Raft explique comment prioriser les initiatives d’IA et bâtir une feuille de route réaliste

Raft propose une méthode pratique pour transformer une liste éparse d’idées d’IA en programme de transformation pilotable : calculer d’abord la valeur potentielle de chaque initiative, la confronter ensuite à sa faisabilité, choisir une approche de mise en œuvre, et seulement après construire la feuille de route. Cette démarche s’adresse aux entreprises qui voient déjà des dizaines de scénarios d’IA possibles, mais ne veulent pas se noyer dans des pilotes sans résultat mesurable.

La thèse centrale est la suivante : on peut mettre en œuvre presque n’importe quoi, mais il est impossible de tout faire en même temps. C’est pourquoi l’auteur suggère d’abandonner l’empilement chaotique d’expériences et de passer à une gestion de portefeuille des initiatives d’IA.

La logique commence par une analyse des écarts (gap analysis). L’organisation obtient une liste de tâches qui montre pour quels cas d’usage elle est déjà prête, et pour lesquels il lui manque des données, une infrastructure, des compétences ou des dispositifs de sécurité.

Mais évaluer la faisabilité ne suffit pas. Pour décider où dépenser l’argent et les ressources de l’équipe, il faut estimer séparément la valeur métier attendue. Raft propose pour cela une formule simple de valeur potentielle : l’ampleur du problème, sa fréquence et la complexité de sa résolution manuelle. Chaque paramètre est noté de 1 à 10, et le score final se situe entre 1 et 1000. L’ampleur indique combien de personnes ou de processus le problème touche ; la fréquence, à quelle cadence il survient ; la complexité manuelle, combien de temps, d’argent et d’efforts il faut sans automatisation par l’IA.

Les auteurs relèvent aussi un seuil pratique : si une initiative n’atteint pas au moins 200 points, un développement interne peut mettre trop de temps à être rentabilisé. Dans ce cas, il est plus raisonnable de se tourner vers des solutions clés en main et d’en accepter consciemment les limites, plutôt que de lancer un développement sur mesure coûteux pour un effet faible.

L’étape suivante est la matrice valeur-faisabilité. Elle aide à distinguer les initiatives qui offrent le meilleur retour pour une complexité acceptable de celles qui sont encore prématurées ou économiquement douteuses. Il est proposé de retenir les projets du quadrant supérieur gauche de la matrice 2x2 : gains rapides, grands paris, innovations incrémentales et autres scénarios à l’effet notable et au chemin de mise en œuvre clair.

L’entreprise assemble ensuite ce que Raft appelle l’AI Tech Gartner’s Sandwich : pour chaque initiative, elle choisit un modèle de réalisation (buy, build ou partner), puis ajoute une couche de risques et de sécurité. L’idée est de considérer l’IA non comme un service isolé, mais comme un système multicouche réunissant solutions applicatives, composants de plateforme et mécanismes de protection, dont l’approche TRiSM de gestion de la confiance, des risques et de la sécurité.

Le résultat final de cette sélection n’est pas qu’une liste de priorités, mais une feuille de route de transformation par phases. Dans la première phase, que les auteurs appellent les fondations, ils recommandent de retenir une ou deux initiatives à forte valeur et faible complexité, de lancer des pilotes à effet rapide et, en parallèle, de combler les écarts techniques : préparer les données, bâtir les intégrations, renforcer l’infrastructure, recruter les profils manquants et former les équipes. Pour cette phase, on privilégie souvent le cloud afin de réduire le coût de validation des hypothèses et de raccourcir le time-to-market. La durée recommandée va de six à douze mois.

Vient ensuite le passage à l’échelle : les pilotes réussis sont étendus à de nouvelles équipes et à de nouveaux processus, et les initiatives de complexité moyenne passent en réalisation active si les écarts critiques sont déjà comblés. En parallèle, la couche de surveillance des menaces et de protection des systèmes d’IA est renforcée.

La troisième phase est l’optimisation : les outils d’IA font désormais partie de l’activité opérationnelle, et l’attention se porte sur les SLA, le contrôle qualité, la lutte contre la dégradation des modèles, la maintenance du pipeline MLOps et la baisse du coût total de possession, y compris un éventuel retour du cloud vers une infrastructure on-prem.

La conclusion principale : la transformation par l’IA demande de la discipline, pas de l’inspiration. L’entreprise qui calcule d’abord la valeur, vérifie ensuite honnêtement la faisabilité, puis répartit les initiatives par phases réduit le risque de s’enliser dans des prototypes sans fin et commence à piloter l’IA comme un portefeuille d’investissement mature. Pour le marché, c’est un signal important : les gagnants ne seront pas ceux qui lancent une démo le plus vite, mais ceux qui relient les projets d’IA aux indicateurs métier, à la sécurité et à un plan de déploiement réaliste.