La maturité IA d’une entreprise se mesure d’abord à la qualité de sa donnée

Il existe aujourd’hui un décalage profond entre la façon dont les entreprises parlent de l’IA et la réalité de ce qu’elles sont capables d’en faire. L’IA est partout dans les discours. Pourtant, sur le terrain, la grande majorité des organisations en est encore à poser les premières briques d’une transformation qui prendra des années. Ce décalage n’est pas anodin : il coûte du temps, de l’argent, et parfois la crédibilité de projets entiers.

Notre conviction, forgée au contact de clients sur deux marchés aux maturités très différentes, tient en une position claire. Comme le formule Abir Ghosh, qui dirige l’offre de conseil en transformation digitale d’Astek :

« L’IA fait beaucoup de bruit, mais elle ne produit de la valeur que si la donnée est prête. Notre rôle n’est pas de vendre de l’IA. C’est d’accompagner les entreprises là où ça commence vraiment : dans la structuration, la qualité et la gouvernance de leur data. C’est là que se gagne ou se perd une transformation. »

Et sans data structurée, gouvernée, et de qualité, elle ne produit rien d’autre qu’une couche superficielle qui donne l’illusion d’avancer.

Quand la data n’est pas prête, l’IA ne l’est pas non plus

Le phénomène est désormais bien documenté, même si peu d’entreprises l’admettent publiquement. Sous l’effet d’une pression de marché considérable, des organisations se lancent dans des projets IA sans avoir réalisé les étapes préalables indispensables. Le résultat est toujours le même : des bots, des fonctionnalités isolées, des POCs qui ne passent jamais en production. Des réalisations qui restent cantonnées à une couche superficielle, sans transformation réelle du business.
Ce que l’on observe dans nos missions, c’est que la question n’est jamais « est-ce que l’IA peut nous aider ? » La réponse à cette question est toujours oui. La vraie question est « est-ce que notre data nous permet d’aller chercher cette valeur ? » Et là, la réponse est bien plus souvent non qu’on ne le pense. 

Les cinq fondations sans lesquelles rien n’est possible

Une transformation IA réussie repose sur un socle data que l’on peut décomposer en cinq dimensions interdépendantes.

La première est la stratégie data. Avant tout déploiement, une organisation doit être capable de répondre à trois questions : quelles données sont disponibles, quels usages métier elles doivent servir, et comment elles doivent être gouvernées. Ce travail de cadrage relève d’une approche conseil en amont, et il est non négociable.

La deuxième est la gouvernance et la sécurité des données. Dans des environnements de plus en plus distribués, notamment via le cloud, la gouvernance devient critique. Sans elle, la donnée n’est ni exploitable de manière fiable, ni scalable. Elle devient un actif théorique que personne ne peut réellement mobiliser.

La troisième est le data engineering. C’est souvent le chantier le plus sous-estimé. Les données des entreprises sont dispersées dans des systèmes différents, sous des formats variés, avec des structures hétérogènes. Le data engineering consiste à structurer les flux, harmoniser les formats, et créer les conditions d’une exploitation cohérente et durable.

La quatrième est la qualité des données. Abir Ghosh est sans détour sur ce point :

« La transformation digitale ne se résume pas à adopter les dernières technologies. Elle commence par comprendre ce que vous avez, ce dont vous avez besoin, et dans quel ordre avancer. C’est ça, le conseil technologique. Pas une réponse toute faite, mais un chemin construit avec vous. »

Nettoyage, normalisation, validation : ce travail ingrat est en réalité l’un des plus déterminants dans un projet IA.

La cinquième est la structuration du stockage, via un data warehouse qui centralise la donnée et la rend exploitable à l’échelle. Ce n’est pas le cœur de la valeur, mais c’est une étape structurante dont on ne peut pas faire l’économie.

Ce n’est qu’une fois ces cinq dimensions adressées que l’on peut, avec sérieux, déployer de l’intelligence artificielle. 

L’IA générative n’efface pas ce parcours, elle l’accélère

L’irruption de l’IA générative, avec des outils comme Copilot, OpenAI ou Gemini, a amplifié le sentiment d’urgence et, avec lui, la tentation de brûler les étapes. C’est une erreur de lecture. Ces technologies sont des outils d’amélioration, des briques à intégrer dans des solutions existantes. Elles ne servent pas à reconstruire des systèmes de zéro, et elles n’annulent pas la dette technique ou la dette data que certaines organisations ont accumulée.

Le machine learning, lui, n’est pas nouveau. Il existe depuis plus d’une décennie, et des POCs ont été conduits dans de nombreuses industries. Il est déjà intégré dans les pratiques des organisations les plus avancées. Ce qui a changé avec la GenAI, c’est la visibilité et la pression externe, pas la logique fondamentale du parcours. 

Deux marchés, deux postures : ce que cela révèle sur la maturité réelle

Notre exposition à deux marchés distincts offre un éclairage précieux sur l’état réel de la maturité data et IA dans les organisations.

Aux États-Unis, les clients avec lesquels nous travaillons ont, pour la plupart, déjà structuré leur data et disposent d’équipes techniques solides. Dans ce contexte, notre rôle est principalement un rôle d’exécution : les clients pilotent la stratégie, et nos équipes délivrent. C’est un modèle où la vitesse et la fiabilité d’exécution priment.

Au Moyen-Orient et en Afrique du Nord, la situation est différente. Les entreprises sont moins avancées dans leur maturité data, et notre rôle devient plus stratégique : accompagnement, conseil, structuration du parcours. Nous participons activement à la construction des fondations, pas seulement à leur exploitation.

Ce que ces deux postures illustrent, c’est qu’il n’existe pas un modèle unique d’intervention en matière de data et d’IA. Le bon niveau d’accompagnement dépend du point de départ de chaque organisation, et ignorer ce point de départ conduit inévitablement à des projets mal calibrés. 

Le vrai levier business : moderniser ce qui existe

Un dernier point mérite d’être posé clairement, car il touche au positionnement stratégique des ESN dans l’écosystème IA. Le terrain de jeu le plus pertinent n’est pas la reconstruction de systèmes complets. Ces projets sont longs, coûteux, et dominés par un petit nombre d’acteurs globaux de très grande taille.

Le vrai levier, celui qui crée de la valeur rapidement et durablement pour les clients, c’est la modernisation de l’existant : enrichir des applications déployées, intégrer des capacités intelligentes dans des plateformes opérationnelles, améliorer des expériences utilisateurs avec des fonctionnalités IA ciblées. C’est là que l’accompagnement d’un partenaire comme Astek prend tout son sens, parce que cela requiert une connaissance fine des systèmes en place autant qu’une maîtrise des technologies émergentes.

« Aucune organisation n’est encore arrivée à maturité sur l’IA. Et c’est une bonne nouvelle. Cela signifie que les décisions que vous prenez aujourd’hui sur vos fondations data détermineront votre position dans cinq ans. Nous sommes là pour que ces décisions soient les bonnes. »

C’est une réalité qu’il faut avoir le courage de dire, et qui devrait rassurer autant qu’elle appelle à l’action. Le parcours est long, mais il est balisé. La condition pour le parcourir avec succès n’est pas d’aller vite. C’est d’aller dans le bon ordre.