Trois mois pour prouver, pas pour promettre
90 jours est un bon horizon pour transformer l'IA en capacité opérationnelle : assez court pour rester concret, assez long pour livrer du tangible et installer des pratiques durables. Au-delà, le programme risque de devenir abstrait. En deçà, on obtient surtout des démos.
L'objectif n'est pas de tout transformer, c'est de prouver que la transformation marche et qu'elle scale.
La trajectoire complète avant de lancer le premier chantier
| Phase | Jours | Focus | Livrable clé | KPI à surveiller |
|---|---|---|---|---|
| 1. Cadrage | 1-30 | Quick wins | 1 cas d'usage en prod | Adoption initiale |
| 2. Standardisation | 31-60 | Socle commun | Playbooks v1 + MCP | Adoption 30-50 % |
| 3. Industrialisation | 61-90 | ROI mesuré | Plan d'extension | Lead time -20 % min |
:::
Jours 1-30 : cadrage et quick wins
Semaine 1-2 — Cadre partagé
- Définir les usages IA autorisés et interdits
- Choisir 2-3 cas d'usage prioritaires (ROI rapide, périmètre maîtrisé)
- Mettre en place les premiers indicateurs (lead time, adoption)
- Communiquer le cap aux équipes
Semaine 3-4 — Premiers livrables
- Outiller le premier cas d'usage (ex : génération de tests)
- Lancer le tracking d'adoption
- Premier point d'étape avec les équipes
Livrable de fin de phase : un cas d'usage en production + un cadre d'usage partagé.
Jours 31-60 : standardisation
Semaine 5-6 — Officialiser le socle
- Sélectionner les outils officiels (Claude Code, Copilot, etc.)
- Déprécier les usages shadow non gouvernés
- Mettre en place les premiers MCP (Jira, GitHub)
Semaine 7-8 — Premiers playbooks
- Documenter les pratiques qui marchent
- Former les premiers référents internes
- Étendre à 2-3 équipes supplémentaires
Livrable de fin de phase : socle outillé partagé + playbooks v1 + 30-50 % d'adoption.
Jours 61-90 : industrialisation
Semaine 9-10 — Agents en place
- Déployer des agents sur les étapes les plus répétitives (review, tests, docs)
- Mesurer l'impact lead time / qualité
Semaine 11-12 — ROI mesuré
- Calculer le ROI sur 3 indicateurs (lead time, adoption, qualité)
- Préparer le plan de passage à l'échelle (équipes restantes, autres BU)
- Restitution exécutive
Livrable de fin de phase : ROI démontré + plan d'extension validé + équipes pilotes formées.
Ce qui fait tenir le rythme après l'effet de départ
Le piège classique : démarrer fort, puis perdre l'élan quand les premiers quick wins sont passés. Les conditions de succès :
- sponsoring visible des leaders ;
- partage régulier des quick wins et des limites ;
- communication interne sobre, mais continue ;
- réseau de référents par équipe ;
- revue des métriques avant extension.
La transformation IA est aussi un sujet de management, pas seulement de tech.
Les erreurs qui sabotent le plan avant la fin du trimestre
| Erreur | Conséquence | Antidote |
|---|---|---|
| Vouloir tout transformer en même temps | Dispersion, abandon | Focus 2-3 cas d'usage |
| Sous-estimer la gouvernance | Shadow AI persistant | Cadre dès semaine 1 |
| Mesurer trop tard | ROI invendable | KPIs avant déploiement |
| Laisser les leaders en dehors | Adoption faible | Sponsoring visible |
| Faire seul | Lenteur, errements | Accompagnement externe |
:::
Le niveau d'investissement à poser dès le départ
Pour une organisation de 15 à 25 développeurs, l'investissement dépend fortement du niveau d'accompagnement, des licences et des intégrations nécessaires. Une fourchette réaliste doit intégrer le temps interne, pas seulement les factures fournisseurs.
| Poste | Fourchette |
|---|---|
| Licences IA (3 mois) | 5 000 - 12 000 € |
| Infrastructure MCP / agents | 2 000 - 5 000 € |
| Accompagnement externe (audit + delivery) | 30 000 - 70 000 € |
| Temps interne (référents + leadership) | ~0,5 ETP × 3 mois |
| Investissement total | ~50 000 - 100 000 € |
:::
La discussion budgétaire doit rester reliée aux métriques de delivery : lead time, throughput, qualité, incidents et capacité réallouée. Sans baseline, le ROI restera une promesse.
Ce que les directions veulent trancher avant de signer
Que doit produire la phase des jours 1 à 30 ?
Elle doit livrer un cas d'usage en production, un cadre partagé des usages autorisés et interdits, ainsi que les premières baselines de lead time et d'adoption.
Pourquoi limiter le départ à deux ou trois cas d'usage ?
Ce périmètre permet de privilégier un ROI rapide et un risque maîtrisé, puis de produire des preuves avant l'extension. Vouloir tout transformer dès le premier mois disperse l'effort et fragilise l'adoption.
Pourquoi les KPI doivent-ils être posés avant le déploiement ?
Sans baseline, les gains restent invérifiables. Le plan suit dès le départ le lead time, l'adoption et la qualité, puis ajoute le throughput et la capacité réallouée pour relier l'usage IA à la valeur livrée.
Quelle décision doit sortir de la restitution à 90 jours ?
Les métriques doivent permettre de distinguer ce qui mérite une extension, ce qui doit être repris et ce qui doit être arrêté. Le livrable final associe cette décision à un ROI mesuré et à un plan pour les équipes restantes.
Ce qui commence vraiment une fois les 90 jours passés
Le plan 90 jours est un starter kit, pas une fin. Il prouve ce qui fonctionne, ce qui doit être arrêté et ce qui mérite un passage à l'échelle. Ce qui vient ensuite :
- Extension à toutes les équipes produit/tech
- Industrialisation des agents avancés (coding autonome, security, etc.)
- Mise en place d'un RAG sur le contexte entreprise
- Pilotage par la mesure intégré au cycle métier
Le meilleur point de départ avant d'ouvrir ce plan
Le Score VÉLOCIA donne en 5 minutes une lecture chiffrée de votre maturité actuelle et aide à choisir le bon point d'entrée du plan 90 jours.