L'ambition IA est là. Le périmètre reste trop vague.

La plupart des entreprises ont dépassé la conversation « faut-il utiliser l'IA ? ». Les budgets sont approuvés, les présentations au board mentionnent les agents, et quelqu'un au sommet a reçu pour consigne de « faire quelque chose avec l'IA ce trimestre ». La pression pour avancer est réelle.

Et pourtant les projets calent — non par manque d'ambition, mais parce que personne ne peut répondre avec précision à la question suivante : que construisons-nous exactement en premier, et comment saurons-nous que cela a fonctionné ?

Le problème n'est pas le manque d'ambition. Le problème est le manque d'exécution cadrée. L'ambition vous donne la destination. Le périmètre vous donne les dix premiers pas, qui les fait, et comment vous saurez que vous êtes sur la bonne route. Sautez cette étape, et vous n'atteignez pas la valeur de l'IA plus vite — vous obtenez un pilote coûteux qui ne sort jamais de la démo.

L'ambition est réelle. Le périmètre ne l'est pas.

Le tableau macro le confirme. Dans l'étude State of AI de McKinsey, l'adoption est désormais généralisée, mais la plupart des organisations en sont encore à expérimenter plutôt qu'à capturer une valeur durable — et celles qui prennent de l'avance sont celles qui redessinent leurs workflows autour de l'IA, pas celles qui greffent un modèle sur un processus inchangé.

BCG fait le même constat, plus brutalement, dans Are You Generating Value from AI? The Widening Gap : l'écart entre les leaders de l'IA et tous les autres se creuse, et l'IA agentique l'élargit encore. Les leaders ne sont pas ceux qui ont le plus de pilotes. Ce sont ceux qui ont cadré en profondeur un petit nombre de workflows et mis à l'échelle ce qui fonctionnait.

Et la prudence est justifiée. Un rapport de 2025 largement cité — le « GenAI Divide » du Project NANDA du MIT — alertait sur le fait qu'une grande partie des pilotes GenAI en entreprise ne s'est pas encore traduite en impact business durable. Le chiffre-choc est facile à sensationnaliser ; la leçon utile est plus étroite : les pilotes qui ne sont pas cadrés autour d'un responsable, d'un indicateur et d'un vrai workflow ont tendance à mourir en silence, quelle que soit la qualité de la technologie.

L'écart n'est donc pas entre ambition et prudence. Il est entre périmètre vague et exécution cadrée.

Qu'est-ce qu'un Minimal Viable Agent (MVA) ?

L'antidote à un périmètre vague, c'est un périmètre petit et prouvable. C'est le rôle du Minimal Viable Agent.

Un Minimal Viable Agent (MVA) est le plus petit agent IA utile qui prouve un workflow de bout en bout — les données dont il a besoin, les points de revue humaine et la valeur business qu'il crée — avant tout passage à l'échelle. Une seule tâche. Exécutée assez bien pour décider sur des preuves, pas sur des opinions.

Un MVA n'est pas une version allégée de votre future plateforme, ni une démo jetable. C'est un prototype IA délibérément étroit, conçu pour éliminer d'abord votre plus grand risque. Si l'hypothèse qui vous inquiète le plus est « le modèle sera-t-il assez précis sur nos données imparfaites ? », le MVA prouve cela. Si c'est « quelqu'un l'utilisera-t-il vraiment un mardi matin ? », le MVA prouve cela à la place.

L'IA agentique rend cette discipline plus importante, pas moins. Un agent qui agit à travers plusieurs systèmes a plus de façons de se tromper qu'un chatbot qui répond à une question — ce qui signifie que le workflow, l'accès aux données et les points de contrôle human-in-the-loop doivent être cadrés avant de construire, pas découverts en production.

Les six questions qui transforment l'ambition en périmètre

Quand l'ambition est forte et le périmètre vague, les équipes butent sur les six mêmes questions. Un bon périmètre y répond, toutes, sur une seule page.

1. Quel cas d'usage mérite d'être construit en premier ?

Pas le plus spectaculaire — celui où l'indicateur d'un responsable nommé bouge, où les données existent déjà, et où le workflow est assez petit pour être prototypé en quelques semaines. C'est la priorisation des cas d'usage IA, et c'est la décision au plus fort effet de levier que vous prendrez. Un AI Scoping Workshop structuré existe précisément pour forcer ce classement avant d'engager le moindre budget.

2. À quoi doit ressembler concrètement le Minimal Viable Agent ?

Définissez le workflow unique, les entrées, les sorties, et le moment où un humain reste dans la boucle. Un Sprint Minimal Viable Agent (MVA) construit ou coordonne ensuite ce MVA pour tester l'hypothèse la plus risquée — au lieu de sur-construire une v1 qui n'avait pas besoin d'exister.

3. Que faut-il valider — workflow, données et revue humaine ?

Trois choses font échouer la plupart des projets IA : le workflow ne correspond pas à la façon dont les gens travaillent réellement, les données ne sont pas aussi disponibles ou propres que supposé, et il n'y a pas de point clair où un humain revoit ou corrige l'agent. Le périmètre nomme chacune comme un test explicite, ce qui implique généralement une refonte du workflow avant d'entraîner le moindre modèle.

4. Quel type de partenaire correspond au périmètre ?

Boutiques FDE, agences IA, studios produit, spécialistes de l'automatisation, freelances et grands cabinets de conseil résolvent des problèmes différents. Le bon partenaire d'implémentation IA dépend du périmètre et de la contrainte déterminante — vitesse, conformité, intégration ou coût. Clarifiez d'abord le périmètre ; la sélection indépendante de partenaire devient alors un exercice court, fondé sur des preuves, au lieu d'un pari. (Si vous envisagez spécifiquement des ingénieurs embarqués, notre article sur le Forward Deployed Engineering détaille quand ce modèle convient.)

5. Quel budget est raisonnable ?

Un premier pas devrait ressembler à un workshop de cadrage dans les cinq chiffres bas et un prototype ciblé dans les cinq chiffres bas à moyens — pas une plateforme à six chiffres avant que quoi que ce soit soit prouvé. Si une proposition saute directement à un grand programme, une revue indépendante de proposition IA trouvera généralement le sur-dimensionnement.

6. Comment éviter la sur-construction, le vendor lock-in et les pilotes qui ne passent jamais à l'échelle ?

Restez neutre vis-à-vis des vendors jusqu'à ce que les données vous disent le contraire, gardez la première construction petite, et cartographiez le paysage des outils avant de vous engager — notre carte de l'écosystème IA existe pour que vous choisissiez les composants sur leurs mérites, pas selon qui a pitché en premier. Le coût caché du mauvais partenaire IA est rarement la facture ; c'est le lock-in et l'objet à moitié construit que personne ne peut jeter.

Le périmètre inclut désormais la gouvernance

En Europe surtout, le périmètre n'est plus seulement « ce qui fonctionne » — c'est « ce qui est défendable ». Le NIST AI Risk Management Framework et son Generative AI Profile présentent la gouvernance de l'IA comme un travail de cycle de vie : évaluation, fiabilité et supervision humaine conçues dès le départ. L'AI Act européen pousse dans la même direction — les décisions IA exigent de plus en plus un cadrage conscient des risques, pas seulement de l'expérimentation.

Vous n'avez pas besoin d'un département conformité pour agir. Vous avez besoin d'un périmètre qui nomme où un humain revoit l'agent, quelles données il touche, et comment vous expliqueriez une décision si on vous le demandait. C'est moins cher à concevoir en amont qu'à rattraper plus tard.

Avant de recruter le partenaire, définissez le périmètre

C'est la phrase à retenir : avant de recruter le partenaire, définissez le périmètre. Un partenaire sérieux peut construire presque n'importe quoi. Ce qu'il ne peut pas faire, c'est vous dire — de façon indépendante — si la chose mérite d'être construite, à quel point elle devrait commencer petit, ou si sa propre proposition est surdimensionnée. C'est le travail qui doit se faire d'abord, et il doit être indépendant de celui qui livrera au final.

Réussissez le périmètre et le reste n'est que de l'achat. Ratez-le et vous achetez des billets de loterie avec un plan projet en pièce jointe.

À retenir

• L'ambition n'est plus la contrainte. Le périmètre vague, si.
• Un Minimal Viable Agent prouve un workflow — données, revue humaine et valeur — avant le passage à l'échelle.
• Répondez aux six questions (cas d'usage, forme du MVA, quoi valider, type de partenaire, budget, anti-surconstruction) sur une seule page.
• La gouvernance fait désormais partie du périmètre, pas d'une phase ultérieure.
• Définissez le périmètre avant de choisir le partenaire d'implémentation IA — de façon indépendante.