Évaluation de préparation à l’IA : les 7 livrables qu’une PME devrait recevoir

Une note de maturité de 62 sur 100 ne vous dit pas quoi faire lundi matin.

Votre entreprise peut recevoir un rapport affirmant qu’elle est « prête à 62 % », puis rester avec les mêmes questions : quel processus choisir, quelle information utiliser, qui décide et comment mesurer si le travail s’améliore?

La nuance devient importante parce que l’adoption accélère. Statistique Canada rapporte que 19,2 % des entreprises canadiennes ont utilisé l’IA pour produire des biens ou fournir des services au cours des 12 mois précédant son enquête du deuxième trimestre de 2026. C’était 6,1 % dans l’enquête comparable de 2024. Les outils avancent vite, mais les vraies questions restent très concrètes : par où commencer, qu’est-ce que notre équipe peut soutenir et quelles preuves justifieraient un investissement plus important?

Une évaluation de préparation à l’IA est une démarche structurée qui vérifie si un processus précis, une équipe, une base d’information et un environnement de contrôle peuvent soutenir une implantation utile de l’IA.

Elle ne devrait pas se terminer par une liste d’outils. Elle devrait mener à des décisions, des responsables, des preuves et une courte séquence d’exécution.

Évaluation, audit de gouvernance ou mandat d’implantation?

Ces trois démarches peuvent se compléter, mais elles ne répondent pas à la même question.

Une bonne évaluation peut conclure qu’un enjeu de gouvernance doit être réglé avant l’implantation. Elle peut aussi montrer qu’une idée prometteuse n’est pas encore prête parce que le processus varie trop ou que les sources d’information ne sont pas fiables.

C’est quand même un bon résultat. Être prêt ne veut pas dire pousser chaque idée en production. Ça veut dire prendre une meilleure prochaine décision.

1. Un résultat d’affaires mesurable

L’évaluation doit partir d’un problème d’affaires, pas d’une fonction à la mode.

« Utiliser l’IA générative » n’est pas un résultat. « Réduire le temps nécessaire pour préparer une première version d’une soumission tout en gardant l’approbation finale entre des mains humaines » est déjà beaucoup plus utile. On voit le processus, le résultat recherché et une limite importante.

Un bon énoncé devrait préciser :

• le point de départ;
• l’amélioration souhaitée;
• les personnes touchées;
• le niveau de qualité à préserver;
• et la preuve qui permettra de dire si ça fonctionne.

La mesure de départ n’a pas besoin d’être parfaite. Un échantillon représentatif du temps consacré, des reprises, des délais et des erreurs suffit souvent pour commencer.

Sans ce point de comparaison, on peut produire une démo impressionnante sans démontrer que l’entreprise travaille mieux.

2. Une courte liste de processus, classés par priorité

La plupart des entreprises ont plus d’idées IA qu’elles ont de capacité pour les implanter.

L’évaluation devrait ramener cette liste à quelques processus et les comparer avec des critères pratiques :

• valeur pour l’entreprise;
• fréquence et volume;
• stabilité du processus;
• disponibilité de l’information;
• effort d’implantation;
• exposition liée à la vie privée et à la sécurité;
• conséquence d’une mauvaise réponse;
• et délai avant d’obtenir des preuves utiles.

Cette étape évite que la demande la plus bruyante ou la dernière démo d’un fournisseur devienne la priorité.

Le meilleur premier processus n’est pas toujours le plus spectaculaire. C’est souvent celui qui est assez répétitif pour être mesuré, assez délimité pour être contrôlé et assez important pour que l’équipe voie la différence.

Le livrable doit expliquer pourquoi le processus retenu passe en premier et pourquoi les autres attendent.

3. Un portrait du processus actuel

L’IA ne peut pas réparer un processus que personne ne comprend vraiment.

Avant de recommander une automatisation, l’évaluation devrait montrer comment le travail se fait aujourd’hui :

• où la demande commence;
• quelles étapes sont suivies;
• qui prend chaque décision;
• où l’information est copiée ou saisie de nouveau;
• quelles exceptions demandent du jugement;
• où le travail reste en attente;
• et à quoi ressemble l’approbation finale.

Ce portrait n’est pas de la paperasse pour le plaisir. Il révèle souvent que le supposé « problème d’IA » est plutôt un problème de transfert, de responsabilité ou de documentation.

La préparation d’une soumission peut sembler être un travail de rédaction. Le vrai délai vient peut-être de la recherche des descriptions approuvées, de la confirmation des prix et de la validation des affirmations. Un assistant de rédaction, à lui seul, ne réglera pas ce système.

4. Un portrait des données et des sources de connaissances

Chaque processus IA utile dépend d’information.

L’évaluation doit identifier les systèmes et documents nécessaires, puis répondre à quelques questions :

• Qui est responsable de chaque source?
• Est-elle à jour?
• Est-elle assez complète pour la tâche?
• Quelle version fait autorité?
• Qui a le droit d’y accéder?
• Contient-elle des renseignements personnels, confidentiels ou protégés?
• Est-ce qu’une réponse peut retourner à la source qui la justifie?

Une équipe peut avoir des centaines de documents sans avoir de véritable source de référence. La première étape sera peut-être de clarifier la base de connaissances, les permissions ou la responsabilité documentaire. J’explique cette fondation dans Pourquoi une base de connaissances devient une infrastructure d’entreprise.

Une bonne évaluation sépare clairement l’information utilisable maintenant de celle qui doit être nettoyée, encadrée ou exclue.

5. Une carte claire des responsabilités et des compétences

Un projet IA demande plus qu’un dirigeant intéressé et un fournisseur technique.

L’évaluation devrait nommer :

• le responsable du processus;
• les personnes qui font le travail;
• la personne capable de juger la qualité des résultats;
• la personne responsable des accès et de la sécurité;
• les employés touchés par le nouveau processus;
• les besoins de formation;
• et la façon d’escalader un cas lorsque le système hésite ou se trompe.

Le responsable du processus n’a pas besoin de bâtir la technologie. Il doit pouvoir décider si le processus fonctionne et si les changements sont acceptables.

Les employés connaissent souvent les exceptions importantes et les erreurs qui pourraient briser la confiance. La trousse fédérale destinée aux PME reconnaît aussi leurs limites de temps, d’expertise et de gouvernance. L’évaluation doit donc proposer un fonctionnement que l’équipe en place peut soutenir.

6. Un registre des risques et des contrôles

Les risques doivent être liés au processus choisi, pas copiés d’une liste générique.

Un assistant qui prépare une première version de soumission et un système qui recommande des candidats à l’embauche ne créent pas la même exposition. L’évaluation doit documenter les risques pertinents, leur impact possible et les contrôles requis avant d’aller plus loin.

Selon le cas, le registre peut couvrir :

• la vie privée et les renseignements personnels;
• l’information confidentielle;
• les droits d’accès;
• les réponses inventées ou peu fiables;
• les décisions biaisées;
• la cybersécurité;
• la dépendance envers un fournisseur et son utilisation des données;
• la propriété intellectuelle;
• la continuité du service, la révision humaine et la conservation des preuves.

Chaque risque important devrait avoir un responsable, un traitement et une condition d’arrêt. « Un humain va vérifier » ne suffit pas si on ne sait pas à quel moment, selon quelle norme et avec quelle preuve.

Au Québec, une EFVP n’est pas automatiquement requise pour tout projet IA. Certains projets de systèmes impliquant des renseignements personnels peuvent toutefois déclencher des obligations particulières. Il faut repérer cet enjeu tôt et demander la validation appropriée.

Le cadre volontaire du NIST s’organise autour de quatre fonctions : Govern, Map, Measure et Manage. ISO/IEC 42001 définit les exigences d’un système de management de l’IA. Il faut appliquer le niveau de discipline qui correspond au processus et aux risques, pas copier un cadre au complet dans un petit projet.

Pour une organisation qui vise un système formel, l’accompagnement à l’implantation d’ISO/IEC 42001 représente la voie plus approfondie.

7. Une feuille de route sur 90 jours

Le dernier livrable doit transformer l’évaluation en séquence de travail contrôlée.

Une bonne feuille de route précise :

• le processus retenu;
• le responsable et l’équipe participante;
• la portée de la première version;
• les sources d’information et les limites d’accès;
• les critères d’acceptation;
• les contrôles et la révision humaine;
• les preuves à recueillir;
• les points de contrôle;
• et la décision de poursuivre, d’ajuster ou d’arrêter.

Elle doit aussi dire ce qui reste à l’extérieur des 90 premiers jours. Délimiter la portée est déjà une forme de contrôle.

Une séquence réaliste pourrait ressembler à ceci.

Jours 1 à 30 : établir le point de départ

Confirmer le processus, les exemples, les sources, les accès, les critères de qualité et les risques.

Jours 31 à 60 : bâtir et tester un processus délimité

Créer la plus petite version utile, la tester sur des cas historiques ou à faible risque, puis noter les échecs, les exceptions et l’effort de révision.

Jours 61 à 90 : l’utiliser dans des conditions contrôlées

Introduire le processus auprès d’un petit groupe, comparer les résultats au point de départ et décider s’il faut élargir, ajuster ou arrêter.

C’est le pont entre une démo réussie et le travail de tous les jours. Comme je l’explique dans Pourquoi tant de projets pilotes d’IA ne se rendent jamais aux opérations, prouver qu’une chose est possible n’est pas la même chose que la rendre répétable, encadrée et démontrable.

Exemple concret : accélérer la préparation de soumissions

Prenons une firme de services professionnels de 40 personnes qui veut préparer ses soumissions plus rapidement.

Une évaluation faible recommande un outil de rédaction et estime que l’équipe pourrait économiser quelques heures par semaine.

Une bonne évaluation produit plutôt ceci :

1. Résultat : réduire le temps de préparation d’une première version tout en gardant les prix et les affirmations finales sous approbation humaine.
2. Priorité : comparer les soumissions à deux autres processus candidats et expliquer pourquoi elles passent en premier.
3. Processus : documenter la demande, la qualification, la conception de la solution, les prix, la rédaction, la révision et l’approbation.
4. Sources : identifier les descriptions de services approuvées, les exemples, les clauses contractuelles et la personne responsable des prix.
5. Responsabilités : nommer le responsable du processus de vente, les experts qui révisent et la personne qui approuve.
6. Contrôles : exclure les renseignements clients confidentiels sans autorisation, exiger des affirmations reliées à leurs sources et empêcher tout envoi automatique.
7. Feuille de route : tester un type de soumission délimité, mesurer le temps de préparation et le taux de correction, puis prendre une décision.

Le résultat n’est pas « l’entreprise est prête pour l’IA ». Le résultat est beaucoup plus utile : ce processus est prêt pour une implantation contrôlée, à ces conditions.

Les signes d’une évaluation trop faible

Si l’évaluation ne permet pas de dire quoi commencer, qui en est responsable, quelle information peut être utilisée et comment décider si le projet fonctionne, elle n’a pas assez réduit l’incertitude.

Questions fréquentes

Qu’est-ce qu’une évaluation de préparation à l’IA?

C’est une démarche structurée qui vérifie si un processus précis, une équipe, une base d’information et un environnement de contrôle peuvent soutenir une implantation utile de l’IA. Elle doit identifier un point de départ qualifié, ses conditions et les preuves nécessaires pour avancer.

Une note de maturité IA est-elle utile?

Elle peut donner une comparaison générale, mais elle ne suffit pas pour guider l’implantation. L’entreprise a encore besoin d’un résultat mesurable, d’un portrait du processus, de sources d’information claires, de responsables, de contrôles et d’une feuille de route.

Quelle est la différence entre une évaluation de préparation et un audit IA?

L’évaluation de préparation cherche où l’organisation peut commencer et ce qui doit être vrai pour réussir. Un audit de gouvernance IA examine les politiques, les contrôles, les risques et les preuves selon des obligations ou des cadres définis. Les deux démarches peuvent se recouper, mais elles ne mènent pas à la même décision.

Que devrait-on faire après l’évaluation?

L’entreprise devrait choisir un processus délimité, confirmer son responsable et ses contrôles, définir les critères d’acceptation et le tester dans des conditions limitées. La prochaine étape peut être une implantation, une correction de gouvernance, un nettoyage des sources de connaissances ou une décision consciente de ne pas avancer.

Transformer la préparation en processus qui fonctionne

Le but d’une évaluation n’est pas d’admirer le plan. C’est de prendre une meilleure décision d’implantation.

L’Accompagnement IA de Nord Paradigm aide les PME québécoises à transformer un goulot d’étranglement récurrent en processus que l’équipe utilise pour vrai. Si vous avez déjà un processus en tête, réservez un appel découverte de 20 minutes et apportez sa version actuelle, y compris les bouts moins élégants.

Sources et lectures complémentaires

• Statistique Canada — Analyse de l’utilisation de l’intelligence artificielle par les entreprises au Canada, deuxième trimestre de 2026
• Innovation, Sciences et Développement économique Canada — Trousse à outils pour les PME déployant l’intelligence artificielle
• Innovation, Sciences et Développement économique Canada — Stratégie nationale en matière d’intelligence artificielle : L’IA pour tous
• NIST — AI Risk Management Framework
• ISO — ISO/IEC 42001:2023, systèmes de management de l’intelligence artificielle
• Commission d’accès à l’information du Québec — Responsabilités des entreprises et EFVP