Arrêt, restriction ou expansion : concevez votre pilote IA pour le retour en arrière

Voici un chiffre à méditer avant de lancer votre prochain projet d'IA : selon une enquête menée en septembre 2026 auprès de 1 500 responsables informatiques, 98 % ont déclaré avoir reporté un déploiement d'IA en raison d'échecs, de dysfonctionnements ou de comportements inattendus ( Cloudera, État de l'IA en entreprise 2026 ). La même enquête a révélé que 89 % avaient limité ou repensé leurs cas d'utilisation de l'IA en raison de la hausse des coûts des jetons.

Comprenez bien cela. Cela ne signifie pas que l'IA ne fonctionne pas. Cela signifie simplement que le repli sur soi est la voie normale, et non l'exception. La question n'est pas de savoir si l'une de vos initiatives en IA devra être arrêtée ou réduite. Il s'agit de savoir si vous avez anticipé cette situation, ou si vous la découvrirez lors d'une réunion budgétaire six mois plus tard.

La plupart des pilotes sont faits pour réussir. Très peu sont faits pour être jugés.

Pourquoi les pilotes font-ils cale au lieu de terminer ?

Un projet pilote qui échoue manifestement, c'est facile : on l'arrête. Les projets les plus coûteux sont ceux qui fonctionnent plus ou moins. La démo était impressionnante, quelques personnes l'utilisent, personne ne peut dire s'il vaut son prix, et personne ne veut être celui qui le sabote. Alors, il est laissé à l'abandon. Il conserve une licence, un contact chez le fournisseur et une partie du temps de travail de quelqu'un, et il devient discrètement un système de plus à maintenir.

Ce schéma a généralement les mêmes causes :

• Aucune date de décision n'a été fixée. « On verra bien » n'a pas de fin.

• Absence de données de référence. Si le processus n'a pas été mesuré avant le projet pilote, il est impossible de prouver que celui-ci l'a modifié.

• Aucun décideur n'est impliqué. Le projet a un sponsor. La décision finale, quant à elle, ne repose sur personne.

• Les données n'étaient pas prêtes et personne ne les a vérifiées. Gartner prévoit que d'ici 2026, les organisations abandonneront 60 % des projets d'IA qui ne s'appuient pas sur des données compatibles avec l'IA ( Gartner ).

Ce dernier point mérite une section à part entière.

Vérifiez les données avant le projet pilote, pas après.

Dans mon dernier article, j'ai décrit une entreprise utilisant trois systèmes de planification financière, dont un sans données réelles issues de SAP, avec des rapports établis sous Excel. L'ajout d'un assistant IA à ce système a entraîné l'échec du projet pilote pour des raisons sans rapport avec le modèle lui-même.

La première étape n'est donc pas de se demander si l'IA est suffisamment performante, mais plutôt si une machine peut se fier aux données utilisées par ce processus. Si la réponse est négative, le pilote approprié ne sera peut-être pas un pilote d'IA, mais plutôt un simple nettoyage de données, avec une application d'IA ciblée en fin de compte.

Les recommandations de Gartner vont dans le même sens : définissez ce que signifie « données prêtes pour l’IA » pour le cas d’usage spécifique et considérez cela comme une pratique continue plutôt que comme un projet ponctuel. Un projet pilote est la solution la plus économique pour le découvrir.

Trois résultats possibles, décidés d'avance

Avant le début du pilote, notez ce qui vous inciterait à choisir chacune de ces options :

Arrêtez-vous. Le projet pilote n'a pas permis d'améliorer l'indicateur, le taux d'erreur est trop élevé par rapport au risque encouru, ou le coût par utilisation est excessif. S'arrêter n'est pas un échec. C'est simplement le projet pilote qui remplit sa mission : vous avez acquis des informations à moindre coût.

C'est une approche ciblée. Elle fonctionne, mais seulement pour une partie du problème. Elle gère peut-être bien les 70 % de requêtes courantes, mais mal les cas complexes. Cibler le système, c'est conserver la partie qui fonctionne et laisser le reste à un humain, plutôt que de le forcer à tout couvrir.

L'échelle. Cela a modifié l'indicateur, le taux d'erreur est acceptable, les utilisateurs seraient mécontents si vous le supprimiez, et vous savez ce que cela coûterait à un volume dix fois supérieur.

Ce dernier point est plus important qu'auparavant. Selon la même étude Cloudera, 45 % des organisations ont migré leurs charges de travail d'IA en raison de coûts plus élevés ou plus volatils. Un projet pilote peu coûteux pour 20 utilisateurs peut s'avérer très différent pour 2 000. Demandez une estimation du coût à grande échelle avant d'approuver le déploiement.

Résumé pilote d'une page

Voici le cahier des charges que je souhaite recevoir avant qu'un projet pilote d'IA ne se voie allouer un budget. Si vous ne pouvez pas le compléter, le projet pilote n'est pas prêt à démarrer.

1. Le processus. Quel processus cela modifie-t-il, et qui le met en œuvre aujourd'hui ?

2. Le point de référence. Combien de temps, combien d'erreurs, ou combien d'erreurs aujourd'hui ? Mesuré, non estimé.

3. Vérification des données. Quels systèmes les alimentent ? Lequel est la source de référence ? À qui appartient-elle, nommément ?

4. L'indicateur de réussite. Un chiffre qui devrait évoluer, et de combien approximativement, pour que cela en vaille la peine.

5. Critères d'arrêt. Quel résultat, erreur ou coût vous inciterait à arrêter ? Notez-le avant de voir les résultats.

6. La date de décision. Une date précise, généralement dans 6 à 10 semaines, et non pas une date approximative de fin de deuxième trimestre.

7. Le décideur. La personne qui prend la décision d'arrêter, de réduire ou d'augmenter l'échelle à cette date.

8. Le plan de retour en arrière. Si on arrête, qu'est-ce qui revient à la situation antérieure, et qui en informe l'équipe ?

9. Le coût à grande échelle. Quel serait ce coût à pleine capacité, frais à l'usage inclus ?

Neuf questions. La plupart ne concernent pas du tout l'IA. C'est justement le but.

Rendre le rollback bon marché

Les dirigeants qui gèrent bien les replis ont un point commun : ils ont facilité le retour en arrière avant même d’en avoir besoin. Concrètement, cela signifie :

• Maintenez le processus actuel en vigueur pendant la phase pilote. Ne mettez rien hors service avant la décision concernant l'échelle.

• Maintenez une personne impliquée dans toutes les questions liées à la clientèle ou aux finances jusqu'à ce que le taux d'erreur soit connu.

• Évitez les engagements à long terme lors de la phase pilote. Une licence mensuelle vaut mieux payer un peu plus cher.

• Annoncez d'emblée à l'équipe que l'arrêt est une issue possible et acceptable. Les problèmes sont signalés honnêtement lorsque la réputation de personne ne dépend de la survie du pilote.

C’est généralement au niveau de la gouvernance que les problèmes surviennent par la suite : 75 % des répondants de Cloudera ont cité la gouvernance et la conformité comme un frein au déploiement de l’IA à grande échelle, et 49 % ont déclaré que s’ils pouvaient recommencer, ils renforceraient la gouvernance dès le départ. Un briefing pilote représente la version la plus simple de cette gouvernance. Il ne coûte qu’une heure.

Que faire cette semaine

Choisissez le projet d'IA de votre entreprise qui est en phase pilote depuis le plus longtemps. Répondez aux neuf questions ci-dessus. Si vous ne pouvez pas répondre aux critères d'abandon, à la date de décision ou à l'identité du responsable de la décision, vous avez trouvé le véritable problème : il ne s'agit pas du modèle.

Ensuite, fixez une date dans votre calendrier et prenez une décision : arrêtez, réduisez ou élargissez votre champ d’action.

Si vous souhaitez de l'aide pour mener cet exercice avec votre équipe dirigeante, nos ateliers de leadership en IA sont faits pour vous. Réservez un appel découverte .