Lundi matin, comité de pilotage. La DSI projette les résultats du dernier trimestre. Le POC d'IA générative sur le support client a tenu ses promesses : trente pour cent de temps de traitement en moins, satisfaction en hausse, équipes ravies. Le directeur financier hoche la tête, regarde sa montre, puis pose la seule question qui compte vraiment.
« Quand est-ce que ça passe en production ? »
Silence dans la salle. Le chef de projet promet une feuille de route pour le prochain comité. Six mois plus tard, le POC est toujours un POC. Cette scène-là, vous l'avez vécue.
La majorité des projets d'IA ne franchit jamais la porte de la production
Les chiffres varient selon les études — Gartner, McKinsey, MIT — mais ils racontent tous la même histoire : la grande majorité des initiatives d'IA en entreprise meurent entre le prototype et le déploiement. Le POC fonctionne. La démo emballe. Le passage à l'échelle, lui, n'arrive pas.
Le réflexe est de chercher la cause technique. Le modèle, la latence, le coût d'inférence. Sur le terrain, ce n'est presque jamais ça. Les blocages réels sont organisationnels, contractuels, politiques. Ils sont moins visibles que la technique, mais ils sont plus solides.
Voici les sept que l'on rencontre le plus souvent.
Blocage 1 — La donnée n'est pas prête, et personne n'ose le dire
Le POC a tourné sur un export Excel propre, préparé à la main par un analyste pendant deux semaines. En production, il faut brancher le modèle sur le vrai SI : trois CRM différents, deux ERP, un data warehouse mis à jour la nuit, des champs libres remplis par des humains pressés.
Les données existent. Elles ne sont pas utilisables. Ce n'est pas la même chose. Et tant que personne n'aura le mandat — et le budget — de nettoyer, tracer, gouverner cette donnée, le modèle restera sur l'étagère.
Blocage 2 — La gouvernance n'a pas suivi le rythme du POC
L'équipe POC avait toutes les libertés : un compte cloud à part, un accès aux données via une dérogation temporaire, une joie créative. Le passage en production ramène tout le monde à la réalité : RGPD, AI Act européen, audit interne, sécurité, comité éthique, validation juridique.
Chacun de ces interlocuteurs a un droit de veto. Aucun n'a été embarqué tôt. Le projet entre dans un purgatoire administratif dont peu reviennent.
La leçon : la gouvernance n'est pas un obstacle à la fin du projet. C'est un partenaire dès le premier jour.
Blocage 3 — Le ROI est flou, et tout le monde le sait
« Trente pour cent de productivité en plus » sonne bien en comité. Posez deux questions dessus et le chiffre s'effondre : trente pour cent par rapport à quoi ? Mesurés sur combien de cas ? Avec quelle population ? Sur quelle durée ?
Un POC mesure une promesse. Une production demande une preuve. Sans cadre de mesure rigoureux — KPI définis avant, baseline documentée, A/B test en place — le directeur financier finira par couper le budget. Pas par méchanceté : par prudence.
Blocage 4 — L'outil change, mais le processus métier reste identique
On greffe un copilote IA sur un workflow conçu en 2008. Les utilisateurs continuent de remplir les mêmes champs, dans le même ordre, pour les mêmes raisons historiques. Le copilote suggère. Personne ne change ses habitudes. Le gain promis disparaît dans la friction du quotidien.
L'IA en entreprise n'est presque jamais un projet d'IA. C'est un projet de transformation des processus, qui se trouve embarquer un modèle. Tant que le métier ne réécrit pas le processus autour de ce que l'IA permet, le ROI reste théorique.
Blocage 5 — La DSI n'est pas équipée pour faire vivre un modèle
Un POC tourne sur un notebook, surveillé par la personne qui l'a écrit. Une production tourne 24/7, intégrée au SI, monitorée, versionnée, avec des alertes, des fallbacks, un plan de retour arrière, des tests automatisés sur les régressions du modèle.
C'est un autre métier. Il s'appelle MLOps. Beaucoup d'entreprises découvrent ce mot le jour où elles veulent passer en production — c'est-à-dire trop tard.
Blocage 6 — Personne ne porte le projet une fois le POC terminé
Le POC avait un parrain enthousiaste, souvent un directeur métier ou un innovateur de la DSI. Le passage en production demande un porteur d'un autre type : avec un budget pluriannuel, une équipe permanente, et le mandat d'imposer le projet aux autres directions.
Quand ce porteur n'existe pas, le projet flotte. Il ne meurt pas — il se dilue dans la roadmap, retombe au rang de « chantier transverse » et finit par disparaître au profit de l'urgence du mois.
Blocage 7 — La peur, légitime, du SI legacy
Brancher un modèle d'IA sur le cœur d'un SI vieux de vingt ans est un acte de courage. Une régression sur l'API client, un appel qui sature, une hallucination qui contamine une donnée maître — et c'est l'opérationnel qui s'arrête.
Cette peur n'est pas irrationnelle. Elle est sage. Mais elle ne se résout pas en l'ignorant. Elle se résout en construisant des intégrations défensives : zones tampon, modes dégradés, traces complètes, kill switch documenté. C'est lent, c'est cher, et c'est exactement ce qui sépare un POC d'une production.
Cette histoire, on l'a déjà vécue
Si tout cela vous semble familier, c'est parce que c'est familier. Chaque vague technologique majeure a connu son propre purgatoire entre la promesse et l'usage réel.
- L'ERP, années 1990. SAP, Oracle, Baan. Des millions investis, des projets de cinq ans, des taux d'échec annoncés à 60 ou 70 pour cent. Les entreprises qui ont réussi ne sont pas celles qui avaient le meilleur logiciel — ce sont celles qui ont accepté de réécrire leurs processus.
- Le cloud, 2010-2018. Tout le monde voulait y aller. Peu y sont vraiment allés au début. Sécurité, gouvernance, peur de la dépendance, legacy mal cartographié. Les blocages techniques étaient réels, mais les blocages organisationnels les ont largement dépassés. Dix ans plus tard, le cloud n'est ni plus ni moins qu'une infrastructure normale.
- La transformation digitale, 2015-2020. Combien de « directions de la transformation digitale » sont mortes faute de mandat ? Le mot a fini par devenir suspect, parce qu'il avait servi à beaucoup de présentations et à peu de changements concrets.
L'IA suit la même courbe. Les mêmes blocages reviennent, sous d'autres noms. La bonne nouvelle, c'est qu'on connaît les recettes qui marchent — parce qu'elles ont déjà marché.
Ce qui débloque vraiment, en pratique
Les entreprises qui font passer leur IA en production font à peu près toutes la même chose. Ce n'est pas spectaculaire. C'est juste rigoureux.
- Choisir un cas d'usage à valeur mesurable, pas une vitrine. Mieux vaut une réduction de 8 % de coût sur un processus à fort volume qu'un assistant qui impressionne en démo.
- Embarquer la conformité, la sécurité et le métier dès le POC. Si le projet ne survit pas à leur regard à ce stade, il ne survivra jamais en production.
- Investir dans la donnée avant le modèle. Un modèle moyen sur de la donnée propre bat toujours un modèle excellent sur de la donnée sale.
- Nommer un porteur unique, avec budget et autorité. Pas un comité. Une personne, responsable du résultat.
- Construire l'industrialisation en parallèle, pas après. MLOps, monitoring, fallback, observabilité — dès le premier sprint de production.
- Mesurer en continu, et accepter de tuer ce qui ne marche pas. Un projet d'IA qui ne livre pas en six mois doit être réorienté ou arrêté. Le pire ennemi du portefeuille IA, c'est le projet zombie.
La vraie question
« Pourquoi nos POC ne passent pas en prod ? » est une question qui se trompe de cible.
La bonne question est : « Notre organisation est-elle prête à faire vivre un modèle d'IA dans son quotidien ? »
Elle force à regarder la donnée, la gouvernance, le processus, l'équipe, le budget, et la culture. Tous les blocages décrits plus haut tiennent en une phrase : l'IA n'échoue pas en production parce qu'elle est mauvaise. Elle échoue parce que l'entreprise n'a pas encore décidé de la faire entrer chez elle pour de bon.
Le jour où la décision est prise — réellement prise, avec un porteur, un budget et un mandat — les blocages tombent les uns après les autres. C'est exactement comme ça que sont passés l'ERP, le cloud, et toutes les vagues d'avant.
L'IA ne fait pas exception. Elle attend juste que vous décidiez.