Le plan à trois ans reste l'exercice structurant des directions générales. Il arrive désormais avec une question supplémentaire : que faisons-nous de l'IA ?

Beaucoup de documents stratégiques se contentent d'une ligne d'intention, parfois d'un budget, rarement d'une trajectoire. Résultat, l'IA finit en annexe technologique au lieu d'irriguer les choix de marché, d'organisation et d'allocation de ressources. Inscrire l'IA dans un plan stratégique, et plus largement penser l'IA et la planification stratégique ensemble, suppose au contraire de la traiter comme une capacité à construire, avec des jalons, des arbitrages et une gouvernance. Voici la manière dont nous abordons ce sujet avec les dirigeants que nous accompagnons.

IA et planification stratégique, cadrer un plan à 3 ans

Temps de lecture : ~10 min

Sommaire

1. IA et planification stratégique, de quoi parle-t-on vraiment

2. Ce que l'IA apporte concrètement à un cycle de planification

3. Une roadmap IA n'est pas un catalogue de projets technologiques

4. Articuler vision longue et itérations courtes

5. Les données avant les modèles

6. Biais, explicabilité et validation humaine

7. Gouvernance, le rôle du CODIR

8. Mesurer le retour sur investissement sans se raconter d'histoires

9. Aller plus loin avec l'IA et la planification stratégique

10. Questions fréquentes

IA et planification stratégique, de quoi parle-t-on vraiment

Parler d'IA et planification stratégique recouvre deux réalités que les CODIR confondent souvent.

La première est l'IA comme objet du plan : quelles capacités l'entreprise veut-elle détenir d'ici 2029, sur quels processus, avec quel niveau d'autonomie et quel budget. La seconde est l'IA comme outil du plan lui-même : machine learning et analyse prédictive au service de la prévision, synthèse de données non structurées pour l'analyse de l'environnement concurrentiel, planification par scénarios pour tester la robustesse d'une trajectoire. Les deux se nourrissent mutuellement, mais elles ne se pilotent pas de la même façon.

La recherche académique recoupe ce que nous observons sur le terrain. Les travaux publiés sur SSRN identifient six zones d'apport de l'IA à la décision stratégique : analyse des données, identification des opportunités, prévision, gestion des risques, allocation des ressources et analyse concurrentielle. Les travaux d'Atlantis Press sur IA, données et performance structurent la question autour de trois axes : l'analyse fondée sur les données, les capacités dynamiques et l'avantage concurrentiel. Autrement dit, la valeur ne vient pas de l'outil mais de la capacité de l'organisation à transformer une analyse en décision tenue dans le temps.

Ce que l'IA apporte concrètement à un cycle de planification

Sur les directions que nous accompagnons, trois apports se vérifient rapidement.

Accélérer la préparation du plan

Le premier concerne la préparation du plan. La collecte et la synthèse d'informations de marché, de données clients, de signaux faibles sectoriels et de documents internes mobilisent des semaines de travail que l'IA raccourcit sensiblement. Le comité stratégique passe alors moins de temps à produire des slides et davantage à arbitrer. Une étude menée auprès de 218 dirigeants de PME associe l'usage de l'IA à une accélération de la prise de décision et à une amélioration des prévisions.

Renforcer la planification par scénarios

Le deuxième apport est la planification par scénarios. Une étude de cas montre que des scénarios élaborés avec l'aide de l'IA aident les dirigeants d'une grande entreprise multinationale à anticiper opportunités et menaces. L'intérêt n'est pas la prédiction, qui reste illusoire, mais le nombre d'hypothèses testables. Un plan à trois ans construit sur un seul scénario central devient fragile dès le premier choc de demande ou de réglementation.

Appuyer l'allocation des ressources

Le troisième apport porte sur l'allocation des ressources. Comparer des investissements selon leur coût, leur rendement attendu, leur risque et leur cohérence avec les objectifs reste un exercice de jugement, mais un modèle prédictif bien alimenté documente l'arbitrage. Les travaux de la Glasgow Caledonian University sur la planification stratégique en environnement VUCA, volatil, incertain, complexe et ambigu, insistent sur ce point : plus l'environnement bouge, plus les méthodes de décision doivent être révisables.

Usages de l'IA dans le cycle stratégique par fonction

• Fonction: Direction générale Usage de l'IA dans le cycle stratégique: Simulation de scénarios, synthèse de marché Résultat attendu: Décisions mieux documentées et plus rapides

• Fonction: Finance Usage de l'IA dans le cycle stratégique: Prévisions, détection d'anomalies, allocation budgétaire Résultat attendu: Pilotage financier plus fin

• Fonction: Commerce et marketing Usage de l'IA dans le cycle stratégique: Prévision de la demande, segmentation, analyse concurrentielle Résultat attendu: Priorisation des marchés et des offres

• Fonction: Opérations Usage de l'IA dans le cycle stratégique: Prévision des volumes, stocks, capacités Résultat attendu: Réduction des inefficacités

• Fonction: Ressources humaines Usage de l'IA dans le cycle stratégique: Planification des compétences et des effectifs Résultat attendu: Alignement entre besoins et talents

• Fonction: Risques et conformité Usage de l'IA dans le cycle stratégique: Détection de signaux faibles, analyse prédictive Résultat attendu: Anticipation des menaces

Une roadmap IA n'est pas un catalogue de projets technologiques

C'est la confusion la plus coûteuse que nous rencontrons. Un catalogue de projets liste des initiatives portées par des directions différentes, chacune avec son outil, son fournisseur et son calendrier. Une roadmap IA part de la chaîne de valeur : quels processus portent la marge, quels processus portent le risque, lesquels sont suffisamment stables et documentés pour supporter une automatisation partielle. La différence se voit dans les dépendances. Un catalogue additionne, une roadmap séquence.

Structurer la trajectoire sur trois ans

Concrètement, une trajectoire à trois ans se structure en général en trois temps. La première année sert à assainir les fondations : qualité des données, cartographie des usages déjà présents dans l'entreprise, souvent hors de tout cadre, et premiers cas d'usage à périmètre restreint. La deuxième année industrialise ce qui a fait ses preuves et retire ce qui n'en a pas fait, ce point est rarement écrit et presque jamais appliqué. La troisième année porte le passage à l'échelle et l'intégration profonde au système d'information, là où les gains deviennent structurels. Notre page consacrée au pilotage et à la mise à l'échelle détaille cette mécanique.

Bon à savoir

La question n'est pas de savoir si l'IA est déjà utilisée dans votre entreprise, elle l'est presque toujours, mais de savoir sur quelles données et sous quelle responsabilité. Un plan stratégique qui ignore ces usages non gouvernés planifie sur une base fausse.

Articuler vision longue et itérations courtes

La contradiction apparente entre un plan à trois ans et un domaine qui évolue tous les trimestres se résout par une règle simple : le plan fixe les objectifs métier et les capacités à détenir, pas les technologies.

Écrire « réduire de moitié le délai de traitement des réclamations clients d'ici fin 2028 » reste valable quelle que soit l'évolution des modèles. Écrire « déployer tel assistant sur tel périmètre » sera obsolète dans dix-huit mois.

En pratique, nous recommandons un rythme à deux vitesses. Le CODIR maintient la revue stratégique annuelle, avec les engagements budgétaires et les objectifs de transformation. Un comité plus restreint se réunit tous les trimestres pour réviser les hypothèses, examiner les résultats des cas d'usage en cours et décider des arrêts. Ce découplage protège de deux dérives symétriques : le plan figé qui ne tient pas compte du réel, et l'agilité permanente qui empêche toute capitalisation.

Les données avant les modèles

Aucune ambition stratégique ne survit à des données incomplètes, dispersées ou obsolètes. Avant d'inscrire une ligne IA dans un plan, un audit des données s'impose : disponibilité, fraîcheur, qualité, propriété, niveau de sensibilité et compatibilité entre systèmes.

Sur les systèmes d'information que nous accompagnons, c'est très souvent là que se situe le vrai chemin critique, bien avant le choix d'une technologie. Un référentiel client dupliqué dans trois applications rendra toute prévision commerciale discutable, quel que soit le modèle employé.

Réaliser un diagnostic IA préalable

C'est précisément la fonction d'un Diagnostic IA que de découvrir ce périmètre réel : les usages déjà en place, l'état des données, la faisabilité et le chiffrage, avant d'engager des budgets. Sa durée et son coût varient avec le nombre de directions et de sites, les processus couverts et la maturité des données.

Biais, explicabilité et validation humaine

Un modèle entraîné sur l'historique reproduit l'historique, y compris ses angles morts : certains segments clients sous représentés, certaines zones géographiques négligées, certains canaux surpondérés. Appliqué à une décision stratégique, le biais algorithmique ne se voit pas, il se lit comme une confirmation de ce que l'entreprise croyait déjà.

Trois contre-mesures fonctionnent : documenter les données d'entraînement et leurs limites, confronter systématiquement la recommandation à une hypothèse contraire, et exiger un niveau d'explicabilité proportionnel à l'enjeu de la décision.

La validation humaine reste la règle sur toute décision irréversible ou à fort impact. Un système d'aide à la décision produit des réponses plausibles, pas des réponses vérifiées. Les risques de confidentialité méritent la même rigueur, car les données qui alimentent un exercice de prospective stratégique comptent parmi les plus sensibles de l'entreprise : plan d'investissement, marges par ligne de produit, projets de croissance externe. Le choix d'un hébergement européen et d'un cadre contractuel clair n'est pas un supplément d'âme, c'est une condition d'usage.

À retenir

L'IA élargit le champ des hypothèses examinées, elle ne désigne pas la bonne. La responsabilité du choix, de son interprétation et de ses conséquences reste entière au CODIR.

Gouvernance, le rôle du CODIR

La gouvernance de l'IA en entreprise se joue à un niveau que les directions techniques ne peuvent pas porter seules. PwC propose un cadre couvrant l'ensemble du cycle de vie algorithmique, de la génération de l'idée à la mise en œuvre, au suivi puis au retrait du système. Guidehouse documente de son côté une démarche d'adoption à l'échelle d'une organisation entière, combinant stratégie, gouvernance, préparation des équipes et déploiement progressif. Les deux approches convergent sur un point : la gouvernance précède le déploiement, elle ne le rattrape pas.

Poser des règles de gouvernance simples

Dans une entreprise de 20 à 500 salariés, cette gouvernance tient en quelques règles explicites : qui peut utiliser quels outils, quelles données peuvent être traitées et lesquelles ne le peuvent pas, qui valide les résultats avant usage dans une décision, comment un incident est remonté, à quelle fréquence les modèles sont réévalués.

Encore faut-il que les membres du CODIR partagent la même lecture du sujet. C'est l'objet de notre atelier IA CODIR, une demi-journée de quatre heures dans vos locaux, dont le budget se situe le plus souvent entre 5 000 et 7 000 € HT selon la taille de l'entreprise.

Mesurer le retour sur investissement sans se raconter d'histoires

Le ROI de l'IA appliquée à la stratégie ne se mesure pas en heures gagnées individuellement, cet indicateur ne remonte jamais au compte de résultat. Nous retenons des indicateurs liés au processus lui-même et au plan qu'il alimente. Voici ceux qui nous paraissent les plus robustes dans un contexte de planification.

• Précision des prévisions, mesurée par l'écart entre prévision et réalisé sur un horizon constant, avant et après.

• Délai de production du plan ou du budget, de la collecte des données à l'arbitrage du CODIR.

• Nombre de scénarios réellement instruits et documentés pour une décision d'investissement majeure.

• Risques identifiés en amont, fournisseur, réglementaire ou concurrentiel, et délai d'anticipation gagné.

• Taux d'adoption effectif par les directions concernées, qui conditionne tout le reste.

• Coût complet rapporté à la décision éclairée, infrastructure, licences, temps interne et accompagnement.

Ces indicateurs doivent figurer dans le plan au même titre que les objectifs commerciaux. Un cas d'usage qui ne les atteint pas au bout de deux cycles doit être arrêté, et cet arrêt doit être présenté comme une décision saine, pas comme un échec.

Aller plus loin avec l'IA et la planification stratégique

Intégrer l'IA dans un plan à trois ans ne demande pas de réinventer la planification stratégique, mais d'y appliquer la même discipline qu'à n'importe quel autre investissement structurant : partir d'un objectif métier précis, vérifier l'état réel des données et des usages, encadrer les biais et la confidentialité, confier l'arbitrage au CODIR et mesurer ce qui compte.

Ce sont ces quatre points, et non la technologie choisie, qui séparent les trajectoires qui tiennent de celles qui s'arrêtent au premier POC. Si vous préparez votre cycle de planification, un échange sur votre périmètre réel est le meilleur point de départ.

En synthèse

IA et planification stratégique ne gagnent en impact que lorsqu'elles sont pensées ensemble : des objectifs métier clairs, des données fiables, une gestion explicite des biais et de la confidentialité, une gouvernance portée par le CODIR et des indicateurs de résultat assumés dans le temps. Traiter l'IA comme une capacité à construire plutôt que comme une suite de projets isolés donne de la cohérence à la trajectoire et augmente les chances que le plan à trois ans résiste aux aléas.

FAQ - Questions fréquentes

Faut-il inscrire un budget IA dédié dans le plan à trois ans ?

Un budget dédié aide la première année, le temps de financer la remise à niveau des données et les premiers cas d'usage. Au-delà, nous observons qu'il vaut mieux rattacher les investissements aux budgets des directions métier concernées, car cela force la responsabilité sur le résultat attendu plutôt que sur la dépense technologique.

Que faire si les données ne sont pas prêtes au moment d'écrire le plan ?

Le plan reste valable, mais sa première année change de contenu. Elle porte alors sur l'architecture des données, le nettoyage des référentiels et la cartographie des usages existants. Masquer cette étape ne fait que déplacer le problème au moment du passage à l'échelle, où il coûte beaucoup plus cher.

Qui doit porter le sujet IA au sein du CODIR ?

Rarement la DSI seule, qui porte alors un sujet d'organisation sans mandat sur les processus métier. Nous recommandons un binôme : un membre du CODIR responsable d'un processus à fort enjeu et la direction du numérique, avec un arbitrage du dirigeant sur les priorités.

Comment présenter la trajectoire IA à un conseil d'administration ?

En parlant capacités et risques plutôt que technologies. Un conseil attend de comprendre quels processus seront transformés, quels montants sont engagés, quels indicateurs déclencheront un arrêt et comment la conformité au RGPD et à l'AI Act est tenue. Notre publication sur la présentation de l'IA en conseil d'administration développe ce point.

Faut-il choisir ses outils dès la phase de planification ?

Non, et c'est même contre-productif. Le plan fixe les objectifs et les capacités, le choix des solutions intervient au moment du cadrage de chaque cas d'usage, quand les contraintes réelles d'intégration au système d'information sont connues. Choisir trop tôt fige une architecture sur des hypothèses non vérifiées.