Avec 25 ans d’expérience dans les logiciels d’entreprise, les données et l’analytique, Nicolas a conçu et commercialisé plusieurs plateformes logicielles et de données innovantes dans divers secteurs. Son objectif a toujours été le même : s’assurer que la technologie serve un objectif métier clair et apporte une réelle valeur.
Visibilité des initiatives IA : éviter le piège du “ghost portfolio”
23 avril 2026 │ Lecture : 7 mins │ IA par Nicolas Averseng, CPO
À un moment donné au cours des dix-huit derniers mois, vous avez probablement organisé une réunion pour comprendre ce que votre organisation faisait réellement en matière d’IA. Quelqu’un a préparé un deck. Quelques responsables d’équipe ont partagé des mises à jour. Et à la fin, la question initiale restait sans réponse.
Le plus inconfortable, ce n’est pas que la réponse était incomplète. C’est que personne dans la salle n’en a été surpris.
En 2026, la plupart des data leaders ne manquent pas d’initiatives IA. Ils en ont trop. Trop d’initiatives, suivies dans trop d’outils, portées par trop d’équipes, et rarement reliées à des résultats métier. Ce qui manque, c’est l’élément qui rend tout cela défendable : une vision claire et partagée de la valeur réelle du portefeuille IA.
Ce phénomène porte un nom : le portefeuille fantôme. Techniquement présent. Concrètement invisible. Et en train de fragiliser silencieusement chaque discussion stratégique que le CDO doit remporter.
Un problème de visibilité et de priorisation, pas un échec de gouvernance
La plupart des CDO ont déjà mis en place une gouvernance. Le comité IA existe. Les responsabilités sont définies. Les politiques sont écrites, validées et signées. Les structures sont bien en place.
Et pourtant, lorsqu’un membre du comité exécutif demande quelles initiatives IA créent de la valeur et lesquelles doivent être arrêtées, la réponse honnête prend plusieurs jours à assembler.
Cet écart a un nom : le portefeuille fantôme. Chaque initiative existe quelque part, mais aucune vue consolidée n’est disponible là où les décisions se prennent. C’est la fracture entre gouvernance et exécution. La gouvernance encadre. La visibilité, elle, manque à l’appel.
Avec des initiatives réparties en moyenne sur plusieurs fonctions métiers, chacune avec ses propres outils et sa mémoire informelle, la visibilité du portefeuille se dégrade progressivement. Non pas par négligence, mais par croissance.
Quatre angles morts qui passent inaperçus
Le portefeuille fantôme n’est pas vide. C’est ce qui le rend dangereux. Il est rempli d’initiatives, certaines performantes, d’autres à l’arrêt, certaines déjà abandonnées. Mais l’organisation n’en a qu’une vision partielle. Et cette visibilité fragmentée crée les conditions idéales pour quatre dérives :
Le doublon. Deux équipes, parfois dans deux zones géographiques différentes, développent le même cas d’usage sans le savoir.
Le zombie. Un produit livré mais jamais adopté, qui continue de consommer du budget.
Le projet hors contrôle. Un pilote qui s’étend sur plusieurs mois sans jamais démontrer de valeur métier.
Le manque. Un cas d’usage prioritaire qui n’entre jamais dans les radars faute de processus formel de qualification.
Ces situations ne traduisent pas un dysfonctionnement. Elles sont la conséquence naturelle d’un manque de visibilité globale.
Quand la gestion du portefeuille IA devient un risque stratégique
Le portefeuille fantôme commence comme un problème opérationnel. Puis il devient stratégique.
Côté budget, l’absence de vision claire transforme les discussions de financement en questions de crédibilité. Sans preuve de valeur, la confiance disparaît.
Côté conformité, les exigences réglementaires comme celles de l’AI Act européen imposent un inventaire précis des systèmes IA, leur niveau de risque et leur traçabilité. Sans visibilité, impossible de répondre.
Côté confiance interne, les métiers perdent progressivement foi dans les initiatives data et IA. Pas en un instant, mais au fil de réponses incomplètes et de résultats flous.
Le portefeuille fantôme finit toujours par sortir de l’ombre. Et il s’invite dans toutes les décisions critiques.
Ce que nécessite réellement une gestion efficace du portefeuille data et IA
La plupart des entreprises ne partent pas de zéro. Elles disposent déjà d’outils comme Jira, ServiceNow ou des solutions PPM pour suivre les projets. Elles ont des instances de gouvernance.
Mais ces outils ne sont pas conçus pour piloter un portefeuille data et IA. Ils suivent des projets. Pas des cycles de vie IA. Pas des niveaux de risque réglementaire. Pas de la création de valeur métier.
La différence ne se joue pas uniquement sur les outils, mais sur la discipline. Une gestion de portefeuille efficace repose sur quatre piliers :
Une vision centralisée de toutes les initiatives
Un processus de qualification et de priorisation des demandes
Un suivi du cycle de vie des produits de bout en bout
Un pilotage de la valeur et des risques connecté aux objectifs métier
Ces capacités ne corrigent pas le portefeuille fantôme. Elles empêchent sa création.
Comment Roche a gagné en visibilité sur plus de 300 initiatives IA
Roche a été confronté à cette situation. Plus de 300 initiatives data et IA réparties entre équipes et géographies. Une ambition forte, mais une visibilité fragmentée.
L’approche a reposé sur trois actions clés : centraliser toutes les initiatives dans un portefeuille unique, relier chaque cas d’usage à des indicateurs métier et des objectifs stratégiques, et mettre en place un cadre de valorisation homogène.
Résultat : une visibilité complète du portefeuille, plus de 300 cas d’usage centralisés, et des décisions basées sur la valeur accélérées à l’échelle de l’organisation.
Le constat est clair : impossible de passer à l’échelle en IA sans visibilité et sans alignement sur la valeur.
Un cadre en 8 étapes pour structurer votre portefeuille IA
Mettre en place une gestion de portefeuille IA ne nécessite pas de tout reconstruire. Une approche progressive en huit étapes permet de passer d’initiatives dispersées à un portefeuille structuré et piloté par la valeur.
Commencer par un inventaire clair et structurer la gestion de la demande
Relier chaque initiative à un objectif métier explicite
Mettre en place un suivi du cycle de vie et intégrer les enjeux de conformité
Mesurer la valeur dans le temps et connecter les indicateurs aux outils opérationnels
Chaque étape est accessible, quel que soit le niveau de maturité. Ensemble, elles forment le socle d’un pilotage efficace.
Conclusion
Le portefeuille fantôme s’accumule discrètement jusqu’à devenir un problème stratégique. À ce stade, les discussions budgétaires se tendent, les risques de conformité augmentent, et la confiance des métiers s’érode.
Les organisations qui réussissent leur stratégie IA sont celles capables de répondre à trois questions à tout moment : ce qui est en cours, ce que cela produit, et ce qui doit être arrêté.
La gouvernance seule ne suffit pas. C’est la discipline de portefeuille qui crée la clarté.
Et tout commence simplement : un inventaire honnête, un processus de qualification, et une vision de la valeur basée sur des faits.
Une fois le portefeuille visible, chaque décision devient plus rapide, plus fiable et plus défendable.
Pas une amélioration opérationnelle. Un avantage stra
Articles liés
Préparer vos données pour le machine learning : les 6 meilleures pratiques
Avant même de parler d’algorithmes ou de modèles prédictifs, un principe fondamental s’impose : un modèle de machine learning n’est jamais meilleur que les données sur lesquelles il repose.La qualité, la cohérence et la préparation des données déterminent directement la performance de vos projets d’IA. Cette étape s’inscrit dans une démarche plus large de data […]
Une voie vers la gouvernance de l’IA : des principes à la mise en œuvre en 5 étapes
L’intelligence artificielle n’est plus une technologie expérimentale : elle est devenue un moteur central de compétitivité. Mais sans cadre clair, elle peut générer des risques éthiques, des sanctions réglementaires et des échecs opérationnels menaçant la réputation et la performance des organisations. Cet article présente ce qu’est la gouvernance de l’IA et propose une méthodologie claire […]
7 considérations clés pour construire un cadre de gouvernance de l’IA
Qu’est-ce que la gouvernance de l’IA ? La gouvernance de l’intelligence artificielle (AI governance) permet de garder sous contrôle la puissance et les promesses de l’IA. Elle assure que les modèles se comportent de manière responsable, délivrent de la valeur réelle et restent alignés sur vos objectifs et les attentes des parties prenantes. Cela implique […]
Gestion des risques liés à l’IA : comment surveiller et contrôler les systèmes d’IA
La gestion des risques liés à l’IA est devenue un enjeu stratégique pour toutes les organisations utilisant l’intelligence artificielle. Sans supervision rigoureuse, les modèles peuvent produire des résultats biaisés, perdre en précision ou enfreindre des réglementations comme le RGPD ou l’AI Act européen. Qu’est-ce que la gestion des risques liés à l’IA ? La gestion […]
Construire un cadre de gouvernance de l’IA : 3 exemples concrets
Alors que l’intelligence artificielle transforme la manière dont les organisations prennent des décisions et créent de la valeur, elle soulève également de nouveaux risques : biais, opacité, non-conformité réglementaire. Cet article explore la gouvernance de l’IA comme levier essentiel pour garantir une IA responsable, éthique et conforme. Il propose un cadre structuré, des étapes concrètes […]
Data readiness : la véritable fondation de l’IA et de la gouvernance des données
L’intelligence artificielle transforme tout : de notre façon d’interagir avec les clients à la manière dont les entreprises prennent leurs décisions. Mais soyons clairs : l’IA ne fonctionne pas par magie. Derrière chaque modèle prédictif ou automatisation performante se cache une réalité bien moins séduisante, mais absolument essentielle : la data readiness. Si vos données […]