Beaucoup de responsables qualité se posent la même question en ce moment : est-ce que notre organisation est prête pour l'IA, ou est-ce qu'il faut d'abord remettre de l'ordre ? Les diagnostics de maturité IA existent, mais ils parlent de stratégie, de culture data et de compétences en général. Ils disent rarement si votre service qualité peut tirer quelque chose d'une IA sur ses non-conformités, ses dérogations ou ses 8D.

Ce test de maturité IA en qualité répond à cette question précise. Il tient en 10 questions, se remplit en un quart d'heure, et donne un score sur 20 avec une lecture concrète de ce qu'il faut faire ensuite.

En bref : une organisation est prête pour l'IA en qualité quand trois conditions sont réunies. Elle a un historique de non-conformités, même imparfait. Elle a un processus prioritaire dont elle sait mesurer le délai. Et elle peut dégager un ingénieur qualité pour piloter un premier périmètre. Des données parfaites ne font pas partie des conditions.

Pourquoi un test de maturité IA propre à la qualité

Les diagnostics généralistes sont utiles, mais ils mesurent autre chose. L'audit de maturité IA proposé par Techniques de l'Ingénieur s'organise par exemple autour de six leviers : stratégie, organisation, personnes, offre, technologie et environnement. C'est pertinent pour un projet d'entreprise. Pour un service qualité, les questions décisives sont plus terre à terre.

La qualité a des contraintes que les autres métiers n'ont pas au même degré. Chaque décision doit être justifiée et traçable. Les données sont dispersées entre le QMS, l'ERP, des fichiers Excel et des PDF. Et une bonne partie du savoir utile vit dans la tête de quelques experts. Un test de maturité utile doit donc regarder trois choses : l'état réel de vos données qualité, la clarté de vos processus, et ce que votre organisation peut engager.

Comment passer le test

Répondez pour un seul processus à la fois, celui qui vous pose le plus de difficultés : dérogations, réclamations clients, analyses 8D ou contrôle documentaire.

Une réponse « pour toute l'entreprise » est presque toujours trop floue pour servir.

Pour chaque question, notez-vous ainsi :

• 0 point : non, ou vous ne savez pas.

• 1 point : en partie, ou seulement sur certains sites ou certaines périodes.

• 2 points : oui, de façon régulière.

Le plus utile est de répondre à deux ou trois, par exemple avec un ingénieur qualité et un manager. Les écarts entre vos réponses sont souvent plus instructifs que le score lui-même.

Bloc 1 : vos données qualité

1. Vos non-conformités sont-elles enregistrées dans un outil, même imparfait ?

QMS, ERP, SharePoint ou fichier Excel, peu importe. La question est de savoir si une trace existe pour chaque NC, avec une description et une décision.

Des fiches incomplètes ou rédigées de façon hétérogène ne vous retirent pas de point : c'est la situation de presque tous les services qualité.

2. Les pièces jointes sont-elles conservées avec la fiche ?

Photos, rapports de contrôle, notes de calcul, échanges avec le client : c'est souvent là que se trouve l'essentiel de l'analyse.

Si ces documents sont rattachés à la fiche ou rangés de façon retrouvable, comptez 2 points. S'ils dorment dans des boîtes mail personnelles, comptez 0.

3. Pouvez-vous retrouver un cas similaire en moins d'une heure ?

Prenez une NC récente que vous savez avoir un précédent. Combien de temps faut-il pour le retrouver sans demander à un collègue ?

Si la réponse dépend de la mémoire d'une personne en particulier, notez-vous 0 ou 1. C'est le signe que l'historique existe mais qu'il n'est pas exploité.

4. Votre historique couvre-t-il plusieurs années, ou plusieurs sites ?

Une IA appliquée à la qualité tire sa valeur des précédents. Plus l'historique est profond et varié, plus elle a de cas à rapprocher. Deux ou trois ans d'historique sur un site suffisent déjà pour commencer.

Bloc 2 : vos processus qualité

5. Avez-vous un processus prioritaire où le délai pose un vrai problème ?

Une dérogation qui bloque la production, un 8D renvoyé par le client, des réclamations qui dépassent l'échéance. La maturité IA en qualité commence par un problème précis. Sans processus prioritaire identifié, un projet IA a toutes les chances de rester une expérimentation.

6. Savez-vous mesurer le délai actuel de ce processus ?

Il s'agit du temps entre la réception d'une fiche et la décision, ou entre la réclamation et la réponse validée.

Une estimation sérieuse vaut 1 point, une mesure suivie en vaut 2. Sans cette base de référence, vous ne pourrez pas savoir si un outil vous fait réellement gagner du temps.

7. Les décisions sont-elles documentées avec leurs justifications ?

Une décision « acceptée en l'état » sans référence à un précédent ou à une note de calcul est difficile à réutiliser, pour une IA comme pour un auditeur.

Comptez 2 points si les justifications sont écrites et rattachées aux sources, 1 point si c'est le cas pour une partie des dossiers seulement.

Bloc 3 : votre organisation

8. Un ingénieur qualité peut-il piloter un premier périmètre ?

Un projet IA en qualité a besoin d'un champion interne. C'est quelqu'un qui connaît bien le processus choisi et peut y consacrer de l'ordre de 20 à 30 % de son temps pendant quelques semaines. Sans cette personne, l'outil sera évalué de loin, sur des cas qui ne sont pas les vôtres.

9. Un sponsor de direction peut-il arbitrer ?

Il ne s'agit pas d'un comité de pilotage. Il s'agit d'une personne qui peut débloquer l'accès aux données, valider un périmètre et décider de la suite au vu des résultats. Une direction qualité ou une direction industrielle convient très bien.

10. Vos exigences de sécurité sont-elles formalisées ?

Hébergement des données, juridiction, contrôle export, gestion des droits par site.

Si ces exigences sont écrites et que votre RSSI sait les poser à un fournisseur, comptez 2 points. Sinon, c'est le point à préparer avant toute consultation, surtout dans l'aéronautique, la défense ou le nucléaire.

Interpréter votre score de maturité IA en qualité

Additionnez vos points. Le score dit moins « bon » ou « mauvais » qu'il n'indique la prochaine étape utile.

La plupart des services qualité se situent dans la tranche intermédiaire. Ils ont un historique, un processus douloureux et quelqu'un de motivé, mais ils pensent souvent devoir attendre. C'est rarement nécessaire.

Trois erreurs fréquentes quand on évalue sa maturité

Attendre d'avoir des données parfaites. Une IA récente lit les descriptions libres, les abréviations et les PDF tels qu'ils sont. La qualité des données s'améliore à l'usage, quand les fiches commencent à servir. Bpifrance constate d'ailleurs que la majorité des PME et ETI qu'elle accompagne partent d'un niveau de maturité data faible, ce qui n'empêche pas de lancer un premier projet.

Viser tous les processus à la fois. Un périmètre large dilue la mesure et épuise le champion interne. Un seul processus bien choisi donne des résultats lisibles en quelques semaines.

Juger sur une démonstration générique. Un cas préparé à l'avance ne dit rien de votre historique. Le seul test qui compte se fait sur vos dossiers, y compris les plus particuliers.

Conclusion

Être prêt pour l'IA en qualité ne demande pas une base parfaite ni un grand programme. Il faut un historique, un processus prioritaire mesuré et une personne pour le piloter. Si votre score dépasse 8, vous pouvez déjà tester sur un premier périmètre.

Pour voir ce que donne une IA sur un vrai cas de non-conformité, rejoignez notre démo en direct, chaque vendredi à 10h30 : s'inscrire à la démo.

Questions fréquentes

Qu'est-ce que la maturité IA d'une entreprise ?

La maturité IA désigne la capacité d'une organisation à adopter et exploiter des outils d'intelligence artificielle de façon durable. Elle dépend des données disponibles, des processus, des compétences et de la gouvernance. En qualité, elle se mesure surtout à la capacité d'exploiter l'historique de non-conformités.

Faut-il des données propres pour utiliser l'IA en qualité ?

Non, des données parfaitement structurées ne sont pas nécessaires. Les modèles de langage lisent les textes libres, les abréviations et les documents joints tels qu'ils sont. Ce qui compte, c'est que l'information existe quelque part. L'IA peut ensuite signaler les champs manquants pour améliorer les nouvelles fiches.

Combien de temps faut-il pour mesurer les gains d'une IA en qualité ?

Quatre semaines suffisent généralement pour une première mesure sur un périmètre ciblé. La première semaine sert à fixer une base de référence, les deux suivantes à traiter des dossiers réels, la dernière à comparer. Un périmètre étroit, comme les dérogations d'un programme, donne des résultats plus lisibles.

Quelle est la différence entre un diagnostic IA général et un test de maturité qualité ?

Un diagnostic IA général évalue la stratégie, la culture data et les compétences de toute l'entreprise. Un test de maturité qualité se concentre sur un processus précis, comme les dérogations ou les 8D. Il regarde l'état de l'historique, la mesure des délais et la traçabilité des décisions.

L'IA peut-elle prendre des décisions qualité à la place des ingénieurs ?

Non, une IA bien conçue prépare la décision mais ne la prend pas. Elle retrouve les précédents, signale les informations manquantes et propose un brouillon de dossier justifié. L'ingénieur qualité relit, corrige et valide, et reste responsable de la décision devant l'auditeur ou le client.