Ce qu'il faut retenir
- Cette grille se remplit en une heure, à cinq ou six personnes. Elle comporte 5 axes et 20 sous-critères, chacun noté de 0 à 4, soit un score total sur 80. Elle est reproduite intégralement ci-dessous, avec la description de chaque niveau.
- La règle de notation compte plus que la note elle-même. Un niveau n'est acquis que s'il est répétable et documenté. Une initiative isolée, portée par une seule personne, vaut 1 — pas 3.
- C'est votre axe le plus faible qui commande, pas votre moyenne. Une entreprise à 3 sur quatre axes et à 1 sur la qualité des données ne peut pas lancer le cas d'usage que son score moyen laisserait espérer.
- Les données restent le point de blocage le plus concret. Selon l'Insee, 29 % des entreprises françaises n'utilisant pas l'IA invoquent des difficultés liées aux données nécessaires — 49 % chez celles de 250 salariés ou plus. Et si 75 % des TPE-PME exploitent des données pour piloter leur activité, seules 30 % construisent des tableaux de bord transverses.
- Un score bas n'interdit pas de démarrer. Il change le premier cas d'usage à choisir. Et le Diag Data IA de Bpifrance, financé par France 2030, prend en charge 40 % d'un diagnostic accompagné, ramenant son coût de 10 000 € HT à 6 000 € HT.
Pourquoi s'auto-évaluer avant d'engager un budget IA ?
En 2025, 18 % des entreprises françaises de 10 salariés ou plus déclarent utiliser au moins une technologie d'intelligence artificielle, contre 10 % un an plus tôt, selon l'Insee. La moyenne de l'Union européenne s'établit à 20 % d'après Eurostat. Du côté des TPE et PME, le baromètre France Num 2025, conduit auprès de 11 021 entreprises, mesure 26 % d'utilisatrices de solutions d'IA — un taux qui a doublé en un an.
Ces chiffres décrivent un usage, pas une maturité. Utiliser un assistant génératif pour rédiger des courriers n'engage rien : ni les données de l'entreprise, ni ses processus, ni son organisation. La difficulté commence au moment où l'on veut faire produire de la valeur à ses propres données. C'est là que les écarts apparaissent : parmi les entreprises qui utilisent déjà l'IA, 53 % se déclarent freinées par un manque d'expertise, 43 % par des inquiétudes sur la protection des données et 42 % par un manque de clarté juridique.
L'auto-évaluation ne remplace pas un diagnostic conduit de l'extérieur — nous revenons plus bas sur ses limites, et nous expliquons ailleurs pourquoi la maturité conditionne le choix des cas d'usage. Mais elle a un mérite immédiat : elle coûte une heure et elle vous dit, avant tout engagement, sur quel axe votre prochain projet risque de s'arrêter.
Comment utiliser cette grille de maturité data et IA ?
Trois règles de méthode conditionnent la qualité du résultat.
Ne remplissez pas la grille seul. Réunissez au minimum la direction générale, le responsable IT ou informatique, un responsable métier (production, commerce ou finance selon votre activité) et la personne qui produit aujourd'hui les tableaux de bord. Chacun note de son côté, puis les notes sont comparées. L'écart entre deux notes sur le même critère est une information à part entière : il révèle presque toujours un problème de circulation de l'information entre directions.
Notez ce qui existe, pas ce qui est prévu. Un projet de cartographie des données lancé le mois dernier ne vaut pas une cartographie tenue à jour depuis deux ans. Un plan de formation validé mais non exécuté vaut 0.
Appliquez la même échelle aux vingt critères.
| Note | Ce qu'elle signifie concrètement |
|---|---|
| 0 | Le sujet n'est pas identifié dans l'entreprise. Personne n'en est responsable. |
| 1 | Initiatives isolées, non documentées, dépendantes d'une personne. Rien ne survit à son départ. |
| 2 | Pratique établie sur un périmètre (un service, une filiale, un système), sans caractère transverse. |
| 3 | Pratique transverse, outillée, documentée, avec un responsable identifié. |
| 4 | Pratique pilotée par des indicateurs, revue périodiquement et améliorée en continu. |
Le score de 2 est le plus fréquent et le plus mal interprété. Il ne signifie pas « moyen » : il signifie « ça marche quelque part, et nulle part ailleurs ». C'est le score typique d'une entreprise qui a des données, des outils et des intentions, mais aucun mécanisme transverse.
Axe 1 — Vision : votre direction sait-elle ce qu'elle attend de la data ?
Cet axe mesure l'existence d'une intention explicite et pilotée, distincte des envies individuelles.
| Sous-critère | Niveau 0-1 | Niveau 2 | Niveau 3-4 |
|---|---|---|---|
| Identification et mise en œuvre des cas d'usage Data/IA | Aucun cas d'usage formalisé, ou idées éparses jamais instruites | Une liste existe, quelques cas lancés sans arbitrage explicite | Portefeuille de cas d'usage instruits, arbitrés et suivis dans le temps |
| Contribution de la Data/IA à la stratégie | Sujet absent du plan stratégique | Mentionné dans le plan, sans objectif chiffré ni budget dédié | Objectifs data chiffrés, budgétés et rattachés aux priorités de l'entreprise |
| Communication des ambitions Data/IA en interne | Aucune communication ; le sujet circule par rumeur | Communication ponctuelle lors du lancement d'un projet | Ambitions expliquées régulièrement, déclinées par direction |
| Gouvernance projet Data/IA (pilotage, priorisation, éthique) | Aucune instance ; les projets démarrent au fil de l'eau | Un comité existe mais se réunit irrégulièrement, sans critère de priorisation écrit | Instance régulière, critères de priorisation écrits, règles d'usage et de conformité formalisées |
| Implication des métiers autour de la Data | Les métiers subissent les projets, portés par l'IT ou un prestataire | Des référents métier existent sur certains projets | Les métiers sont commanditaires : ils expriment le besoin et valident la valeur produite |
Sur le sous-critère de gouvernance, un repère simple : le baromètre France Num relève que seules 41 % des TPE-PME tiennent un registre des activités de traitement, pourtant obligatoire dès qu'il y a traitement de données personnelles. La CNIL a par ailleurs publié en février 2025 des recommandations dédiées à l'application du RGPD aux systèmes d'IA. Si ces deux éléments ne sont couverts par personne chez vous, ce sous-critère ne dépasse pas 1.
Axe 2 — Structuration et qualité des données : vos données sont-elles exploitables en l'état ?
C'est l'axe qui décide de la faisabilité réelle. Il est aussi celui que les auto-évaluations surestiment le plus.
| Sous-critère | Niveau 0-1 | Niveau 2 | Niveau 3-4 |
|---|---|---|---|
| Degré de structuration des données | Données dispersées en fichiers bureautiques et boîtes mail, doubles saisies fréquentes | Données structurées dans les systèmes de gestion, mais silotées par application | Référentiels partagés, identifiants communs entre systèmes, historiques conservés |
| Identification, qualification et cartographie des données et des KPIs | Personne ne sait dire où se trouve une donnée donnée ni qui en répond | Cartographie partielle, souvent limitée au périmètre comptable ou commercial | Cartographie tenue à jour, propriétaire désigné par domaine, définitions de KPIs partagées |
| Niveau de qualité des données pour les cas d'usage | Qualité inconnue, jamais mesurée | Qualité connue empiriquement, corrigée au cas par cas lors des projets | Qualité mesurée par des indicateurs (complétude, doublons, fraîcheur), suivie dans le temps |
| Initiatives de mise en qualité | Aucune ; on nettoie quand un problème remonte | Chantiers ponctuels lors des migrations ou des projets | Processus de mise en qualité continu, intégré aux opérations quotidiennes |
Le baromètre France Num donne la mesure du chemin : 75 % des TPE-PME exploitent leurs données pour piloter leur activité, mais essentiellement des données comptables et financières (64 %) et clients-ventes (53 %). Les tableaux de bord transverses ne concernent que 30 % d'entre elles, et les données de production 21 %. Autrement dit, la donnée la plus disponible n'est presque jamais celle qui porte le cas d'usage à plus forte valeur.
Axe 3 — Outils : votre socle technique supporte-t-il un cas d'usage IA ?
| Sous-critère | Niveau 0-1 | Niveau 2 | Niveau 3-4 |
|---|---|---|---|
| Outils et plateformes de collecte de données | Collecte manuelle, ressaisies, exports ponctuels | Collecte automatisée sur les périmètres principaux, exports manuels ailleurs | Collecte automatisée et documentée, avec API ou flux entre les systèmes clés |
| Base technologique pour préparer, explorer et traiter les données | Tableur uniquement | Outils de reporting en place, préparation des données manuelle | Environnement de préparation et d'analyse partagé, traitements reproductibles |
| Compétences de la fonction IT sur la Data | L'IT gère le parc et les applications, pas la donnée | Une personne sait extraire et croiser des données, sans temps dédié | Compétences data identifiées dans l'IT, avec du temps affecté et un référent nommé |
| Supports fournis sur les projets Data par l'IT | Chaque demande est traitée comme une exception | L'IT intervient à la demande, sans engagement de délai | L'IT propose un accompagnement cadré : accès, environnements, sécurité, délais annoncés |
L'Insee apporte ici une précision utile : 80 % des entreprises utilisatrices d'IA achètent des logiciels ou systèmes prêts à l'emploi, et 73 % recourent à des services payants de cloud computing, contre 33 % chez les non-utilisatrices. La capacité à intégrer un service externe à son socle existant compte donc autant que la capacité à développer. C'est aussi à cet endroit que se pose la question de la localisation et de la maîtrise de vos données, avant l'achat et non après.
Axe 4 — Ressources et compétences : qui fait vivre la donnée au quotidien ?
| Sous-critère | Niveau 0-1 | Niveau 2 | Niveau 3-4 |
|---|---|---|---|
| Initiatives de formation et d'acculturation sur la Data | Aucune formation ; chacun se débrouille | Formations ponctuelles sur un outil, sans plan d'ensemble | Plan de formation par population (direction, métiers, IT), avec suivi de la montée en compétence |
| Échange des données entre directions et accès transversal | Chaque direction garde ses fichiers ; l'échange passe par des demandes informelles | Échanges organisés entre deux ou trois directions | Accès transverse cadré par des règles de partage et d'habilitation |
| Degré de structuration de la fonction Data | Aucun rôle identifié | Un contributeur informel, en plus de son poste | Rôle formalisé (référent, analyste, responsable data), avec fiche de poste et rattachement clair |
| Plan de renforcement de profils Data | Aucun besoin exprimé | Besoin identifié, non budgété | Plan de recrutement ou de montée en compétence budgété et engagé |
Le même baromètre indique que 55 % des TPE-PME disposent de compétences numériques internes (+9 points en un an), mais que seules 20 % ont fait suivre une formation numérique à un collaborateur dans l'année, et que 55 % citent le manque de temps comme premier frein à la formation. Le manque de temps est un problème d'arbitrage, pas de budget : c'est pour cette raison que ce sous-critère se note à partir des heures réellement passées, pas des intentions. Nous traitons ce point dans nos formations à l'IA en entreprise, qui sont conçues pour être suivies sans arrêter la production.
Axe 5 — Démarche cas d'usage par la valeur : savez-vous ce qu'un cas d'usage rapporte ?
| Sous-critère | Niveau 0-1 | Niveau 2 | Niveau 3-4 |
|---|---|---|---|
| Degré de qualification des cas d'usage identifiés | Idées non instruites, décrites en une phrase | Cas d'usage décrits mais évalués au jugement, sans grille commune | Chaque cas d'usage est noté sur valeur, faisabilité technique, faisabilité organisationnelle et risque |
| Identification des KPIs de suivi de création de valeur | Aucun indicateur de valeur défini | Indicateurs définis après coup, une fois le projet livré | Indicateurs de valeur définis avant le lancement, mesurés avant et après |
| Définition du process et de l'organisation de mise en œuvre | Chaque projet réinvente son mode de fonctionnement | Un mode de fonctionnement existe pour les projets IT, non adapté aux projets data | Processus formalisé : commanditaire métier, jalons, critères d'arrêt, passage en production |
Ce dernier axe est le plus souvent noté 0 ou 1, y compris dans des entreprises solides sur les quatre autres. C'est aussi celui qui explique le mieux pourquoi un prototype réussi ne devient jamais un outil utilisé : le critère d'arrêt et le passage en production n'avaient été définis par personne.
Comment lire votre score total sur 80 ?
Additionnez les vingt notes. Puis relevez votre note d'axe la plus basse — elle pèse davantage que le total.
| Score total | Profil | Ce que cela veut dire | Ce qu'il faut faire en premier |
|---|---|---|---|
| 0 à 20 | Exploration | Les données existent mais ne sont pas gouvernées. Aucun rôle, aucune instance. | Nommer un responsable, cartographier un seul domaine de données, viser un cas d'usage sans dépendance à la qualité des données |
| 21 à 40 | Initiation | Des initiatives réelles, portées par des individus, non transverses. | Choisir un cas d'usage à périmètre étroit, avec un commanditaire métier et un indicateur de valeur défini avant le lancement |
| 41 à 60 | Consolidation | Socle utilisable, transversalité incomplète. Le profil le plus fréquent. | Traiter l'axe le plus faible en parallèle du premier déploiement, et non après |
| 61 à 80 | Industrialisation | Les conditions d'un passage à l'échelle sont réunies. | Passer d'un cas d'usage à un portefeuille, avec un budget récurrent et une mesure de valeur consolidée |
Une règle simple s'ajoute au total : si un axe obtient moins de la moitié de son maximum, il devient la priorité, quel que soit le score global — soit moins de 10 points sur l'axe 1 (5 sous-critères), moins de 8 sur les axes 2, 3 et 4 (4 sous-critères) et moins de 6 sur l'axe 5 (3 sous-critères). Un socle technique excellent ne compense pas une absence de commanditaire métier, et une gouvernance exemplaire ne compense pas des données que personne ne sait cartographier.
Quel impact concret pour une PME ou une ETI ?
Le premier effet est budgétaire. La grille déplace la question « combien coûte un projet IA ? » vers « qu'est-ce que mon organisation est en état d'absorber cette année ? ». Une entreprise en profil Initiation qui engage un projet dimensionné pour un profil Industrialisation ne perd pas seulement de l'argent : elle perd la confiance de ses équipes, ce qui se répare plus lentement.
Le deuxième porte sur la séquence. En profils Exploration et Initiation, le bon premier investissement est rarement un modèle : c'est un outil qui remet de l'ordre dans un flux existant — saisie, contrôle, circulation d'une information entre deux services. Nous livrons ce type de logiciel métier sur mesure en production en quatre semaines, à partir de 20 000 € HT, puis en abonnement mensuel. En profils Consolidation et Industrialisation, l'enjeu se déplace vers la qualification d'un portefeuille et la mesure de la valeur, ce que nous instruisons dans un cadrage de stratégie data et IA.
Le troisième est financier. Le Diag Data IA opéré par Bpifrance dans le cadre du plan « Osez l'IA » et financé par France 2030 prend la forme d'une prestation de 8 jours-hommes dont l'objectif premier est d'évaluer le niveau de maturité avant de sélectionner les cas d'usage. La prise en charge de 40 % ramène son coût de 10 000 € HT à 6 000 € HT ; 2 000 accompagnements sont cofinancés sur 2026-2027, pour les PME et ETI de 10 à 2 000 salariés immatriculées au RCS en France. Votre auto-évaluation ne remplace pas ce diagnostic : elle vous permet d'y entrer avec des questions précises. Et quand un cas d'usage est retenu, il reste à le confronter au réel — c'est l'objet d'un prototype avant industrialisation.
Les limites de l'auto-évaluation
Elles sont réelles et il vaut mieux les connaître avant de se fier au score.
Elle est déclarative. La qualité des données se teste objectivement ; la gouvernance, la communication interne ou l'implication des métiers reposent sur la perception de ceux qui répondent. Une direction qui note sa propre vision se surestime presque systématiquement d'un point. Faire noter plusieurs personnes séparément atténue le biais sans le supprimer.
Elle ne mesure pas la valeur métier. Un score de 70 sur 80 ne vaut rien si les cas d'usage identifiés ne résolvent aucun problème réel. L'axe 5 ramène l'ensemble à cette question, mais il ne peut pas la trancher à votre place.
Elle n'est pas un pronostic. Aucune donnée publique ne permet d'affirmer qu'un score garantit un résultat. Une entreprise en profil Initiation, avec un commanditaire déterminé et un cas d'usage bien choisi, ira plus loin qu'une entreprise en profil Consolidation sans porteur.
Enfin, elle photographie sans expliquer. Un 1 sur l'axe Outils peut résulter d'un sous-investissement subi ou d'une externalisation assumée. Le score est identique, la conclusion opposée. La grille organise la discussion ; elle ne la remplace pas.
Conclusion : un score n'est utile que s'il change la première décision
L'intérêt de cette grille n'est pas de produire un chiffre à mettre dans une présentation. Il est de rendre indiscutable, en une heure et devant les mêmes personnes, l'endroit où votre prochain projet s'arrêtera si rien n'est fait. Dans la plupart des PME et ETI que décrivent les statistiques disponibles, cet endroit n'est ni le modèle ni le fournisseur : c'est la cartographie des données, l'absence de commanditaire métier, ou un indicateur de valeur que personne n'a défini avant de lancer.
Remplissez-la, gardez le résultat, et refaites l'exercice dans douze mois avec les mêmes personnes. L'écart entre les deux photographies vous en apprendra plus sur votre trajectoire que n'importe quel score absolu.
Lire aussi : Diagnostic data et IA : pourquoi la maturité conditionne tout projet
Sources
- Insee — Les technologies de l'information et de la communication dans les entreprises en 2025, Insee Première n° 2120 (21 juillet 2026)
- Eurostat — 20% of EU enterprises use AI technologies (11 décembre 2025)
- France Num (Direction générale des entreprises) — Baromètre France Num 2025 : le numérique et l'intelligence artificielle dans les TPE et PME (15 septembre 2025)
- France Num — Diag Data IA : bénéficiez d'un accompagnement sur-mesure pour exploiter vos données avec l'IA (mis à jour le 25 juin 2026)
- Bpifrance — Diag Data IA, plateforme des diagnostics d'accompagnement (consulté le 13 août 2026)
- CNIL — IA et RGPD : la CNIL publie ses nouvelles recommandations pour accompagner une innovation responsable (7 février 2025)
Sur lequel de ces cinq axes votre entreprise obtiendrait-elle sa note la plus basse aujourd'hui ? Et votre prochain projet en dépend-il directement ? Parlons-en — nous remplissons la grille avec vos équipes, puis nous vous aidons à définir votre stratégie data et IA et à prototyper le premier cas d'usage.
