Vous n'avez pas un problème d'IA. Vous avez un problème de données.
Vos données sont dans l'ERP, des Excel et la tête de Jean-Marc. Ce n'est pas « être prêt pour l'IA ». Voici ce qu'il faut avant.
Un dirigeant me dit : « On a les données, on est prêt pour l'IA. »
Je lui demande : « Où sont vos données ? »
Réponse : « Dans l'ERP. Dans des Excel. Dans les mails. Dans la tête de Jean-Marc. »
Ce n'est pas « avoir des données ». C'est avoir du bruit.
Le problème de données que personne ne veut voir
Dans 8 PME sur 10, les données sont :
Fragmentées. La même information existe dans 3 systèmes différents. Avec 3 formats différents. Et parfois 3 valeurs différentes.
Non structurées. Les données clés sont dans des mails, des PDF, des notes manuscrites. Pas dans une base exploitable.
Incomplètes. Des champs vides. Des historiques tronqués. Des fichiers archivés sur un disque dur que personne ne retrouve.
Mettre de l'IA sur des données fragmentées, non structurées et incomplètes, c'est demander à un chirurgien d'opérer dans le noir.
Ce que révèle le diagnostic
Quand j'audite les données d'une PME, je cherche 3 choses.
L'accessibilité. Est-ce que les données nécessaires au processus cible sont disponibles dans un format exploitable ? Si elles sont dans des PDF, des mails ou la tête de quelqu'un, il y a un travail de structuration à faire avant toute automatisation.
La qualité. Est-ce que les données sont fiables ? Des prix qui n'ont pas été mis à jour depuis 2 ans, des contacts sans email, des historiques avec des trous — l'IA amplifie la qualité des données. Si elles sont mauvaises, le résultat sera mauvais. Plus vite.
Le volume. Est-ce que le volume justifie l'automatisation ? Automatiser un processus qui concerne 5 documents par mois n'a pas le même ROI qu'automatiser un processus qui en traite 500.
La bonne séquence
Avant l'IA : structurer. Centraliser les données clés. Standardiser les formats. Combler les trous critiques.
Ce travail n'est pas spectaculaire. Il ne fait pas de belles démos. Mais c'est lui qui détermine si le projet IA derrière fonctionnera ou pas.
Parfois, le travail de structuration résout 50% du problème avant même d'allumer l'IA. Parce que centraliser les données, c'est déjà éliminer la double saisie, les incohérences, et le temps perdu à chercher l'information.
Le diagnostic identifie ce travail préparatoire. Sans lui, vous investissez dans l'IA avant d'avoir les fondations.
Vos données sont-elles prêtes pour l'IA ?