Diagnostic IA en PME-ETI : le playbook pour réussir (et la Matrice Maturité Arkange)

71% des entreprises utilisent l'IA, mais seules 1% atteignent la maturité opérationnelle (McKinsey State of AI 2025, 1 491 répondants, 101 pays). Entre les deux, il y a un diagnostic mal foutu. La plupart des dirigeants commandent un audit IA comme on commande un audit comptable : pour avoir un rapport. Sauf qu'un rapport ne déploie pas un agent. Cet article donne le playbook côté entreprise (ce qu'il faut préparer) et côté consultant (ce qu'un bon diagnostic doit livrer), avec la Matrice Maturité IA d'Arkange comme outil de positionnement.

Pourquoi 9 diagnostics IA sur 10 finissent dans un tiroir ?

Un diagnostic IA finit en placard quand il confond cartographie technologique et cadrage opérationnel. 90% des entreprises françaises utilisent déjà l'IA sans cadre de gouvernance (Usine Digitale, 2025), ce qui veut dire que le terrain est déjà saturé de tentatives. Le diagnostic n'arrive pas sur une page blanche : il arrive après ChatGPT en shadow IT, après deux POCs avortés, après un comité de direction qui a "validé une feuille de route IA" sans savoir ce qu'il signait.

Le ratage standard ressemble à ceci. Un cabinet livre un rapport de 80 pages avec une matrice 2x2, dix cas d'usage classés par "impact vs. faisabilité", et une recommandation de gouvernance type COMEX IA trimestriel. Six mois plus tard, zéro agent en production. HBR a baptisé ça le "Last Mile Problem" (HBR, mars 2026) : la distance entre la roadmap et l'agent qui tourne le lundi matin chez le contrôleur de gestion. Cette distance ne se franchit pas avec un PowerPoint.

Le piège méthodologique récurrent : démarrer un diagnostic sur un périmètre déclaré par le COMEX, découvrir au sprint 2 que le vrai irritant est ailleurs, et devoir recadrer le scope en cours de route. Un mauvais cadrage initial coûte plus cher en temps qu'en argent. Le travail de cadrage doit donc avoir lieu avant le premier livrable du diagnostic, pas pendant.

Qu'est-ce qu'un diagnostic IA d'entreprise, concrètement ?

Un diagnostic IA est un exercice de 4 à 8 semaines qui livre trois choses : un positionnement sur une grille de maturité, une liste hiérarchisée d'irritants business résolvables par l'IA, et une roadmap chiffrée des 3 à 6 premiers cas d'usage. Pas un benchmark sectoriel. Pas une revue des LLM disponibles. Pas un état de l'art académique.

La différence avec un "audit data" classique : un audit data regarde l'existant (qualité des données, architecture, gouvernance). Un diagnostic IA regarde l'usage cible (quels processus métier vont être transformés, par quels agents, avec quel ROI à 100 jours). 57% des entreprises françaises déploient des cas d'usage IA générative depuis plus d'un an (Usine Digitale, 2025), donc l'angle "découverte de l'IA" est mort. Le diagnostic 2026 commence par cartographier ce qui existe déjà en shadow IA, pas par expliquer ce qu'est GPT.

Trois livrables non négociables d'un diagnostic IA bien fait :

• Un score de maturité positionné sur une matrice à 5 niveaux (voir section suivante)
• Une short-list de 5 à 10 cas d'usage avec gain estimé en ETP, coût de déploiement, et complexité technique
• Une roadmap 100 jours avec un premier agent identifié, scopé et budgété au sprint près

Si le livrable s'arrête à une "feuille de route stratégique", c'est un audit. Pas un diagnostic.

La Matrice Maturité IA Arkange : 5 niveaux pour se situer

La Matrice Maturité IA d'Arkange classe une organisation sur cinq niveaux, du N1 Curieux au N5 Scaleur. Elle sert d'outil de positionnement initial dans tout diagnostic Arkange et donne au dirigeant un langage commun pour situer son entreprise face à ses pairs. La grille a été construite à partir de 40+ missions PME-ETI et recoupe la segmentation Stanford (Brynjolfsson et al., Stanford Digital Economy Lab, avril 2026, 51 déploiements analysés).

N1 Curieux

Tests individuels, ChatGPT en navigateur, zéro gouvernance, zéro mesure. Le DAF utilise Claude pour relire ses notes, le marketing teste Midjourney, personne ne le suit côté direction. C'est le shadow IA pur. 30% des PME françaises sont là en mai 2026 (estimation Arkange à partir de la base BPI).

N2 Expérimentateur

POCs validés, 2 à 3 cas d'usage métier identifiés, comité IA naissant. Au moins un atelier d'idéation a eu lieu. Un budget IA existe mais il finance des licences, pas des agents. Aucun agent en production stable. C'est le niveau de la majorité des ETI françaises qui ont "fait quelque chose" en 2024-2025.

N3 Déployeur

Agents IA en production sur 1 à 3 processus métier, mesure d'usage active, premiers ROI documentés. C'est typiquement à ce niveau qu'on retrouve les organisations qui ont industrialisé la production de contenu ou de notes structurées via IA. Le passage N2 vers N3 est le saut le plus difficile, c'est exactement ce que le "Last Mile Problem" décrit.

N4 Industrialisateur

IA agentique sur processus critiques, gouvernance formalisée, ROI mesuré et publié au COMEX. Plusieurs agents interagissent. On retrouve à ce niveau les organisations industrielles matures qui ont structuré un programme IA transverse sur des périmètres ciblés, avec plusieurs mois d'avance sur leurs concurrents directs.

N5 Scaleur

IA systémique, centre d'excellence interne, l'entreprise produit ses propres agents sans aide externe. Moins de 1% des PME-ETI françaises (cohérent avec le McKinsey 2025). C'est la cible long terme, pas la cible à 12 mois.

L'intérêt opérationnel : un dirigeant qui se situe en N2 ne doit pas viser N5. Il doit viser N3 propre en 6 mois. Le diagnostic sert à fixer cette ambition réaliste.

Comment préparer un diagnostic IA côté entreprise ?

Préparer un diagnostic IA, c'est rassembler avant le kick-off cinq éléments qui font gagner deux semaines au consultant et trois mois au déploiement. La préparation représente 20% du temps total et conditionne 80% de la qualité du livrable. a16z (Enterprise CIO Survey 2025, 100 CIOs) montre que les entreprises avec une préparation structurée déploient leur premier agent en moyenne 2,3x plus vite.

La liste des irritants documentés

Une liste de 15 à 30 irritants business remontés des équipes, pas des hypothèses du COMEX. Format minimaliste : processus concerné, temps perdu par semaine, personne qui souffre. C'est le carburant du diagnostic. Sans cette liste, le consultant invente, et un consultant qui invente produit une roadmap générique.

La cartographie shadow IA

Un sondage interne de 5 questions sur les outils IA déjà utilisés sans validation. Garantir l'anonymat sinon les réponses sont fausses. L'objectif n'est pas de sanctionner, c'est de savoir ce qui tourne déjà. Sur les diagnostics Arkange en cabinet de services professionnels, un sondage shadow IA bien conduit révèle régulièrement 8 à 12 outils utilisés par les collaborateurs dont aucun n'apparaissait dans la roadmap initiale.

L'accès aux personnes-clés

5 à 8 entretiens d'une heure avec opérationnels, pas avec le COMEX uniquement. Le COMEX décrit l'ambition. Les opérationnels décrivent la réalité. Un diagnostic qui n'interviewe que le COMEX produit une roadmap déconnectée du terrain.

Le périmètre data documenté

Une page A4 par source de données critique : volume, fraîcheur, propriétaire, accessibilité technique. Pas un audit complet, juste l'essentiel. Si la donnée RH est dans un Excel partagé sur OneDrive, le diagnostic doit le savoir avant de proposer un agent de matching de profils.

Le budget de déploiement, pas seulement de diagnostic

Le piège classique : payer un diagnostic à 30 k€ sans avoir provisionné les 80 à 150 k€ du premier déploiement. Le diagnostic n'a de valeur que si le déploiement suit. Sinon c'est de la consultance ornementale.

Que doit livrer un diagnostic IA bien mené ?

Un diagnostic IA bien mené livre quatre artefacts utilisables le lundi suivant la restitution : positionnement Matrice Maturité, short-list de cas d'usage chiffrée, roadmap Méthode 10/30/100, plan de gouvernance minimal. Si l'un des quatre manque, le diagnostic est incomplet. Stanford (avril 2026, 51 déploiements) montre que les déploiements précédés d'un diagnostic structuré atteignent leur ROI 40% plus vite.

Positionnement sur la Matrice Maturité IA

Un score N1 à N5 argumenté par dimension (usage, gouvernance, data, compétences, mesure). Pas un score global moyen, mais cinq sous-scores. Une PME peut être N3 sur l'usage et N1 sur la gouvernance, c'est l'information utile.

Short-list de cas d'usage avec chiffrage

5 à 10 cas d'usage classés par ratio gain/effort. Chaque cas inclut : description en une phrase, processus impacté, gain estimé en heures/semaine ou en euros, complexité technique sur 5, dépendances data. Pas de matrice 2x2 abstraite. Des chiffres.

Roadmap Méthode 10/30/100

La Méthode 10/30/100 d'Arkange structure les 100 premiers jours : 10 jours pour le premier agent en test, 30 jours pour l'adoption équipe, 100 jours pour le ROI mesurable. Le diagnostic doit identifier précisément ce premier agent et budgéter le sprint d'amorçage. Sur un diagnostic en cabinet de services professionnels, ce premier agent est typiquement un assistant de pré-revue de documents structurés ou de rédaction de notes de synthèse.

Plan de gouvernance minimal

Trois pages maximum : qui valide les nouveaux cas d'usage, qui mesure les ROI, comment gérer les incidents IA. Pas une charte de 40 pages. Une gouvernance opérationnelle qui tient en une réunion mensuelle. Le modèle s'applique aussi bien à une collectivité territoriale qu'à une PME industrielle ou un cabinet de services professionnels.

Checklist : êtes-vous prêt pour un diagnostic IA ?

Cette checklist extractible permet à un dirigeant de PME-ETI de savoir en 5 minutes si son organisation est mûre pour un diagnostic IA ou s'il faut d'abord préparer le terrain.

Côté ambition

• Le COMEX a un objectif IA chiffré à 12 mois (pas "se digitaliser")
• Un sponsor opérationnel est nommé (pas le DSI par défaut)
• Le budget de déploiement post-diagnostic est provisionné

Côté terrain

• Une liste de 15+ irritants business est disponible ou collectable en 2 semaines
• Le shadow IA actuel a été cartographié (ou peut l'être sous accord d'anonymat)
• 5 à 8 opérationnels sont disponibles pour des entretiens d'une heure

Côté data

• Les 3 à 5 sources de données critiques sont identifiables
• Un référent data interne existe (DSI, DPO, ou data steward)
• La conformité RGPD/AI Act a été abordée au moins une fois en COMEX

Côté méthode

• Le critère de succès du diagnostic est défini avant le kick-off
• Un horizon de décision post-diagnostic est posé (4 à 6 semaines max)
• La restitution sera faite en COMEX, pas par mail

Si trois cases ou plus sont vides, prévoir 4 semaines de préparation avant le diagnostic. Si tout est coché, le diagnostic peut démarrer la semaine prochaine.

La thèse : un diagnostic IA n'est utile que s'il est suivi d'un déploiement

La conviction Arkange est simple. Un diagnostic IA livré sans engagement de déploiement dans les 90 jours qui suivent est un exercice intellectuel coûteux. Sur l'ensemble des diagnostics Arkange suivis d'un déploiement dans le trimestre, le premier agent est en production avant 100 jours. Les rares cas où le diagnostic est resté isolé ont produit zéro agent. Zéro.

C'est pour ça que le diagnostic Arkange n'est pas vendu seul. Il est conçu comme l'amorce du Cycle ADA (Audit-Déploiement-Adoption) et la sortie naturelle est le premier sprint de développement d'agent. Si vous cherchez un cabinet qui livre un rapport et s'en va, ce n'est pas nous. Si vous voulez situer votre organisation sur la Matrice Maturité IA et démarrer un agent dans le mois, parlons-nous.