Article rédigé à partir du Baromètre national DSI Data & IA — consortium DavinciDoc (Efalia, Wikit, Laboratoire Hubert Curien), avec le soutien de BPI France.
L'intelligence artificielle est devenue un sujet de comité de direction. Budgets débloqués, pilotes lancés, licences Copilot activées. Et pourtant, pour la majorité des organisations françaises, l'IA reste au stade de l'expérimentation. Pas faute de volonté. Faute de fondations.
Le premier Baromètre national DSI Data & IA vient de poser un diagnostic chiffré sur ce décalage. Les résultats sont clairs, parfois brutaux. Et ils pointent tous vers le même responsable.
🔑 L'essentiel à retenir
- 96% des organisations françaises estiment que leurs données ne sont pas prêtes pour l'IA — seules 4% les qualifient de normalisées, enrichies et gouvernées.
- Le facteur n°1 de l'adoption IA n'est pas le budget ni le modèle choisi : c'est la qualité des données. Les organisations IA-ready affichent un score d'adoption 2,4 fois supérieur à celles dont les données sont hétérogènes.
- 4 fondations déterminent votre niveau de maturité : qualité des données, posture cloud, équipe data, gouvernance.
- Ce que vous devez faire maintenant : auditer votre patrimoine documentaire avant de lancer un quelconque projet IA.
Pourquoi l'IA stagne dans les organisations françaises : le vrai responsable
La réponse est dans les données du baromètre. Et elle est sans appel.
Les organisations dont les données sont IA-ready affichent un score d'adoption 2,4 fois supérieur à celles dont les données sont hétérogènes. Ce n'est pas une corrélation anecdotique. C'est le résultat le plus structurant de l'étude.
Le baromètre mesure le niveau d'adoption de l'IA sur une échelle de 0 à 3, allant de « aucune expérimentation » à « déploiement généralisé ».
Le gradient selon la qualité des données est sans appel :
Ce n'est pas le modèle IA qui détermine votre adoption. C'est ce que vous lui donnez à manger.
La dynamique est bidirectionnelle. Les organisations qui investissent dans l'IA investissent aussi dans la qualité de leurs données — et inversement. C'est un cercle vertueux pour ceux qui y entrent. Un cercle vicieux pour les autres.
Le constat central est implacable : 96% des organisations estiment leurs données non prêtes. 25% les décrivent comme hétérogènes et de faible volume. 49% comme « partiellement préparées » — utilisables, mais lacunaires. La quasi-totalité du marché français est en retard sur ses fondations data.
Avant de parler de modèle, d'architecture RAG ou de copilote, posez-vous une question simple : sur quelles données allez-vous faire tourner tout ça ?
Les 4 facteurs qui font la différence — ce que le baromètre mesure
Le baromètre croise quatre dimensions dont dépend l'adoption réelle de l'IA dans une organisation. Voici ce que les chiffres disent :
Ces quatre facteurs ne s'additionnent pas : ils se renforcent.
Une organisation multi-cloud sans qualité des données ne progresse pas mieux qu'une organisation on-premise bien structurée. Le baromètre l'énonce clairement : le cloud est un facilitateur, pas un déclencheur.
La gouvernance mérite une attention particulière. Son effet révèle un paradoxe contre-intuitif. Les organisations sans aucun cadre affichent un score d'adoption de 1,51/3. Celles qui n'ont mis en place qu'un seul élément descendent à 1,07/3. Puis le score remonte — jusqu'à 2,10/3 pour trois éléments ou plus.
La gouvernance à moitié faite freine l'élan. La gouvernance complète le libère.
"La gouvernance structurée n'est pas un frein à l'innovation — elle en est le catalyseur."
— Baromètre national DSI Data & IA, DavinciDoc
L'état réel de vos documents : le diagnostic en chiffres
Avant de parler d'IA, parlez de documents. Dans la majorité des organisations françaises, 80 à 90% du patrimoine informationnel est constitué de données non structurées : PDF, emails, arborescences de dossiers partagés, bases héritées. C'est sur ce terreau que l'IA documentaire doit s'enraciner.
Le baromètre dresse un portrait préoccupant :
Ce que cela signifie pour un projet IA : connecter un système RAG à une base mal indexée, sans métadonnées structurées, sans règles de qualité, ne produit pas des réponses médiocres. Il produit des erreurs présentées avec la légitimité d'une source interne.
La distribution par niveau de maturité documentaire le confirme :
- 27% au stade initial — pas de versionnage, suppression ad hoc
- 48% au stade émergent — versionnage partiel, règles incomplètes
- 19% au stade structuré
- 6% seulement ont automatisé leur cycle de vie documentaire complet
55% du panel se retrouve dans une zone intermédiaire où l'information existe, mais ne peut pas encore alimenter un système IA de façon fiable. Le RAG est un aboutissement, pas un point de départ.
Que faire concrètement ? La feuille de route en 3 étapes
Les DSI interrogés ont identifié leurs propres priorités pour les 12 à 18 mois à venir : gouvernance et qualité des données pour 68% d'entre eux, montée en compétences pour 56%, sécurisation des usages LLM pour 43%. Ils ont parfaitement identifié leurs faiblesses. Reste à les traiter.
Le baromètre dessine une progression en trois temps — indicative, à adapter selon votre contexte et votre niveau de maturité :
Un principe à garder en tête tout au long de cette trajectoire : les modèles IA changent. La donnée documentaire, elle, reste.
GPT-4, Claude, Mistral, Llama — le marché des LLM évolue en permanence. Ce qui ne change pas, c'est la valeur de votre patrimoine documentaire : sa qualité, sa structure, sa gouvernance. Une GED bien configurée est un socle stable, agnostique du modèle que vous choisissez. Vous pouvez changer de LLM sans refaire votre fondation data.
C'est ce que pointe Anne-Laure Plessier, Product Marketing Manager chez Efalia :
Un plan de classement en GED, c'est l'ontologie de l'entreprise. Ça nous donne déjà toute la grammaire de l'organisation — l'effort restant pour alimenter un système IA en données structurées est considérablement réduit.
La structuration documentaire n'est pas une contrainte technique. C'est un investissement durable, indépendant des évolutions du marché IA.
Christophe Bouvard, co-fondateur de Wikit, illustre concrètement ce principe de connexion :
Le serveur MCP, c'est une prise universelle standard — l'USB-C de l'IA. Il permet à n'importe quel agent de se connecter à une source documentaire en respectant les droits des utilisateurs.
La question n'est donc pas « quel modèle IA choisir ? ».
Elle est : sur quelles données mon modèle va-t-il s'appuyer ?
Conclusion
96% des organisations françaises ne sont pas prêtes pour l'IA. Ce chiffre n'est pas un acte d'accusation — c'est un point de départ.
Les organisations qui avancent ont compris une chose simple : l'IA est aussi efficace que les données qu'on lui fournit. Elles ont commencé par là. Elles ont audité, structuré, gouverné. Et elles affichent aujourd'hui des scores d'adoption 2,4 fois supérieurs à leurs homologues.
La lucidité sur ses propres fondations est la première compétence IA d'une organisation.
Vous voulez savoir où vous en êtes ? Commencez par un diagnostic documentaire.
.png)
.png)
