Le POC marche dans 80% des cas. Le passage en production réussit dans 20%. Ce qui se passe entre les deux est rarement nommé — et c'est précisément là que se joue la valeur de la mission.
01Le fossé n'est pas technique
Quand un POC fonctionne et qu'un projet n'arrive pas en production, les comités blâment souvent l'infrastructure ou le modèle. Dans 9 cas sur 10, ce n'est ni l'un ni l'autre. C'est une combinaison de quatre dimensions que personne ne traite parce qu'elles ne sont pas du ressort de la DSI seule.
Première dimension : la donnée réelle. Le POC tourne sur un échantillon propre, anonymisé, choisi pour bien fonctionner. La production rencontre des données mal structurées, des champs vides, des doublons, des cas non prévus. Un modèle qui passait à 92% sur un sample de 500 lignes peut tomber à 64% sur 50 000 lignes réelles. Personne n'avait demandé le test à grande échelle parce que tout le monde avait peur de la réponse.
Deuxième dimension : l'intégration métier. Un agent IA qui fonctionne en isolation ne sert à rien. Il doit s'insérer dans un workflow existant — un CRM, un outil de ticketing, un ERP. Cette intégration coûte souvent autant que le modèle lui-même, et elle implique des équipes qui n'étaient pas dans la boucle au moment du POC.
Troisième dimension : la gouvernance. Qui valide les sorties du modèle ? Qui réagit en cas de dérive ? Qui décide quand on désactive l'agent ? Sans ces réponses, la production se met en place mais personne n'ose vraiment l'utiliser.
Quatrième dimension : la formation. Une équipe qui n'a pas été préparée à utiliser un nouvel outil le contourne. J'ai vu un projet d'agent IA performant abandonné en six mois parce que les équipes terrain n'avaient eu qu'une démo de 45 minutes — et qu'elles trouvaient leur ancien process « plus rassurant ».
02Le test simple pour savoir si un POC est prêt
Avant de fêter un POC réussi, posez ces questions :
- A-t-on testé sur la donnée réelle, dans le volume réel, sur la période la plus exigeante de l'année ? Sinon, ce n'est pas un POC, c'est une démo.
- Qui, nommément, est propriétaire de l'usage en production ? Pas la DSI, pas le sponsor budget — la personne qui répond quand le modèle se trompe.
- A-t-on un protocole de désactivation et de fallback ? Si la réponse est « on coupe et on revient au manuel », le projet est fragile.
- Les équipes terrain ont-elles essayé l'outil pendant au moins 10 jours ouvrés en parallèle de leur process actuel ? Sinon, l'adoption est un pari, pas une certitude.
03Ce qui fait passer le fossé
Les projets qui passent en production ont en commun une chose : ils ne font pas un POC puis un déploiement. Ils font un déploiement progressif dès la semaine 3, avec un périmètre étroit et des utilisateurs réels qui valident pendant qu'on construit. Le POC isolé en environnement de test est un piège. Il rassure le comité et trompe le sponsor.
Combien de POC validés par votre comité tournent réellement en production aujourd'hui ?
Vous travaillez sur un sujet similaire ? Le bon point de départ n’est pas une démo IA, mais une conversation sur le process, la décision et l’impact attendu.