ETI : passer de l’expérimentation à l’IA en production
Beaucoup d’essais, peu d’agents en service : pourquoi les projets IA des ETI calent après la preuve de concept, et les cinq conditions pour passer en production.
Dans beaucoup d’ETI, l’IA est entrée par des essais : une preuve de concept ici, un assistant là. Les démonstrations convainquent, puis rien ne passe en production. Le phénomène est connu, et il n’est pas technique. Voici pourquoi les projets calent, et comment les faire aboutir.
Pourquoi les essais calent
- Le cas d’usage a été choisi parce qu’il était démontrable, pas parce qu’il était rentable.
- Aucun indicateur n’a été convenu avant l’essai : on ne sait pas dire si c’est un succès.
- Les données de l’essai étaient choisies : en conditions réelles, les exceptions arrivent.
- Personne n’est responsable de la suite : qui maintient, qui valide, qui paie le fonctionnement ?
- Les règles ne sont pas écrites : accès, validation humaine, lieu de traitement des données — chaque direction pose ses questions, et le projet attend.
Les cinq conditions pour passer en production
1. Choisir le processus pour sa valeur mesurée
Le temps passé, le délai de traitement, le volume : chiffrés avant de choisir. Un Audit métiers classe les processus selon leur valeur et leur faisabilité, sur vos données réelles.
2. Convenir des indicateurs avant l’essai
Deux indicateurs au plus, avec leur point de départ mesuré. C’est ce qui transforme une démonstration en décision.
3. Vérifier sur des cas réels, exceptions comprises
Pas sur un échantillon flatteur : sur 15 à 30 cas réels pour un processus, avec les règles de passage à une personne quand l’agent ne sait pas.
4. Écrire la gouvernance une fois, pour tous les agents
Qui décide quoi, quelles actions sont validées par une personne, quels accès, quelles traces, où sont traitées les données. Écrites une fois, ces règles évitent de rouvrir le débat à chaque projet. Voir Gouvernance.
5. Organiser l’après-livraison
Un agent relié à vos outils vit avec eux. Il faut un référent côté métier, une surveillance régulière, et un budget de fonctionnement prévu. Voir Pourquoi un agent IA doit être supervisé dans la durée.
Quand plusieurs agents arrivent
Le deuxième et le troisième agent posent une nouvelle question : la cohérence. Les mêmes règles, le même vocabulaire, une mémoire partagée — sans quoi chaque agent répond à sa manière. C’est le sujet de Faire travailler plusieurs agents IA ensemble et du Cerveau entreprise, qui reste facultatif.
Un ordre de marche réaliste
- Un processus choisi pour sa valeur, mesuré, en service en quelques semaines.
- Un deuxième processus dans le même domaine.
- Le domaine entier, avec sa connaissance écrite pour les agents : les Agents métiers.
- Des règles et une mémoire communes, si plusieurs domaines sont concernés.
Chaque étape se décide sur le résultat de la précédente.
Questions fréquentes
Pourquoi tant de preuves de concept ne vont-elles pas en production ?
Parce qu’elles prouvent que c’est possible, pas que c’est utile. Sans indicateur convenu, sans cas réels et sans responsable désigné pour la suite, le projet reste une démonstration.
Faut-il une plateforme IA commune avant de déployer des agents ?
Pas nécessairement. Mieux vaut des règles communes — accès, validation, traces, lieu de traitement des données — que l’on applique à chaque agent, et une mémoire partagée quand plusieurs agents doivent travailler ensemble.
Combien de temps pour un premier agent en production ?
Pour un processus bien choisi, environ trois semaines du cadrage à la mise en service. Les délais longs viennent rarement de la technique : ils viennent des accès, des arbitrages et des validations.