Audit IA et financement BPI : ce qu’un dirigeant de PME doit vérifier

La question est légitime, et elle vient tôt : « est-ce qu’un audit IA peut être financé ? » Derrière elle, il y a en réalité deux sujets très différents, et les confondre coûte des mois. Le premier est administratif : quels dispositifs existent, et où le vérifier. Le second est technique : qu’est-ce qu’un diagnostic IA doit produire pour valoir son prix — financé ou pas. Le second décide du résultat. Le premier décide seulement de qui paie.

Où vérifier, et pourquoi ça vous fait gagner du temps

Vous ne trouverez pas ici le nom d’une aide avec son taux et son plafond. La raison est simple : ces dispositifs changent de nom, de périmètre et d’enveloppe d’une année sur l’autre, et une aide citée de mémoire devient une information périmée en quelques mois. Un dirigeant qui construit son calendrier sur un chiffre lu dans un article de blog y perd un trimestre. Je ne suis d’ailleurs ni un organisme de financement, ni un prestataire référencé par un dispositif public.

Le réflexe utile est plus simple, et il ne prend qu’un appel : vérifiez à la source, dans cet ordre. Bpifrance pour les dispositifs nationaux de conseil et de diagnostic ; votre Région, qui pilote sa propre politique d’accompagnement des entreprises ; votre CCI, qui connaît les dispositifs locaux et le calendrier réel des appels en cours ; et votre expert-comptable, qui saura dire ce qui est mobilisable au vu de votre situation. Posez-leur une question précise — « je veux financer un diagnostic d’opportunité sur l’IA, qu’est-ce qui est ouvert en ce moment ? » — plutôt qu’une question générale sur l’innovation.

Le sujet qui décide du résultat : la qualité du diagnostic

Un financement change qui paie ; la qualité de ce que vous recevez se joue ailleurs. Le mode d’échec le plus fréquent d’un diagnostic IA n’a rien à voir avec l’argent : c’est un rapport bien présenté, plein de cas d’usage plausibles, qui ne permet de décider de rien. Aucun périmètre chiffré, aucun critère de succès, aucune contrainte de données regardée en face. Il finit dans un tiroir, et l’entreprise a consommé une aide qu’elle ne pourra pas remobiliser.

Ce qui rend un diagnostic finançable et ce qui le rend utile sont, heureusement, la même chose : la capacité à énoncer un problème borné et un résultat vérifiable.

Ce qu’un diagnostic IA doit produire

Un diagnostic sérieux ne commence pas par le choix d’un modèle d’IA. Il commence par l’état de vos données, parce que c’est là que se joue la faisabilité. Concrètement, il doit produire cinq livrables :

• Un inventaire des sources de données. Où vit l’information, dans quel format, à quelle fréquence elle change, qui a le droit de la lire. Cette dernière colonne est celle qui tue le plus de projets : une information utile mais dont les droits d’accès ne sont pas gérables ne peut pas alimenter un agent.
• La liste des cas d’usage retenus, et surtout celle des cas écartés, avec le motif. C’est le livrable le plus précieux et le plus rare. Une partie de ce qu’on présente comme de l’IA relève d’une requête sur une base de données ou d’une automatisation classique : c’est plus fiable, moins cher, et ça se dit.
• Un jeu d’évaluation. Une liste de questions réelles avec la réponse attendue, écrite avant toute expérimentation. Sans elle, personne ne pourra jamais dire si le résultat est bon : on jugera à l’impression, et un système qui impressionne en démonstration échoue en production.
• Une note d’architecture qui tranche la question de la localisation des données. Modèle en ligne chez un fournisseur tiers, ou modèle exécuté sur votre matériel : ce n’est pas un détail d’implémentation, c’est la décision qui détermine le budget et le calendrier. La prendre après le diagnostic oblige à refaire le diagnostic.
• Un chiffrage de la mise en œuvre, et une recommandation d’arrêt assumée. « Ne faites pas ça maintenant » doit faire partie des conclusions possibles : c’est ce qui vous laisse une vraie décision à prendre à la lecture.

Trois pièges techniques qui rendent un diagnostic inexploitable

Choisir l’outil avant de regarder la donnée. Le comparatif de modèles est la partie amusante et la moins utile : les modèles changent tous les quelques mois, l’état de vos données ne change pas tout seul. Un diagnostic qui consacre l’essentiel de ses pages au choix du modèle sera périmé avant d’être mis en œuvre.

Ne définir aucun critère d’arrêt. Sans jeu d’évaluation ni seuil d’acceptation, une expérimentation ne se termine jamais : elle est toujours « prometteuse ». C’est le mécanisme par lequel un projet consomme son budget sans jamais passer en production.

Traiter la conformité et la réversibilité comme des sujets de fin de projet. Où vivront les données, sous quel format vous pourrez repartir avec ce que l’agent a appris : ces deux questions se posent au diagnostic, parce que les réponses contraignent l’architecture. Posées à la fin, elles obligent à tout reprendre.

Ce que vous pouvez faire cette semaine, sans attendre de réponse

Deux choses, gratuites, qui accéléreront le diagnostic quel que soit son financement — et qui vous diront déjà beaucoup.

Dressez la liste des endroits où vit l’information dont votre équipe a réellement besoin au quotidien : serveur de fichiers, boîtes mail, outil métier, tableurs personnels, connaissances qui ne sont écrites nulle part. Si la dernière catégorie est la plus grosse, vous avez votre premier chantier, et il n’est pas technologique.

Puis écrivez dix questions que vous aimeriez pouvoir poser à un agent, avec la réponse que vous attendez. Dix questions réelles, prises dans votre semaine, plutôt que dix questions de démonstration. C’est votre jeu d’évaluation. Il vaut plus qu’un comparatif d’outils, il tient sur une page, et il vous servira à juger n’importe quel prestataire — moi compris.