21% seulement des projets IA génèrent une vraie valeur (Gartner). 85% des transformations IA n'atteignent jamais la production. La plupart des programmes lancés en 2026 vont échouer.
Pas parce que la technologie n'est pas mûre. Pas parce que les budgets sont insuffisants. Parce que les organisations abordent l'IA comme elles ont abordé le digital il y a 15 ans — en commençant par les outils au lieu de commencer par les processus, en achetant des licences au lieu de redessiner le travail.
Ce guide est le résultat de plus de 12 ans à accompagner des transformations — agile, digitale, et maintenant IA — chez Orange Business, Renault, Allianz, et chez inspearit. Ce n'est pas un article de conseil générique. C'est ce que j'ai vu fonctionner, et ce que j'ai vu échouer, dans des organisations réelles avec de vrais enjeux, de vrais budgets et de vraies résistances.
Si vous cherchez des platitudes sur "l'IA qui va tout changer", passez votre chemin. Si vous voulez comprendre comment transformer concrètement votre organisation avec l'IA en évitant les pièges qui font échouer 4 initiatives sur 5, vous êtes au bon endroit.
Qu'est-ce que la transformation IA ?
Clarifions d'abord ce dont on parle, parce que le terme "transformation IA" est devenu un fourre-tout marketing. Chaque éditeur, chaque cabinet de conseil, chaque conférence y met ce qu'il veut. Mettons de l'ordre.
La transformation IA est le processus par lequel une organisation intègre l'Intelligence Artificielle de manière systémique dans ses processus, ses workflows et sa culture pour créer de la valeur durablement. Le mot clé ici est systémique. Installer ChatGPT sur les postes de travail, ce n'est pas une transformation. C'est un achat de licences.
Il est essentiel de distinguer trois niveaux d'intervention qui sont souvent confondus :
- La digitalisation numérise ce qui existe. Le papier devient du PDF, le tableur devient une app, le processus manuel devient un workflow automatisé. La logique reste la même, elle change juste de support.
- L'automatisation IA accélère ce qui existe. Un chatbot remplace la FAQ, un algo de tri remplace le tri manuel, une IA de détection remplace l'inspection visuelle. C'est de l'optimisation — précieuse, mais limitée.
- La transformation IA repense ce qui existe. Elle ne se contente pas d'automatiser les processus actuels, elle les redesigne en intégrant l'IA comme partenaire de décision et de création. C'est la co-intelligence Humain×IA appliquée à l'échelle de l'organisation.
La transformation IA passe par deux phases distinctes, et l'ordre compte énormément. D'abord optimiser — utiliser l'IA pour accélérer vos workflows existants. Ensuite transformer — redesigner vos processus pour exploiter pleinement le potentiel de la co-intelligence. J'ai détaillé cette approche en profondeur dans un article dédié : Transformation IA : optimiser avant de transformer. Si vous ne retenez qu'une chose de ce guide, retenez celle-là : optimisez d'abord, transformez ensuite. Les organisations qui sautent l'étape d'optimisation pour aller directement à la "transformation disruptive" finissent invariablement dans le mur.
Pourquoi votre entreprise doit se transformer maintenant
Je ne suis pas un vendeur d'urgence. Mais les chiffres sont sans appel : 2026 est un point de bascule. Ce n'est plus une question de "faut-il y aller ?" mais de "pourquoi n'y êtes-vous pas déjà ?".
L'accélération du marche est réelle. Selon McKinsey (2025), les organisations qui ont intègre l'IA dans leurs processus core affichent une croissance de revenus 2,5 fois supérieure à leurs concurrents. Gartner prévoit que d'ici fin 2026, 80% des entreprises du Fortune 500 auront déployé des agents IA autonomes dans au moins un processus métier critique. Le train ne ralentit pas — il accélère.
Les concurrents AI-natifs changent les règles. De nouvelles organisations naissent avec l'IA au cœur de leur modèle. Elles n'ont pas d'héritage, pas de dette organisationnelle, pas de "on a toujours fait comme ça". Elles délivrent en semaines ce qui prend des mois aux organisations traditionnelles. Le rapport de force bascule. Ce n'est pas de la science-fiction — je le vois chez mes clients. Ceux qui n'ont pas commencé leur transformation IA perdent des appels d'offres face à des concurrents plus agiles, plus rapides, moins chers.
La fenêtre de compétences se referme. Aujourd'hui, il est encore possible de former vos équipes, d'expérimenter, de commettre des erreurs et d'apprendre. Dans 18 mois, les organisations qui n'auront pas démarrer leur transformation IA seront en mode rattrapage, dans l'urgence, sous pression. Elles paieront plus cher pour des consultants surbookés, recruteront des profils IA à prix d'or, et déploieront dans la précipitation. L'avantage du premier arrivant est réel dans la transformation IA — pas parce que la technologie change, mais parce que la compétence organisationnelle à utiliser l'IA met du temps à se construire.
Le Shadow AI est déjà chez vous. Pendant que votre direction débat de la "stratégie IA", vos équipes utilisent déjà ChatGPT, Claude, Copilot — sans gouvernance, sans sécurité, sans cohérence. Le Shadow AI est la preuve que la demande existe. La question n'est pas de savoir si vos équipes utiliseront l'IA, mais si elles l'utiliseront de manière structurée ou chaotique.
Le coût de l'inaction dépasse le coût de l'action. Ne pas se transformer, c'est accepter de perdre en compétitivité chaque trimestre. C'est accepter que vos meilleurs talents partent vers des organisations qui les équipent d'outils IA. C'est accepter que votre time-to-market se dégrade relativement au marche. L'inaction n'est pas gratuite — elle est juste invisible jusqu'à ce qu'il soit trop tard.
Les 5 étapes d'une transformation IA réussie
En 12 ans de transformation d'organisations, j'ai affiné une méthodologie en 5 étapes qui fonctionne. Elle n'est pas théorique — elle a été testée, ajustée et validée sur le terrain, du CAC 40 à la PME de 50 personnes.
Étape 1 — Audit et diagnostic de l'existant
Toute transformation commence par un état des lieux honnête. Pas un audit Powerpoint de 200 slides pour le COMEX — un vrai diagnostic terrain qui répond à trois questions : Où en êtes-vous ? Où sont les gisements de valeur ? Quels sont vos bloqueurs réels ?
Concrètement, je cartographie les workflows critiques de l'organisation en identifiant pour chacun : le volume de tâches répétitives, le temps passé, le taux d'erreur, et le potentiel d'augmentation par l'IA. Ce diagnostic prend 2 à 4 semaines et produit une feuille de route priorisée par impact et par faisabilité.
Un bon diagnostic couvre cinq dimensions : les processus (où sont les tâches répétitives ?), la data (avez-vous les données nécessaires et sont-elles exploitables ?), les compétences (quel est le niveau de maturité IA de vos équipes ?), la culture (l'expérimentation est-elle encouragée ou punie ?), et la gouvernance (qui décide quoi en matière d'IA ?). Négliger une seule de ces dimensions, c'est construire sur des fondations bancales.
L'erreur classique à cette étape : confier l'audit à la DSI. La transformation IA n'est pas un sujet technique — c'est un sujet de workflows, de valeur métier, de culture. Les meilleurs audits sont menés par un binôme business + tech, pas par la tech seule.
Étape 2 — Optimiser les workflows existants avec l'IA
C'est l'étape que tout le monde veut sauter, et c'est pourtant la plus critique. Avant de redesigner quoi que ce soit, injectez l'IA dans vos processus actuels. C'est moins sexy qu'une "transformation disruptive", mais c'est ce qui produit des résultats rapides, mesurables, et qui crée le momentum nécessaire pour la suite.
Optimiser avant de transformer signifie identifier les tâches à fort volume et faible variabilité dans chaque workflow — rédaction de documentation, analyse de données, génération de rapports, revue de code, support client niveau 1 — et y intégrer l'IA avec une boucle de feedback structurée.
Sur le terrain, cette étape produit des résultats immédiats : 40 à 60% de gain de vélocité sur les tâches ciblées, réduction du temps de cycle, libération de capacité pour les tâches à forte valeur ajoutée. Et surtout, elle forme les équipes à travailler avec l'IA de manière itérative, ce qui les prépare à l'étape suivante. C'est aussi le moment de former vos équipes à l'IA — pas avec des formations théoriques, mais par l'usage concret.
Étape 3 — Transformer : redesigner avec la co-intelligence Humain×IA
Une fois que vos équipes maîtrisent l'IA sur leurs workflows existants, vous pouvez passer à la vraie transformation : repenser les processus de zéro en intégrant l'IA comme partenaire. Ce n'est plus "comment l'IA peut accélérer ce que je fais déjà" mais "si je concevais ce processus aujourd'hui, avec l'IA comme co-équipier, à quoi ressemblerait-il ?".
C'est ici que la co-intelligence Humain×IA entre en jeu. Les processus redesignes ne sont pas des processus humains automatisés — ce sont des processus hybrides où l'humain et l'IA ont chacun un rôle défini, avec des points de décision, des boucles de feedback et des critères de qualité clairs.
Exemple concret : dans une équipe de delivery logiciel que j'accompagne, le processus classique était le suivant — PO rédige les stories, équipe les estime, développe, teste, livre. Le processus redesigne : l'IA génère les user stories depuis le backlog produit, le PO valide et ajuste en 30 secondes au lieu de 30 minutes, l'IA génère les tests avant le code (TDD assiste), le développeur code avec un copilote IA, l'IA fait la première passe de revue de code. Résultat : le sprint de deux semaines livre ce qui prenait un mois. Et la qualité augmente, parce que la couverture de tests est systématique.
Étape 4 — Scaler avec SAFe AI-Native
Transformer une équipe, c'est un pilote. Transformer une organisation, c'est un programme. Et pour passer de l'un à l'autre, il faut un cadre de scaling. C'est là que SAFe AI-Native entre en jeu — le framework qui intègre nativement la dimension IA dans la gouvernance agile à l'échelle.
SAFe AI-Native fournit la structure pour aligner les ARTs (Agile Release Trains) sur la stratégie IA, synchroniser les PI Planning augmentés par l'IA, gouverner l'utilisation de l'IA à travers les portfolios, et mesurer l'impact à l'échelle. Sans ce cadre, la transformation reste une collection de pilotes déconnectés qui ne produisent jamais d'impact systémique.
Le passage à l'échelle est aussi le moment où le rôle des managers devient critique. Si le management intermédiaire ne comprend pas la transformation, s'il ne la porte pas, s'il la subit — elle échouera. Point. La transformation IA est une transformation managériale avant d'être une transformation technique.
Étape 5 — Mesurer et iterer avec les principes IAgile
La transformation IA n'a pas de ligne d'arrivée. C'est un processus continu d'amélioration, de mesure et d'adaptation. Les principes IAgile sont essentiels à cette étape : iterer en secondes, feedback humain systématique, inspect & adapt à chaque interaction.
Les métriques clés à suivre :
- Vélocité par équipe — avant/apres l'introduction de l'IA dans les workflows
- Time-to-market — délai entre l'idée et la mise en production
- Taux d'adoption — pourcentage des équipes qui utilisent activement l'IA
- Qualite — taux d'erreur, couverture de tests, satisfaction client
- Satisfaction équipe — l'IA doit rendre le travail meilleur, pas juste plus rapide
Une bonne pratique que je recommande systématiquement : le tableau de bord transformation IA. Un dashboard simple, mis à jour mensuellement, qui affiche les métriques clés par équipe et par workflow. Il rend la transformation visible, célèbre les progrès et identifié les zones de régression avant qu'elles ne deviennent des problèmes. Sans visibilité, pas de pilotage. Sans pilotage, pas de transformation durable.
L'erreur fatale à cette étape : déclarer victoire trop tôt. J'ai vu des organisations arrêter de mesurer apres le pilote, convaincues que "ça marchait". Six mois plus tard, l'adoption était retombée à 15% parce que personne n'avait itéré sur les workflows, les formations ou les outils.
Les erreurs qui font échouer 95% des transformations IA
En 12 ans de terrain, j'ai identifié les patterns d'échec récurrents. Ce ne sont pas des problèmes techniques — ce sont des problèmes de méthode, de culture et de leadership.
Le Big Bang
L'erreur numéro un, universelle, dévastatrice. "On va deployer l'IA dans toute l'organisation en une fois." Budget colossal, projet pharaonique, déploiement massif, adoption catastrophique. C'est le waterfall appliqué à la transformation IA, et ça ne marche pas plus que le waterfall en développement logiciel. La transformation IA est itérative par nature — pilote, mesure, ajuste, étend. Pas le contraire.
L'approche purement technique
"C'est un sujet DSI." Non. La transformation IA est un sujet métier avant d'être un sujet technique. Les meilleurs déploiements que j'ai accompagnés etaient pilotes par les équipes métier, avec le support de la tech. Les pires etaient des projets DSI où les métiers etaient "informés" mais pas impliqués. L'IA n'est pas une infrastructure — c'est un outil de travail quotidien.
L'absence de conduite du changement
Deployer des outils sans changer les pratiques, c'est acheter un piano sans prendre de cours. Les outils IA seront utilisés si et seulement si les équipes sont formées, accompagnées et soutenues dans le changement de leurs habitudes de travail. Ca implique du coaching, des communautés de pratique, du feedback continu et — surtout — du temps. La transformation échoue à cause des managers, pas à cause de la technologie.
Ignorer la culture
L'IA amplifie tout — y compris les dysfonctionnements. Une organisation où les équipes travaillent en silo, où la prise de risque est punie, où l'échec est tabou — cette organisation ne transformera rien avec l'IA. L'IA révèle et amplifie les dysfonctionnements organisationnels. Avant de deployer l'IA, demandez-vous : notre culture permet-elle l'expérimentation ? Si la réponse est non, commencez par la culture.
Le syndrome du Wahou
Le COMEX voit une demo impressionnante d'IA générative. "Il faut deployer ça partout." Pas d'audit, pas de pilote, pas de métriques — juste l'enthousiasme d'une demo parfaitement orchestrée. Sauf qu'une demo et la réalité de production sont deux choses radicalement différentes. L'IA impressionne en demo, mais c'est dans les workflows du quotidien, avec les données réelles et les contraintes métier, que la valeur se crée — ou pas. Ne confondez jamais l'effet wahou d'une demo avec un business case solide.
Pas de métriques, pas de ROI
Les transformations IA qui n'ont pas de métriques claires dès le départ finissent en initiatives fantômes — personne ne sait si ça marche, personne ne peut justifier les investissements, et quand le budget est remis en question, il n'y a rien à montrer. Définissez vos KPI avant de commencer. Mesurez avant, pendant et apres. Le ROI de la transformation IA est réel et mesurable — mais seulement si vous le mesurez.
L'approche IAgile : accélérer la transformation
Si la transformation IA est le quoi, l'IAgile est le comment. L'IAgile est la convergence de l'Intelligence Artificielle et de l'Agilité — l'approche qui reconnaît que ces deux forces ne sont pas des sujets parallèles, mais un seul et même mouvement.
Pourquoi l'agilité est-elle essentielle pour la transformation IA ? Parce que l'IA fonctionne comme un dialogue itératif, pas comme un cahier des charges. Chaque interaction avec une IA suit le cycle agile : planifier, exécuter, vérifier, adapter. Ce cycle PDCA — pilier de l'agilité — se joue en 30 secondes au lieu de 2 semaines. L'IAgile est l'agilité compressée à l'extrême.
Sur le terrain, j'observe que les organisations déjà agiles réussissent leur transformation IA 3 à 5 fois plus souvent que les autres. Pourquoi ? Parce qu'elles ont déjà les réflexes d'itération, de feedback et d'amélioration continue. Elles savent pivoter. Elles savent expérimenter. Elles savent mesurer.
Les organisations qui ne sont pas encore agiles peuvent démarrer les deux en parallèle — l'IA est un excellent catalyseur de transformation agile. Mon retour d'expérience sur la transformation agile et IA montre que l'introduction de l'IA dans les rituels agiles (rétrospectives augmentées, backlog priorisé par l'IA, PI Planning assiste) accélère l'adoption des deux approches simultanément.
Les 6 principes IAgile — iterer en secondes, feedback humain comme Product Owner, MVP avant perfection, inspect & adapt permanent, équipe augmentée (pas automatisée), et scaling avec SAFe AI-Native — constituent le socle méthodologique d'une transformation IA réussie. Je les détaille en profondeur dans l'article dédié à l'IAgile.
ROI de la transformation IA : des chiffres de terrain
Le ROI de la transformation IA n'est pas théorique. Je le mesure sur chaque mission. Voici les chiffres consolidés de mes accompagnements chez inspearit, sur des organisations de 50 à 5000 personnes.
Vélocité des équipes : +40 à 60% sur le premier trimestre. Ce n'est pas un chiffre promotionnel — c'est la moyenne observée sur les équipes pilotes qui adoptent l'IA dans leurs workflows de delivery (rédaction, tests, revue de code, documentation). Certaines équipes atteignent +80% sur des tâches spécifiques comme la génération de tests automatisés.
Time-to-market : divisé par 2. Le délai entre l'idée et la mise en production se comprime drastiquement quand l'IA accélère les phases de spécification, de développement et de test. Un PI Planning qui prenait 2 jours prend désormais une journée. Un sprint de 2 semaines produit ce qui nécessitait un mois.
Taux d'erreur : -30% dès le premier trimestre. Contre-intuitif ? Non. L'IA ne se fatigue pas, ne zappe pas les cas limites, ne saute pas les tests "parce qu'on est en retard". La couverture de tests augmente mécaniquement quand l'IA génère les cas de test. La revue de code assistée détecte les patterns problématiques que l'œil humain rate apres 8 heures de travail.
Satisfaction équipe : en hausse. Les équipes qui utilisent l'IA efficacement rapportent une plus grande satisfaction au travail. Pourquoi ? Parce que l'IA prend en charge les tâches répétitives et sans valeur ajoutée, libérant du temps pour les tâches créatives et à forte valeur. Les développeurs codent plus, documentent moins. Les analystes analysent plus, compilent moins. Les managers décident plus, reportent moins.
Retour sur investissement : positif dès le premier semestre. En tenant compte des coûts d'outils (licences IA), de formation (2-4 jours par équipe), et d'accompagnement (consultant externe), le point d'équilibre est atteint en 3 à 6 mois sur les équipes pilotes. A l'échelle de l'organisation, le ROI cumulatif est significatif dès la première année.
Capacité d'innovation : multipliée. C'est le ROI le moins mesuré mais le plus stratégique. Quand une équipe gagne 40% de capacité sur les tâches courantes, elle a 40% de temps en plus pour expérimenter, prototyper, tester de nouvelles idées. Les équipes IAgile que j'accompagne passent de 1-2 expérimentations par trimestre à 5-8. Ce n'est pas juste de la productivité — c'est de la capacité d'adaptation stratégique.
Un avertissement : ces chiffres sont des moyennes sur des équipes accompagnées, avec une méthodologie structurée. Les organisations qui "balancent ChatGPT à tout le monde" sans accompagnement observent des gains marginaux, voire nuls. La technologie sans méthode ne produit rien.
Le rôle du consultant transformation IA
On me demande souvent : "Pourquoi prendre un consultant ? On peut le faire nous-mêmes." La réponse est : oui, vous pouvez. Et statistiquement, vous échouerez 5 fois plus souvent.
Un consultant transformation IA apporte trois choses que les équipes internes n'ont généralement pas :
La vision transversale. Quand vous êtes dans l'organisation, vous voyez vos processus, vos contraintes, vos habitudes. Un consultant qui a accompagné des dizaines d'organisations voit les patterns — ce qui fonctionne partout, ce qui échoue partout, et les solutions que vous n'envisagez pas parce que vous êtes trop proches du sujet. J'ai vu des organisations passer 6 mois à construire un outil interne alors qu'une solution existante répondait à 90% de leur besoin. Le recul extérieur évite ces impasses.
Le diagnostic culturel. Les résistances à la transformation IA sont rarement explicites. Personne ne dit "je refuse l'IA". Les gens disent "on n'a pas le temps", "ce n'est pas prioritaire", "notre métier est différent". Un consultant forme au Design Thinking et à la conduite du changement sait lire entre les lignes, identifier les vrais bloqueurs et concevoir des stratégies d'adoption qui fonctionnent avec la culture, pas contre elle.
La méthodologie éprouvée. La transformation IA n'est pas de l'improvisation. C'est une démarche structurée avec des étapes, des checkpoints, des métriques et des critères de succès. Chez inspearit, nous utilisons l'approche IAgile — la convergence de l'IA et de l'agilité — comme cadre méthodologique. Cette approche a été testée sur le terrain et ajustée à chaque mission.
Mon approche chez inspearit est délibérément anti-consulting classique. Pas de PowerPoint de 300 slides. Pas de recommandations théoriques. Je travaille avec les équipes, sur leurs workflows réels, avec leurs outils. Je ne dis pas aux équipes quoi faire — je le fais avec elles. Et quand je pars, elles savent faire seules. C'est la différence entre un consultant qui crée de la dépendance et un consultant qui crée de l'autonomie. Comme le dit mon REX terrain : la meilleure transformation est celle où le consultant devient inutile.
FAQ — Questions fréquentes sur la transformation IA
Qu'est-ce que la transformation IA ?
La transformation IA est le processus par lequel une organisation intègre l'Intelligence Artificielle de manière systémique dans ses processus, ses workflows et sa culture pour créer de la valeur durablement. Elle va au-delà de la simple adoption d'outils : c'est un changement de paradigme qui redéfinit la manière dont l'organisation pense, décide et opère, en passant d'une logique d'optimisation ponctuelle à une logique de co-intelligence Humain×IA.
Combien coûte une transformation IA ?
Le coût varie considérablement selon l'ambition et la taille de l'organisation. Un pilote sur une équipe de 10 personnes coûte entre 15 000 et 50 000 euros sur 3 mois (outils, formation, accompagnement). Un programme de transformation à l'échelle pour 500+ personnes se situe entre 200 000 et 1 million d'euros sur 12-18 mois. L'investissement le plus sous-estimé est la formation — il faut compter 2 à 4 jours par personne, avec un suivi sur 3 mois. Le ROI dépasse l'investissement dès le premier semestre sur les équipes accompagnées.
Combien de temps prend une transformation IA ?
Un pilote produit des résultats mesurables en 1 à 3 mois. L'optimisation des workflows existants (étape 2) prend 3 à 6 mois. Le redesign des processus avec la co-intelligence (étape 3) nécessite 6 à 12 mois. Le passage à l'échelle avec SAFe AI-Native demande 12 à 24 mois. Mais attention : la transformation IA n'a pas de date de fin. C'est un processus continu d'amélioration, comme l'agilité.
Par où commencer une transformation IA ?
Par un audit de vos workflows actuels. Identifiez les tâches à fort volume et faible variabilité, choisissez un cas d'usage précis avec un ROI mesurable, formez une équipe pilote et lancez un premier cycle d'optimisation de 4 à 8 semaines. Ne commencez jamais par acheter des outils — commencez par comprendre vos processus. L'outil viendra naturellement une fois que vous saurez quoi optimiser.
Quelle est la différence entre digitalisation et transformation IA ?
La digitalisation numérise le réel — du papier au numérique, de l'Excel à l'application web. La transformation IA repense le réel — elle ne se contente pas de changer le support, elle redesigne le processus lui-même en intégrant l'IA comme partenaire de travail. La digitalisation optimise le comment, la transformation IA repense le quoi et le pourquoi. C'est la différence entre scanner un formulaire papier et supprimer le formulaire parce que l'IA extrait les informations directement de la conversation.
Comment mesurer le ROI d'une transformation IA ?
Sur quatre axes : productivité (vélocité équipe, temps par tâche), qualité (taux d'erreur, couverture de tests, satisfaction client), time-to-market (délai idée-production), et innovation (nombre de nouvelles idées testées par trimestre). Définissez vos KPI avant de commencer, mesurez la baseline, puis comparez trimestriellement. Sur le terrain, les résultats typiques sont +40-60% de vélocité, /2 de time-to-market, -30% d'erreurs.
Faut-il un consultant pour la transformation IA ?
Ce n'est pas obligatoire, mais ça multiplie les chances de succès par 3 à 5. Un consultant apporte la vision transversale (ce qui fonctionne dans d'autres organisations), le diagnostic culturel (les résistances invisibles de l'intérieur), et la méthodologie éprouvée. Les organisations qui se transforment seules réussissent aussi — mais elles prennent plus de temps, font plus d'erreurs évitables et ont un taux d'abandon plus élevé.
Qu'est-ce que l'approche IAgile ?
L'IAgile est la convergence de l'Intelligence Artificielle et de l'Agilité. C'est l'approche qui fusionne les cycles itératifs ultra-courts de l'IA (prompt, résultat, feedback en 30 secondes) avec les principes agiles (feedback structuré, amélioration continue, livraison incrémentale). L'IAgile est le cadre méthodologique qui structure et accélère la transformation IA en la rendant itérative, mesurable et scalable.