massivement de projets IA, elles doivent désormais être capables de détecter et de comprendre des attaques de plus en plus automatisées.
Nous voyons donc la cybersécurité devenir un sujet totalement transverse dans les projets IA. Les discussions ne portent plus uniquement sur les usages ou les gains potentiels, mais aussi sur la capacité des organisations à encadrer correctement ces nouveaux outils.
