Les dix questions qu'un PDG ne doit pas oublier de poser au sujet de l'IA

La compétence d'un PDG en matière d'intelligence artificielle ne se mesure pas à sa compréhension de la technologie. Elle se mesure à la qualité de ce qu'il refuse d'approuver sans réponse claire.

Les questions utiles ne sont pas celles qui fournissent des informations. Ce sont celles auxquelles on ne peut pas répondre par des formules rassurantes. Un « oui, nous y travaillons » prononcé avec assurance devrait invalider la réponse, et non clore la discussion. Voici dix questions de ce type — choisies parce que chacune est difficile à éluder, et parce que la manière dont on y répond en dit plus long au dirigeant que n'importe quelle feuille de route.

1.Sur quelle ligne du compte de résultat cette initiative apporte-t-elle une amélioration, et dans quelle mesure ?

C'est la question qui distingue un projet stratégique d'une simple curiosité déguisée en projet stratégique. Si l'impact ne peut être lié à la croissance, à la marge, à la trésorerie, à la productivité ou à la qualité, l'entreprise finance en réalité un projet de recherche sous un autre nom. L'absence de chiffre est en soi la réponse.

2.Sommes-nous en train de construire un avantage défendable, ou de louer un bien que nos concurrents louent eux aussi ?

Les modèles de pointe sont à la portée de tous. Le fossé concurrentiel ne réside jamais dans la technologie — il réside dans les données propriétaires, dans la distribution, dans la profondeur de l'intégration au sein de l'entreprise, dans la rapidité d'exécution. Une entreprise qui confond l'adoption des mêmes outils que tout le monde avec un avantage concurrentiel a confondu accès et avantage.

3.Disposons-nous d'un patrimoine de données exploitable, ou d'un héritage que l'IA ne fera qu'amplifier pour le plonger dans le chaos ?

L'intelligence artificielle ne compense pas la mauvaise qualité des données. Elle l'amplifie. La majorité des échecs attribués à l'IA sont, à y regarder de plus près, des défaillances liées aux données — incomplètes, fragmentées, peu fiables — qui n'apparaissent qu'une fois l'investissement engagé. Mieux vaut le savoir avant qu'après.

4.Quelle est la capacité réelle de l'organisation à absorber ce changement ?

Une stratégie solide échoue si l'entreprise n'est pas en mesure de l'assimiler. L'IA ne se greffe pas simplement sur les processus existants ; elle les redéfinit, et ce faisant, elle remet en question les rôles, les habitudes, les compétences et les craintes. Si l'on avance trop vite, l'organisation rejette cette greffe ; si l'on avance trop lentement, on cède le terrain à d'autres. C'est au directeur général, et à lui seul, de fixer ce rythme.

5.À quelles conditions précises ce projet pilote passera-t-il en phase de production — et qui a le pouvoir de s'y opposer ?

Sans critère d'arrêt explicite, l'entreprise entre dans le purgatoire des projets pilotes : de nombreuses démonstrations, beaucoup d'enthousiasme, et un compte de résultat qui ne bouge jamais. La mise à l'échelle devrait nécessiter des preuves — de la rentabilité unitaire, de la fiabilité, de la sécurité, de la conformité, ainsi que d'une véritable adoption par les équipes. Un projet pilote qui survit parce que personne n'a défini les conditions de son arrêt n'est pas un projet pilote. C'est une fuite.

6.Qui est responsable des risques liés à l'IA au sein de l'entreprise, et cette personne peut-elle réellement bloquer un déploiement ?

Tant que la réponse est « tout le monde et personne », il n'y a pas de gouvernance — seulement une intention rassurante. Le test décisif ne réside pas dans l'organigramme. Il s'agit de savoir si quelqu'un détient le pouvoir de bloquer un déploiement, et à quand remonte la dernière fois où ce pouvoir a été utilisé. Une gouvernance incapable de dire non n'existe pas.

7.Que font déjà nos équipes avec l'IA, en dehors de tout cadre ?

Dans la plupart des entreprises, l'IA est déjà utilisée avant même que la direction n'ait établi la moindre règle à son sujet. L'« IA fantôme » est souvent le premier risque réel : des données sensibles collées dans des outils externes, du contenu non validé envoyé aux clients, des décisions discrètement assistées par des systèmes que personne n'a autorisés. La gouvernance ne commence pas par ce qui va suivre. Elle commence par la récupération de ce qui existe déjà.

8.Comment saurons-nous que le système dérive avant que le client ne s'en rende compte ?

Un modèle ne tombe pas en panne. Il se dégrade. La qualité baisse, les réponses s'éloignent de la réalité, et rien ne s'allume. La plupart des organisations découvrent cette dérive à la suite d'une réclamation, d'un incident ou d'un article peu flatteur — c'est-à-dire trop tard. La question n'est pas d'ordre technique. Il s'agit de savoir si l'entreprise a tenu à s'en rendre compte avant les autres.

9.Si ce fournisseur double son prix ou disparaît, que se passera-t-il ?

Il s'agit là du test de résistance à la réversibilité, qui transforme une question d'approvisionnement en un enjeu stratégique. La dépendance vis-à-vis d'un modèle, d'une API ou d'une plateforme unique devient une question de marge, de continuité et de pouvoir de négociation. Construire une capacité critique sur quelque chose qui ne peut être remplacé sans coûts importants relève d'une décision de gouvernance — et non d'un détail technique à régler en dehors du conseil d'administration.

10.Même si l'IA en est capable, devons-nous le faire ?

C'est la seule question de la liste qui ne concerne pas la faisabilité. Le directeur général est le gardien de la confiance — cet atout qui prend le plus de temps à reconstruire. Toutes les automatisations possibles ne sont pas souhaitables, et certains choix, bien qu'efficaces à court terme, nuisent à la marque, à la culture d'entreprise et à la relation avec le client. Cette question protège ce que les autres ne peuvent pas protéger.

Ces dix questions ne constituent pas le cadre. Elles en forment le squelette.