Vos données sont-elles prêtes pour l'IA ? L'audit en 10 points
Florent Verney, directeur marketing de transition et à temps partagé · LinkedIn ·Publié le 18 octobre 2026 ·10 min de lecture Le cas d’usage est choisi, l’outil aussi. La première semaine, quelqu’un essaie d’exporter les devis de l’année et découvre qu’ils sont dans trois endroits : le logiciel de gestion pour la moitié, des fichiers sur le serveur pour un quart, des pièces jointes de mails pour le reste. Le projet prend un mois de retard avant d’avoir commencé, et la moitié de ce mois sert à décider qui doit faire le tri.
Cette page détaille le critère « données » de la grille de choix du premier cas d’usage, qui le note de 1 à 3. Elle ne traite pas de la confidentialité, qui a son propre article, ni de la reprise d’un système laissé par un prestataire. Elle répond à une question pratique : les données que le cas d’usage va lire sont-elles en état de servir, et sinon, qu’est-ce qui manque ?
Réponse en bref : l’audit se fait sur le cas d’usage visé, pas sur toute l’entreprise, et tient en dix points vérifiables en une semaine : existence dans un outil, responsable nommé, export en une heure, volume suffisant, champs clés remplis, doublons, formats homogènes, version de référence à jour, sensibilité identifiée, droits d’accès. Huit points ou plus : on lance. Cinq à sept : on lance avec un nettoyage ciblé dans le plan. Moins de cinq : on choisit un autre cas d’usage, ou on organise d’abord la collecte.
Pourquoi les données passent avant l’outil
Bpifrance Le Lab relève que 23 % des dirigeants de PME et ETI qui utilisent l’IA citent la difficulté à identifier les cas d’usage parmi leurs principales difficultés. Dans les diagnostics, cette difficulté a souvent une cause concrète : le cas d’usage qui paraissait évident ne tient pas, parce que les données qu’il demande n’existent pas sous une forme exploitable. Un assistant qui rédige une relance à partir d’un historique client ne fait pas mieux que l’historique qu’on lui donne.
La CNIL formule la même idée dans ses recommandations de déploiement : partir d’un besoin concret, pour des usages déjà identifiés. L’audit des données est la façon de vérifier que le besoin concret a de quoi être servi.
Les dix points
Chaque point se vérifie sur les données que le cas d’usage lira, et seulement celles-là. Les seuils sont les repères que j’utilise en diagnostic, à ajuster selon le cas d’usage.
| # | Point | Comment le vérifier | Repère pour « oui » |
|---|---|---|---|
| 1 | Existence dans un outil | Lister où se trouvent les données : logiciel, CRM, serveur de fichiers, mails, têtes | L’essentiel est dans un ou deux outils, pas dans des mails ni des mémoires |
| 2 | Responsable nommé | Demander qui corrige une donnée fausse dans chaque source | Une personne par source, qui le sait |
| 3 | Export en une heure | Exporter un mois de données réelles, chronomètre en main | Un fichier lisible en moins d’une heure, sans appeler un prestataire |
| 4 | Volume suffisant | Compter les éléments sur la période utile (devis, demandes, fiches) | Assez d’exemples pour couvrir les cas courants du processus |
| 5 | Champs clés remplis | Sur 50 éléments tirés au hasard, compter les champs utiles vides | Neuf sur dix au moins remplis pour les champs que le cas d’usage lit |
| 6 | Doublons | Sur le même échantillon, chercher les doublons (même client, même devis) | Quelques cas isolés, pas un client sur dix en double |
| 7 | Formats homogènes | Regarder les dates, les unités, les statuts, les noms de produits | Une seule façon d’écrire chaque chose, ou une table de correspondance |
| 8 | Version de référence à jour | Pour les documents (catalogue, tarifs, conditions, notices) : identifier la version qui fait foi | Une version datée, à un seul endroit, que tout le monde reconnaît |
| 9 | Sensibilité identifiée | Repérer les données personnelles et confidentielles que le cas d’usage touche | Chaque type de donnée sensible est nommé, avec la règle qui s’applique |
| 10 | Droits d’accès clairs | Vérifier qui peut lire quoi dans les sources, et avec quel compte | Des comptes au nom de l’entreprise, des droits qui suivent les rôles |
Les points 1 à 3 disent si les données sont atteignables. Les points 4 à 8 disent si elles sont utilisables. Les points 9 et 10 disent si on a le droit de s’en servir et dans quel cadre.
La semaine d’audit
| Jour | Ce qui se fait | Qui |
|---|---|---|
| Lundi | Inventaire des sources pour le cas d’usage (points 1 et 2) | Le porteur métier, avec les personnes qui font la tâche |
| Mardi | Export test d’un mois et comptage du volume (points 3 et 4) | Le porteur, avec la personne qui administre l’outil |
| Mercredi | Échantillon de 50 éléments : remplissage, doublons, formats (points 5 à 7) | Le porteur, deux heures |
| Jeudi | Documents de référence et sensibilité (points 8 et 9) | Le porteur, avec la direction pour la sensibilité |
| Vendredi | Droits d’accès (point 10), score et décision | Le porteur et la direction, une heure |
Aucune de ces étapes ne demande d’outil d’IA ni de compétence technique particulière. Elles demandent du temps d’une personne qui connaît la tâche, et c’est ce qui manque le plus souvent : un audit des données confié à quelqu’un qui ne fait pas la tâche passe à côté des champs qui comptent.
Lire le score
| Score | Note dans la grille de choix | Décision |
|---|---|---|
| 8 à 10 | 3 | Lancer. Les écarts restants se traitent pendant les premières semaines |
| 5 à 7 | 2 | Lancer avec un nettoyage ciblé dans le plan : quels champs, quelles sources, qui, combien de jours |
| 0 à 4 | 1 | Choisir un autre cas d’usage, ou organiser d’abord la collecte et revenir dans trois mois |
Un point mérite un traitement à part : si le point 1 est à « non » parce que les données sont dans des mails ou dans des têtes, aucun nettoyage ne le rattrape. Il faut d’abord que la donnée entre dans un outil, et cela prend des mois d’activité normale.
Ce que coûte un « non », point par point
| Point en échec | Ce que ça demande | Ordre de grandeur |
|---|---|---|
| 1. Pas dans un outil | Organiser la collecte : un champ, un modèle, une habitude | Plusieurs mois d’historique à constituer |
| 2. Pas de responsable | Nommer une personne par source | Une décision de direction |
| 3. Export impossible | Récupérer un accès administrateur, ou demander à l’éditeur | Quelques jours |
| 4. Volume insuffisant | Élargir la période, ou choisir un processus plus fréquent | Selon l’activité |
| 5 et 6. Champs vides, doublons | Nettoyage ciblé sur les champs utiles | Quelques jours de travail interne |
| 7. Formats hétérogènes | Table de correspondance, règles de saisie | Une à deux journées |
| 8. Pas de version de référence | Désigner la version qui fait foi, archiver les autres | Une à deux journées |
| 9. Sensibilité non identifiée | Appliquer la charte IA au cas d’usage | Une demi-journée |
| 10. Droits flous | Remettre les comptes au nom de l’entreprise, aligner les droits | Quelques jours |
Ces durées sont des repères pour une PME, pas des engagements : elles dépendent de la taille des sources et du temps que la personne peut y mettre.
Un exemple construit : la relance des devis
L’exemple est construit pour l’illustration. Il ne décrit pas un client. Une PME de distribution veut faire préparer par un assistant les relances de devis non signés, à partir de l’historique du CRM.
| Point | Constat | Oui / non |
|---|---|---|
| 1. Existence | Devis dans le CRM depuis deux ans, mais les échanges de négociation sont dans les mails | Oui, partiellement |
| 2. Responsable | La responsable de l’administration des ventes | Oui |
| 3. Export | Export des devis en vingt minutes | Oui |
| 4. Volume | Environ 1 200 devis sur l’année | Oui |
| 5. Champs clés | Statut du devis vide dans un cas sur quatre | Non |
| 6. Doublons | Un client sur huit existe en deux fiches | Non |
| 7. Formats | Statuts écrits de quatre façons différentes | Non |
| 8. Référence | Conditions générales à jour, à un seul endroit | Oui |
| 9. Sensibilité | Noms et coordonnées des acheteurs : couverts par la charte | Oui |
| 10. Droits | Comptes nominatifs, droits par rôle | Oui |
Score : 7 sur 10, note 2 dans la grille. Décision : lancer, avec trois jours de nettoyage ciblé dans le plan (statuts, doublons, une règle de saisie), avant le paramétrage. Le cas d’usage reste le bon ; il fallait seulement le savoir avant, pas en semaine 5.
Verdict
L’audit est à faire si un cas d’usage est choisi ou presque, s’il lit des données de l’entreprise (CRM, devis, documents), et avant tout achat d’outil spécialisé.
Il est inutile si le cas d’usage ne lit aucune donnée interne (un assistant qui reformule un texte collé à la main), ou si aucun cas d’usage n’est encore choisi : dans ce cas, la priorité est de partir des tâches, pas des données.
Ce que j’en fais
L’audit des données est le deuxième jour de mon diagnostic IA : les dix points sont vérifiés pour chacun des trois cas d’usage candidats, et le score entre dans la grille de choix. Quand un nettoyage ciblé est nécessaire, il entre dans le plan en 90 jours, avec son responsable et ses jours, et il est fait par vos équipes.
FAQ
Comment savoir si les données d’une PME sont prêtes pour l’IA ?
En les testant sur le cas d’usage visé, pas en général. Dix points se vérifient en une semaine : les données existent dans un outil, ont un responsable, s’exportent en une heure, sont en volume suffisant, ont leurs champs clés remplis, peu de doublons, des formats homogènes, une version de référence à jour, une sensibilité identifiée et des droits d’accès clairs. Huit points sur dix ou plus : on peut lancer.
Faut-il nettoyer toutes les données de l’entreprise avant de lancer un projet IA ?
Non. On nettoie uniquement les données que le premier cas d’usage lit, et uniquement les champs qu’il utilise. Un grand chantier de qualité des données lancé avant tout cas d’usage dure des mois et s’arrête souvent avant d’avoir servi. Le nettoyage ciblé entre dans le plan du projet, avec son temps et son responsable.
Que faire si les données nécessaires n’existent pas ?
Deux options. Choisir un autre cas d’usage, dont les données existent déjà dans un outil : c’est le plus souvent la bonne décision pour un premier projet. Ou commencer par organiser la collecte (un champ ajouté au CRM, un modèle de document commun) et revenir au cas d’usage trois mois plus tard, quand l’historique existe.
À lire aussi
- Choisir son premier cas d’usage IA pour la grille dont cet audit note le critère « données ».
- IA et données confidentielles pour ce qu’on peut confier à un outil, et ce qu’on ne doit pas.
- Le plan IA en 90 jours pour la place du nettoyage dans le calendrier.
- Pourquoi votre projet IA n’a rien donné : les 7 causes dont la quatrième : les données n’étaient pas prêtes.
- Mon IA : mettre l’IA au travail dans votre PME pour l’offre, du diagnostic au pilotage.
- Le diagnostic IA en 10 questions pour situer votre entreprise.
Démarrer
Si vous avez un cas d’usage en tête et un doute sur les données qu’il demande, décrivez-moi la tâche et les outils où sont les données : je vous réponds sous 48 h avec les points de l’audit à vérifier en premier.
Sources
- Bpifrance Le Lab, « L’IA dans les PME et ETI françaises, une révolution tranquille », juin 2025, 1 209 dirigeants : difficulté à identifier les cas d’usage citée par 23 %.
- CNIL, « Comment déployer une IA générative ? La CNIL apporte de premières précisions », 18 juillet 2024 : partir d’un besoin concret, pour des usages déjà identifiés.
Mettre l'IA au travail dans votre PME ?
Un diagnostic de quatre jours, trois cas d'usage chiffrés, un seul mis en production en 90 jours. Décrivez votre situation, je vous réponds sous 48 h avec la porte par laquelle entrer.
Discuter de vos projets ➜