Évaluation de la maturité IA des équipes

Découvrez dans quelle mesure votre équipe utilise aujourd'hui l'IA de façon réfléchie.

Essayez ce bilan de santé en direct

Qu'est-ce qu'une évaluation de la maturité IA ?

Faire entrer des outils d'IA dans une équipe, c'est la partie facile. Ce qui détermine s'ils sont vraiment utiles, c'est tout ce qui les entoure : les cas d'usage retenus, la vérification des résultats, ce qui ne doit jamais être collé dans un prompt, et la mesure (ou non) de leur effet. Avec l'évaluation de la maturité IA des équipes, votre équipe note 36 affirmations sur ces pratiques, réparties en neuf domaines qui vont de la stratégie et du leadership IA à la mesure de l'impact. Chaque affirmation se situe sur une échelle en cinq stades, d'Ad hoc à Optimisé, avec une option « non applicable » pour celles qui ne correspondent pas à votre travail. Des affirmations comme Nous vérifions les informations générées par l'IA avant de les utiliser et Nous documentons quand, comment et pourquoi l'IA est utilisée pour les travaux importants gardent les notes concrètes. La discussion porte ainsi sur des pratiques précises plutôt que sur un enthousiasme ou une inquiétude d'ordre général. Comparez la progression de l'adoption (outils, compétences, usage quotidien) avec celle des garde-fous (gouvernance, confidentialité, supervision humaine) : les deux doivent avancer ensemble.

Dimensions

Stratégie et leadership IA

Le lien entre l'usage de l'IA et les objectifs, la manière de choisir les cas d'usage, et l'implication des responsables dans le soutien et la prise en charge d'une adoption responsable.

  • Alignement stratégique

    Notre usage de l'IA soutient clairement les objectifs de notre équipe, de notre service ou de l'organisation.

    1. Ad hocL'IA est utilisée parce qu'elle est disponible, pas parce qu'elle sert un objectif précis.
    2. ÉmergentCertains travaux d'IA se rattachent vaguement à des objectifs plus larges ; la plupart relèvent de l'opportunisme.
    3. DéfiniL'usage de l'IA est lié à des objectifs d'équipe ou métier précis, que l'équipe sait nommer.
    4. MaîtriséLes investissements en IA sont délibérément priorisés en fonction des résultats stratégiques.
    5. OptimiséStratégie IA et stratégie d'équipe ne font qu'une ; les arbitrages sont faits en connaissance de cause.

  • Priorisation des cas d'usage

    Nous choisissons les cas d'usage de l'IA en fonction de leur valeur, de leur faisabilité et de leurs risques.

    1. Ad hocLes cas d'usage sont choisis par celui qui parle le plus fort ou selon la mode du moment.
    2. ÉmergentLes cas d'usage font l'objet d'une rapide vérification au feeling avant de démarrer ; peu d'évaluation structurée.
    3. DéfiniLa valeur, la faisabilité et le risque sont pris en compte avant de s'engager sur un cas d'usage IA.
    4. MaîtriséUn processus de priorisation clair oriente l'investissement en IA ; les idées à faible valeur ou à risque élevé sont écartées tôt.
    5. OptimiséLa sélection des cas d'usage est rigoureuse, rapide et mise à jour en continu à mesure que les résultats arrivent.

  • Soutien de la direction

    Les responsables encouragent et guident activement une adoption responsable de l'IA.

    1. Ad hocLes responsables restent silencieux ou sceptiques sur l'IA ; l'équipe est livrée à elle-même.
    2. ÉmergentLa direction tolère l'expérimentation de l'IA ; un soutien explicite reste rare.
    3. DéfiniLes responsables encouragent ouvertement l'usage de l'IA et donnent quelques repères sur les limites.
    4. MaîtriséLa direction défend constamment une IA responsable, l'applique elle-même et lève les obstacles.
    5. OptimiséLes responsables sont des promoteurs crédibles de l'IA : informés, impliqués concrètement et responsables des résultats.

  • Responsabilités et redevabilité

    Les responsabilités relatives aux décisions, aux usages et aux résultats de l'IA sont clairement définies.

    1. Ad hocPersonne n'est clairement responsable des décisions liées à l'IA ; aucun nom n'est associé aux problèmes ni aux réussites.
    2. ÉmergentUne responsabilité informelle apparaît autour de certains cas d'usage ; rien de structurel.
    3. DéfiniLa responsabilité de l'IA (décisions, usage, risques) est documentée pour les principaux cas d'usage de l'équipe.
    4. MaîtriséLes rôles et responsabilités sont clairs, à jour et respectés ; quand l'IA échoue, la marche à suivre est évidente.
    5. OptimiséLa responsabilité accompagne naturellement le travail avec l'IA ; les questions de propriété ne bloquent jamais l'équipe.

Adoption des outils et accès

La capacité de l'équipe à obtenir les bons outils d'IA, leur adéquation au travail et la régularité de leur usage.

  • Disponibilité des outils

    Les membres de l'équipe ont accès aux outils d'IA dont ils ont besoin pour bien faire leur travail.

    1. Ad hocLes gens veulent des outils d'IA mais ne peuvent pas les obtenir, ou utilisent des comptes personnels en parallèle.
    2. ÉmergentQuelques outils approuvés existent ; l'accès est lent ou inégal.
    3. DéfiniL'équipe dispose d'un accès fiable à un ensemble pertinent d'outils d'IA approuvés.
    4. MaîtriséL'accès aux outils est rapide, bien accompagné et adapté au travail ; les coûts sont gérés de manière délibérée.
    5. OptimiséL'accès se fait sans friction et est revu régulièrement ; la panoplie d'outils évolue avec les besoins de l'équipe et le marché.

  • Adéquation des outils

    Nos outils d'IA sont adaptés aux tâches, aux flux de travail et aux besoins de notre équipe.

    1. Ad hocNous utilisons l'outil le plus facile à obtenir, qu'il soit adapté ou non.
    2. ÉmergentLes outils conviennent à certaines tâches mais semblent forcés pour d'autres ; les gens contournent les lacunes.
    3. DéfiniLes outils correspondent globalement au travail ; l'équipe sait ce que chacun fait bien ou mal.
    4. MaîtriséLe choix des outils est délibéré, y compris quel modèle ou quelle fonctionnalité pour quelle tâche.
    5. OptimiséL'outillage est précisément ajusté au travail ; l'équipe réévalue et change d'outil sans hésiter quand de meilleures options apparaissent.

  • Régularité de l'adoption

    Les membres de l'équipe utilisent les outils d'IA de façon régulière là où ils apportent de la valeur.

    1. Ad hocQuelques passionnés utilisent l'IA ; la majeure partie de l'équipe continue comme si elle n'existait pas.
    2. ÉmergentL'adoption est inégale ; certaines tâches bénéficient toujours de l'IA, d'autres jamais.
    3. DéfiniLa plupart des membres utilisent les outils d'IA quand ils sont clairement utiles ; la couverture est large, sans être totale.
    4. MaîtriséL'adoption est homogène dans toute l'équipe ; les réticences sont traitées comme un problème de flux de travail, pas comme un trait de personnalité.
    5. OptimiséL'usage de l'IA est bien réparti ; l'équipe partage une même idée de là où elle est rentable et de là où elle ne l'est pas.

  • Veille sur les outils

    Nous nous tenons informés des nouvelles capacités de l'IA utiles à notre travail.

    1. Ad hocPersonne ne suit les nouveautés ; l'équipe utilise les mêmes outils de la même manière que toujours.
    2. ÉmergentQuelques personnes suivent les évolutions à titre personnel ; leurs découvertes atteignent rarement l'équipe.
    3. DéfiniLes nouveautés pertinentes sont partagées de temps en temps ; l'équipe a une vision approximative du paysage.
    4. MaîtriséL'équipe recherche activement les nouvelles capacités et les évalue au regard de ses besoins actuels.
    5. OptimiséLa veille est une habitude de l'équipe ; les nouvelles capacités sont adoptées (ou rejetées) de manière délibérée, pas par réaction.

Compétences et confiance en IA

La compréhension qu'a l'équipe de l'IA, ses compétences en rédaction de prompts et en esprit critique, et le soin qu'elle met à les développer.

  • Culture de l'IA

    Nous comprenons ce que l'IA peut faire et ce qu'elle ne peut pas faire.

    1. Ad hocDes idées fausses majeures circulent sur le fonctionnement de l'IA ; l'équipe lui fait trop confiance ou la rejette.
    2. ÉmergentCertains en ont une compréhension de base ; les lacunes entraînent des attentes irréalistes ou des craintes injustifiées.
    3. DéfiniL'équipe dispose d'un modèle mental opérationnel des forces, des limites et des modes de défaillance de l'IA.
    4. MaîtriséCette culture est partagée et à jour ; les nouveaux membres sont mis à niveau de façon délibérée.
    5. OptimiséL'équipe aborde l'IA avec lucidité, sans engouement excessif ni rejet, et ajuste son modèle mental à mesure que la technologie évolue.

  • Maîtrise des prompts

    Nous donnons à l'IA des instructions, un contexte et des contraintes clairs.

    1. Ad hocLes prompts sont des questions d'une ligne ; les résultats sont imprévisibles et souvent inutilisables.
    2. ÉmergentCertaines personnes rédigent des prompts efficaces ; d'autres peinent et abandonnent discrètement.
    3. DéfiniLa plupart des gens rédigent des prompts exploitables ; les résultats sont généralement pertinents.
    4. MaîtriséLa rédaction de prompts est traitée comme une compétence qui se travaille ; l'équipe partage une idée commune de ce qu'est un bon prompt.
    5. OptimiséLa rédaction de prompts est fluide ; les gens obtiennent des résultats de qualité dès le premier ou le deuxième essai et aident les autres à faire de même.

  • Esprit critique

    Nous questionnons, vérifions et affinons les résultats générés par l'IA.

    1. Ad hocLes résultats de l'IA sont acceptés tels quels ; erreurs et hallucinations se glissent dans les livrables.
    2. ÉmergentIl existe un certain scepticisme, mais irrégulier ; les erreurs évidentes sont repérées, les plus subtiles passent.
    3. DéfiniL'exactitude et la pertinence des résultats sont systématiquement vérifiées avant utilisation.
    4. MaîtriséL'évaluation critique est un réflexe ; l'équipe dispose de règles claires pour savoir quand faire confiance à l'IA et quand creuser.
    5. OptimiséL'esprit critique face à l'IA est automatique, rapide, honnête et appliqué avec le niveau d'effort approprié.

  • Apprentissage et développement

    Nous investissons délibérément dans le développement de nos compétences en IA.

    1. Ad hocNi temps ni budget explicites pour se former à l'IA ; les gens ne progressent que par hasard.
    2. ÉmergentQuelques personnes se forment en autonomie ; aucune structure ni progression partagée.
    3. DéfiniL'équipe consacre du temps à l'apprentissage de l'IA (formations, pratique, sessions de partage de connaissances).
    4. MaîtriséLe développement des compétences est un véritable investissement aux progrès visibles ; les nouvelles techniques sont testées et adoptées collectivement.
    5. OptimiséLe développement continu et délibéré des compétences fait partie de l'identité de l'équipe ; chacun gagne visiblement en capacité chaque trimestre.

Intégration dans les flux de travail

La place naturelle de l'IA dans le travail quotidien et les processus standards, l'équilibre entre humain et IA, et la refonte des façons de travailler.

  • Usage quotidien

    L'IA fait naturellement partie de notre travail de tous les jours.

    1. Ad hocL'IA est une curiosité utilisée de temps à autre ; elle ne fait pas partie du travail normal.
    2. ÉmergentCertaines tâches font régulièrement appel à l'IA ; beaucoup d'autres qui pourraient en profiter ne le font pas.
    3. DéfiniL'IA est utilisée chaque jour pour toute une série de tâches ; les gens y ont recours sans y penser.
    4. MaîtriséL'usage quotidien est réfléchi ; l'IA est utilisée là où elle apporte de la valeur et laissée de côté ailleurs.
    5. OptimiséL'IA est intégrée au travail si naturellement que l'équipe sait expliquer précisément quand et pourquoi elle ne l'utilise pas.

  • Intégration aux processus

    L'IA est intégrée à nos processus standards, pas simplement ajoutée par-dessus.

    1. Ad hocL'IA reste en dehors de nos processus ; chacun l'utilise à sa façon, en marge du flux de travail officiel.
    2. ÉmergentL'IA est parfois insérée dans les processus existants sans véritable refonte.
    3. DéfiniLes processus clés comprennent des étapes explicites faisant appel à l'IA lorsque c'est pertinent.
    4. MaîtriséLes processus sont conçus dès le départ autour de l'assistance de l'IA ; l'intégration est intentionnelle.
    5. OptimiséProcessus et IA évoluent ensemble ; l'équipe ajuste en permanence la place de l'IA dans le déroulement du travail.

  • Équilibre humain-IA

    Nous savons quand nous appuyer sur l'IA et quand le jugement, l'expertise ou la relecture humaine sont indispensables.

    1. Ad hocLes gens font trop confiance à l'IA (et livrent ses erreurs) ou l'évitent (et passent à côté de sa valeur).
    2. ÉmergentLa frontière se détermine au cas par cas ; les décisions sont incohérentes.
    3. DéfiniLa plupart des gens savent raisonnablement quand le jugement humain est nécessaire.
    4. MaîtriséL'équipe dispose de règles empiriques partagées et formulées sur la répartition entre humain et IA, surtout pour les résultats à fort enjeu.
    5. OptimiséL'équilibre est devenu une seconde nature ; l'équipe passe avec fluidité du travail humain au travail de l'IA et explique ouvertement pourquoi.

  • Refonte du travail

    Nous repensons les tâches, les rôles et les flux de travail pour tirer parti de l'IA.

    1. Ad hocLe travail est organisé exactement comme avant l'IA ; rien n'a été repensé.
    2. ÉmergentDe petits changements au niveau des tâches se font spontanément ; rien de structurel.
    3. DéfiniCertains flux de travail ont été repensés pour tirer parti de l'IA ; l'impact est visible.
    4. MaîtriséL'équipe remodèle activement le travail autour des capacités de l'IA, y compris ce que les rôles font et ne font pas.
    5. OptimiséLa refonte du travail est continue ; l'équipe voit dans l'IA une occasion de réinventer sans cesse son fonctionnement.

Données, connaissances et contexte

La capacité de l'équipe à fournir des données fiables à l'IA, à accéder aux connaissances nécessaires, à donner un bon contexte et à gérer ses ressources.

  • Qualité des données

    Les informations que nous utilisons avec les outils d'IA sont fiables, exactes et à jour.

    1. Ad hocL'IA est alimentée avec ce qu'on a sous la main ; les résultats pâtissent de données obsolètes, erronées ou incomplètes.
    2. ÉmergentLa qualité des données varie ; certains vérifient soigneusement leurs entrées, d'autres non.
    3. DéfiniL'équipe veille consciemment à fournir à l'IA des données de qualité et remarque quand ce n'est pas le cas.
    4. MaîtriséLa qualité des données utilisées avec l'IA est activement entretenue ; l'équipe peut se porter garante de ses sources.
    5. OptimiséLa qualité des données fait partie de la façon dont l'équipe aborde le travail avec l'IA ; les problèmes sont repérés et corrigés à la source.

  • Accès aux connaissances

    Nous accédons facilement aux connaissances internes nécessaires au travail assisté par l'IA.

    1. Ad hocLes connaissances internes sont dispersées ou verrouillées ; l'IA ne peut pas y accéder et personne ne prend la peine de les rassembler.
    2. ÉmergentCertaines sources de connaissances sont accessibles ; les gens copient-collent manuellement les passages utiles.
    3. DéfiniLes connaissances validées sont disponibles là où l'équipe en a besoin ; les outils d'IA peuvent s'y appuyer.
    4. MaîtriséL'accès aux connaissances est organisé et intégré aux flux de travail IA ; le contexte pertinent est disponible par défaut.
    5. OptimiséL'équipe fonctionne avec une boucle étroite entre connaissances internes et usage de l'IA ; les manques sont mis au jour et comblés rapidement.

  • Apport de contexte

    Nous fournissons à l'IA le bon contexte, les bons exemples et les bonnes contraintes.

    1. Ad hocLes gens posent des questions à l'IA sans contexte ; les résultats sont génériques et souvent à côté de la plaque.
    2. ÉmergentLe contexte est fourni quand il est évident ; les contraintes plus subtiles sont omises.
    3. DéfiniLes prompts incluent systématiquement le contexte, les exemples et les contraintes utiles à la tâche.
    4. MaîtriséL'apport de contexte est délibéré et maîtrisé ; les gens savent quoi inclure et quoi laisser de côté.
    5. OptimiséLa gestion du contexte est un point fort de l'équipe ; les résultats tombent juste avec un minimum d'allers-retours.

  • Gestion responsable des données

    Nous gérons la propriété, l'exactitude et l'usage approprié des données et des ressources de connaissances.

    1. Ad hocLa propriété des données n'est pas claire ; l'IA consomme et produit des informations sans que personne n'en assure le suivi.
    2. ÉmergentUne gestion informelle existe pour les données les plus sensibles ; les autres ressources ne sont pas gérées.
    3. DéfiniLes données et connaissances importantes ont des responsables désignés ; l'usage de l'IA respecte ces limites.
    4. MaîtriséLa gestion est active ; les ressources sont tenues à jour, l'usage de l'IA est consigné là où c'est important et l'équipe peut défendre ses pratiques.
    5. OptimiséLa gestion responsable est intégrée au fonctionnement de l'équipe ; l'IA renforce sa base de connaissances au lieu de l'éroder.

Gouvernance, risques et conformité

La connaissance de la politique IA, la protection de la confidentialité, l'attention portée aux biais et à l'équité, et la traçabilité de l'usage de l'IA.

  • Connaissance des politiques

    Nous comprenons les politiques, les limites et les circuits d'approbation de l'organisation en matière d'IA.

    1. Ad hocLes gens ignorent la politique IA de l'organisation ; chacun improvise.
    2. ÉmergentUne politique existe mais elle est mal connue ; la plupart des gens ne savent pas bien où se situent les limites.
    3. DéfiniLes membres de l'équipe savent décrire les grandes lignes de la politique IA et la respectent sur l'essentiel.
    4. MaîtriséLa politique est visible, comprise et renforcée dans les flux de travail habituels.
    5. OptimiséL'équipe considère la politique comme un bien commun et fait remonter ses retours aux personnes qui la maintiennent quand la réalité et la politique divergent.

  • Vie privée et confidentialité

    Nous évitons de saisir des informations sensibles, personnelles ou à diffusion restreinte dans les outils d'IA.

    1. Ad hocLes gens collent n'importe quoi dans les outils d'IA, y compris des données confidentielles ou personnelles.
    2. ÉmergentLa plupart évitent les erreurs évidentes ; des expositions plus subtiles (brouillons contenant des données personnelles, noms de clients) se produisent encore.
    3. DéfiniDes pratiques claires sont en place et globalement suivies ; les erreurs sont rares et servent de leçon.
    4. MaîtriséLes contrôles de confidentialité font partie du flux de travail normal (anonymisation, outils approuvés, règles claires) et l'équipe les applique par défaut.
    5. OptimiséLa confidentialité est protégée structurellement, pas seulement par des rappels ; l'équipe sait décrire avec assurance comment les données confidentielles sont tenues à l'écart des outils d'IA.

  • Biais et équité

    Nous prenons en compte les biais, l'équité et les préjudices potentiels dans les résultats produits avec l'IA.

    1. Ad hocPersonne ne se demande si les résultats de l'IA sont biaisés, excluants ou préjudiciables ; tout ce qui sort est utilisé.
    2. ÉmergentLa sensibilisation existe ; des vérifications spécifiques n'ont lieu que lorsqu'un problème devient évident.
    3. DéfiniL'équipe examine systématiquement les biais et l'équité dans les résultats importants produits avec l'IA.
    4. MaîtriséBiais et équité sont des points de contrôle explicites dans les flux de travail concernés ; l'équipe sait décrire ce qu'elle recherche.
    5. OptimiséL'équipe a intégré l'examen de l'équité ; les préjudices potentiels sont repérés et traités tôt, tout naturellement.

  • Traçabilité

    Nous documentons quand, comment et pourquoi l'IA est utilisée pour les travaux importants.

    1. Ad hocL'usage de l'IA est invisible ; personne ne pourrait retracer comment un travail a été produit.
    2. ÉmergentQuelques notes informelles ; rien d'assez fiable pour servir de base à un audit.
    3. DéfiniL'usage de l'IA est documenté pour les résultats importants ; l'équipe peut généralement indiquer comment un travail a été produit.
    4. MaîtriséLa traçabilité est intégrée aux flux de travail pour les travaux importants ; les traces sont complètes et faciles à retrouver.
    5. OptimiséL'équipe peut expliquer rapidement, précisément et avec assurance comment l'IA a contribué à tout travail important.

Qualité des résultats et relecture humaine

La capacité de l'équipe à vérifier l'exactitude, à maintenir ses standards de qualité, à exercer une supervision humaine et à tirer les leçons des erreurs de l'IA.

  • Vérification de l'exactitude

    Nous vérifions les informations générées par l'IA avant de les utiliser.

    1. Ad hocLes résultats de l'IA sont utilisés sans vérification ; des faits inventés se retrouvent dans les livrables.
    2. ÉmergentUne certaine vérification existe, mais elle est irrégulière ; des erreurs subtiles passent entre les mailles du filet.
    3. DéfiniLes affirmations importantes sont systématiquement vérifiées auprès de sources fiables avant utilisation.
    4. MaîtriséLa vérification fait partie de la pratique normale ; l'équipe a des critères clairs sur ce qui doit être vérifié et ce qui ne le doit pas.
    5. OptimiséL'exactitude n'est pas négociable ; l'équipe dispose de contrôles rapides et efficaces, ciblés là où l'IA risque le plus de se tromper.

  • Standards de qualité

    Les résultats produits avec l'IA respectent nos exigences de clarté, d'exactitude et de professionnalisme.

    1. Ad hocLa qualité des résultats produits avec l'IA est inégale ; l'équipe ne sait pas décrire ce qu'est un bon résultat.
    2. ÉmergentCertains résultats sont soignés ; d'autres sont visiblement bruts de l'IA et livrés quand même.
    3. DéfiniLe travail réalisé avec l'IA atteint généralement le niveau de qualité de l'équipe avec un effort raisonnable.
    4. MaîtriséLa qualité est constante et bien comprise ; l'équipe a un niveau d'exigence clair et l'atteint délibérément.
    5. OptimiséLes résultats produits avec l'IA atteignent régulièrement le niveau d'exigence de l'équipe ; on y reconnaît sa voix et son soin.

  • Supervision humaine

    Nous savons clairement quand une relecture ou une validation humaine est requise.

    1. Ad hocQu'un travail soit relu par un humain dépend du hasard ou des habitudes de chacun.
    2. ÉmergentLes résultats à fort enjeu sont généralement relus ; la frontière reste floue.
    3. DéfiniDes règles claires définissent ce qui doit être relu par un humain avant utilisation ; elles sont globalement respectées.
    4. MaîtriséLa supervision est fiable, bien ciblée et proportionnée au risque ; l'équipe ne relit ni trop ni trop peu.
    5. OptimiséLa supervision est ajustée en continu ; l'équipe peut justifier ses choix sur la place de l'humain dans la boucle.

  • Apprentissage par l'erreur

    Nous tirons les leçons des erreurs, des hallucinations et des mauvais résultats de l'IA.

    1. Ad hocLes erreurs de l'IA sont corrigées puis oubliées ; rien ne change.
    2. ÉmergentQuelques anecdotes circulent ; les tendances ne sont pas suivies.
    3. DéfiniL'équipe repère les erreurs récurrentes de l'IA et ajuste ses efforts en conséquence.
    4. MaîtriséLes tendances d'erreurs alimentent les prompts, les processus et les priorités de relecture ; les erreurs se répètent rarement.
    5. OptimiséL'apprentissage par l'erreur forme une boucle étroite ; les tendances se transforment vite en mesures préventives et l'équipe progresse visiblement au fil du temps.

Collaboration et partage des connaissances

La capacité de l'équipe à partager ses pratiques, à expérimenter en sécurité, à apprendre des autres équipes et à créer des ressources IA réutilisables.

  • Pratiques partagées

    Nous partageons les prompts, exemples, flux de travail et enseignements utiles.

    1. Ad hocChacun résout seul les mêmes problèmes de prompts ; rien n'est capitalisé.
    2. ÉmergentQuelques exemples utiles sont partagés sur la messagerie, puis perdus.
    3. DéfiniUn espace partagé rassemble prompts et pratiques ; les gens y contribuent et le consultent.
    4. MaîtriséLes pratiques partagées sont organisées, à jour et considérées comme un véritable atout de productivité.
    5. OptimiséLe partage des pratiques crée un effet boule de neige : ce qu'une personne découvre, toute l'équipe l'utilise dès le lendemain.

  • Culture de l'expérimentation

    Les membres de l'équipe se sentent en sécurité et encouragés à expérimenter l'IA de manière responsable.

    1. Ad hocL'expérimentation est mal vue ou discrètement découragée ; les gens n'essaient rien de nouveau.
    2. ÉmergentQuelques personnes expérimentent ; la plupart s'en tiennent à ce qu'elles connaissent.
    3. DéfiniL'expérimentation est bienvenue ; les gens essaient de nouveaux outils et approches sans demander la permission pour les travaux à faible risque.
    4. MaîtriséL'expérimentation est structurée, avec des limites claires, du temps pour apprendre et l'idée admise que certaines tentatives n'aboutiront pas.
    5. OptimiséL'équipe a une véritable culture d'expérimentation responsable ; les paris ratés sont valorisés comme sources d'apprentissage.

  • Apprentissage inter-équipes

    Nous apprenons des autres équipes, des autres services et d'exemples externes d'adoption de l'IA.

    1. Ad hocNous ne savons pas ce que les autres équipes font avec l'IA, et nous ne cherchons pas à le savoir.
    2. ÉmergentÉchanges informels occasionnels ; les enseignements se retrouvent rarement dans nos pratiques.
    3. DéfiniIntérêt actif pour ce que font les autres équipes ; les leçons pertinentes sont reprises.
    4. MaîtriséApprentissage inter-équipes régulier (forums, comptes rendus partagés ou communautés de pratique) qui façonne réellement nos pratiques.
    5. OptimiséL'apprentissage circule dans les deux sens ; l'équipe contribue de manière significative à la maturité IA de toute l'organisation.

  • Ressources réutilisables

    Nous créons des modèles IA, des bibliothèques de prompts, des checklists et des guides pratiques réutilisables.

    1. Ad hocAucune ressource réutilisable ; chaque tâche repart de zéro.
    2. ÉmergentQuelques modèles existent, éparpillés ; leur usage est inégal.
    3. DéfiniUn ensemble opérationnel de modèles, de checklists ou de guides couvre les tâches IA courantes.
    4. MaîtriséLes ressources réutilisables sont entretenues et jugées fiables ; l'équipe y a recours par défaut.
    5. OptimiséLes ressources réutilisables démultiplient réellement la productivité ; elles évoluent avec les pratiques de l'équipe et deviennent rarement obsolètes.

Mesure de l'impact et amélioration

La capacité de l'équipe à mesurer l'effet de l'IA sur la productivité, la qualité et la valeur métier, et à s'appuyer sur ces enseignements pour s'améliorer.

  • Impact sur la productivité

    Nous évaluons si l'IA fait gagner du temps ou augmente la capacité de l'équipe.

    1. Ad hocPersonne ne sait si l'IA fait gagner du temps ; on le suppose et on passe à autre chose.
    2. ÉmergentImpression anecdotique de gains de productivité ; aucun indicateur partagé.
    3. DéfiniDes indicateurs de productivité sont suivis en parallèle de l'adoption de l'IA ; l'équipe a une idée approximative de l'effet.
    4. MaîtriséL'impact sur la productivité est suivi délibérément ; l'équipe peut décrire l'effet de l'IA preuves à l'appui.
    5. OptimiséLe suivi de la productivité rend compte honnêtement des gains comme des pertes ; l'équipe ajuste son usage de l'IA selon ce que montrent les données.

  • Impact sur la qualité

    Nous évaluons si l'IA améliore la qualité, la cohérence et l'utilité de notre travail.

    1. Ad hocNous ne savons pas si l'IA améliore ou dégrade la qualité, et nous ne cherchons pas à le savoir.
    2. ÉmergentLes effets sur la qualité sont remarqués de façon anecdotique ; pas de vision partagée.
    3. DéfiniDes indicateurs de qualité sont suivis dans le contexte de l'usage de l'IA ; l'équipe en a une vision opérationnelle.
    4. MaîtriséL'impact sur la qualité fait partie de la réflexion de l'équipe sur l'IA ; les effets positifs et négatifs sont visibles et suivis d'actions.
    5. OptimiséLa qualité est un critère de premier plan pour juger l'usage de l'IA ; l'équipe a modifié ses pratiques en fonction de ses constats.

  • Valeur métier

    Nous relions l'usage de l'IA à des résultats mesurables, comme la valeur client, les économies de coûts ou la rapidité.

    1. Ad hocL'usage de l'IA est justifié par l'enthousiasme ; personne ne sait nommer le résultat métier qu'il produit.
    2. ÉmergentQuelques liens vagues avec les résultats ; ils sont surtout racontés, pas mesurés.
    3. DéfiniDes cas d'usage précis sont reliés à des résultats précis ; l'équipe sait décrire la chaîne de valeur.
    4. MaîtriséLa valeur métier est suivie pour les principaux investissements en IA ; les arbitrages (coûts et bénéfices) sont explicites.
    5. OptimiséL'attribution de la valeur est rigoureuse et systématique ; les investissements en IA sont maintenus ou abandonnés selon les résultats démontrés.

  • Amélioration continue

    Nous nous appuyons sur les retours, les résultats et les enseignements pour améliorer notre usage de l'IA.

    1. Ad hocNotre façon d'utiliser l'IA ne change pas ; nous fonctionnons sur nos premiers réflexes.
    2. ÉmergentAjustements occasionnels, au gré des frustrations individuelles ou de sollicitations extérieures.
    3. DéfiniL'équipe revoit régulièrement ses pratiques IA ; les changements perdurent lorsqu'ils ont fait leurs preuves.
    4. MaîtriséL'amélioration forme une véritable boucle (mesurer, ajuster, mesurer à nouveau) et l'équipe peut citer les changements qu'elle a apportés.
    5. OptimiséL'amélioration continue des pratiques IA fait partie du fonctionnement de l'équipe ; rien n'est figé dans notre usage de l'IA.

Quand utiliser ce bilan de santé

  • Quand votre équipe commence à utiliser des outils d'IA et souhaite établir un point de départ commun.
  • Quand l'usage de l'IA semble inégal et que vous voulez vous accorder sur ce à quoi ressemble une bonne pratique.
  • Lors des revues trimestrielles ou de planification, pour suivre l'évolution de la maturité d'adoption de l'IA.
  • Quand les responsables veulent une discussion structurée et honnête sur l'usage responsable de l'IA, sans effet de mode.
  • Avant d'investir dans de nouveaux outils d'IA, des formations ou de la gouvernance, pour concentrer l'effort là où les scores sont les plus bas.

Conseils et astuces

  • Demandez à chacun de noter d'abord seul, puis comparez. Les dimensions où les scores divergent donnent lieu aux discussions les plus utiles.
  • Ne visez pas Optimisé partout. Choisissez les quelques dimensions où gagner un niveau ferait la plus grande différence.
  • Comparez l'adoption (compétences, outils, usage quotidien) avec les garde-fous (gouvernance, confidentialité, supervision). Si l'une avance nettement plus vite que les autres, commencez par réduire l'écart.
  • Refaites l'évaluation chaque trimestre pour garder visibles les progrès en matière de maturité IA.
  • Transformez la dimension la moins bien notée de chaque groupe en action confiée à un responsable, et non en vague intention.
  • Pour la vision de la direction, utilisez l'évaluation de la maturité de préparation et d'adoption de l'IA. Pour la pratique de chacun, utilisez l'évaluation individuelle de la maturité IA.

Foire aux questions

Que mesure cette évaluation de la maturité d'adoption de l'IA ?
Elle mesure la façon dont votre équipe adopte et utilise l'IA dans neuf domaines : stratégie et leadership, adoption des outils et accès, compétences et confiance, intégration dans les flux de travail, données et contexte, gouvernance et risques, qualité des résultats et relecture humaine, collaboration et partage des connaissances, et mesure de l'impact.
Comment fonctionne l'échelle de maturité ?
Chaque dimension est notée selon cinq stades : Ad hoc, Émergent, Défini, Maîtrisé et Optimisé. Chaque stade est décrit par écrit, ce qui permet à l'équipe de voir son niveau actuel et à quoi ressemble l'étape suivante.
Qui doit participer ?
Toute personne de l'équipe qui utilise l'IA ou qui est concernée par son usage, ainsi que le responsable d'équipe. Les contributions de différents rôles donnent une image plus fidèle que les seules estimations de la direction.
À quelle fréquence faut-il la réaliser ?
Une fois par trimestre convient à la plupart des équipes. En la réalisant régulièrement, la maturité d'adoption de l'IA devient une tendance que vous pouvez suivre et sur laquelle agir.
S'agit-il d'adopter toujours plus d'IA, partout ?
Non. Une maturité plus élevée signifie utiliser l'IA de manière réfléchie et responsable : savoir où elle apporte de la valeur, où le jugement humain est indispensable et comment gérer les risques.

Examens médicaux associés