12 questions à se poser avant de démarrer un projet IA en ETI

Avant toute considération technique : on cadre le pourquoi avec le sponsor métier.

1. 01

   Quel est le problème métier que ce projet doit résoudre, formulé sans utiliser le mot « IA » ?

   Pourquoi : Si vous ne pouvez pas reformuler le besoin en termes purement métier, le projet est une solution qui cherche un problème. Anti-pattern fréquent en 2024-2026.

   Anti-réponse qui doit vous alerter : Réponse type « parce qu'on veut faire de l'IA », « parce que c'est le sujet du moment », ou « parce que le COMEX a demandé ». Ces réponses sont des drapeaux rouges.

2. 02

   Qui est l'utilisateur final attendu, et combien de personnes vont utiliser le système quotidiennement ?

   Pourquoi : Volumétrie et profil utilisateur déterminent l'architecture, le budget, et les exigences de gouvernance. Un POC à 5 utilisateurs et un système à 500 ne sont pas le même projet.

   Anti-réponse qui doit vous alerter : Réponse type « tous les collaborateurs », « toute l'entreprise », sans segmentation par cas d'usage. Indique un cadrage non fait.

3. 03

   Pourquoi maintenant ? Qu'est-ce qui change si vous démarrez dans douze mois plutôt qu'aujourd'hui ?

   Pourquoi : L'urgence réelle conditionne le go ou no-go. Souvent, ce qui est présenté comme urgent ne l'est pas. Réciproquement, ce qui n'est pas urgent aujourd'hui peut le devenir en six mois pour des raisons réglementaires (AI Act) ou compétitives.

   Anti-réponse qui doit vous alerter : Aucune réponse claire à cette question, ou réponse uniquement par peur de la concurrence sans bénéfice mesurable identifié.

Toute solution IA repose sur des données. Avant de coder, on sait ce qu'on a et ce qu'on n'a pas.

1. 04

   Quelles sources de données ce projet doit-il interroger, et à qui appartiennent-elles dans votre organisation ?

   Pourquoi : L'inventaire des sources et la cartographie des propriétaires de données conditionnent les autorisations à obtenir, les ACL à câbler, les contrats DPA à mettre à jour.

   Anti-réponse qui doit vous alerter : Réponse vague, ou « toutes les données de l'entreprise ». Indique qu'aucune cartographie n'a été faite.

2. 05

   Quelle est la qualité actuelle de ces sources : sont-elles à jour, structurées, lisibles, dédupliquées ?

   Pourquoi : La qualité des données est le plafond de qualité du système IA. Aucun modèle ne corrige un PDF mal scanné, des SharePoint incohérents, ou des bases métier avec 30 pourcent de doublons.

   Anti-réponse qui doit vous alerter : Réponse type « on verra à l'usage », ou « ça suffira pour démarrer ». Risque élevé de POC qui marche puis explose en prod.

3. 06

   Quel est le niveau de sensibilité de chaque source : publique, interne, confidentielle, ou secrète ?

   Pourquoi : La classification conditionne les obligations RGPD, les exigences de contrôle d'accès, et le choix d'hébergement (cloud public vs souverain).

   Anti-réponse qui doit vous alerter : Aucune classification documentée. Indique que le sujet n'a pas été remonté au DPO ou au RSSI.

Périmètre technique réaliste : ce qui existe déjà, ce qu'il faut intégrer, ce qui contraint.

1. 07

   Quelle stack technique est déjà en place chez vous, et avec quels systèmes la solution IA devra-t-elle s'intégrer ?

   Pourquoi : Un projet IA isolé sert rarement à quelque chose. Les intégrations (CRM, ERP, SharePoint, base métier, Active Directory) représentent souvent 60 pourcent de l'effort réel de mise en production.

   Anti-réponse qui doit vous alerter : Réponse « on verra au moment du déploiement ». Garantit des surprises en mois 4.

2. 08

   Quelle latence est acceptable du point de vue utilisateur, en secondes ?

   Pourquoi : La latence cible (P50, P95) détermine le choix de modèle, l'architecture de cache, et le besoin d'inference self-hosted. Une réponse en 2 secondes et une en 12 secondes ne se conçoivent pas pareil.

   Anti-réponse qui doit vous alerter : Pas de cible chiffrée. Risque que la latence devienne le sujet en pilote, quand il est trop tard pour changer l'architecture.

3. 09

   Quel budget mensuel d'inférence LLM est validé pour le passage en production, et qui le paie ?

   Pourquoi : Le coût d'inférence d'un LLM en production peut passer de 50 euros par mois en POC à 5 000 euros par mois en pilote 200 utilisateurs. La validation du budget cible doit précéder le choix de modèle.

   Anti-réponse qui doit vous alerter : Pas de budget identifié, ou budget « on optimisera plus tard ». Quasi-systématique chez les projets qui meurent au comité financier en mois 6.

Les projets IA ne meurent presque jamais sur la technique. Ils meurent sur la gouvernance.

1. 10

   Qui est le sponsor de ce projet au COMEX ou en comité de direction ?

   Pourquoi : Sans sponsor exécutif identifié, un projet IA n'a pas de poids face aux objections (DPO qui freine, comité d'éthique, RSSI qui bloque). Le sponsor exerce un rôle d'arbitre quand ces objections remontent, au-delà d'une simple signature en COMEX de lancement.

   Anti-réponse qui doit vous alerter : Aucun sponsor explicite, ou sponsor « par défaut » qui n'est pas au courant du niveau d'engagement demandé.

2. 11

   Quel comité validera la mise en production, et selon quels critères chiffrables ?

   Pourquoi : Sans critères de mise en production définis à l'avance, vous découvrirez les exigences le jour du go-live. Les comités d'éthique IA, de sécurité, et de conformité ont chacun leurs grilles.

   Anti-réponse qui doit vous alerter : « On verra avec le comité quand on y sera ». Pratiquement garantie de blocage à six semaines du déploiement.

3. 12

   Quelles obligations réglementaires s'appliquent à ce système : AI Act, RGPD, cadres sectoriels (ACPR, HAS, HDS, NIS2) ?

   Pourquoi : L'AI Act classe les systèmes IA par niveau de risque, avec des obligations qui varient considérablement. Un système ressources humaines, un scoring crédit ou un chatbot grand public n'ont pas les mêmes exigences. Identifier le régime applicable conditionne la documentation à produire et les audits à prévoir.

   Anti-réponse qui doit vous alerter : « On n'est pas concerné ». La majorité des systèmes IA en entreprise relève d'au moins un cadre réglementaire applicable.