Transformation IA PME — la roadmap 12 mois exécutive (mois par mois)

Cette roadmap est destinée aux dirigeants et AI Leads de PME 50-250 personnes qui veulent exécuter une transformation IA réaliste en 12 mois. C’est une roadmap exécutive — chaque trimestre a ses objectifs, ses livrables, ses facteurs de budget, ses pièges. Pas d’aspirationnel, que du faisable. Si vous voulez le cadrage stratégique avant, voir stratégie IA PME France 2026 ; si vous voulez le guide complet IA, voir guide complet IA entreprise 2026.

Le mythe du “déploiement IA”

Avant la roadmap, dissipons la confusion la plus coûteuse.

Une “transformation IA” n’est pas :

• Un déploiement de logiciel qu’on installe et qu’on oublie.
• Un projet IT classique avec un cahier des charges figé.
• Une transformation digitale 2.0 qu’on copie depuis le playbook 2018.
• Un sprint court après lequel “c’est fait”.

Une transformation IA est :

• Un programme continu d’évolution organisationnelle, technique, et commerciale.
• Un cycle d’apprentissage : on commence petit, on mesure, on amplifie ce qui marche, on tue ce qui ne marche pas.
• Une montée en compétence simultanée de l’équipe technique, du COMEX, et des collaborateurs métier.
• Un investissement dont le retour cumulé compose dans le temps (les compétences acquises au mois 6 démultiplient les chantiers du mois 12).

Cette feuille de route propose un séquencement sur 12 mois pour passer d’une PME “qui n’a pas commencé” à une PME “qui maîtrise les niveaux 1-2 et démarre le niveau 3”. Ce découpage est une proposition, à ajuster selon votre contexte. Voir combien de temps pour déployer un agent IA en production pour le détail projet par projet.

M1-M3 — Phase 1 : Audit et quick wins

L’objectif des 3 premiers mois est triple :

1. Apprendre le terrain : comprendre votre maturité réelle, pas votre maturité affichée.
2. Livrer des résultats visibles : 2-3 quick wins déployés et mesurés, pour acheter la confiance du COMEX et des équipes.
3. Outiller l’organisation : sponsor, AI Lead, comité, gouvernance, charte.

M1 — Audit IA structuré

Livrables

• Diagnostic 3 axes (data, tech, culture) — voir audit IA d’entreprise ce qui compte.
• Liste de cas d’usage candidats scorés (impact × faisabilité).
• Top 3 quick wins prioritisés avec ROI estimé.
• Architecture cible LLM esquissée.
• Recommandation gouvernance (sponsor, AI Lead, comité, AI Champions).

Activités

• Entretiens avec les collaborateurs clés, toutes fonctions confondues.
• Inventaire des outils en place (CRM, ERP, drive, BI…).
• Inventaire des données (volumes, qualité, accessibilité).
• Workshops de cas d’usage par fonction (commerce, marketing, ops, RH, finance).

Budget

• Ce qui fait varier le coût : le temps interne mobilisé (part d’ETP et durée de l’audit), valorisé au coût horaire de l’entreprise, et le recours éventuel à un appui externe.

Piège à éviter

• L’audit qui produit des dizaines de slides et aucune décision actionnable. Le bon audit produit une feuille de route avec des livrables datés et des budgets estimés.

M2 — Setup gouvernance + licences Team + formation initiale

Livrables

• Sponsor COMEX désigné formellement.
• AI Lead nommé (interne 0,5 ETP ou externe contracté).
• Comité IA programmé (mensuel récurrent au calendrier).
• 3-5 AI Champions identifiés et briefés.
• Charte d’usage IA rédigée et signée par tous.
• Licences Team déployées auprès des équipes pilotes (ChatGPT Team, Claude Team, ou Le Chat Pro selon votre stack — voir ChatGPT Team vs Claude Team vs Mistral Le Chat).
• Sessions de formation initiale pour les équipes pilotes.

Activités

• Workshop COMEX : présentation diagnostic, choix de la voie stratégique, validation budget année 1.
• Onboarding licences avec kit de prompts par métier.
• Mise en place de l’observabilité initiale (au moins comptes admin pour suivre l’usage).
• Première démo IA bimensuelle ouverte à tous les collaborateurs.

Budget

• Licences : nombre de sièges × tarif public de l’éditeur × durée d’engagement. Notre calcul, à titre d’exemple, à partir du tarif public Claude Team (siège standard, 20 $ par mois en facturation annuelle) lu le 24/10/2026 sur claude.com/pricing : 30 sièges × 20 $ × 12 mois = 7 200 $.
• Formation : nombre de groupes × nombre de sessions × coût du formateur (interne ou externe).
• AI Lead externe : temps partiel × durée de la mission × taux journalier du prestataire.

Piège à éviter

• Acheter des licences sans formation = adoption faible. Pas de licence sans formation, c’est la règle.

M3 — Quick wins 1 et 2 livrés

Livrables

• Quick win 1 : un usage IA mesurable déployé sur 1 fonction (ex : “synthèse de rapports financiers” pour 5 personnes en finance).
• Quick win 2 : un second usage sur une fonction différente (ex : “brouillons de réponses SAV” pour 3 personnes en support).
• Mesure baseline AVANT et mesure résultat APRÈS (heures gagnées, qualité, satisfaction).
• Présentation des résultats au COMEX et démo équipes.

Activités

• Cadrage précis de chaque quick win (1 page : objectif, dataset, mesure, équipe, budget).
• Mise en place rapide (souvent juste prompts + GPT/Claude Team), pas d’infra lourde.
• Mesure baseline avant le go-live.
• Mesure résultat après le go-live, sur une période définie à l’avance.
• Itération sur les prompts en fonction des retours.

Budget

• Ce qui fait varier le coût : le temps de cadrage et de mise en place de chaque quick win, le nombre de personnes équipées et la continuité des licences.

Indicateurs de succès M1-M3

• 2 quick wins déployés ET mesurés (pas juste “lancés”).
• Adoption mesurée sur les équipes équipées, avec un seuil cible fixé avant le lancement.
• ROI mesuré sur un quick win (heures gagnées × coût horaire, mesurées avant puis après).
• Comité IA mensuel fonctionnel avec ordre du jour.

Critère d’arrêt M3 Si à fin M3, vous n’avez aucun quick win mesurable déployé, stoppez. Ne passez pas en M4. Refaire l’audit, réviser la gouvernance, ou changer le sponsor / l’AI Lead. Continuer en accumulant les retards casse la dynamique.

M4-M6 — Phase 2 : POC ciblés

L’objectif des mois 4-6 est de monter en complexité. Vous lancez quelques POC niveau 2-3 ciblés (workflows IA, RAG, premiers tools), avec des critères d’arrêt définis. Ce n’est plus du quick win, c’est du chantier sérieux.

M4 — Lancement de 3 POC niveau 2-3

Critères de sélection des POC

• Issus de la liste cas candidats du M1.
• Impact estimé significatif au regard du coût du POC.
• Faisabilité > 3/5 (raisonnable techniquement).
• Sponsor fonctionnel identifié (qui valide les sorties).
• Dataset d’évaluation possible (vous pouvez juger les résultats).
• Pas plus de 3 POC simultanés ; max 4 dans le cas d’une PME mature 150-250 personnes.

Livrables M4

• 3 POC cadrés : objectif, périmètre, équipe, budget, critères d’arrêt.
• LLM Gateway en place (pas encore complexe, mais centralisé).
• Observabilité opérationnelle (Langfuse ou équivalent — voir intégration LLM système d’information).
• Datasets d’évaluation initiaux pour chaque POC.

Activités

• Recrutement / contractualisation des compétences techniques (1-2 dev IA si pas déjà en place).
• Architecture chaque POC (souvent : RAG simple, ou workflow LLM, ou tool calling basique).
• Setup environnement de dev / staging / prod.

Budget

• Ce qui fait varier le coût : le nombre de POC lancés en parallèle, le temps d’équipe et de prestataires, l’infrastructure (gateway, observabilité, base vectorielle) et la continuité des licences et de l’AI Lead.

M5 — Itération + critères d’arrêt M5

Livrables

• Premier point de qualité sur chaque POC : taux de succès sur dataset d’éval.
• Décision GO/NO-GO sur chaque POC.

Critères d’arrêt à mi-parcours

• Si à fin M5 un POC tourne en dessous du seuil de qualité fixé au cadrage sur dataset, on kill (sauf raison stratégique majeure).
• Mieux 2 POC excellents que 4 POC médiocres.

Activités

• Itération intensive sur les prompts, le RAG, les datasets.
• A/B test de variantes.
• Premiers utilisateurs internes testent en pré-prod.

Budget

• Ce qui fait varier le coût : le temps d’équipe consacré à l’itération sur les prompts, le RAG et les datasets, et le nombre de POC encore actifs.

M6 — Pré-production + bilan trimestre

Livrables

• 2-3 POC en pré-production (utilisés par 5-15 personnes en interne).
• Premiers résultats mesurés (heures gagnées, qualité, satisfaction).
• Bilan COMEX : décision de passer en industrialisation Q3 ou de continuer POC.

Activités

• Documentation utilisateur de chaque POC.
• Plan d’évaluation continue.
• Premières discussions sécurité / conformité (DPIA, registre AI Act).

Budget

• Ce qui fait varier le coût : le nombre de POC passés en pré-production, la documentation et la formation des utilisateurs, et le périmètre de la revue sécurité et conformité.

Indicateurs de succès M4-M6

• 2-3 POC qui ont passé le critère qualité (seuil fixé au cadrage, mesuré sur dataset d’éval).
• Au moins 1 POC en pré-prod avec utilisateurs internes.
• ROI mesuré ou estimé crédible sur les POC réussis.
• LLM Gateway et observabilité opérationnels.

Critère d’arrêt M6 Si vous n’avez aucun POC qui passe en pré-prod, stoppez et reprenez l’audit. Souvent c’est le signe que les cas candidats ne sont pas mûrs (data manquante, process non stable, attentes surfaisables). Voir pourquoi des projets IA échouent pour les pièges classiques.

M7-M9 — Phase 3 : Industrialisation

L’objectif des mois 7-9 est de passer 2-3 POC réussis en production stable, avec gouvernance, monitoring, support, formation à grande échelle. C’est la phase la moins glamour et la plus déterminante pour le succès à 12 mois.

M7 — Mise en production progressive

Livrables

• 1 POC en production sur 100 % des utilisateurs cibles (ex : tous les commerciaux ont l’agent qualif lead).
• 1-2 POC en ramp-up (10 % puis 50 % puis 100 %).
• Runbook incident (qui appeler, comment couper, comment rollback).
• SLO définis (latence, disponibilité, qualité).
• Plan d’astreinte light (qui regarde les alertes ?).

Activités

• Mise en place des alertes : taux d’erreur, coût quotidien, dérive de qualité.
• Premiers incidents inévitables (tracés, post-mortem, amélioration).
• Communication large dans l’entreprise (démos, témoignages utilisateurs).

Budget

• Ce qui fait varier le coût : la complexité du premier POC à industrialiser, le temps de développement et d’exploitation, l’astreinte et la continuité des licences.

M8 — Formation à grande échelle + conformité finalisée

Livrables

• Formation IA déployée sur 100 % des collaborateurs concernés (pas juste les pilotes).
• Bibliothèque interne de prompts versionnés (Notion, ou repo Git, ou Langfuse).
• DPIA finalisée pour chaque chantier traitant des données personnelles.
• Registre AI Act tenu à jour.
• Charte d’usage IA mise à jour avec retours d’expérience.

Activités

• Sessions de formation par fonction.
• Onboarding des nouveaux collaborateurs intègre l’usage IA.
• Audit conformité interne (RGPD + AI Act). Voir AI Act 2026.

Budget

• Ce qui fait varier le coût : le nombre de collaborateurs et de groupes à former, le coût des formateurs, et le recours à un DPO ou à un juriste, interne ou externe.

M9 — POC restant industrialisé + bilan H1

Livrables

• Tous les POC retenus sont en production.
• Bilan COMEX semestriel : ROI mesuré, taux d’adoption, coût total, prochains chantiers.
• Décision sur l’extension Q4 (nouveaux chantiers ? nouveaux périmètres ?).

Activités

• Stabilisation prod, pas de nouveau chantier majeur lancé.
• Mesure approfondie du ROI (heures gagnées × coût horaire × volume).
• Identification des cas d’usage du Q4 (à partir des retours utilisateurs).

Budget

• Ce qui fait varier le coût : le nombre de POC restants à industrialiser, et le niveau d’exigence du reporting de ROI.

Indicateurs de succès M7-M9

• 2-3 chantiers IA en production stable (incidents suivis et traités par post-mortem).
• Adoption mesurée sur les fonctions équipées, conforme au seuil cible.
• ROI mensuel mesuré et positif sur au moins 1 chantier.
• Conformité AI Act + RGPD validée.

Critère d’arrêt M9 Si à fin M9 vous n’avez aucun chantier en production stable, c’est le signe d’un problème structurel (équipe technique sous-dimensionnée, gouvernance défaillante, ou attentes irréalistes). Stoppez les nouveaux chantiers, faites un audit interne, et corrigez avant de relancer.

M10-M12 — Phase 4 : Scaling

L’objectif des mois 10-12 est l’amplification : étendre à d’autres BU, optimiser les coûts, lancer 1-2 chantiers ambitieux (premiers agents niveau 3 si maturité OK), et préparer l’année 2.

M10 — Optimisation coûts + extensions

Livrables

• Tableau de bord FinOps LLM opérationnel (coût/jour/modèle/fonction).
• Model routing optimisé (chaque appel sur le bon modèle).
• Caching activé (prompt caching, response caching, semantic caching). Voir intégration LLM système d’information.
• Coût total mesuré et réduit par rapport à la sortie M9, sans perte de qualité.
• 1-2 nouveaux chantiers lancés sur d’autres BU ou fonctions.

Activités

• Audit FinOps complet : top 10 prompts les plus coûteux, top utilisateurs, gaspillages.
• Renégociation contrats fournisseurs si volume justifie.
• Optimisation des prompts longs (compression, caching).

Budget

• Ce qui fait varier le coût : l’ampleur de l’audit FinOps, le nombre de prompts à optimiser, et le nombre de nouveaux chantiers lancés sur d’autres BU.

M11 — Premier chantier niveau 3 (agent autonome supervisé)

Livrables

• Cadrage du premier agent niveau 3 (ex : agent veille concurrentielle, agent classification SAV).
• Architecture conforme aux principes (whitelist tools, budget tokens, kill-switch). Voir agent IA autonome.
• Premier déploiement en interne supervisé.

Activités

• Recrutement / mobilisation d’un dev IA senior (interne ou externe) pour porter le chantier.
• Architecture en MCP si possible. Voir MCP servers entreprise.
• Tests intensifs sur des cas adverses (injection prompt, edge cases, boucles).

Budget

• Ce qui fait varier le coût : le périmètre de l’agent, le temps du développeur IA senior (interne ou externe), l’ampleur des tests adverses et le budget de tokens.

M12 — Bilan annuel + roadmap année 2

Livrables

• Bilan annuel complet : ROI cumulé, coût total, taux d’adoption, chantiers en prod, leçons apprises.
• Présentation COMEX : retour sur le budget année 1 vs résultat, et budget année 2 demandé.
• Roadmap année 2 documentée : extensions, nouveaux niveaux, ambitions.
• Capitalisation : bibliothèque de prompts, patterns, code réutilisable.

Activités

• Workshop COMEX 1/2 journée : ROI, leçons, ambitions année 2.
• Tour de table avec les AI Champions : ce qui marche, ce qui irrite, ce qui manque.
• Préparation du recrutement / contractualisation année 2 si scaling.

Budget

• Ce qui fait varier le coût : le temps consacré au bilan et à la planification de l’année 2, et le niveau de support nécessaire à la continuité de la production.

Indicateurs de succès M10-M12

• Coût LLM optimisé par rapport à M9.
• 1 agent niveau 3 en pré-prod ou prod.
• Plusieurs chantiers en production stable.
• ROI annuel cumulé positif, mesuré par rapport à l’investissement.
• Adoption mesurée sur les fonctions équipées, conforme au seuil cible.

M1-M3 (quick wins)

• ChatGPT Team / Claude Team / Le Chat Pro (au choix selon stack existant).
• Microsoft Copilot 365 si vous êtes Microsoft.
• Outils no-code pour automatisations simples (Zapier, Make).
• Pas d’infra dédiée à ce stade.

M4-M6 (POC)

• LLM Gateway léger (n8n, ou OpenAI / Anthropic SDK + un wrapper maison, ou LiteLLM proxy).
• Observabilité : Langfuse self-hosted ou Helicone SaaS.
• Vector DB : pgvector (Postgres) ou Qdrant. Voir vector databases 2026.
• Frameworks : LlamaIndex ou LangChain ou code custom Vercel AI SDK. Voir LangChain vs LlamaIndex vs Haystack.

M7-M9 (industrialisation)

• LLM Gateway robuste (Portkey, Helicone, ou custom).
• Observabilité prod (Langfuse complète).
• Évaluation continue (Promptfoo, Ragas, ou custom).
• Sécurité : auth utilisateur, audit trail complet, classification des données.

M10-M12 (scaling)

• Multi-fournisseurs : Bedrock + Azure OpenAI + direct Mistral, avec broker (LiteLLM ou custom).
• Caching avancé (semantic cache, plan cache).
• MCP servers pour l’exposition des outils.
• Observabilité avec dashboards business (ROI par chantier, satisfaction utilisateur).

Voir AutoGen vs CrewAI vs LangGraph et n8n vs Langflow vs Flowise vs Dify pour les choix d’orchestrateur.

Recrutement et compétences — qui embaucher, qui former, qui externaliser

C’est le sujet le plus mal traité dans la majorité des transformations IA PME.

Profil 1 — AI Lead

Quoi : pilote opérationnel de la stratégie IA. Anime la gouvernance, gère le portefeuille de chantiers, mesure le ROI, fait l’interface COMEX-équipes.

Profil idéal : chef de projet senior + affinité tech (sait lire du code, pas forcément en écrire), OU ingénieur senior + affinité business (sait parler ROI, pas que latence).

Recrutement : le coût dépend du niveau de séniorité et de la localisation (province ou région parisienne) ; se référer à des grilles de salaires publiées. Externalisation : temps partiel via un prestataire, dont le coût dépend du taux journalier et de la durée de la mission.

Recommandation : externalisé en M1-M6, recrutement en interne dès M7 si transformation engagée.

Profil 2 — Dev IA / ML Engineer

Quoi : implémente les chantiers techniques (LLM Gateway, RAG, agents, observabilité). Maîtrise Python, SDKs LLM, vector DBs, déploiement.

Profil idéal : 4-8 ans en dev backend, 1-2 ans en projet IA réel (pas juste tutoriels). Doit connaître les pièges (prompt engineering, evaluation, FinOps).

Recrutement : le coût dépend du niveau de séniorité et de la localisation. Les profils seniors avec plusieurs années d’IA en production sont rares en 2026. Externalisation : taux journalier variable selon la séniorité.

Recommandation : externalisé en M4-M9, recrutement progressif si transformation pérennisée.

Profil 3 — AI Champions internes

Quoi : ambassadeurs métier qui font vivre l’usage IA au quotidien dans leur fonction. Pas de profil IT, juste enthousiasme + bonne maîtrise métier.

Recrutement : aucun, c’est de la valorisation interne. Prévoir une part de temps dédiée par AI Champion, à définir avec leur manager. Formation : formation initiale + démos régulières.

Recommandation : 3-5 AI Champions pour une PME 100-200 personnes, identifiés au M1, formés au M2.

Profil 4 — Data Engineer / Data Analyst

Quoi : prépare la donnée, indexe, maintient les pipelines. Critique pour le RAG et les agents qui consomment des données structurées.

Recrutement : le coût dépend du niveau de séniorité et du périmètre data. Externalisation : taux journalier variable selon la séniorité.

Recommandation : interne si possible, sinon externalisé pour les chantiers ponctuels.

Profil 5 — Prestataire externe sénior

Quoi : agence ou freelance senior qui apporte la méthode, la stack moderne, l’expérience cumulée de projets similaires. Voir choisir prestataire IA checklist.

Quand l’utiliser : M1 (audit), M4-M6 (architecture POC), M7 (industrialisation), M11 (premier agent niveau 3). Pas en continu.

Ce qui fait varier le budget mois par mois

Pour une PME d’une centaine de personnes en voie hybride, voici les principaux postes de coût de chaque mois. Aucun montant n’est avancé : il dépend de votre périmètre, de vos tarifs fournisseurs et de vos coûts internes.

Mois	Phase	Activité principale	Principaux postes de coût
M1	Audit	Diagnostic + cas candidats	Temps interne de l’équipe d’audit
M2	Setup	Gouvernance + licences + formation	Licences, formation, AI Lead
M3	Quick wins	2 quick wins déployés	Cadrage et mise en place, licences
M4	POC	Lancement 3 POC	Cadrage des POC, gateway, observabilité, base vectorielle
M5	POC	Itération + critères d’arrêt	Temps d’équipe sur les POC
M6	Pré-prod	2-3 POC en pré-prod	Pré-production, sécurité et conformité initiale
M7	Industrialisation	1er POC en prod	Développement, exploitation, astreinte
M8	Formation + conformité	À grande échelle	Formation, DPO / juriste
M9	Industrialisation	POC restants en prod	Industrialisation, reporting de ROI
M10	Scaling	FinOps + extensions	Optimisation, nouveaux chantiers
M11	Niveau 3	Premier agent	Développeur IA senior, tests adverses, tokens
M12	Bilan	Année 2 préparée	Bilan, planification, continuité de la production

Le budget total dépend de la taille de l’entreprise, du nombre de licences, du nombre de POC menés en parallèle, de la part du travail réalisée en interne et du recours à des prestataires. Pour chiffrer votre propre enveloppe, partez des tarifs publics des éditeurs et de vos coûts internes (temps × coût horaire).

Voir combien coûte un projet IA en PME en 2026 pour une décomposition par chantier individuel.

Pièges M1-M3

• Audit consultant sans plan d’action. Choisir un audit avec une équipe qui a déjà livré, pas qui vend du conseil.
• Pas de sponsor COMEX désigné formellement. Avant la signature, c’est tout ou rien.
• Acheter des licences sans formation. Adoption faible.
• Quick wins trop ambitieux. Un quick win doit rester court et borné, pas devenir un projet de plusieurs mois.

Pièges M4-M6

• 5+ POC simultanés. Vous ne tenez pas le rythme, tout traîne, tout échoue.
• Pas de critère d’arrêt défini en amont. Vous gardez sous perfusion des POC qui ne marchent pas.
• Pas de dataset d’évaluation. Vous ne savez pas si votre POC marche.
• POC sans LLM Gateway centralisé. Code spaghetti, impossible de mesurer, impossible de changer de modèle plus tard.

Pièges M7-M9

• Mise en prod sans observabilité. Vous découvrez les bugs par les utilisateurs.
• Pas de plan d’incident. Premier vrai incident = chaos.
• Formation négligée. Vous mettez en prod, l’équipe ne sait pas s’en servir, l’adoption stagne.
• Conformité reportée. Premier audit RGPD ou AI Act = tout à reprendre.

Pièges M10-M12

• Pas de FinOps. Le coût LLM dérive sans qu’on s’en rende compte.
• Lancement d’un agent niveau 3 sans niveau 2 mature. Saut trop haut, échec quasi garanti. Voir agent IA autonome.
• Ne pas capitaliser. À M12 vous repartez de zéro pour année 2 parce que rien n’a été documenté.
• Bilan COMEX cosmétique. Sans chiffres robustes, le budget année 2 sera coupé.

Indicateurs de succès et critères d’arrêt — la version dirigeant

À chaque trimestre, voici les questions à se poser en COMEX. Si vous répondez “non” à 2+ questions, vous devez stopper et corriger avant d’avancer.

Fin Q1 (M3)

1. Sponsor COMEX et AI Lead opérationnels ? OUI/NON
2. Comité IA mensuel actif avec ordre du jour ? OUI/NON
3. Au moins 2 quick wins déployés et mesurés ? OUI/NON
4. Adoption conforme au seuil cible fixé au cadrage ? OUI/NON
5. ROI estimé crédible sur au moins 1 chantier ? OUI/NON

Fin Q2 (M6)

1. 2-3 POC en pré-prod stable ? OUI/NON
2. Qualité conforme au seuil fixé au cadrage sur datasets d’éval ? OUI/NON
3. LLM Gateway et observabilité opérationnels ? OUI/NON
4. ROI mesuré > 0 sur au moins 1 chantier ? OUI/NON
5. Conformité AI Act / RGPD initiée ? OUI/NON

Fin Q3 (M9)

1. 2-3 chantiers en production stable ? OUI/NON
2. Adoption conforme au seuil cible sur fonctions équipées ? OUI/NON
3. ROI mensuel positif et mesuré ? OUI/NON
4. Conformité finalisée ? OUI/NON
5. Formation à grande échelle déployée ? OUI/NON

Fin Q4 (M12)

1. ROI annuel cumulé positif et mesuré par rapport à l’investissement ? OUI/NON
2. Plusieurs chantiers en production stable ? OUI/NON
3. Coût LLM optimisé par rapport à M9 ? OUI/NON
4. Bibliothèque interne de prompts / patterns ? OUI/NON
5. Roadmap année 2 documentée et budgétée ? OUI/NON

Plus vous répondez OUI, plus la transformation est solide ; chaque NON désigne un point à corriger avant de poursuivre.

La synthèse en 5 lignes

1. 12 mois = M1-M3 audit/quick wins + M4-M6 POC + M7-M9 industrialisation + M10-M12 scaling.
2. Pas plus de 3 POC simultanés. Critères d’arrêt définis en amont.
3. Le budget se construit poste par poste (licences, temps interne, prestataires) et se module selon la taille de l’entreprise.
4. AI Lead + sponsor COMEX + AI Champions = trio incontournable. Sans eux, ça meurt.
5. Indicateurs de succès trimestriels, critères d’arrêt explicites. La discipline tue les projets fantômes avant qu’ils tuent votre budget.

Pour décider votre roadmap

Une roadmap IA ne se copie pas. Elle s’adapte à votre maturité, vos priorités, vos contraintes. Pour construire la vôtre, partez de l’audit de la phase 1 et fixez à l’avance vos critères d’arrêt et vos indicateurs de succès.

Pour aller plus loin

• Guide complet de l’IA en entreprise en 2026 — Le guide de référence pour démarrer.
• Stratégie IA pour PME française en 2026 — La méthode stratégique avant l’exécution.
• Intégration LLM dans votre système d’information — Le guide technique complet.
• Combien coûte un projet IA en PME en 2026 — Une décomposition par chantier.
• Pourquoi des projets IA échouent — Les pièges qu’on voit systématiquement.