Comment construire des feuilles de route IA efficaces
Pour construire une feuille de route IA efficace, partez des problèmes métier et comparez les usages selon leur valeur attendue, leurs données, leurs dépendances et les conséquences d’une erreur. Définissez ensuite des jalons avec livrables, responsables et critères de poursuite ou d’arrêt. Préparez l’évaluation avant le pilote, puis budgétez l’intégration, la formation et l’exploitation. Révisez la feuille de route lorsque les résultats, les données ou le périmètre changent.
Une feuille de route IA doit vous aider à décider quels usages explorer, quelles preuves demander et quand engager davantage de ressources. Pour la construire, nous conseillons de relier chaque projet à un problème métier, à des données accessibles et à une décision de poursuite. Une succession de démonstrations ou une liste de logiciels ne donne pas ces repères.
Ce guide Anaska, comparateur édité par WebGuard Agency, propose une méthode de pilotage du portefeuille de projets IA, depuis les premières hypothèses jusqu’au suivi en exploitation. Les trames et arbitrages présentés sont des recommandations de la rédaction. Un exemple fictif d’assistance au traitement des demandes clients sert de fil conducteur, sans résultat observé ni promesse de gain.
1. Définir les décisions que la feuille de route doit permettre
Commencez par écrire ce que votre organisation souhaite améliorer : préparer une réponse, repérer une anomalie, retrouver une information ou orienter une demande. Précisez qui rencontre la difficulté et dans quelles circonstances. « Déployer l’IA dans le service client » laisse le périmètre ouvert ; « aider les conseillers à retrouver la procédure applicable avant de répondre » donne un usage à examiner.
Dans son cadre d’adoption, Microsoft recommande de définir les résultats métier attendus, les droits de décision et la manière de mesurer la valeur des investissements IA. Cette recommandation issue d’un fournisseur peut éclairer le cadrage ; elle ne justifie pas à elle seule le choix de ses produits.
Nous conseillons une note de direction courte : problème retenu, résultat recherché, personnes concernées, contraintes et exclusions. Ajoutez la décision attendue au prochain jalon. S’agit-il d’autoriser une exploration, de financer un pilote ou d’ouvrir un service à davantage d’utilisateurs ? Chaque décision réclame des éléments différents.
Dans notre exemple fictif, la première décision porte sur la possibilité de retrouver une procédure pertinente dans une documentation interne. Elle ne porte pas encore sur l’envoi automatique d’une réponse au client. Cette distinction permet de limiter les engagements initiaux tout en gardant une perspective d’évolution. Conservez aussi les désaccords : si deux responsables attendent des résultats incompatibles, faites arbitrer ce point avant de promettre un calendrier.
2. Décrire les usages avant de choisir une technologie
Organisez le recueil des besoins autour de situations de travail. Demandez aux équipes de montrer une tâche ordinaire, une exception et un échec récent. Pour chaque situation, notez les informations disponibles, le résultat attendu, la vérification effectuée et les conséquences d’une erreur. Séparez les difficultés observées des solutions imaginées pendant l’atelier.
Une fiche d’usage peut réunir le bénéficiaire, le déclencheur, les entrées, la sortie attendue, l’intervention humaine et les exclusions. Dans l’exemple fictif, le conseiller saisit une question, reçoit des passages de procédure et vérifie leur pertinence avant de rédiger sa réponse. Une demande sans documentation applicable reste orientée vers le circuit existant.
Le cours de Google consacré au cadrage des problèmes de machine learning propose notamment de déterminer si cette approche convient au problème, de cadrer la solution et de définir ses mesures de réussite. Nous recommandons de conserver cette question d’adéquation pour chaque usage candidat, même lorsqu’une technologie attire déjà l’équipe.
Comparez donc plusieurs réponses possibles : clarifier la procédure, améliorer la recherche, automatiser une règle explicite ou explorer une solution IA. Documentez ce que chaque option laisse à la charge de l’utilisateur. Si une réorganisation documentaire répond au besoin, elle peut devenir le premier chantier de la feuille de route. La décision doit rester attachée au problème initial, avec une justification que les équipes métier peuvent comprendre.
3. Prioriser selon la valeur, la faisabilité et les conséquences
Nous conseillons de discuter les usages avec une grille commune plutôt que de leur attribuer immédiatement une note globale. Examinez le bénéfice attendu, la disponibilité des données, les dépendances, la capacité de vérification et les conséquences d’un résultat incorrect. Une appréciation favorable sur un axe ne doit pas masquer une inconnue décisive sur un autre.
Pour chaque critère, demandez une justification. « Données disponibles » doit renvoyer à un ensemble identifié et à une personne capable d’en confirmer l’accès. « Usage utile » doit décrire une difficulté concrète. « Vérification possible » doit préciser qui juge le résultat et sur quels éléments. Indiquez explicitement les hypothèses encore fragiles.
Dans notre exemple fictif, retrouver une procédure et envoyer une réponse automatiquement deviennent deux usages distincts. Le premier laisse une vérification au conseiller ; le second modifie aussi les conditions d’envoi et le traitement des erreurs. Nous proposons de les examiner séparément pour éviter qu’une preuve limitée à la recherche documentaire serve à autoriser toute la chaîne.
Classez ensuite les décisions : explorer maintenant, préparer un prérequis, différer ou abandonner. Une priorité peut être la clarification des droits d’accès, sans développement immédiat. Si vous utilisez une pondération, conservez le détail des critères et testez ce qui change lorsque les hypothèses évoluent. Le livrable utile est une liste argumentée, avec un responsable et une prochaine action pour chaque usage, y compris ceux écartés.
4. Préparer les données à l’échelle de chaque usage
Identifiez les informations nécessaires au fonctionnement envisagé et à son évaluation. Distinguez les documents consultés par un assistant, les exemples servant à comparer ses réponses et les données éventuellement utilisées pour entraîner un modèle. Ne supposez pas que ces ensembles ont les mêmes propriétaires, les mêmes accès ou les mêmes conditions d’utilisation.
Microsoft indique que les capacités de données nécessaires dépendent des solutions et des cas d’usage retenus, sans imposer de reconstruire toute la stratégie de données avant de commencer. Pour votre feuille de route, nous conseillons donc de délimiter les préparatifs au besoin étudié, puis d’identifier les travaux réellement partagés entre projets.
Préparez un inventaire mentionnant la source, son propriétaire, sa mise à jour, les accès prévus et les limites connues. Examinez des exemples concrets : documents contradictoires, versions anciennes, informations manquantes ou catégories peu représentées. Attribuez chaque anomalie à une action de correction, à une exclusion ou à une vérification complémentaire.
Dans notre exemple fictif, une procédure périmée retrouvée correctement ne constitue pas une réponse satisfaisante. Le jalon de préparation pourrait donc demander un corpus validé, une règle de retrait des documents remplacés et un responsable de maintenance. Lorsque l’utilisation de certaines données soulève une question juridique ou de confidentialité, prévoyez un examen par les personnes compétentes avant leur mobilisation. La feuille de route doit réserver cette décision, sans présumer son issue.
5. Transformer les risques en responsabilités concrètes
Le cadre AI RMF du NIST est destiné à un usage volontaire pour intégrer des considérations de confiance dans la conception, le développement, l’utilisation et l’évaluation des systèmes IA. Son Playbook organise des suggestions autour de quatre fonctions : Govern, Map, Measure et Manage. Le NIST précise qu’il ne s’agit ni d’une liste de contrôle ni d’une suite d’étapes à appliquer intégralement.
Pour rendre cette référence exploitable, nous recommandons un registre des situations problématiques : résultat incorrect, accès inadapté, information obsolète, usage hors périmètre ou absence de recours. Décrivez la conséquence possible, le contrôle envisagé, la personne responsable et la preuve attendue. Reliez chaque action au jalon qu’elle conditionne.
Les principes de l’OCDE sur l’IA couvrent notamment la transparence, l’explicabilité, la robustesse, la sécurité, la vie privée et la responsabilité. Ces dimensions peuvent alimenter vos questions de cadrage. Leur mention dans un document ne démontre toutefois pas que votre système y répond : demandez des éléments propres à l’usage.
Dans l’exemple fictif, précisez comment le conseiller consulte le passage utilisé, signale une suggestion incorrecte et poursuit son travail sans l’assistant. Désignez aussi la personne autorisée à suspendre le service. Si cette responsabilité reste indéterminée, inscrivez-la comme une décision préalable au pilote. Une recommandation générale devient ainsi une tâche attribuée et vérifiable.
6. Mesurer la situation initiale et définir les critères du pilote
Avant de juger une solution, préparez un point de comparaison. Comment la tâche est-elle réalisée aujourd’hui ? Quels cas posent problème ? Quelle vérification permet de considérer le travail comme terminé ? Recueillez les observations dans des conditions décrites, en distinguant les cas ordinaires et les situations exceptionnelles.
Les règles de machine learning de Google recommandent de préparer les mesures avant de formaliser le système, de commencer simplement et de disposer d’une chaîne technique fiable. Elles distinguent également l’objectif optimisé des autres mesures suivies. Ces conseils concernent l’ingénierie ML ; adaptez leur traduction à votre projet.
Pour notre assistant fictif, nous proposons d’examiner la pertinence des passages retrouvés, la conformité de la réponse finale, l’effort de vérification et les demandes restées sans aide. Une production rapide ne suffit pas à établir l’utilité si le conseiller doit reprendre toute la réponse. Prévoyez un protocole commun et une personne chargée de résoudre les désaccords d’évaluation.
Constituez un ensemble de cas qui servira à comparer les versions, tout en conservant des situations nouvelles pour éprouver la solution. Définissez avant le pilote les motifs de poursuite, de correction et d’arrêt. Les seuils éventuels doivent être choisis selon votre contexte et justifiés ; aucun taux de réussite universel n’est proposé ici. Faites valider le protocole par la personne qui décidera de la suite.
7. Construire un calendrier de jalons et de preuves
Nous recommandons d’organiser la feuille de route autour de décisions successives. Chaque jalon associe un livrable, une personne habilitée à décider et une condition de passage. Les dates peuvent ensuite tenir compte des dépendances connues. Conservez une estimation distincte pour les travaux dont le périmètre reste à découvrir.
Le tableau suivant constitue une trame proposée par la rédaction. Il ne reprend pas une procédure obligatoire du NIST ou d’un fournisseur. Adaptez les étapes à la portée de votre usage, et regroupez celles qui peuvent être instruites ensemble.
| Jalon | Éléments à remettre | Décision préparée | Point à résoudre |
|---|---|---|---|
| Cadrage de l’usage | Situation métier, alternatives et périmètre | Autoriser l’exploration | Responsable du besoin identifié |
| Préparation des données | Inventaire, exemples et limites documentées | Ouvrir l’expérimentation | Accès et corpus examinés |
| Évaluation initiale | Protocole et comparaison avec l’existant | Engager un pilote limité | Critères de jugement validés |
| Pilote métier | Résultats, erreurs et retours utilisateurs | Corriger, arrêter ou préparer l’exploitation | Limites acceptables explicites |
| Préparation de l’exploitation | Support, surveillance et procédure de suspension | Autoriser le déploiement délimité | Responsabilités attribuées |
| Revue en service | Usages observés, incidents et charges | Maintenir, étendre ou retirer | Conditions de réexamen définies |
Ajoutez les dépendances entre lignes : validation documentaire, disponibilité métier, accès technique ou intervention d’un prestataire. Si l’une bloque, rendez visible son effet sur les jalons suivants. Conservez également les décisions négatives et leurs motifs ; elles évitent de relancer une piste sans nouvel élément.
8. Budgéter les engagements et comparer les modes de réalisation
Préparez le budget par décision et par responsabilité. Distinguez le cadrage, la préparation des données, la réalisation, l’évaluation, l’intégration et l’exploitation. Ajoutez le temps interne : fournir des exemples, vérifier les résultats, former les utilisateurs et maintenir la documentation. Demandez que les hypothèses incertaines apparaissent séparément des engagements fermes.
Le cadre Microsoft souligne qu’une personnalisation accrue demande généralement davantage de compétences spécialisées et de responsabilité opérationnelle. Utilisez ce point comme question de comparaison : qui assurera les changements, la surveillance et la résolution des problèmes dans chaque option ? Évaluez une capacité existante, une intégration spécifique et un développement plus personnalisé sur le même périmètre.
Si vous consultez une agence, fournissez les cas d’usage, les contraintes et les critères du prochain jalon. Demandez une proposition indiquant les livrables, exclusions, contributions attendues et modalités de transmission. Notre trame de cahier des charges en tableau peut vous aider à organiser ces informations.
Pour comparer les offres, examinez aussi ce qui reste après le pilote : documentation, accès, configuration, jeux d’évaluation et compétences internes. Demandez comment une modification du périmètre affecterait le devis. Sans prix documentés applicables à votre situation, une enveloppe de marché serait trompeuse. Faites plutôt chiffrer un engagement délimité, puis réexaminez le budget à la lumière des résultats obtenus.
9. Préparer le travail des utilisateurs et le passage en service
Nous conseillons de décrire le parcours de travail futur avant de généraliser l’accès. Qui lance la demande ? Qui consulte les éléments justificatifs ? Qui accepte ou corrige la proposition ? Que fait-on lorsque l’outil ne répond pas ? Faites jouer ces situations par les personnes concernées, avec les mêmes limites que celles envisagées en service.
Dans notre exemple fictif, le conseiller conserve la responsabilité de la réponse envoyée selon l’organisation choisie pour le pilote. Sa formation doit donc inclure une suggestion correcte, une procédure contradictoire et une question sans réponse documentée. Demandez-lui d’expliquer comment il reconnaît chaque situation et comment il poursuit son travail.
Prévoyez une remontée structurée des problèmes : contexte, comportement observé, effet sur la tâche et correction attendue. Attribuez le tri des signalements et la communication des limites connues. Si un prestataire intervient, précisez les interfaces avec votre équipe ; le guide sur la gestion des prestataires IT approfondit ce pilotage de la relation.
Avant l’ouverture, nous recommandons une revue portant sur les accès, les résultats d’évaluation, le support et la possibilité de suspendre l’usage. Faites identifier la personne qui autorise le déploiement et le périmètre exact de son accord. Une extension à de nouvelles données ou à de nouvelles actions doit recevoir son propre examen.
10. Réviser la feuille de route à partir du fonctionnement réel
Réservez dans la feuille de route du temps pour observer le service après son lancement. Suivez les critères définis au pilote, les incidents, les usages abandonnés et les demandes nouvelles. Comparez les résultats en tenant compte des changements de contexte : corpus modifié, nouveaux utilisateurs ou évolution du processus métier.
Les règles de Google attirent notamment l’attention sur les exigences de fraîcheur, les défaillances silencieuses et l’attribution de responsables aux données utilisées comme caractéristiques. Pour votre organisation, nous proposons d’en tirer une question de suivi : comment saura-t-on qu’une donnée ou un composant ne remplit plus son rôle ?
Définissez des événements déclenchant une nouvelle évaluation : changement de modèle, nouvelle source documentaire, modification des droits ou ajout d’une action automatisée. Conservez la version concernée, les vérifications effectuées et la décision prise. Cette trace permet de comprendre pourquoi une extension a été autorisée, différée ou retirée.
Lors des revues, réexaminez aussi les projets en attente. Une dépendance résolue peut rendre une exploration possible ; un pilote décevant peut conduire à financer la qualité documentaire plutôt qu’un développement supplémentaire. Mettez à jour les responsables, les engagements et les critères du prochain jalon. Votre feuille de route reste ainsi un outil de décision utilisable par la direction, les métiers et les équipes techniques.
Questions fréquentes
Quelle différence entre une feuille de route IA et un cahier des charges ?
Comment choisir le premier projet IA ?
Faut-il préparer toutes les données de l’entreprise avant de commencer ?
Quels critères permettent de décider après un pilote IA ?
Le cadre AI RMF du NIST impose-t-il une méthode obligatoire ?
Sources
- AI Risk Management Framework | NIST Lock — consulté le 15/10/2026
- Playbook - AIRC Lock — consulté le 17/10/2026
- AI Principles Overview - OECD.AI — consulté le 21/10/2026
- AI adoption - Cloud Adoption Framework | Microsoft Learn — consulté le 21/10/2026
- Introduction to Machine Learning Problem Framing | Google for Developers — consulté le 17/10/2026
- Rules of Machine Learning: | Google for Developers — consulté le 21/10/2026