Parlons de votre projet
Aller au contenu

Prestation · Audit IA

Audit IA en entreprise

Un audit IA établit où l’intelligence artificielle rapporte dans votre entreprise, ce qui l’en empêche aujourd’hui, et ce qu’il faut prouver avant d’investir. Il classe vos cas d’usage par gain et par effort, mesure la maturité de vos données et de vos équipes, et vérifie les systèmes déjà en service. Je le conduis en ingénieur : chaque conclusion repose sur une mesure faite sur vos données, pas sur un questionnaire.

Quels sont les trois types d’audit IA ?

Un audit IA prend l’une de trois formes : l’audit d’opportunités, l’audit de maturité et l’audit de système. Les deux premiers précèdent l’investissement ; le troisième s’applique à un assistant, un RAG ou un agent déjà construit.

Type d’auditQuestion poséeCe que vous obtenezDurée type
OpportunitésOù l’IA rapporte-t-elle vraiment, et dans quel ordre ?Cas d’usage classés par gain, effort, données disponibles et risque3 à 5 jours
MaturitéLes données, les équipes et la gouvernance suivent-elles ?Écarts à combler avant le premier déploiement, par ordre de priorité2 à 4 jours
SystèmeCe qui est en service tient-il, et pourquoi déçoit-il ?Constats mesurés sur cinq couches, jeu de tests, plan de correction3 à 10 jours

La plupart des audits d’entreprise combinent opportunités et maturité : il ne sert à rien de choisir un cas d’usage dont les données n’existent pas. L’audit de système s’ajoute dès qu’un outil est déjà utilisé, y compris un Copilot, une automatisation UiPath ou un assistant acheté sur étagère. Pour vous situer avant l’audit, la grille de maturité IA en vingt questions donne un premier repère.

Comment identifier les cas d’usage IA à fort impact ?

Un cas d’usage à fort impact combine un volume élevé, une valeur unitaire mesurable, des données déjà disponibles et une erreur rattrapable. S’il manque l’un des quatre, il passe derrière, quelle que soit sa visibilité en comité de direction.

  1. Le volume. Combien de fois par mois la tâche revient-elle ? Un gain de dix minutes sur une tâche quotidienne vaut plus qu’une heure gagnée une fois par trimestre.
  2. La valeur unitaire. Le temps gagné, le délai réduit ou l’erreur évitée doivent se chiffrer avant le projet, pas après. Sans référence de départ, aucun gain ne sera démontrable.
  3. Les données. Le corpus existe-t-il, est-il à jour, et qui a le droit d’y accéder ? C’est le critère qui élimine le plus de projets, et celui qu’on vérifie le moins tôt.
  4. Le coût de l’erreur. Une réponse fausse est-elle relue avant d’agir, ou produit-elle un effet direct ? Plus l’erreur coûte, plus le contrôle humain et la recette pèsent dans l’effort.

En pratique, un audit d’opportunités part d’une trentaine d’idées recueillies en entretien et en retient trois à cinq. La méthode de tri est détaillée dans juger un projet d’IA en cinq minutes et dans combien de cas d’usage faut-il abandonner. Les exemples par secteur sont regroupés dans les pages métiers.

Comment se déroule un audit IA ?

Un audit IA se déroule en quatre étapes : cadrage, entretiens, mesures sur vos données, restitution. Les mesures font la différence avec un audit de maturité par questionnaire : chaque cas d’usage retenu est testé sur un échantillon réel.

  1. Cadrage (une demi-journée). Périmètre, directions concernées, systèmes déjà en service, accès aux données et contraintes de confidentialité.
  2. Entretiens (un à deux jours). Les personnes qui font le travail, pas seulement celles qui le pilotent : c’est là que se trouvent le volume réel et les exceptions.
  3. Mesures (un à cinq jours). Pour chaque cas retenu, un essai sur vos documents ou vos données : taux de bonne réponse, coût par requête, part des cas qui exigent un humain.
  4. Restitution (une demi-journée). Feuille de route chiffrée, décisions à prendre, cas à abandonner, et premier chantier prêt à démarrer.

L’audit est réalisé par un docteur en intelligence artificielle qui déploie lui-même ces systèmes en entreprise. Le budget réel d’un projet et ses postes cachés sont décrits dans où part réellement un budget d’IA et le coût réel d’un système d’IA en production. Ce qui fait varier le prix d’un audit est détaillé dans combien coûte un audit IA.

Pourquoi un système d’IA déjà en service déçoit-il ?

Une mauvaise réponse peut provenir du corpus, de la récupération, des instructions ou du modèle. L’audit distingue ces causes à partir de cas observés avant de proposer une correction.

Un premier diagnostic consiste à prendre cinq réponses fausses et à vérifier, pour chacune, si l’information correcte figurait dans le contexte transmis. Si elle n’y était pas, le changement de modèle ne corrige pas cette absence : le travail est en amont, dans le corpus ou dans la récupération.

C’est la raison pour laquelle un audit commence par le corpus et ne regarde le prompt qu’en troisième position. L’ordre inverse, le réflexe le plus courant, produit un cycle où l’on corrige un cas en en cassant deux autres. Le détail de la méthode figure dans reprendre un système construit par quelqu’un d’autre.

Que vérifie l’audit d’un système IA, couche par couche ?

L’audit examine cinq couches, dans cet ordre : corpus, récupération, prompt, périmètre, coûts. L’ordre n’est pas indifférent : un défaut amont masque systématiquement les gains obtenus en aval.

CoucheCe qui est vérifiéDéfaut le plus fréquent
CorpusVolume réel, fraîcheur, versions concurrentes, source faisant autorité, droits d’accèsTrois versions d’une procédure, aucune datée, aucune désignée comme valide
RécupérationLe bon document remonte-t-il ? Découpage, recherche des références exactes, filtrage des droitsLes droits filtrés après la recherche, ce qui n’est pas une protection
PromptRègles contradictoires, consignes ajoutées après incident, comportement en cas de douteUne règle qui compense un défaut de récupération et fabrique des réponses hors sujet
PérimètreActions autorisées, réversibilité, point d’arrêt humain, journalisationPersonne n’a accepté de répondre des actions du système
CoûtsCoût par appel et par fonctionnalité, contexte envoyé, dispersion, plafondsDes appels coûteux ne sont pas reliés aux fonctionnalités qui les déclenchent

Chaque constat est étayé par une mesure, pas par une impression : taux d’erreur sur un jeu de cas réels, nombre de jetons par requête, part des questions dont le bon document n’a jamais été récupéré.

Comment vérifier l’auditabilité d’une réponse IA ?

Une réponse est auditable lorsque l’on peut retrouver les éléments qui permettent de la contrôler : la demande, les sources accessibles, la configuration du système, les actions proposées et la décision prise. Une réponse plausible accompagnée d’un lien ne suffit pas si ce lien ne soutient pas l’affirmation.

Pour un cas donné, vérifiez cinq preuves : l’identité et les droits utilisés lors de la recherche ; la version et le passage du document retenu ; la version du modèle et de la configuration ; les appels d’outils proposés, bloqués ou exécutés ; enfin la validation humaine quand elle est requise. Conservez des identifiants de référence et des traces proportionnées, plutôt qu’une copie générale de toutes les données sensibles.

Rejouer un cas sert à comparer des comportements : un modèle non déterministe peut produire une formulation différente. Le contrôle doit porter sur les faits, les permissions et les effets autorisés. Les ressources pour construire un jeu de tests et évaluer un agent sur huit cas synthétiques donnent un point de départ.

Le guide pour constituer le dossier de preuve d’une réponse IA détaille les pièces, les critères et les limites de la conclusion. Son modèle téléchargeable permet de documenter un contrôle sans inventer les traces historiques manquantes.

La conformité est-elle couverte ?

Oui, sur trois points : la catégorie de risque du système au sens du règlement européen, la documentation exigible, et le dispositif de supervision humaine.

Le cadrage commence par les pratiques interdites de l’article 5, en tenant compte de leurs conditions et exceptions. L’inférence d’émotions au travail est par exemple interdite sauf pour des raisons médicales ou de sécurité. La qualification dépend du fonctionnement, des données utilisées et de la finalité : une simple étiquette « analyse de sentiment » ne permet pas de conclure. Les exigences sont ensuite examinées selon la catégorie du système et votre rôle dans sa chaîne de valeur.

Pour le reste, l’audit établit ce qu’il faut réclamer au fournisseur du modèle et ce que vous devez produire vous-même. C’est une distinction rarement faite, et qui décide de la faisabilité du dossier. Voir ce que l’ingénieur doit livrer et écrire la fiche d’un système d’IA. Les références sont les articles 5, 43 et 50 du règlement européen sur l’intelligence artificielle.

Que recevez-vous à la fin ?

Trois livrables : un rapport de constats mesurés, un jeu de tests constitué sur vos cas réels, et un plan de correction classé par rapport effort-bénéfice.

  • Le rapport : un constat par couche, la mesure qui l’étaye, la cause et la correction. Pas de recommandation générique : chaque point renvoie à une observation sur votre système.
  • Le jeu de tests : trente cas réels avec la réponse attendue, dont un tiers de cas limites tirés de vos échecs observés. Il reste chez vous et sert à chaque changement de modèle, deux à trois fois par an. Voir construire un jeu de tests en une journée.
  • Le plan de correction : ce qui se règle en une journée, ce qui demande une semaine, ce qui relève d’une décision d’organisation et non d’ingénierie.

Une conclusion possible : ne pas continuer

Un cas d’usage sans corpus fiable, ou dont la décision servie n’a pas de responsable identifié, ne deviendra pas viable en changeant de modèle. L’audit le dit alors clairement et désigne le cas d’usage qui mérite l’effort à la place.

Que tester avant d’adopter les nouveautés IA ?

Une annonce de modèle ou d’agent justifie une comparaison sur vos tâches, avec les mêmes données, des droits bornés et des critères d’acceptation documentés.

Les recettes récentes couvrent le déploiement de Hermes Agent, les actions et l’arrêt des agents Claude, la migration vers GPT-6.1 Sol et l’adoption de Gemini 4 Argon. Chaque guide distingue les capacités annoncées et les contrôles proposés.

Côté gouvernance, le point sur les preuves à demander après les incidents d’octobre relie l’actualité de l’AI Act au contrôle de vos systèmes. La grille de recette d’un agent IA aide à préparer les essais.

Questions fréquentes

Qu’est-ce qu’un audit IA ?

Un audit IA est un diagnostic qui établit où l’intelligence artificielle peut créer de la valeur dans une entreprise, ce qui l’en empêche aujourd’hui, et à quelles conditions un système existant peut tenir en production. Il couvre trois questions : les cas d’usage qui méritent un investissement, la maturité de l’organisation (données, équipes, gouvernance) et la fiabilité des systèmes déjà déployés. Il se conclut par un plan chiffré, classé par gain attendu et par effort.

Quels sont les trois types d’audit IA ?

L’audit d’opportunités identifie et classe les cas d’usage à fort impact. L’audit de maturité évalue si les données, les compétences et la gouvernance permettent de les réaliser. L’audit de système examine un assistant, un RAG ou un agent déjà construit : qualité des réponses, droits d’accès, actions autorisées, coûts et auditabilité. La plupart des missions combinent les deux premiers ; le troisième s’impose dès qu’un système est en service.

Combien de temps prend un audit IA ?

Entre trois et dix jours selon le périmètre. Un audit d’opportunités sur deux ou trois directions tient en cinq jours, entretiens et mesures compris. Un système documentaire unique se diagnostique en trois jours ; un parc de plusieurs assistants avec des dépendances demande une à deux semaines.

Que contient le rapport d’audit IA ?

Une cartographie des cas d’usage avec, pour chacun, le gain estimé, les données disponibles, le risque et l’effort ; un constat mesuré sur les systèmes existants ; un jeu de tests constitué à partir de vos cas réels ; et une feuille de route classée par rapport effort-bénéfice. Le jeu de tests reste chez vous et sert à chaque évolution ultérieure.

Quelle différence entre un audit IA et un audit de conformité AI Act ?

Un audit IA cherche ce qui rapporte et ce qui tient en production. Un audit de conformité vérifie des obligations juridiques précises selon la catégorie de risque du système et votre rôle (fournisseur, déployeur). Les deux se recoupent sur la documentation, la supervision humaine et la journalisation : l’audit technique produit des preuves utiles au dossier, mais ne remplace ni une évaluation de conformité requise ni une qualification juridique.

Un audit IA est-il obligatoire ?

Non, l’AI Act n’impose pas d’audit externe général à chaque projet d’IA. Les exigences dépendent du système, de son usage et du rôle de l’organisation. Certains systèmes à haut risque sont soumis à une évaluation de conformité, et l’article 50 impose des obligations de transparence dans des situations déterminées. Depuis février 2025, l’article 4 demande aussi aux organisations d’assurer un niveau suffisant de maîtrise de l’IA à leur personnel.

Faut-il auditer avant ou après la mise en production ?

Avant, si le système n’est pas encore en service : les corrections coûtent alors une fraction de ce qu’elles coûteront ensuite. Après, si le système est déjà exploité et donne des résultats décevants. C’est le cas le plus fréquent, et le diagnostic est alors plus riche parce qu’on dispose des questions réellement posées.

Que se passe-t-il si l’audit conclut qu’il faut arrêter ?

C’est une conclusion possible et elle est dite clairement. Un cas d’usage qui ne repose sur aucun corpus fiable, ou dont la décision servie n’a pas de responsable identifié, ne deviendra pas viable en changeant de modèle. Renoncer coûte moins cher que persévérer, et l’audit indique alors quel autre cas d’usage mérite l’effort.

Lancer un audit IA

Quinze minutes suffisent à dire si un audit est utile dans votre cas, sous quelle forme et à quel périmètre. Si la réponse est non, je vous le dirai à ce moment-là.

Prendre quinze minutes

Faites un premier point en 3 minutes

Un diagnostic gratuit, en 3 minutes maximum. Répondez aux questions, consultez un aperçu, puis renseignez votre nom, votre e-mail et votre entreprise pour demander le résultat détaillé et sa copie par e-mail, avec des recommandations adaptées. Vous pouvez vous opposer au recontact professionnel sans perdre l’accès au résultat demandé.

Voir tous les outils · Utilisation de vos données et droit d’opposition

Analyses complémentaires

Votre prochain projetParlons-en.Réserver un échange de 15 minutes sur Cal.com, dans un nouvel onglet