Comment faire un audit de maturité IA ?

Fondements et objectifs d’un audit de maturité IA

L’intelligence artificielle n’est plus une simple perspective technologique ; elle est devenue un vecteur de transformation organisationnelle majeur. Cependant, naviguer dans cet écosystème complexe sans une boussole stratégique conduit souvent à des investissements fragmentés et à des résultats décevants. C’est ici qu’intervient l’audit de maturité IA, une démarche structurée qui permet de diagnostiquer objectivement les capacités d’une organisation et de tracer une trajectoire de développement cohérente. Loin d’être un simple contrôle technique, cet audit est un outil de pilotage stratégique essentiel pour aligner les ambitions technologiques avec la réalité opérationnelle et les objectifs business.

Définir la maturité IA et son importance stratégique

La maturité en intelligence artificielle ne se mesure pas au nombre de modèles déployés ou à la puissance des infrastructures. Elle représente la capacité d’une organisation à exploiter l’IA de manière systématique, durable et à grande échelle pour générer une valeur mesurable. Un niveau de maturité élevé signifie que l’IA est intégrée dans la culture, les processus et la stratégie de l’entreprise. Mener un audit de maturité IA consiste donc à évaluer de manière exhaustive où se situe une organisation sur ce spectre, en analysant ses forces et ses faiblesses à travers plusieurs dimensions critiques.

Cette évaluation objective est le prérequis indispensable à toute stratégie IA efficace. Sans un diagnostic précis, les entreprises risquent de surinvestir dans des technologies inadaptées, de sous-estimer les défis organisationnels ou de lancer des projets qui ne répondent à aucun besoin métier prioritaire. Selon des études de l’OCDE sur l’adoption de l’intelligence artificielle dans les entreprises, les défis liés aux compétences et à la gestion du changement sont souvent aussi importants que les obstacles techniques. Un audit de maturité IA permet de cartographier ces défis et d’établir une fondation solide pour un développement maîtrisé.

Les bénéfices clés de cette démarche sont multiples :

• Alignement stratégique : Il garantit que les initiatives IA sont directement connectées aux priorités de l’entreprise, transformant la technologie en un levier de performance plutôt qu’en un centre de coût.
• Priorisation éclairée : Il fournit une vision claire des chantiers à lancer en premier, en se concentrant sur les actions qui combleront les écarts les plus critiques ou qui offriront le retour sur investissement le plus rapide.
• Gestion des risques proactive : Il identifie en amont les faiblesses en matière de gouvernance, de sécurité, d’éthique ou de compétences, permettant de mettre en place les garde-fous nécessaires avant le déploiement à grande échelle.
• Optimisation des investissements : En ciblant précisément les besoins, l’audit évite le gaspillage de ressources et assure que chaque euro investi contribue à renforcer la capacité organisationnelle globale.

Aligner l’audit sur les objectifs business de l’entreprise

Un audit de maturité IA ne doit jamais être une fin en soi. Sa valeur réside dans sa capacité à éclairer la prise de décision et à orienter l’action. Pour cela, il est impératif de le connecter dès le départ aux grands objectifs de l’entreprise. La démarche ne consiste pas à évaluer la technologie pour la technologie, mais bien à répondre à la question fondamentale : « Comment nos capacités actuelles et futures en matière d’IA peuvent-elles nous aider à atteindre nos buts stratégiques ? ». Comme le souligne une analyse du Harvard Data Science Review, les pièges courants dans la mise en œuvre des stratégies IA proviennent souvent d’un décalage entre les ambitions techniques et les finalités métier.

Cette approche pragmatique permet de contextualiser l’évaluation. Par exemple, une entreprise visant l’excellence opérationnelle n’aura pas les mêmes exigences de maturité en IA qu’une autre dont la priorité est l’innovation de rupture. L’audit doit donc être calibré pour mesurer les capacités qui comptent réellement pour la performance future de l’organisation. L’accompagnement par des experts externes peut s’avérer précieux à ce stade ; à titre d’exemple, le conseil IA stratégique proposé par Algos vise précisément à assurer cet alignement en amont, en traduisant les enjeux business en exigences de capacités IA.

Exemple de connexion entre objectif business et capacités IA

• Objectif Business : Réduire le taux de churn client de 15 % en 18 mois.
• Capacités IA requises :
  • Données : Capacité à collecter, centraliser et qualifier les données d’interaction client (support, usage produit, facturation).
  • Modélisation : Compétence pour développer et déployer un modèle prédictif identifiant les clients à risque d’attrition.
  • Infrastructure : Plateforme permettant l’entraînement régulier du modèle et son intégration avec le CRM pour alerter les équipes commerciales en temps réel.
  • Organisation : Processus clairs pour que les chargés de clientèle agissent sur la base des alertes IA, et gouvernance pour suivre la performance du modèle et son impact sur le churn.

Les dimensions clés d’un cadre d’évaluation complet

Pour être exhaustif, un audit de maturité IA doit couvrir un large spectre de compétences, bien au-delà des seuls aspects techniques. Il s’agit d’une évaluation holistique qui analyse l’interaction entre les personnes, les processus, les données et la technologie. Un cadre d’évaluation robuste, souvent inspiré de modèles académiques comme le Responsible AI Maturity Model, s’articule généralement autour de deux grands axes : la dimension organisationnelle et la dimension technique.

Analyser la dimension organisationnelle et la culture IA

La dimension organisationnelle est souvent le parent pauvre des stratégies IA, et pourtant, elle constitue le principal facteur de succès ou d’échec. Elle englobe les aspects humains et processuels qui permettent à la technologie de prendre racine et de prospérer. L’évaluation doit porter sur le leadership, la culture, les compétences et la gouvernance. Il s’agit de déterminer si l’organisation est prête à adopter de nouvelles manières de travailler, à prendre des décisions basées sur les données et à gérer les risques inhérents à l’IA.

L’acculturation des équipes est un point central. Il faut mesurer le niveau de compréhension de l’IA au-delà du cercle des experts, la volonté des métiers de collaborer avec les équipes data, et la capacité du management à porter une vision claire et à accompagner le changement. Comme le met en évidence une étude du MIT Sloan, le développement des compétences IA ne peut reposer uniquement sur les profils juniors ; il nécessite un engagement de toute la hiérarchie. Un audit de maturité IA doit donc évaluer les programmes de formation existants et la capacité de l’organisation à attirer et retenir les talents.

Niveau de maturité	Description (Culture & Compétences)	Indicateurs clés
1. Initial	L’IA est perçue comme un sujet purement technique, confiné à quelques experts. Aucune culture de la donnée.	Projets IA isolés, pas de sponsor exécutif, compétences rares et centralisées.
2. Conscient	Prise de conscience des enjeux, premières expérimentations métier. Volonté d’apprendre mais manque de structure.	Lancement de POCs, premières sessions de sensibilisation, identification de cas d’usage.
3. Défini	Des processus et rôles IA sont formalisés. Une gouvernance IA est en place. Des formations sont proposées.	Existence d’un comité de pilotage IA, fiches de poste data/IA, plan de formation structuré.
4. Géré	L’IA est intégrée dans plusieurs processus clés. La collaboration métier/IT/data est fluide. La valeur est mesurée.	KPIs d’impact IA définis et suivis, équipes pluridisciplinaires, partage de bonnes pratiques.
5. Optimisé	L’IA est un levier d’innovation continue. La culture data est omniprésente. L’organisation apprend et s’adapte.	L’IA est au cœur de la stratégie, réévaluation continue des processus, innovation proactive.

Évaluer la dimension donnée et l’infrastructure technologique

Les données et la technologie sont les piliers sur lesquels repose toute initiative d’intelligence artificielle. Sans un socle technique solide et des données de qualité, les algorithmes les plus sophistiqués restent inutiles. L’audit de maturité IA doit donc examiner en profondeur ces deux composantes.

Pour la dimension « donnée », l’analyse va bien au-delà de la simple existence de bases de données. Il faut évaluer le cycle de vie complet de la donnée : sa disponibilité (est-elle accessible ?), sa qualité (est-elle fiable, complète, à jour ?), sa gouvernance (qui en est responsable ? comment est-elle sécurisée ?) et son accessibilité (les outils permettent-ils de l’explorer et de l’utiliser facilement ?). Une approche intégrée de la gouvernance des données et de l’IA est un signe de grande maturité. La mise en place de politiques de protection des données pour l’IA est un critère non négociable.

Pour l’infrastructure technologique, l’évaluation doit porter sur la capacité de l’entreprise à supporter le développement, le déploiement et la maintenance de modèles IA à l’échelle. Cela inclut la puissance de calcul (sur site ou dans le cloud), les plateformes de MLOps (Machine Learning Operations) qui automatisent le cycle de vie des modèles, et l’architecture logicielle globale. La scalabilité, la sécurité et l’interopérabilité avec les systèmes existants sont des critères fondamentaux. Il est aussi crucial d’évaluer la capacité à garantir une IA souveraine, un enjeu de plus en plus stratégique pour les entreprises européennes.

Étapes clés pour l’évaluation de la qualité des données :

1. Inventaire des sources : Cartographier les sources de données internes et externes pertinentes pour les cas d’usage prioritaires.
2. Profilage des données : Utiliser des outils pour analyser automatiquement la complétude, la cohérence, l’unicité et la validité des jeux de données.
3. Évaluation métier : Confronter les résultats du profilage avec la perception des experts métier pour comprendre l’impact des défauts de qualité sur les opérations.
4. Analyse des causes racines : Identifier les processus ou systèmes qui génèrent des données de mauvaise qualité.
5. Notation et plan d’action : Attribuer un score de qualité à chaque source de données critique et définir les actions de remédiation nécessaires.

Préparer et structurer la démarche d’audit

Un audit de maturité IA réussi est un projet à part entière qui exige une préparation minutieuse. La qualité des résultats dépend directement de la rigueur de la planification, de la clarté du périmètre et de la pertinence des méthodes choisies. Cette phase préparatoire est cruciale pour garantir l’adhésion des parties prenantes et la fiabilité des informations collectées.

Constituer l’équipe projet et définir le périmètre

La première étape consiste à assembler une équipe projet pluridisciplinaire. L’audit ne peut être l’affaire de la seule direction des systèmes d’information (DSI) ou d’une équipe de data scientists. Pour obtenir une vision à 360 degrés, il est essentiel d’impliquer des représentants des différentes fonctions de l’entreprise. Cette diversité garantit que toutes les facettes de la maturité (stratégique, métier, technique, humaine) seront prises en compte.

Parallèlement, il est indispensable de délimiter clairement le périmètre de l’évaluation. Tenter d’auditer l’ensemble de l’organisation en une seule fois est souvent irréaliste et contre-productif. Il est plus judicieux de commencer par un périmètre pilote : un département, une ligne de business ou un ensemble de processus critiques. Ce cadrage initial permet de tester la méthode, d’obtenir des résultats rapides et de créer une dynamique positive pour un déploiement plus large. La définition du périmètre doit être alignée avec les objectifs business identifiés précédemment.

Rôles clés dans une équipe d’audit et leurs responsabilités :

• Sponsor Exécutif (membre du CODIR) : Porte la vision stratégique, assure l’adhésion du management et arbitre si nécessaire.
• Chef de Projet : Planifie, coordonne les activités de l’audit, gère les ressources et assure la communication entre les parties prenantes.
• Experts Métier : Fournissent le contexte opérationnel, décrivent les processus existants, expriment les besoins et les points de douleur.
• Experts IT & Data : Évaluent l’infrastructure technique, la qualité des données, la sécurité et les compétences de l’équipe technique.
• Représentant RH / Conduite du changement : Analyse la culture d’entreprise, les compétences, les plans de formation et la capacité à gérer le changement.

Choisir les outils d’évaluation et les méthodes de collecte

Une fois l’équipe et le périmètre définis, il faut choisir les moyens pour recueillir l’information. Un audit de maturité IA combine généralement plusieurs méthodes pour croiser les sources et obtenir une image fiable de la situation. Il n’existe pas d’approche unique ; le choix dépend de la culture de l’entreprise, du temps disponible et du niveau de détail souhaité.

L’utilisation d’un cadre de maturité ou d’un outil d’évaluation standardisé est fortement recommandée. Ces frameworks, souvent proposés par des cabinets de conseil ou des organismes de recherche, fournissent une grille d’analyse structurée qui garantit que toutes les dimensions sont couvertes de manière cohérente. Ils permettent également de se comparer à des benchmarks sectoriels. Pour des analyses approfondies, le recours à des expertises spécialisées peut accélérer la démarche et apporter un regard extérieur objectif.

Principales méthodes de collecte d’informations :

• Questionnaires en ligne : Permettent de sonder un grand nombre de personnes de manière efficace pour obtenir une première vision quantitative. Utiles pour mesurer la perception et le niveau de connaissance général.
• Entretiens individuels : Essentiels pour approfondir les sujets avec les parties prenantes clés (dirigeants, chefs de service, experts techniques). Ils permettent de recueillir des informations qualitatives riches et de comprendre les nuances contextuelles.
• Ateliers collaboratifs : Rassemblent des groupes pluridisciplinaires pour cartographier des processus, identifier des points de friction ou brainstormer sur des cas d’usage. Ils favorisent l’alignement et l’adhésion.
• Analyse documentaire : Examen des documents existants (schémas d’architecture, politiques de gouvernance des données, rapports de projet, stratégies d’entreprise) pour évaluer la maturité formelle de l’organisation.

Conduire l’évaluation sur le terrain

La phase de conduite de l’audit est le moment où le plan se concrétise. C’est une étape d’immersion et d’écoute active, où l’équipe projet interagit directement avec les acteurs de l’entreprise pour collecter les informations qui serviront de base à l’analyse. La qualité de cette collecte est déterminante pour la pertinence des conclusions finales du diagnostic.

Mener les entretiens et les ateliers collaboratifs

L’animation des sessions de travail est un art délicat. L’objectif n’est pas de suivre un script rigide, mais de créer un climat de confiance qui encourage un dialogue ouvert et honnête. L’auditeur doit agir comme un facilitateur, guidant la discussion sans l’orienter. Il est crucial de se concentrer sur des faits observables et des exemples concrets plutôt que sur des opinions générales ou des déclarations d’intention.

Poser des questions ouvertes est la clé pour découvrir la réalité du terrain. Au lieu de demander « Votre qualité de données est-elle bonne ? », il est plus efficace de demander « Pouvez-vous me décrire un cas récent où un problème de qualité de données a eu un impact sur une décision ou un processus ? ». Cette approche permet de comprendre les défis réels, les contournements mis en place par les équipes et les véritables attentes vis-à-vis de l’IA. Pour s’assurer que les conclusions sont solides, il est important de trianguler les informations en interrogeant différentes personnes sur un même sujet.

Exemples de questions ouvertes à poser lors d’un audit de maturité IA

1. Pour un responsable métier : « Si vous aviez accès à une information ou une analyse que vous n’avez pas aujourd’hui, quelle serait la décision la plus importante que cela vous aiderait à prendre ? »
2. Pour un architecte IT : « Décrivez-moi le parcours d’une idée de projet IA, de la demande initiale à sa mise en production. Quels sont les principaux goulets d’étranglement ? »
3. Pour un analyste de données : « Racontez-moi la dernière fois que vous avez dû préparer un jeu de données pour un projet. Quelles ont été les étapes les plus complexes et pourquoi ? »

Analyser les données et cartographier les capacités actuelles

Après la phase de collecte, l’équipe d’audit se retrouve avec une grande quantité d’informations hétérogènes : réponses aux questionnaires, comptes-rendus d’entretiens, livrables d’ateliers, documents… L’étape suivante consiste à synthétiser et à structurer ces données pour en extraire des constats clairs et objectifs. C’est un travail de consolidation et de convergence.

Le processus d’analyse vise à positionner l’organisation sur l’échelle de maturité définie pour chaque dimension et sous-dimension du cadre d’évaluation. Il s’agit d’attribuer une note (par exemple, de 1 à 5) en se basant sur les preuves collectées. Cette notation doit être argumentée et traçable. Pour ce faire, une méthodologie rigoureuse est nécessaire.

Étapes du processus d’analyse :

1. Consolidation : Regrouper toutes les informations collectées par thème ou par dimension du cadre de maturité.
2. Synthèse : Rédiger des synthèses factuelles pour chaque sous-dimension, en mettant en évidence les forces, les faiblesses et les exemples concrets.
3. Notation : Attribuer un score de maturité à chaque sous-dimension en se référant aux descriptions de l’échelle de maturité. Il est conseillé de réaliser cette notation à plusieurs pour croiser les regards.
4. Visualisation : Créer des représentations graphiques (diagrammes en radar, graphiques à barres) pour présenter les résultats de manière synthétique. Ces visuels sont très efficaces pour communiquer les écarts et les priorités.
5. Validation : Présenter les résultats préliminaires à un cercle restreint de parties prenantes clés pour valider la justesse des constats avant la diffusion plus large du rapport.

Synthétiser les résultats et établir le rapport de maturité

La finalité d’un audit de maturité IA est de produire un livrable clair, actionnable et percutant qui servira de base à la prise de décision. Le rapport de maturité n’est pas une simple compilation de constats ; c’est un outil de communication stratégique qui doit traduire une analyse complexe en un diagnostic compréhensible et en une série de recommandations priorisées.

Structurer le rapport de maturité et visualiser les écarts

Un rapport efficace doit être structuré de manière logique, en partant d’une synthèse pour aller vers le détail. Il doit être accessible à différents publics, du dirigeant qui lira uniquement le résumé exécutif à l’expert technique qui cherchera le détail de l’évaluation de l’infrastructure. L’utilisation de visuels est essentielle pour rendre les résultats intelligibles en un coup d’œil. Le diagramme en radar (ou spider chart) est particulièrement adapté pour représenter le niveau de maturité actuel par rapport à un niveau cible sur les différentes dimensions.

La clarté et la concision sont primordiales. Chaque affirmation doit être étayée par des faits et des exemples collectés durant l’audit. Le ton doit être constructif : l’objectif n’est pas de pointer les coupables, mais d’identifier des axes d’amélioration collectifs. Le rapport doit mettre en lumière non seulement les faiblesses, mais aussi les forces existantes sur lesquelles l’entreprise peut capitaliser. La comparaison entre le niveau actuel et un niveau cible (défini en fonction des ambitions stratégiques) permet de matérialiser les « écarts » à combler et de focaliser l’attention sur les chantiers prioritaires.

Section du rapport	Objectif	Contenu clé
Résumé exécutif	Fournir aux décideurs une synthèse rapide des conclusions et recommandations principales.	Principaux constats, score de maturité global, 3 à 5 recommandations stratégiques.
Introduction	Présenter le contexte, les objectifs, le périmètre et la méthodologie de l’audit.	Rappel des enjeux business, composition de l’équipe, calendrier, cadre de maturité utilisé.
Résultats détaillés	Détailler le niveau de maturité pour chaque dimension, avec une analyse des forces et faiblesses.	Graphiques de maturité (radar), scores par sous-dimension, preuves et exemples concrets.
Analyse des écarts	Mettre en évidence les différences entre la situation actuelle et les ambitions de l’entreprise.	Comparaison « actuel vs. cible », analyse des causes profondes des écarts les plus importants.
Recommandations	Proposer un plan d’action concret et priorisé pour améliorer la maturité IA.	Liste de recommandations spécifiques, classées par priorité (impact/effort).

Formuler des recommandations concrètes et priorisées

La section des recommandations est la partie la plus importante du rapport. C’est elle qui transforme le diagnostic en plan d’action. Pour être utiles, les recommandations doivent être S.M.A.R.T. (Spécifiques, Mesurables, Atteignables, Réalistes, Temporellement définies). Une recommandation vague comme « améliorer la culture de la donnée » est inutile. Une recommandation efficace serait : « Lancer un programme de formation à la littératie des données pour 50 managers clés du département marketing d’ici 6 mois ».

Toutes les recommandations n’ont pas la même importance ni la même urgence. Il est donc crucial de les prioriser. Cette priorisation doit se faire selon une grille d’analyse objective, croisant généralement deux axes : l’impact potentiel sur les objectifs business et la complexité (ou l’effort) de mise en œuvre. Cette matrice permet de distinguer plusieurs types d’actions :

• Les « Quick Wins » (impact élevé, effort faible) : Actions à lancer immédiatement pour obtenir des résultats visibles rapidement et créer une dynamique.
• Les projets stratégiques (impact élevé, effort élevé) : Chantiers de fond qui nécessitent un investissement important mais sont cruciaux pour la transformation à long terme.
• Les améliorations continues (impact faible, effort faible) : Optimisations à intégrer dans les processus existants.
• Les actions à reconsidérer (impact faible, effort élevé) : À déprioriser ou à abandonner, sauf si elles sont des prérequis pour d’autres initiatives.

La réalisation d’un audit de maturité IA peut être facilitée par l’intervention d’un partenaire externe. Par exemple, Algos propose un service d’audit qui s’appuie sur une méthodologie éprouvée pour fournir une évaluation objective et des recommandations concrètes, adaptées au contexte spécifique de chaque entreprise.

De l’audit à l’action : construire la feuille de route IA

Un audit de maturité IA, aussi pertinent soit-il, ne crée de la valeur que s’il est suivi d’actions concrètes. Le rapport n’est pas une conclusion, mais le point de départ d’une démarche de transformation structurée. La phase suivante consiste à traduire les recommandations en une feuille de route opérationnelle et à mettre en place les structures de pilotage pour en assurer le succès.

Élaborer un plan d’action et des initiatives pilotes

La feuille de route IA est la traduction opérationnelle des recommandations priorisées. Elle décompose les grands chantiers en projets concrets, avec des objectifs clairs, des livrables, des échéances, des responsables et des budgets alloués. Ce document doit être un outil de pilotage vivant, partagé et suivi par l’ensemble des parties prenantes.

Il est souvent judicieux de commencer par des initiatives pilotes ou des preuves de concept (POC). Ces projets, de portée limitée mais à fort impact potentiel, permettent de tester une technologie ou une nouvelle approche sur un cas d’usage concret, de démontrer rapidement la valeur de l’IA et de tirer des enseignements avant un déploiement à plus grande échelle. Un POC réussi est le meilleur moyen de sécuriser l’adhésion des équipes métier et du management. Pour des projets plus ambitieux, il est possible de s’appuyer sur des solutions technologiques avancées. Par exemple, la plateforme d’orchestration CMLE Orchestrator d’Algos peut être utilisée pour construire des systèmes IA complexes qui répondent à des exigences de fiabilité et de gouvernance de niveau entreprise, un objectif de maturité souvent identifié lors d’un audit de maturité IA.

Étapes pour passer des recommandations à un plan d’action structuré :

1. Regroupement : Grouper les recommandations en grands chantiers thématiques (ex: « Gouvernance des données », « Développement des compétences », « Modernisation de l’infrastructure »).
2. Définition des projets : Pour chaque chantier, définir des projets spécifiques avec un périmètre, des objectifs et des KPIs clairs.
3. Séquençage : Ordonnancer les projets dans le temps en tenant compte des dépendances et des priorités.
4. Allocation des ressources : Assigner un chef de projet, une équipe et un budget à chaque initiative.
5. Communication : Communiquer largement sur la feuille de route pour assurer la visibilité et l’alignement de toute l’organisation.

Mettre en place la gouvernance IA et le suivi des progrès

L’audit de maturité IA fournit une photographie à un instant T. Or, la maturité est une cible mouvante. Pour piloter la transformation dans la durée, il est indispensable de mettre en place une structure de gouvernance IA pérenne. Cette instance, souvent un comité de pilotage IA, a pour mission de superviser l’exécution de la feuille de route, d’arbitrer les priorités, d’allouer les ressources et de s’assurer que les initiatives restent alignées avec la stratégie de l’entreprise.

Cette gouvernance doit également couvrir les aspects éthiques et de conformité, un enjeu de plus en plus central avec l’arrivée de réglementations comme l’AI Act européen. Mettre en place une gouvernance de l’IA robuste est un signe de maturité avancée. Cela implique de définir des politiques claires, de mettre en place des processus de validation des cas d’usage et de garantir la conformité avec des cadres comme le RGPD.

Enfin, pour mesurer l’évolution, il est essentiel de définir des indicateurs de performance (KPIs) qui permettront de suivre les progrès de la feuille de route et l’amélioration de la maturité au fil du temps. Refaire un audit de maturité IA à intervalles réguliers (par exemple, tous les 12 ou 18 mois) permet de mesurer le chemin parcouru, d’ajuster la trajectoire et de maintenir la dynamique de progrès. L’audit n’est donc pas un événement unique, mais le premier cycle d’un processus d’amélioration continue.

Missions clés d’un comité de pilotage IA

• Valider et prioriser le portefeuille de projets IA.
• Suivre l’avancement de la feuille de route et le respect des budgets.
• Assurer l’alignement des initiatives IA avec la stratégie globale de l’entreprise.
• Définir et faire appliquer les principes éthiques et les politiques de gouvernance de l’IA.
• Faciliter la collaboration entre les équipes métier, IT et data.
• Communiquer sur les succès et les apprentissages liés à l’IA au sein de l’organisation.