85 % des POC IA ne passent jamais en production — une checklist Go/No-Go change la donne
Le « valley of death » entre le POC et la production est le principal cimetière des projets IA. Selon Gartner, 85 % des projets IA restent au stade expérimental. Les causes sont toujours les mêmes : absence de critères de décision formalisés, biais d'engagement (on continue parce qu'on a déjà investi), et sous-estimation des efforts d'industrialisation. Une checklist Go/No-Go en 12 critères permet de prendre une décision objective en 2 heures, économisant des mois d'investissement sur des projets voués à l'échec.
Le problème
Le passage de POC à production est la phase la plus critique d'un projet IA — et la plus mal gérée. Les PME et ETI sous-estiment systématiquement l'écart entre un prototype fonctionnel et une solution industrialisée.
Les raisons pour lesquelles les POC restent des POC :
- Le biais du démonstrateur : le POC fonctionne parfaitement sur un jeu de données soigneusement sélectionné, mais s'effondre sur des données réelles (bruit, cas limites, volumes). L'écart de performance entre POC et production est typiquement de 20 à 40 %.
- L'absence de critères objectifs : personne n'a défini en amont ce qui constitue un succès. Le POC est jugé « intéressant » sans que personne ne puisse dire s'il mérite 50 000 € d'investissement supplémentaire pour l'industrialisation.
- Le sous-costing de l'industrialisation : le passage en production coûte 3 à 5 fois le coût du POC. Il faut ajouter l'intégration au SI, le monitoring, la gestion des erreurs, la sécurité, la documentation, la formation. Ce budget n'est souvent pas prévu.
- Le biais d'engagement : après avoir investi 2-3 mois et 15 000-30 000 € dans un POC, il est psychologiquement difficile de dire « stop ». On continue par inertie, même quand les résultats sont insuffisants.
Le résultat est un portefeuille de POC IA « en attente de décision » qui mobilisent l'attention et les ressources sans jamais créer de valeur tangible. Chaque POC zombie coûte en moyenne 15 000 à 25 000 € par an en maintenance minimale et en coût d'opportunité.
La solution IA
Notre checklist Go/No-Go repose sur 12 critères objectifs répartis en 3 catégories. Un projet doit satisfaire au moins 10 critères sur 12 pour justifier un Go, dont les 5 critères « non négociables ».
Critères de performance (4 critères)
1. Performance du modèle supérieure à la baseline de 30 % minimum sur le jeu de test. 2. Taux d'erreur acceptable défini et atteint (ex : < 5 % de faux positifs pour un classifieur). 3. Temps de réponse compatible avec l'usage réel (ex : < 3 sec pour un assistant temps réel). 4. Robustesse testée sur des données de bord (cas limites, données bruitées, volumes pics).
Critères business (4 critères)
5. ROI projeté positif à 6 mois avec hypothèses documentées. 6. Sponsor métier confirmé avec budget production validé. 7. Utilisateurs finaux impliqués et retours positifs (NPS > 3/5). 8. Cas d'usage stable (pas de changement de périmètre majeur depuis le lancement du POC).
Critères techniques (4 critères)
9. Plan d'intégration au SI validé par la DSI. 10. Pipeline de données reproductible et automatisable. 11. Plan de monitoring et d'alerting défini (drift, performance, coûts). 12. Conformité réglementaire vérifiée (RGPD, IA Act si applicable). Découvrez notre offre LLMOps pour l'industrialisation.
Mise en oeuvre
Voici les trois étapes pour organiser une revue Go/No-Go efficace et prendre une décision éclairée en 2 heures.
Préparer le dossier de décision (semaine -1)
Le chef de projet compile un dossier structuré : résultats du POC vs. critères de succès définis en amont, scoring des 12 critères Go/No-Go (vert/orange/rouge pour chacun), estimation du budget d'industrialisation (développement + intégration + monitoring + formation), planning prévisionnel de mise en production, et analyse des risques avec mitigations. Ce dossier fait 5 à 8 pages maximum et sert de base à la discussion.
Conduire la revue Go/No-Go (2 heures)
Réunissez le sponsor métier, le référent IA, le DSI et un représentant des utilisateurs finaux. Structure de la revue : présentation des résultats du POC (30 min), passage en revue des 12 critères avec discussion sur chaque point orange ou rouge (45 min), évaluation du budget et du planning de production (15 min), décision formelle et prochaines étapes (30 min). La décision est documentée et communiquée sous 48 heures.
Exécuter la décision (semaine +1)
En cas de Go : lancez immédiatement la phase d'industrialisation avec un planning détaillé et un budget sanctuarisé. Nommez un responsable de l'industrialisation (distinct du responsable du POC si possible). En cas de No-Go : documentez les apprentissages dans un rapport de clôture, évaluez les options (pivot, amélioration données, archivage), et réallouez le budget sur le projet suivant dans la roadmap. En cas de Go conditionnel : définissez les conditions à remplir et la date de réévaluation (4 semaines maximum).
Résultats
Questions fréquentes
Combien de temps doit durer un POC IA ?
Un POC IA doit durer entre 4 et 8 semaines, pas plus. Au-delà, vous êtes dans le syndrome du POC éternel. Les 2 premières semaines servent à préparer les données et configurer l'environnement, les 2-4 semaines suivantes au développement et aux tests, et les 1-2 dernières à l'évaluation et au Go/No-Go. Si les données nécessitent plus de 2 semaines de préparation, c'est un signal d'alerte.
Quels sont les critères minimum pour un Go en production ?
Les 5 critères non négociables sont : performance du modèle supérieure à la baseline de 30 % minimum, données d'entraînement et de test suffisantes et représentatives, ROI projeté positif à 6 mois, sponsor métier confirmé et budget production validé, et plan d'intégration technique validé par la DSI. Si un seul de ces 5 critères n'est pas satisfait, c'est un No-Go.
Que faire après un No-Go sur un POC IA ?
Un No-Go n'est pas un échec, c'est une décision éclairée. Trois options : pivoter le cas d'usage (même technologie, problème différent), améliorer les données (si la qualité était le facteur limitant, investir 4-6 semaines en data engineering puis relancer), ou archiver le projet avec un rapport d'apprentissage qui documente les enseignements pour les projets futurs.
Quelle est la différence entre un POC et un MVP en IA ?
Le POC (Proof of Concept) valide la faisabilité technique : est-ce que l'IA peut résoudre ce problème avec ces données ? Le MVP (Minimum Viable Product) valide la valeur métier : est-ce que les utilisateurs adoptent la solution et obtiennent les gains attendus ? Le POC se fait en 4-8 semaines avec un prototype jetable, le MVP en 2-4 mois avec une solution intégrable au SI.
Pour les profils tech
Comparatif des plateformes d'industrialisation pour passer du POC à la production :
| Critère | n8n / Make + API LLM | LangServe / FastAPI custom | Plateforme MLOps (MLflow + Kubernetes) |
|---|---|---|---|
| Complexité de déploiement | Faible (no-code/low-code) | Moyenne (code Python) | Élevée (infra complète) |
| Délai POC → Production | 1-2 semaines | 2-4 semaines | 4-8 semaines |
| Monitoring intégré | Basique (logs) | Custom (à développer) | Complet (drift, perf, coûts) |
| Scalabilité | Limitée (1 000 req/h) | Élevée (auto-scaling) | Maximale |
| Coût mensuel production | 50 – 300 € | 200 – 1 000 € | 500 – 3 000 € |
| Compétences requises | Utilisateur avancé | Développeur Python | ML Engineer + DevOps |
| Adapté pour | Quick wins, < 500 req/jour | MVP, 500-5 000 req/jour | Production critique, 5 000+ req/jour |
Notre recommandation : pour les premiers projets IA en PME, utilisez n8n ou Make couplé à une API LLM (OpenAI, Mistral). Le passage en production se fait en 1-2 semaines et le coût reste maîtrisé. Migrez vers une architecture LangServe/FastAPI quand les volumes dépassent 500 requêtes/jour ou quand les exigences de personnalisation augmentent. La stack MLOps complète n'est pertinente qu'à partir de 5+ modèles en production avec des SLA exigeants.