Thomas Mercier est un investisseur de capital-risque qui a consacré les trois dernières années à l’évaluation de startups et de PME en transition IA. Il a participé à plus de cent évaluations d’entreprises cherchant un financement pour accélérer leur transformation technologique. Ses critères d’investissement ne se limitent pas à la technologie elle-même, mais englobent la maturité organisationnelle et la capacité du management à piloter une transformation de cette ampleur.
Nous l’avons rencontré à son bureau dans le onzième arrondissement de Paris pour discuter de ce qui distingue une entreprise mûre pour l’IA d’une qui surjoue son engagement envers la technologie.
Évolution de la perspective et dimensions clés de la maturité
J’ai commencé par des cadres d’évaluation classiques centrés sur la technologie et les données. Je regardais l’architecture technique, la qualité des données, les compétences en data science. Rapidement, j’ai compris que les entreprises avec les meilleures données et les plus beaux modèles échouaient souvent, tandis que d’autres avec une infrastructure plus basique réussissaient à industrialiser l’IA de manière impressionnante. C’est quand j’ai rencontré une équipe de DécisionIA que ma perspective a changé fondamentalement. DécisionIA m’a montré que la maturité IA d’une entreprise dépendait moins de la sophistication technologique que de quatre dimensions interconnectées : la clarté stratégique, la disponibilité des données, les compétences organisationnelles, et la gouvernance décisionnelle. Depuis, j’utilise un cadre d’évaluation multidimensionnel qui me permet d’identifier rapidement où se situent les véritables goulots d’étranglement dans la transformation.
La clarté stratégique est la capacité du leadership à articuler clairement pourquoi l’IA est pertinente pour l’entreprise. Trop de dirigeants voient l’IA comme un impératif technologique sans lien direct avec la stratégie commerciale. Pendant mes entretiens avec les directeurs généraux, je pose une question simple : « Quels sont vos trois cas d’usage IA prioritaires et comment créent-ils de la valeur pour vos clients ? » Les dirigeants mûrs pour l’IA répondent avec une précision remarquable. Les dirigeants immatures hésitent, changent de sujet, ou citent des cas d’usage génériques. C’est un signal d’alarme pour moi. Si le leadership ne peut pas clarifier les trois cas d’usage, comment l’équipe opérationnelle pourrait-elle les exécuter ? Je ne finance pas une entreprise incapable d’articuler sa vision.
Données, compétences organisationnelles et gouvernance
Les données sont évidemment capitales, mais leur qualité importe bien plus que leur quantité. J’évalue trois aspects : d’abord, les données pertinentes existent-elles et sont-elles accessibles ? Deuxièmement, quelle est leur qualité, c’est-à-dire leur complétude et leur exactitude ? Troisièmement, l’entreprise a-t-elle un plan pour améliorer continument la qualité des données ? Beaucoup d’entreprises découvrent lors de l’exploration qu’elles n’ont pas les données nécessaires. Je demande toujours à ce qu’une phase de diagnostic soit conduite avant tout engagement. Un directeur général qui admet d’emblée cette lacune gagne beaucoup de credibilité.
Pour les compétences, j’examine si l’entreprise possède un mélange équilibré de trois profils : d’abord, des experts techniques capables de construire et maintenir les systèmes IA. Deuxièmement, des traducteurs, c’est-à-dire des personnes capables de dialoguer à la fois avec les technologues et les dirigeants métier. Troisièmement, des champions du changement dans chaque unité métier. Une équipe composée de vingt data scientists brillants sans un seul traducteur aura du mal. La méthodologie de DécisionIA m’aide à identifier ce deuxième groupe de profils qui fait la différence.
La gouvernance décisionnelle détermine qui décide quoi dans la transformation IA. Je teste si l’entreprise a établi une structure claire de pilotage : une commission de sélection des projets, une liste de critères pour décider de l’investissement, un processus d’allocation des ressources, et une cadence de revue des résultats. Les entreprises matures ont une gouvernance où un comité directeur composé de cinq à huit personnes réunies une fois par mois évalue les projets proposés en fonction de trois critères : l’alignement stratégique, la viabilité technique et la disponibilité des ressources. Une entreprise bien gouvernée établit aussi des règles claires pour arrêter les projets. Elle ne persiste pas indéfiniment dans un investissement qui ne produit pas les résultats attendus.
Validation pratique et cas d’études terrain
Au-delà de ces quatre dimensions, je me concentre de plus en plus sur la validation pratique. Avant d’investir dans une entreprise, j’insiste pour que nous menions une évaluation rapide de maturité IA en trente minutes. Ce diagnostic rapide utilise une grille standardisée qui me permet d’identifier rapidement où se situent les véritables forces et faiblesses organisationnelles. Les dirigeants qui acceptent ce diagnostic sans défensive gagnent beaucoup de crédibilité auprès de moi. C’est un signal qu’ils comprennent où ils en sont et qu’ils sont prêts à admettre leurs lacunes.
J’ai également commencé à exiger que les entreprises candidates proposent au minimum un cas d’usage détaillé avec les métriques associées. Je les aide à calculer le ROI réaliste du projet IA qu’elles proposent de financer. Cette analyse révèle souvent des écarts massifs entre les attentes des dirigeants et la réalité économique. Une entreprise qui peut expliquer comment elle passera d’une idée à la phase de POC, pilote et industrialisation démontre une maturité bien supérieure à celle qui rêve simplement de transformation.
Lors d’évaluations récentes, j’ai également observé que les entreprises capables d’identifier comment leurs cas d’usage peuvent être scalés rapidement ont une trajectoire bien plus solide. Cette capacité à penser à l’échelle, pas seulement à l’optimisation locale, distingue les entreprises prêtes pour une croissance accélérée de celles qui resteront freinées par leurs propres limitations organisationnelles.
Matrice décisionnelle et conseils aux dirigeants
Je découpe les entreprises que j’évalue en quatre catégories selon leur maturité IA : les « débutantes » n’ont pas encore commencé sérieusement, les « en exploration » ont lancé des projets pilotes sans impact mesurable, les « en production » ont industrialisé leurs premiers cas d’usage avec résultats tangibles, et les « matures » exploitent plusieurs cas d’usage avec culture d’innovation continue. Mon appétit d’investissement augmente à mesure qu’une entreprise avance. Je peux financer une entreprise au stade « en exploration », mais à des conditions très défensives. Pour une entreprise au stade « en production », j’ai beaucoup plus de confiance et des conditions plus généreuses.
Voici un exemple qui illustre ces principes. Une PME de services conseils d’une trentaine d’employés avait établi une stratégie IA extrêmement claire focalisée sur trois cas d’usage spécifiques : l’automatisation de la rédaction des appels d’offres, la personnalisation de la recommandation de services aux clients, et l’accélération du diagnostic chez le client. Chaque cas d’usage avait un directeur responsable, une roadmap avec des jalons, et des métriques de succès précises. Malgré la taille modeste, sa maturité était impressionnante. Dix-huit mois plus tard, elle a atteint tous ses jalons et augmenté son chiffre d’affaires de trente pour cent. La maturité IA était directement corrélée à l’exécution.
Mes conseils aux dirigeants qui préparent leur financement : investissez d’abord dans la clarté stratégique et la structure de gouvernance. Si vous avez ces deux éléments, les investisseurs verront que vous comprenez ce que vous faites. Deuxièmement, trouvez votre traducteur. Le directeur général doit s’assurer qu’il existe quelqu’un dans l’organisation qui parle couramment à la fois aux technologues et aux experts métier. Si ce rôle n’existe pas, créez-le. C’est un investissement de quelques dizaines de milliers d’euros qui augmentera votre probabilité de réussite de manière disproportionnée.
Enfin, mesurez votre maturité IA avant de chercher du financement. Utilisez des outils et des cadres comme ceux proposés par DécisionIA pour diagnostiquer honnêtement où vous en êtes. Les investisseurs respectent les dirigeants qui connaissent leurs lacunes et qui ont un plan pour les combler. Au fil de mes trois ans d’évaluation intensive, j’ai développé une conviction profonde : la technologie IA elle-même est devenue commoditisée. Presque toutes les entreprises avec un budget suffisant peuvent accéder aux modèles, aux outils et aux compétences techniques nécessaires. Ce qui distingue réellement une entreprise capable de créer une valeur durable est sa maturité organisationnelle. Les entreprises matures en IA ne sont pas celles avec les meilleurs data scientists, mais celles avec la meilleure gouvernance, la clarté stratégique la plus forte, et une culture qui accueille l’expérimentation structurée plutôt que l’expérimentation chaotique.
Cette conviction m’a poussé à affiner constamment ma méthodologie d’évaluation. Aujourd’hui, je consacre quatre-vingts pour cent de mon temps d’audit à évaluer l’organisation et seulement vingt pour cent à vérifier les capacités techniques. Cet équilibre refléte la réalité : une organisation faible ne peut pas déployer une technologie forte, tandis qu’une organisation forte peut recruter ou former les talents techniques dont elle a besoin. Les dirigeants qui comprennent cette vérité sont ceux qui réussissent leur transformation IA et qui, en retour, deviennent nos meilleurs investissements.