Une évaluation de préparation à l'IA est une démarche structurée, généralement de deux à six semaines, qui vérifie si les données, les systèmes, les gens et les processus d'une entreprise peuvent soutenir l'IA, et où elle créerait de la valeur en premier. Le résultat : une liste priorisée de cas d'usage notés selon la valeur et la faisabilité, un constat franc sur vos données, et une feuille de route pour les douze prochains mois. Au Canada, une évaluation facilitée par un consultant externe coûte généralement de 10 000 $ à 50 000 $ CA, selon les taux publiés du marché.
Ce prix à cinq chiffres existe pour prévenir une erreur à six chiffres. Une part importante des projets d'IA échouent non pas parce que la technologie ne fonctionne pas, mais parce que les données de l'entreprise ne pouvaient pas l'alimenter, parce que le processus autour n'a jamais changé, ou parce que le cas d'usage a été choisi par enthousiasme plutôt que par calcul économique. Une évaluation, c'est la façon de le découvrir pour quelques milliers de dollars au lieu de quelques centaines de milliers. Ce guide couvre ce qu'une vraie évaluation inclut, comment la mener, à quoi le livrable devrait ressembler, et comment repérer celles qui sont des entonnoirs de vente déguisés.
Ce que c'est, et ce que ce n'est pas
Une évaluation de préparation répond à trois questions. Où l'IA pourrait-elle plausiblement créer de la valeur dans cette entreprise précise? Les données, les systèmes et les gens peuvent-ils réellement soutenir ces cas d'usage aujourd'hui? Et dans quel ordre le travail devrait-il se faire? C'est un travail de diagnostic : entrevues, inventaires de systèmes, échantillonnage de données et notation des cas d'usage, fait sur vos opérations plutôt que sur un modèle de maturité générique téléchargé d'internet.
Ce n'est pas un audit de vente pour un outil choisi d'avance. Si la conclusion était écrite avant la première entrevue, vous n'avez pas acheté une évaluation, vous avez assisté à une démo avec des étapes en plus. Ce n'est pas non plus une présentation stratégique sur ce que l'IA signifie pour votre industrie. Le contexte sectoriel compte, mais un livrable qu'on pourrait apposer sur le papier à lettres d'un concurrent sans rien changer ne vous a rien appris. Le test d'une vraie évaluation, c'est la spécificité : elle nomme vos systèmes, cite vos gens, et dit non aux cas d'usage qui ne tiennent pas la route.
Les cinq dimensions qu'une évaluation sérieuse couvre
Les fournisseurs découpent le gâteau différemment, mais une évaluation crédible couvre les mêmes cinq dimensions d'une façon ou d'une autre :
- Les données. Ce que vous avez, où ça se trouve, qui en est responsable, dans quel état c'est, et si elles peuvent légalement et concrètement servir aux cas d'usage envisagés. C'est ici que la plupart des évaluations trouvent les mauvaises nouvelles, et les trouver maintenant, c'est justement le but.
- L'infrastructure et les systèmes. L'ERP, le CRM, le MES ou les outils maison sur lesquels tournent vos opérations, ce avec quoi ils peuvent s'intégrer, et ce qui reste coincé derrière l'API fermée d'un fournisseur ou un serveur sous le bureau de quelqu'un.
- Les gens et les compétences. Qui construirait, opérerait et maintiendrait les systèmes d'IA, quelles compétences existent à l'interne, et comment les gens qui font le travail aujourd'hui perçoivent réellement la perspective. Une résistance découverte à la troisième semaine d'une évaluation coûte moins cher qu'une résistance découverte au sixième mois d'une implémentation.
- Les processus. Comment le travail circule aujourd'hui, où se trouvent les goulots d'étranglement et les transferts manuels, et quels processus sont assez stables pour être automatisés. Automatiser un processus brisé, ça donne un processus brisé plus rapide.
- La gouvernance et le risque. Les obligations de protection des renseignements personnels, les contraintes réglementaires, la posture de sécurité, et qui décide de ce qu'est un résultat d'IA acceptable. Des cadres comme le AI Risk Management Framework du NIST structurent cette dimension sans exiger un département de conformité d'entreprise.
Comment la mener, étape par étape
Que vous la meniez à l'interne ou avec de l'aide externe, la séquence reste la même. Et l'ordre compte : les entreprises qui partent de la technologie pour remonter vers un dossier d'affaires produisent souvent des pilotes impressionnants que personne n'a demandés.
- Définissez d'abord les objectifs d'affaires. Avant que quiconque prononce le mot modèle, écrivez les deux ou trois résultats d'affaires qui comptent cette année : la marge, la cadence, le temps de réponse aux clients, ce qui fait bouger vos chiffres. Chaque cas d'usage sera jugé contre ces objectifs, et tout ce qui ne s'y rattache pas est mis de côté.
- Inventoriez les données et les systèmes. Listez les systèmes sur lesquels tournent vos opérations, les données que chacun contient, comment on y accède, et leur fiabilité. Tirez de vrais échantillons. Un champ qui existe dans le schéma mais qui est vide en pratique, c'est un constat qui vaut la peine d'être écrit.
- Interviewez les gens qui font le travail. Pas seulement les dirigeants. Le répartiteur, l'estimateur, la responsable du service à la clientèle. Ce sont eux qui savent où vivent la double saisie, les contournements et le savoir tribal, et c'est là que se cachent habituellement les meilleurs cas d'usage.
- Notez les cas d'usage selon la valeur et la faisabilité. Placez chaque candidat sur deux axes : la valeur d'affaires si ça fonctionne, et la faisabilité compte tenu des données, des systèmes et des compétences que vous avez réellement. Haute valeur et haute faisabilité passent en premier. Haute valeur et faible faisabilité vont sur la feuille de route avec les écarts nommés. Tout le reste attend.
- Livrez une feuille de route avec des gains rapides. Séquencez les meilleurs cas d'usage sur douze mois, nommez les écarts de données et de compétences à combler, et incluez un ou deux gains rapides livrables en quelques semaines. Des résultats visibles tôt achètent la patience dont les plus gros projets auront besoin.
À quoi ressemble un bon livrable
Le livrable, c'est ce que vous payez, alors soyez précis à son sujet avant de signer. Un bon livrable tient dans un document que votre équipe de direction lira vraiment, et il contient des décisions, pas seulement des observations :
- Une liste priorisée de cas d'usage, notés selon la valeur et la faisabilité, avec le raisonnement à l'appui. Y compris ceux qui ont été considérés puis rejetés, et pourquoi.
- Une liste des écarts de données : les jeux de données dont chaque cas d'usage prioritaire a besoin, leur état actuel, et ce que combler chaque écart coûte en temps et en effort.
- Des décisions construire ou acheter pour les cas d'usage prioritaires. La plupart des cas d'usage de PME sont mieux servis par la configuration d'outils éprouvés que par du développement sur mesure, et une évaluation honnête le dit même quand l'évaluateur vend du développement.
- Une feuille de route de douze mois avec le séquencement, les dépendances, des fourchettes de coûts approximatives, et les programmes de financement auxquels chaque phase pourrait être admissible.
- Des gains rapides nommés : un ou deux éléments livrables en quelques semaines, avec un responsable et une métrique de succès attachés.
Remarquez ce qui n'est pas sur cette liste : un score de maturité. Un graphique en araignée qui vous annonce un 2,3 sur 5 en maturité IA fait une belle décoration, mais il ne dit à personne quoi faire lundi matin. Si la pièce maîtresse du livrable est une comparaison avec un groupe de pairs anonymes, vous avez acheté une affiche.
À l'interne ou facilitée : laquelle vous convient
Vous pouvez mener une évaluation à l'interne, et pour certaines entreprises c'est le bon choix. La comparaison honnête ressemble à ceci :
| Facteur | Auto-évaluation interne | Évaluation externe facilitée |
|---|---|---|
| Coût | Surtout du temps d'employés, souvent sous-estimé | 10 000 $ – 50 000 $ CA aux taux publiés du marché |
| Durée | 6 à 12 semaines à temps partiel, en concurrence avec le travail courant | 2 à 6 semaines, à pleine attention |
| Objectivité | Difficile. Chaque département milite pour son projet favori | Plus facile de dire non, plus facile de livrer les mauvaises nouvelles à la direction |
| Angles morts | Vous ne savez pas à quoi ressemblent les problèmes de données des autres entreprises | Reconnaissance de schémas issue des projets passés, mais il faut du temps pour apprendre votre entreprise |
| Quand c'est le bon choix | Vous avez l'expertise en données ou en IA à l'interne et un commanditaire de direction qui a du temps | Première initiative IA sérieuse, pas d'expertise à l'interne, ou politique interne autour du choix des cas d'usage |
Une voie mitoyenne fonctionne bien pour beaucoup de PME : un responsable interne mène l'inventaire et les entrevues, un consultant externe conçoit le cadre, met les constats à l'épreuve et note les cas d'usage.
Le plus fort argument pour l'aide externe, ce n'est pas l'expertise, c'est la permission. Un évaluateur externe peut écrire que les données du CRM sont inutilisables ou que le projet chouchou du gestionnaire le plus senior ne passe pas la barre. Les équipes internes savent ces choses aussi. Elles ne peuvent juste pas toujours les écrire dans un document qui porte leur nom.
Les signaux d'alarme dans les offres d'évaluation
Le marché de l'évaluation a sa part d'appâts. Trois schémas méritent qu'on s'en éloigne :
- Les évaluations gratuites qui mènent au produit d'un seul fournisseur. Si l'évaluation ne coûte rien et que l'évaluateur vend une plateforme, la conclusion était tirée avant votre signature. Une vraie évaluation coûte de l'argent précisément parce qu'elle a le droit de vous décevoir.
- Les évaluations de plus de huit semaines. Au-delà, vous financez de la paralysie d'analyse, ou une phase de découverte facturée au prix d'un mandat stratégique. Deux à six semaines suffisent pour une entreprise de taille moyenne. Si un fournisseur propose quatre mois, demandez ce qu'il fait au troisième.
- Les livrables qui ne sont que des présentations. Si le livrable type contient des statistiques sectorielles et des quadrants de maturité, mais aucune trace que quelqu'un a interrogé une base de données, vous achetez une présentation, pas une évaluation. Demandez à voir une liste d'écarts de données caviardée d'un mandat passé. Un fournisseur qui n'en a jamais produit ne pourra pas vous en montrer.