Comment choisir un expert IA pour son entreprise : 7 critères concrets

Ce que fait vraiment un expert IA

Le rôle d’un expert IA n’est pas de vendre une technologie mais d’arbitrer. Quels processus méritent d’être transformés en premier ? Quel gain attendre en temps, qualité et fiabilité ? Quelle solution — parfois une simple automatisation plutôt qu’un modèle sophistiqué ? Quelles règles de confidentialité et de validation humaine ?

Cet arbitrage suppose de savoir dire qu’un problème ne relève pas de l’IA. Une part significative des demandes qui arrivent chez un expert se résout mieux par une réorganisation du processus, un outil classique bien paramétré ou une simple clarification des responsabilités. Un expert qui trouve de l’IA à vendre dans chaque situation n’arbitre pas : il vend.

Sa mission se termine rarement à la livraison : un outil que personne n’utilise ne vaut rien. La conduite du changement et la formation des équipes font partie du travail, pas de l’option.

Les 7 critères de sélection

• Des déploiements réels en production, pas seulement des démonstrations — demandez des exemples concrets et ce qui a été mesuré.
• La double compétence technique et métier : savoir construire, mais aussi comprendre un processus commercial, RH ou opérationnel.
• La capacité pédagogique : si vos équipes ne comprennent pas ce qui a été livré, vous serez dépendant à vie.
• L’indépendance vis-à-vis des éditeurs : le bon outil dépend de votre contexte, pas d’un partenariat commercial.
• L’exigence sur la confidentialité : architecture des données, droits d’accès, absence d’entraînement des modèles sur vos contenus.
• L’engagement sur la mesure : des critères de succès définis avant de commencer, un suivi des gains après le déploiement.
• La capacité à dire non : un bon expert refuse un cas d’usage mal posé plutôt que d’accepter un projet voué à l’échec.

Les formats d’intervention et comment choisir le vôtre

Un expert IA intervient sous plusieurs formes, et le bon format dépend de votre point de départ. Le diagnostic court — quelques jours pour cartographier les processus, identifier les cas d’usage et les prioriser par rapport gain/effort — convient quand vous savez que l’IA peut vous aider mais pas par où commencer. C’est aussi le meilleur moyen de tester la qualité d’un expert avant un engagement plus long.

L’accompagnement de bout en bout — du cadrage au déploiement d’un premier cas d’usage, équipes formées — convient quand le besoin est identifié mais que personne en interne ne peut porter le projet. La formation seule convient quand les outils sont déjà là mais sous-utilisés : le problème est alors l’adoption, pas la technologie.

Méfiez-vous en revanche du format « abonnement conseil » sans livrable défini : des réunions régulières sans périmètre ni critère de succès produisent de la facturation, rarement de la transformation.

Les questions à poser lors du premier échange

• « Quel cas d’usage traiteriez-vous en premier chez nous, et pourquoi celui-là ? »
• « Comment mesurerons-nous que ça a marché, et à quelle échéance ? »
• « Où seront stockées nos données, et qui y aura accès ? »
• « Que se passe-t-il si nous voulons reprendre la main en interne dans six mois ? »
• « Quel est le cas d’usage que vous nous déconseilleriez de traiter maintenant ? »
• « Qu’avez-vous livré de comparable, et que mesurait le client avant et après ? »

Vérifier les références sans se laisser raconter d’histoires

Toutes les plaquettes affichent des logos et des témoignages. Ce qui distingue une vraie référence : le prestataire peut décrire le problème de départ, ce qui a été construit, ce qui a été mesuré — et ce qui n’a pas marché. Un expert qui n’a que des succès parfaits à raconter n’a pas beaucoup livré, ou ne dit pas tout.

Demandez à parler à un client comparable au vôtre en taille et en secteur, et posez-lui trois questions simples : l’outil est-il encore utilisé aujourd’hui ? Les équipes savent-elles le faire évoluer seules ? Referiez-vous appel au même prestataire ? La troisième question, posée six mois après la fin d’une mission, en dit plus que n’importe quelle étude de cas.

Vérifiez aussi la matérialité de l’expertise : contenus publiés, formations animées, exemples démontables en direct. Un expert doit pouvoir vous montrer quelque chose qui fonctionne, pas seulement des slides.

Les signaux qui doivent alerter

Méfiez-vous d’une proposition qui commence par une technologie plutôt que par un problème, d’une promesse de gains chiffrée avant tout diagnostic, ou d’un refus de documenter l’architecture des données. Autre signal fréquent : un projet dimensionné pour couvrir tous les cas dès le premier jour, alors qu’un périmètre restreint permettrait de prouver la valeur en quelques semaines.

Ajoutez à cette liste la dépendance organisée : livrables non documentés, accès administrateurs conservés par le prestataire, outils propriétaires impossibles à reprendre en interne. La question « que se passe-t-il si nous arrêtons de travailler ensemble ? » doit avoir une réponse claire dès le premier échange — si elle gêne, c’est un signal en soi.

À l’inverse, un bon signe : votre interlocuteur passe la majeure partie du premier échange à poser des questions sur votre fonctionnement plutôt qu’à présenter ses outils. Et il vous dit au moins une fois « ce point-là ne justifie pas un projet IA ».

Expert externe ou montée en compétence interne ?

Les deux sont complémentaires. L’expert externe fait gagner du temps sur le choix des cas d’usage et évite les impasses techniques complexes ; la formation interne garantit l’autonomie durable. Les entreprises qui réussissent combinent les deux : une mission d’accompagnement IA qui inclut, dès le départ, un volet de transmission aux équipes.

Concrètement, cela signifie que la formation est planifiée dans la mission elle-même — pas promise pour plus tard — et que chaque livrable est documenté pour être repris en interne. C’est notre façon de travailler chez JNS-IA : chaque mission prévoit ce que vos équipes sauront faire seules à la fin.