Conseil IA pour ETI : de l'audit au déploiement à l'échelle

Ce qu'il faut retenir

• Le conseil en IA pour ETI n'est pas le conseil pour PME à plus grande échelle : le défi n'est pas de trouver un cas d'usage, mais de coordonner des dizaines de projets répartis sur plusieurs directions et sites, sans dispersion ni doublons.
• L'audit IA est le point d'entrée de la démarche : il cartographie les processus, évalue la maturité data de l'entreprise et produit une matrice cas d'usage × faisabilité qui hiérarchise les chantiers par valeur et complexité.
• Le pilotage se fait ensuite par portefeuille : au lieu de projets isolés, l'ETI gère un portefeuille de cas d'usage priorisés à l'échelle de l'entreprise, avec un séquençage en vagues de déploiement.
• Le passage à l'échelle est le vrai obstacle : la plupart des ETI réussissent leurs POC mais échouent à les industrialiser. Le conseil doit adresser l'industrialisation, pas seulement l'expérimentation.
• Trois leviers déterminent la réussite : une plateforme data commune, un centre de compétences IA transverse, et une gouvernance qui arbitre entre les demandes des directions.

Pourquoi le conseil en IA change de nature dans une ETI

Dans une PME, la question IA est simple à formuler : quel processus automatiser en premier ? Dans une ETI de plusieurs centaines de salariés, répartie sur plusieurs sites et plusieurs métiers, la question devient : comment déployer l'IA de façon cohérente à travers toute l'organisation ?

Le problème n'est plus de trouver un cas d'usage — il y en a des dizaines, chaque direction a les siens. Le problème est la coordination : éviter que la finance, la production et le commercial lancent trois projets IA redondants, avec trois prestataires différents, sur trois plateformes incompatibles. C'est exactement le type de dispersion qui produit de la dette technique et gaspille les budgets.

Le conseil en intelligence artificielle pour ETI porte donc moins sur la technologie que sur l'orchestration : quels projets, dans quel ordre, avec quelle mutualisation, sous quelle gouvernance. Et cette orchestration commence par une étape que trop d'organisations sautent : l'audit.

Par où commencer : l'audit IA

Lancer un projet d'intelligence artificielle sans audit préalable, c'est construire une maison sans architecte. On a vu des PME investir des dizaines de milliers d'euros dans un chatbot que personne n'utilise, des ETI déployer Copilot sans mesurer l'adoption, des directions acheter des licences IA sans cartographier les processus concernés.

L'audit IA répond à trois questions que tout dirigeant se pose avant d'investir :

1. Où l'IA a-t-elle un impact réel dans mon entreprise ? — pas en théorie, mais sur mes processus, mes données, mes équipes.
2. Par où commencer ? — quels sont les 2-3 chantiers qui génèrent le plus de valeur pour le moins d'effort.
3. Combien ça coûte et quand est-ce rentable ? — budget d'investissement, coût récurrent, point mort.

Sans audit, ces questions restent sans réponse. Avec un audit, on obtient une feuille de route chiffrée et priorisée — le socle sur lequel tout le pilotage à l'échelle de l'ETI va s'appuyer.

Les trois phases d'un audit IA

Phase 1 — Cartographie des processus. L'auditeur parcourt l'organisation et identifie tous les processus répétitifs, manuels ou à forte valeur data : entretiens avec les responsables de service (compta, RH, commercial, production, IT) pour comprendre les workflows réels et non les procédures théoriques, cartographie des données disponibles (quels systèmes — ERP, CRM, facturation, HRIS —, quelle qualité, quel volume, quelle accessibilité via API ou export), et identification des points de friction : tâches chronophages, erreurs récurrentes, goulots d'étranglement, dépendances manuelles entre systèmes. Le livrable est une cartographie visuelle des processus avec les points d'insertion IA potentiels.

Phase 2 — Qualification des cas d'usage. À partir de la cartographie, chaque cas d'usage identifié est qualifié sur cinq dimensions :

Cette matrice est le cœur de l'audit. C'est elle qui transforme une liste de « belles idées IA » en plan d'action priorisé.

Phase 3 — Feuille de route et chiffrage. Les cas d'usage sont regroupés en trois vagues :

• Quick wins (0-3 mois) : solutions SaaS existantes, ROI immédiat, faible risque — automatisation de saisie comptable, tri de tickets support, génération de descriptions produit.
• Projets structurants (3-9 mois) : intégration plus profonde, préparation data et accompagnement au changement — agent IA pour le support client, base documentaire interrogeable, prédiction de demande.
• Projets stratégiques (9-18 mois) : impact transverse, gouvernance data, infrastructure dédiée, montée en compétences interne — copilote métier personnalisé, automatisation complète d'un processus, IA embarquée produit.

Chaque vague est chiffrée : coût d'investissement, coût récurrent annuel, gains estimés, point mort. La feuille de route est présentée au COMEX avec un plan de financement (OPCO, aide régionale, financement interne).

Quelle durée et quelle profondeur selon la taille de l'entreprise ?

Le budget varie de quelques milliers d'euros pour une TPE à plusieurs dizaines de milliers pour une ETI multi-sites, selon trois facteurs : le nombre d'entretiens (chaque responsable de service), la complexité du SI (nombre de systèmes à auditer) et la profondeur du livrable (simple matrice ou feuille de route détaillée avec chiffrage).

Audit ou diagnostic : quelle différence ?

On utilise souvent ces deux termes de manière interchangeable, mais ils désignent des choses différentes :

• Le diagnostic IA est plus court (1-2 jours) et plus superficiel. Il répond à la question « l'IA est-elle pertinente pour mon entreprise ? » et donne une direction. C'est un pré-audit, souvent gratuit ou à faible coût. Nous en proposons un dans le cadre de notre accompagnement IA.
• L'audit IA est plus approfondi (3-6 semaines), avec entretiens, analyse de données et feuille de route chiffrée. Il répond à la question « quels cas d'usage, dans quel ordre, pour combien, avec quel ROI ? »

Le diagnostic donne un cap ; l'audit conditionne la réussite de tout le projet IA qui suit.

Comment choisir son auditeur ?

L'audit est mené avec un regard externe, jamais en interne seul : le regard externe évite les biais d'auto-évaluation et apporte les benchmarks sectoriels indispensables. Quatre critères comptent :

• Expérience sectorielle : les processus de la métallurgie ne sont pas ceux de la compta. Demandez des références dans votre industrie.
• Indépendance technologique : un auditeur partenaire d'un éditeur aura tendance à orienter l'audit vers cette solution. Préférez un intervenant indépendant.
• Livrable actionnable : demandez à voir un exemple de livrable. Un audit qui se termine par un PowerPoint de 50 slides sans matrice de priorisation ni chiffrage ne sert à rien.
• Équipe pluridisciplinaire : l'audit IA n'est pas qu'un sujet technique. Il faut un profil business (analyse des processus), un profil data (qualité et accessibilité des données) et un profil organisationnel (impact sur les équipes).

Piloter l'IA par portefeuille, pas par projet

Une fois l'audit réalisé, la bonne pratique dans une ETI est de gérer l'IA comme un portefeuille d'investissements, pas comme une succession de projets isolés.

Concrètement, cela signifie :

• Recenser tous les cas d'usage identifiés par les différentes directions dans un référentiel commun — la matrice issue de l'audit en est le point de départ.
• Les qualifier sur des critères homogènes : valeur business, faisabilité data, complexité, risque, effet de mutualisation.
• Les prioriser à l'échelle de l'entreprise, pas direction par direction. Un cas d'usage à fort ROI en logistique peut passer devant un projet RH moins rentable, même si la RH le réclame plus fort.
• Séquencer les vagues de déploiement en tenant compte des dépendances (un projet peut nécessiter une brique data partagée développée pour un autre).

Ce pilotage par portefeuille évite l'écueil le plus fréquent des ETI : chaque direction avance dans son coin, personne n'a la vue d'ensemble, et l'entreprise se retrouve avec un patchwork de solutions IA impossibles à maintenir.

Comment passer de l'expérimentation au déploiement à l'échelle ?

La statistique est connue et brutale : une large majorité des projets IA lancés en entreprise ne dépassent jamais le stade du POC. Dans les ETI, ce n'est presque jamais un problème technique — c'est un problème d'industrialisation.

Un POC fonctionne sur un périmètre limité, avec des données préparées manuellement et un ingénieur qui surveille. Le passage à l'échelle exige :

• Une infrastructure de production fiable, monitorée, sécurisée.
• Des données industrialisées : pipelines automatisés, qualité contrôlée en continu, pas de préparation manuelle.
• Une intégration réelle dans les systèmes existants (ERP, CRM, outils métier) et dans les processus des équipes.
• Un dispositif de maintenance : les modèles dérivent, les données évoluent, les APIs changent.

Un bon conseil en IA pour ETI adresse ce passage à l'échelle dès le départ. Il ne se contente pas de faire réussir un POC ; il conçoit le POC pour qu'il soit industrialisable. C'est une différence de méthode fondamentale par rapport à l'expérimentation isolée.

Les trois leviers d'un déploiement IA réussi dans une ETI

Levier 1 — Une plateforme data commune

L'IA se nourrit de données. Dans une ETI, ces données sont éparpillées entre systèmes, sites et directions. Sans socle data commun (entrepôt ou plateforme accessible via API, qualité contrôlée), chaque projet IA repart de zéro sur la préparation des données — le poste de coût le plus lourd et le plus sous-estimé. Mutualiser la data est le premier accélérateur.

Levier 2 — Un centre de compétences IA transverse

Plutôt que chaque direction recrute ou sous-traite dans son coin, l'ETI gagne à constituer un centre de compétences IA transverse : une petite équipe (interne, externe ou mixte) qui capitalise les méthodes, mutualise les briques réutilisables et accompagne les directions métier. C'est le meilleur rempart contre la dispersion et la dette technique.

Levier 3 — Une gouvernance qui arbitre

Quand plusieurs directions veulent leur projet IA en même temps, il faut une instance capable d'arbitrer selon l'intérêt de l'entreprise, pas selon le rapport de force interne. Cette gouvernance décide des priorités, valide les budgets et garantit la conformité (AI Act, RGPD).

Conseil interne, externe ou mixte : quel dispositif pour une ETI ?

Le modèle mixte est le plus fréquent dans les ETI qui réussissent : un conseil externe apporte la méthode et accélère le démarrage, une équipe interne (même réduite) assure l'ancrage, la continuité et la connaissance métier. Le transfert de compétences de l'externe vers l'interne est un objectif explicite de la mission.

Quel impact concret pour les entreprises ?

Pour une ETI, la différence entre un déploiement IA piloté et un déploiement dispersé se chiffre en centaines de milliers d'euros. Le déploiement dispersé produit des projets redondants, des plateformes incompatibles, une dette technique qui coûte cher à résorber, et une majorité de POC qui n'atteignent jamais la production. Le déploiement piloté mutualise les investissements, industrialise les cas d'usage à fort ROI et construit une capacité IA durable.

L'audit joue un rôle décisif dans cet écart. Dans notre expérience, les entreprises qui passent par un audit avant d'investir réduisent sensiblement leur time-to-value et évitent les investissements inutiles dans des outils qui ne correspondent pas à leurs processus réels. L'audit est aussi l'occasion de mobiliser les équipes en amont : les entretiens créent l'adhésion, la matrice de priorisation donne une vision partagée, et la feuille de route donne un cap. C'est un investissement qui en économise souvent un bien plus important en évitant les faux départs.

Le rôle du conseil en intelligence artificielle pour ETI est précisément là : transformer une somme d'initiatives isolées en une démarche cohérente et industrialisable, de la définition de la stratégie IA au prototypage des cas d'usage conçus pour passer en production.

Les pièges à éviter dans la démarche

Piège 1 — L'audit qui ne finit jamais. Certains cabinets en profitent pour facturer des semaines supplémentaires. Fixez un périmètre clair et un livrable daté en amont.

Piège 2 — L'audit sans données réelles. Un audit basé sur des entretiens sans analyser les données réelles (volumes de factures, tickets support, temps de traitement) reste théorique. Exigez que l'auditeur accède à des échantillons de données réelles.

Piège 3 — La feuille de route sans chiffrage. Une liste de 20 cas d'usage « priorisés » sans budget ni ROI estimé n'est pas une feuille de route, c'est une liste de vœux. Le livrable doit contenir des fourchettes de prix et des gains estimés.

Piège 4 — Ignorer l'humain. L'audit qui ne prend pas en compte la capacité d'adoption des équipes produit une feuille de route théoriquement parfaite mais irréalisable. Le facteur humain est le premier facteur d'échec des projets IA.

Enfin, le conseil externe a ses propres limites : moins de connaissance métier qu'une équipe interne, et un risque de dépendance si le transfert de compétences n'est pas organisé. C'est pour cela que le dispositif mixte, avec un objectif explicite de montée en compétences interne, reste la configuration la plus robuste pour une ETI.

Conclusion : l'orchestration avant la technologie

Déployer l'IA dans une ETI n'est pas un enjeu de technologie — les briques techniques existent. C'est un enjeu d'orchestration, de priorisation et de passage à l'échelle. La démarche qui fonctionne suit un fil logique : un audit pour cartographier et prioriser, un pilotage par portefeuille pour coordonner, trois leviers structurels (data, compétences, gouvernance) pour industrialiser.

C'est là que se joue le retour sur investissement de l'IA dans une organisation de taille intermédiaire : non pas dans la multiplication des initiatives, mais dans leur mise en cohérence.

Lire aussi : Prestataire IA pour PME : guide de sélection et critères de choix

Votre ETI multiplie les initiatives IA sans vision d'ensemble ? Vous voulez cadrer la démarche avant d'investir ? Parlons-en — nous aidons les ETI à partir d'un audit structuré, à piloter leur portefeuille de cas d'usage et à industrialiser leurs projets au-delà du POC. Nous vous aidons à définir votre stratégie IA et à prototyper vos cas d'usage de façon industrialisable dès le départ.