Pourquoi vos projets IA échouent
Trente-cinq années en science du bâtiment et en ingénierie, dont plusieurs à la tête d'un laboratoire d'innovation technologique et de ses 12 développeurs, m'ont permis d'observer les projets d'intelligence artificielle sous tous leurs angles : ceux qui se rendent en production et transforment une entreprise, et ceux qui s'éteignent sitôt la démonstration terminée. Les seconds ont ceci de particulier qu'ils se ressemblent tous.
Voici les 5 causes que je retrouve, presque invariablement, dans les autopsies — puis les 3 règles qui permettent de les éviter.
1. Le POC qui ne rencontre jamais le terrain
Le projet est confié à des gens qui maîtrisent les algorithmes, mais qui ne sauraient distinguer une membrane EPDM d'une TPO. La démonstration impressionne. Puis viennent les conditions réelles : photos prises à contre-jour, documents numérisés de travers, données incomplètes, contremaîtres qui n'ont ni le temps ni l'envie de « nourrir le système ».
Le prototype ne casse pas parce que la technologie est mauvaise. Il casse parce que personne, autour de la table, ne connaissait le métier.
2. La dépendance totale à une firme externe
Le cas inverse existe tout autant : l'expert du métier, curieux et bien intentionné, qui confie l'ensemble du projet à une firme de technologie. Facture : 500 000$. Délai : 18 mois. Résultat : un système que personne à l'interne ne comprend vraiment.
Or, la firme finit toujours par partir. Le système cesse alors d'évoluer, puis cesse d'être utilisé. Deux ans plus tard, il ne reste du projet qu'une ligne au budget et une certaine amertume.
3. Commencer par la technologie au lieu du problème
« Il nous faut de l'IA » n'est pas un projet; c'est une pression de conseil d'administration.
« Nos estimateurs consacrent 40 % de leur temps à lire des devis » — voilà un projet. Le problème doit définir la solution, jamais l'inverse. Lorsqu'un projet s'ouvre sur le choix de l'outil, sa conclusion est déjà écrite.
4. « Utiliser » l'IA au lieu de l'intégrer
Un abonnement à ChatGPT ne constitue pas une stratégie d'intelligence artificielle. Tant qu'un employé doit ouvrir un navigateur, formuler sa requête et recopier le résultat dans Excel, on a ajouté un outil manuel de plus — pas un système.
La valeur réelle naît des systèmes intégrés : déclenchés par vos opérations, alimentés par vos données, livrant un résultat structuré directement dans vos outils — sans intervention humaine. Toute la différence entre un employé qui « utilise l'IA » et une entreprise qui l'a intégrée tient dans cette phrase.
5. Viser trop gros, trop vite
Le projet qui prétend transformer l'entreprise entière d'un seul coup ne transforme jamais rien. Dix-huit mois de développement sans livrable intermédiaire, c'est précisément le temps qu'il faut pour épuiser les champions du projet et transformer son budget en cible.
Ce qui marche : 3 règles
- Comprendre le terrain avant de parler technologie. Où la valeur se crée-t-elle? Où le temps se perd-il? Et surtout : qu'est-ce que les équipes toléreront réellement au quotidien?
- Valider petit avant de s'engager. Un projet pilote ciblé, à investissement minimal, sur un problème réel. Chez IA PRAGMA, nous ne prenons le mandat complet que lorsque le pilote a démontré son rendement. Il nous arrive de refuser un mandat — et c'est une bonne nouvelle pour tout le monde.
- Livrer en production, puis rendre l'équipe autonome. Un système qui s'intègre à l'environnement existant, que vos gens peuvent maintenir et faire évoluer sans nous. Le succès véritable se mesure le jour où vous n'avez plus besoin de nous.
La question à poser à votre prochain consultant IA
« Pouvez-vous m'expliquer mon métier? »
S'il ne le peut pas, son POC mourra au premier contact avec le terrain. Un consultant en informatique posera 100 questions pour comprendre ce que vous faites. Moi, je le connais déjà : j'en viens.
Un projet IA en tête?
Parlons du problème avant de parler de technologie. Première consultation sans engagement.
Discutons-en →