Niveau de préparation à l'IA : Transformer l'ambition en architecture

Tout le monde souhaite intégrer l’IA. La plupart des organisations affirment déjà en faire l'objet. Mais vouloir et être prêt relèvent de deux réalités très différentes. Notre dernière étude clarifie la situation en évaluant honnêtement la position réelle des organisations. Spoiler : beaucoup ne sont pas aussi préparées qu’elles le croient.

Nous avons conçu un indice composite de préparation à l’IA en normalisant six indicateurs, depuis le stade de déploiement jusqu’à la diversité des modèles, puis avons classé les répondants par niveaux. Seuls 2 % atteignent le niveau « très prêt ». Vingt et un pour cent viennent juste de démarrer. Et la grande majorité ? Bloquée au milieu. 

Cela ne me surprend pas, et cela ne devrait pas vous surprendre non plus. La moitié de l’indice repose sur l’adoption de capacités d’IA spécifiques—IA générative, agents IA, et IA agentique. Il n’est pas étonnant que seulement 2 % exploitent les trois simultanément, puisque l’IA agentique est encore en pleine évolution.

Oups ! Nous avons une autre nouveauté.

Le changement s'opère à une vitesse incroyable.

Constater que la plupart sont moyennement prêts est une excellente nouvelle, car cela montre qu’ils progressent à un rythme adapté. Ils font évoluer leurs pratiques, leur infrastructure et leur utilisation de l’IA dans les cas d’usage métier de façon mesurée et pertinente. 

Soixante-dix-sept pour cent des organisations appartiennent à ce niveau. Vous avez dépassé l’euphorie, vous êtes profondément engagés dans l’expérimentation et vous cherchez à concrétiser ces efforts. Vous avez commencé à poser les bases, mais la progression ne s’accélère pas encore.

La plupart ont déjà lancé un projet GenAI. Certains ont déployé des agents opérationnels. Quelques-uns cherchent encore à comprendre ce que signifie « agir » avec une IA agentique. Et même s’ils ont commencé à utiliser plusieurs types d’applications, leur empreinte IA reste encore limitée. Imaginez : une quinzaine de cas d’usage, un tiers des applications concernées, et deux modèles en jeu, généralement un payant et un logiciel libre. Ce n’est pas négligeable. Mais ce n’est pas suffisant.

Pourquoi est-ce important ? Parce que moins de diversité dans les types de modèles réduit la flexibilité. Un seul modèle ne peut pas gérer toutes les charges de travail. Vous avez besoin d’options. Il en va de même pour les applications : Limiter l’IA à un chatbot ou un assistant interne ne transformera pas votre organisation. Vous avez besoin à la fois de profondeur et de répartition.

Sécurité ? Vous êtes encore en train de courir après le train. L’intégration entre les équipes d’IA et de sécurité reste irrégulière. Les pare-feu arrivent, mais ils sont encore principalement à l’état de projet. Protection des données ? Vous avez une mise en œuvre ponctuelle en ligne, une tokenisation par-ci par-là, mais pas assez de rigueur infrastructurelle pour que ce soit systématique.

Si vous pensez pouvoir improviser jusqu’au succès avec du ruban adhésif et des souhaits, attendez de voir. Un système de sécurité fragile coûte bien plus qu’une mauvaise publicité : il entraîne des sanctions réglementaires, une perte de confiance et expose de plus en plus à un risque vital.

Et il y a aussi les données elles-mêmes. Seules 21 % de ces organisations appliquent des pratiques formelles et systématiques d’étiquetage des données. C’est comme construire une voiture de Formule 1 et y mettre de l’eau d’étang. Vous pouvez le faire, mais vous n’irez pas bien loin.

Il peut sembler inhabituel que ceux qui se concentrent traditionnellement sur les réseaux et les applications se soucient des données, mais en réalité, l’IA ne vaut que par la qualité de ses données, et celles-ci explosent en volume. Après tout, l’adage « garbage in, garbage out » reste valable, notamment lorsqu’il s’agit d’améliorer quoi que ce soit — applications, infrastructure, sécurité — grâce à l’IA. Votre IA dépend entièrement des données qui la forment. Si vous négligez cette étape, vous n’êtes pas en train de créer de l’intelligence, mais bien de renforcer des erreurs et d’automatiser des choix risqués.

Nous appelons ce niveau « élan sans maîtrise ». Vous avez de l’énergie et une direction claire, mais de nombreuses frictions subsistent. Cela ne vient pas d’un manque de volonté, mais des défis liés à l’échelle, à la coordination et à la dette architecturale.

Parlons maintenant des 21 %. Ce sont des organisations qui cherchent encore comment démarrer ou, pire, qui font semblant de ne pas en avoir besoin. Peut-être qu’elles ont un prototype de chatbot. Peut-être. Pour ces équipes, ce n’est pas une question de vision, mais d’inertie.

Beaucoup évoluent dans des secteurs réglementés ou des environnements hérités où la tolérance au risque est faible et l’architecture fragile. Pourtant, un mouvement se dessine ici aussi. Peu d’organisations ont mis en place des mesures de sécurité dédiées à l’IA comme des pare-feux ou des mécanismes d’application en ligne. La majorité s’appuie sur des contrôles IT de périmètre généraux, qui ne conviennent pas aux cas d’usage de l’IA. Deux tiers confirment piloter ou planifier des projets liés à l’IA. C’est un premier pas. Mais attention à ne pas confondre ambition et mise en œuvre.

Le vrai risque n’est pas de manquer la tendance. Vous ne passerez pas à côté. Le risque est d’être submergé dès son apparition. Sans bases solides sur les données, l’infrastructure, et les équipes, même le meilleur modèle sera inefficace.

Vous voulez franchir un palier ? Alors construisez comme les 2 % :

• Intégrez plusieurs modèles dans votre environnement, qu’ils soient payants ou libres. La flexibilité compte. Un modèle ne convient pas à toutes les tâches.
• Ne vous contentez pas d’avoir des agents ; faites-les vraiment travailler sur des tâches opérationnelles. C’est ainsi que vous passez à l’échelle.
• Allez au-delà des applications isolées en intégrant GenAI à l'ensemble de vos workflows. L’intégration n’est pas un choix ; elle fait passer l'innovation à l’utilité concrète.
• Sécurisez les données dès l’architecture, ne vous limitez pas à la politique. La conformité ne suffit pas à prévenir les brèches, seul un bon design y parvient.
• Surtout, pensez à une conception évolutive dès le départ. Car renforcer la résilience après coup n’est jamais agréable.

Voici la vérité : la préparation n’est pas un produit que vous achetez. Ce n’est pas un service auquel vous vous abonnez. C’est une posture, une organisation, un état d’esprit. Si vous lisez ceci en pensant « Nous sommes assez préparés », ce n’est pas négatif. C’est un vrai jalon. Mais vous n’irez pas plus loin par hasard. Vous devrez agir avec intention, cohérence et un peu d’inconfort.

L’IA ne favorise pas la curiosité. Elle valorise la préparation.

Pour approfondir les données et mieux comprendre le modèle, consultez notre « Rapport sur la stratégie d’application IA 2025 » : « Indice de préparation à l’IA » juste ici.