Audit & maturité IA pour PME et ETI

La plupart des dirigeants de PME et d'ETI savent que l'IA compte. Ce qu'ils ignorent, c'est où ils en sont, et donc par quoi commencer. Investir au hasard, c'est risquer de financer un outil que les équipes n'utiliseront pas, ou de lancer un grand chantier de données avant d'avoir prouvé le moindre cas d'usage. L'audit de maturité répond à une question simple et préalable à toute dépense : de quoi mon entreprise est-elle réellement capable aujourd'hui, et quel est le prochain pas qui rapporte le plus ?

Le signal le plus fort vient des dirigeants eux-mêmes : 58 % des dirigeants de PME et ETI considèrent désormais l'IA comme un enjeu important, voire vital, pour la pérennité de leur entreprise à trois-cinq ans, et 43 % déclarent avoir défini une stratégie IA (Bpifrance Le Lab, 2025). Mais entre « avoir une stratégie » et « créer de la valeur en production », il y a un fossé que seule une évaluation honnête permet de mesurer.

À l'échelle européenne, la dynamique se confirme : 20 % des entreprises de l'UE d'au moins dix salariés utilisaient l'IA en 2025, contre 13,5 % en 2024 (Eurostat). Et pourtant, mondialement, à peine 6 % des organisations tirent un impact significatif de l'IA à l'échelle de l'entreprise : la majorité reste bloquée au stade de l'expérimentation (McKinsey, State of AI 2025). Le facteur décisif n'est pas la technologie, c'est la maturité organisationnelle, exactement ce qu'un audit mesure.

Stratégie & vision, l'IA est-elle reliée à des priorités business explicites, ou subie au coup par coup ? Données, vos données sont-elles accessibles, fiables, exploitables sans chantier titanesque ? Compétences & culture, les équipes savent-elles utiliser l'IA, et ont-elles envie de le faire ? Gouvernance & conformité, savez-vous où vont les données, qui accède à quoi, et êtes-vous en règle avec le RGPD et l'AI Act ? Cas d'usage en production, combien de cas tournent réellement, au-delà de la démo ? Outils & infrastructure, votre socle technique permet-il de déployer et de superviser sans tout réinventer ?

Évaluez chaque axe sur une échelle simple (par exemple de 0 à 100, comme dans le tableau), sans complaisance. L'intérêt n'est pas le score absolu : c'est l'écart entre vos axes. Un profil très irrégulier signale où concentrer l'effort ; un profil bas mais régulier appelle d'abord un premier cas d'usage pour enclencher la dynamique.

C'est souvent la dimension gouvernance qui plafonne la maturité des PME et ETI, alors qu'elle conditionne tout le reste. Deux cadres s'imposent en France : le RGPD pour les données personnelles et l'AI Act européen pour l'usage de l'IA (transparence, supervision humaine, traçabilité). Concrètement, cela veut dire héberger les données sensibles dans un environnement maîtrisé, gérer les accès par rôles et superviser les usages, comme la supervision Grafana / LLMOps mise en place chez CNPP, qui donne à la DSI une visibilité temps réel sur les usages, les performances et les coûts.

L'audit révèle aussi ce qui marche déjà et mérite d'être étendu. Chez JCB, la qualification de leads et la vision par ordinateur pour la saisie terrain dans Salesforce illustrent un principe simple : on industrialise les cas qui ont prouvé leur valeur, et on laisse de côté les idées séduisantes mais non mesurables. C'est cette discipline, mesurer, gouverner, prioriser, qui fait passer du niveau « en marche » au niveau « à l'échelle ».

Le plus dur n'est pas de démarrer : c'est de garder la discipline de mesurer et de gouverner pendant qu'on accélère. C'est tout l'objet de la démarche détaillée dans le guide Stratégie & feuille de route IA, et des cas concrets décrits dans nos études de cas. Si vous préférez commencer par votre point de départ, l'audit IA gratuit vous situe en cinq minutes et propose les premiers cas d'usage à explorer pour votre entreprise, avant d'engager le moindre euro.