Le vocabulaire des dirigeants qui préparent un projet d'intelligence artificielle (IA) : audit, cas d'usage, preuve de concept, feuille de route, gouvernance et retour sur investissement. Le cadre réglementaire, AI Act et RGPD, y est expliqué simplement, avec ses sources officielles.
Aussi appelé : règlement européen sur l'IA, RIA, règlement IA, EU AI Act, loi européenne sur l'IA, règlement sur l'intelligence artificielle
L'AI Act est le règlement (UE) 2024/1689, la loi européenne sur l'intelligence artificielle : il classe les systèmes d'IA selon leur niveau de risque et fixe à chaque niveau des obligations, de l'interdiction à la simple transparence.
En savoir plus sur AI Act (règlement européen sur l'IA)Aussi appelé : audit intelligence artificielle, diagnostic IA, audit d'opportunités IA, audit de maturité IA
Un audit IA est un état des lieux d'une entreprise avant un projet d'intelligence artificielle : processus, données, outils, compétences et risques, pour repérer les usages utiles et décider par où commencer.
En savoir plus sur Audit IAAussi appelé : cartographie des process, process mapping, schéma de processus, cartographie des flux
La cartographie des processus représente, sous forme de schéma, l'enchaînement des activités d'une entreprise : qui fait quoi, dans quel ordre, avec quels outils et quelles données, pour repérer les ressaisies, les attentes et les blocages.
Exemple : dessiner le parcours d'une commande, de l'e-mail du client à la facture, et constater qu'elle est saisie trois fois dans trois logiciels différents. Cette cartographie sert ensuite à choisir quoi automatiser en premier.
Aussi appelé : use case IA, cas d'usage de l'IA, usage de l'IA, use case
Un cas d'usage IA décrit une situation de travail précise où l'intelligence artificielle apporte un gain : la tâche, les personnes concernées, les données utilisées, le résultat attendu et la façon de le mesurer.
En savoir plus sur Cas d'usage IAAussi appelé : charte IA, charte d'utilisation de l'IA, politique d'usage de l'IA, règles d'usage de l'IA
Une charte d'usage de l'IA est un document interne qui fixe les règles d'utilisation de l'intelligence artificielle par les collaborateurs : outils autorisés, données interdites, relecture obligatoire, transparence et personne à contacter en cas de doute.
En savoir plus sur Charte d'usage de l'IAAussi appelé : gestion du changement, change management, accompagnement du changement, adoption
La conduite du changement regroupe les actions qui aident les équipes à adopter une nouvelle façon de travailler, comme un outil d'IA : expliquer le pourquoi, impliquer, former, accompagner les premiers usages et lever les résistances.
En savoir plus sur Conduite du changementAussi appelé : roadmap IA, roadmap intelligence artificielle, plan IA, stratégie IA
Une feuille de route IA est le plan qui ordonne dans le temps les projets d'intelligence artificielle d'une entreprise : priorités, étapes, responsables, budget, indicateurs de réussite et points de décision.
En savoir plus sur Feuille de route IAAussi appelé : gouvernance de l'IA, gouvernance de l'intelligence artificielle, AI governance, ISO 42001
La gouvernance de l'IA est l'ensemble des règles, des rôles et des contrôles qu'une organisation met en place pour décider quels usages de l'intelligence artificielle autoriser, les encadrer, en suivre les risques et en rendre compte.
En savoir plus sur Gouvernance IAAussi appelé : indicateur clé de performance, key performance indicator, indicateur de performance, KPIs
Un KPI, ou indicateur clé de performance (key performance indicator), est une mesure chiffrée choisie pour suivre l'atteinte d'un objectif précis, comme un délai de réponse, un taux de conversion ou un temps de traitement.
En savoir plus sur KPI (indicateur clé de performance)Aussi appelé : matrice effort/impact, matrice impact effort, matrice valeur effort, matrice de priorisation
La matrice impact / effort est un tableau à deux axes qui classe des projets selon le bénéfice attendu et l'effort nécessaire, pour décider lesquels lancer d'abord, lesquels planifier et lesquels abandonner.
En savoir plus sur Matrice impact / effortAussi appelé : niveau de maturité IA, maturité de l'IA, AI maturity, modèle de maturité IA
La maturité IA mesure où en est une entreprise dans l'usage de l'intelligence artificielle, des premiers essais individuels aux usages encadrés, mesurés et intégrés aux processus, avec les données, les compétences et la gouvernance nécessaires.
En savoir plus sur Maturité IAAussi appelé : produit minimum viable, minimum viable product, produit minimal viable
Un MVP, ou produit minimum viable (minimum viable product), est la première version d'une solution qui contient juste assez de fonctions pour être utilisée par de vrais utilisateurs et recueillir leurs retours.
Exemple : un agent IA qui répond seulement aux questions de suivi de commande, pas encore aux réclamations ni aux devis. L'équipe support l'utilise, on mesure, on améliore, puis on élargit son périmètre.
Aussi appelé : projet pilote, phase pilote, pilot
Un pilote est un déploiement limité d'une solution validée, auprès d'un groupe réel d'utilisateurs et dans leur travail quotidien, pendant une durée définie, pour mesurer ses effets avant de la généraliser.
Exemple : confier pendant un trimestre l'outil de qualification des leads à une seule équipe commerciale, comparer ses indicateurs à ceux des autres équipes, puis décider du déploiement.
Aussi appelé : preuve de concept, proof of concept, PoC, démonstrateur
Un POC, ou preuve de concept (proof of concept), est un test court et limité qui vérifie qu'une idée fonctionne techniquement dans les conditions de l'entreprise, avant de décider d'y investir davantage.
En savoir plus sur POC (preuve de concept)Aussi appelé : victoire rapide, gain rapide, quick wins
Un quick win est une action à fort impact et à faible effort, qui produit vite un résultat visible : dans un projet d'IA, il sert à prouver l'intérêt de la démarche et à gagner l'adhésion des équipes.
Exemple : automatiser l'envoi du compte-rendu de chaque réunion client dans le CRM. Le gain se voit dès les premières semaines et rassure les équipes avant des projets plus lourds.
Aussi appelé : RGPD, GDPR, règlement général sur la protection des données, protection des données et IA, IA et données personnelles
Le RGPD, règlement général sur la protection des données, s'applique à tout projet d'intelligence artificielle qui traite des données personnelles : base légale, information des personnes, minimisation, sécurité, durée de conservation et choix des sous-traitants.
En savoir plus sur RGPD et IAAussi appelé : retour sur investissement, return on investment, rentabilité, RSI
Le ROI, ou retour sur investissement, compare ce qu'un projet rapporte ou fait économiser à ce qu'il coûte, pour savoir s'il est rentable et en combien de temps ; on l'exprime souvent en pourcentage ou en délai de retour.
En savoir plus sur ROI (retour sur investissement)Aussi appelé : souveraineté numérique, data sovereignty, localisation des données, résidence des données, SecNumCloud
La souveraineté des données désigne la capacité d'une entreprise ou d'un État à garder la maîtrise de ses données : savoir où elles sont stockées et traitées, quelle loi s'y applique et qui peut y accéder.
Exemple : une entreprise qui traite des secrets industriels vérifie que son fournisseur d'IA héberge les données dans l'Union européenne et qu'il n'est pas soumis à une loi étrangère lui permettant d'y accéder, comme le CLOUD Act américain. En France, la qualification SecNumCloud de l'ANSSI (Agence nationale de la sécurité des systèmes d'information) signale des offres de cloud qui visent à protéger les données sensibles, y compris contre ces lois extraterritoriales.
Aussi appelé : sponsor de projet, sponsor exécutif, parrain du projet
Le sponsor est le dirigeant qui porte un projet au plus haut niveau : il en défend l'intérêt, arbitre les priorités, débloque le budget et les ressources, et donne aux équipes la légitimité pour changer leurs façons de travailler.
Exemple : dans une PME, le dirigeant annonce lui-même le projet d'IA en réunion d'équipe, participe aux points de décision et tranche quand deux services ne sont pas d'accord. Sans sponsor, un projet d'IA reste souvent une initiative isolée.
Aussi appelé : coût total de possession, total cost of ownership, coût complet
Le TCO, ou coût total de possession (total cost of ownership), additionne tous les coûts d'une solution sur sa durée de vie : achat ou abonnement, mise en place, intégration, maintenance, formation, temps interne et sortie éventuelle.
Exemple : comparer un outil d'automatisation hébergé par l'éditeur et une installation sur ses propres serveurs. La seconde n'a pas d'abonnement, mais demande du temps technique pour l'installer, la sécuriser et la mettre à jour, ce qui entre dans le TCO.
| Étape | Objectif | Durée type | Livrable |
|---|---|---|---|
| POC (preuve de concept) | Vérifier que l'idée fonctionne techniquement, sur des données réelles de l'entreprise. | La plus courte : le temps de tester une hypothèse, fixé à l'avance. | Un test documenté et une décision : continuer, ajuster ou arrêter. |
| MVP (produit minimum viable) | Mettre une première version utilisable entre les mains de vrais utilisateurs. | Intermédiaire : quelques cycles de développement courts. | Une solution simple en service et les premiers retours d'usage. |
| Pilote | Mesurer les effets d'une solution validée dans le travail quotidien d'un groupe réel d'utilisateurs. | Souvent plusieurs semaines en conditions réelles, le temps de mesurer des indicateurs fiables. | Des résultats mesurés, la décision de généraliser et le plan de déploiement. |
Les durées sont relatives : elles dépendent du projet, des données et des équipes.
| Niveau | Signes | Priorités | Prochaine étape |
|---|---|---|---|
| Découverte | Usages individuels et spontanés, souvent avec des comptes personnels ; aucune règle écrite. | Inventorier les usages, écrire une charte, former aux bases. | Choisir des outils validés et un premier cas d'usage mesuré. |
| Expérimentation | Quelques tests encadrés, une ou deux preuves de concept, des outils validés pour certaines équipes. | Classer les cas d'usage selon l'impact et l'effort, mesurer les premiers résultats. | Passer une preuve de concept réussie en pilote auprès d'utilisateurs réels. |
| Déploiement | Plusieurs usages en production, intégrés aux outils de travail, avec des indicateurs suivis. | Gouvernance, documentation, sécurité des données, conduite du changement. | Construire une feuille de route qui couvre l'ensemble des métiers. |
| Intégration | L'IA fait partie des processus ; les projets sont pilotés par la valeur et revus régulièrement. | Mesurer le retour sur investissement, entretenir les compétences, suivre la réglementation. | Réévaluer régulièrement les usages, les outils et les modèles. |
Grille indicative proposée par Skillearn : il n'existe pas d'échelle officielle de maturité IA.
| Niveau de risque | Exemples | Obligations principales | Application |
|---|---|---|---|
| Risque inacceptable | Notation sociale, manipulation qui exploite les vulnérabilités, reconnaissance des émotions au travail ou à l'école hors raisons médicales ou de sécurité. | Pratiques interdites (article 5). | Depuis le 2 février 2025 ; nouvelles interdictions sur les contenus intimes générés sans consentement à partir du 2 décembre 2026. |
| Haut risque | IA utilisée pour recruter ou évaluer des salariés, accorder un crédit, décider de l'accès à l'éducation, ou composant de sécurité d'un produit réglementé. | Gestion des risques, qualité des données, documentation, journalisation, transparence, contrôle humain, exactitude et robustesse (articles 9 à 15) ; obligations des déployeurs (article 26). | Le 2 décembre 2027 pour les usages listés à l'annexe III ; le 2 août 2028 pour l'IA intégrée aux produits de l'annexe I. |
| Risque de transparence | Chatbot, contenu généré ou modifié par l'IA, hypertrucage (deepfake). | Informer les personnes qu'elles échangent avec une IA, marquer les contenus générés, signaler les hypertrucages (article 50). | Depuis le 2 août 2026, avec un délai jusqu'au 2 décembre 2026 pour le marquage par les systèmes déjà sur le marché. |
| Risque minimal | Filtre anti-spam, IA dans un jeu vidéo. | Pas d'obligation spécifique au-delà des mesures de maîtrise de l'IA (article 4) ; codes de conduite volontaires (article 95). | Mesures de maîtrise de l'IA depuis le 2 février 2025. |
Les modèles d'IA à usage général, comme ceux des grands assistants, ont leurs propres obligations (chapitre V), applicables depuis le 2 août 2025.
Diagnostic offert, sans engagement, avec Mehdi ou Loïc. Réponse confirmée sous 24 h ouvrées.
