Par où commencer l’IA dans une PME ?

Vous avez probablement vu l’IA entrer dans votre entreprise sans l’avoir décidé. Un commercial rédige ses relances avec un assistant conversationnel, le marketing teste un générateur d’images, la finance a branché un assistant sur ses tableurs. Chaque essai semble utile à la personne qui le mène. Pourtant, personne ne peut dire ce que ces usages ont changé au chiffre d’affaires, aux délais ou à la qualité du travail. Les initiatives se dispersent, les licences s’accumulent et le comité de direction ne dispose d’aucune vue d’ensemble pour arbitrer. Le problème n’est pas le manque d’outils : c’est l’absence de point de départ commun.

Pourquoi les essais dispersés ne produisent rien de mesurable

Les chiffres publics montrent une adoption encore minoritaire à l’échelle de l’entreprise. Selon l’enquête TIC entreprises 2025 (Insee, juillet 2026), 18 % des entreprises françaises de 10 salariés ou plus déclarent utiliser au moins une technologie d’IA en 2025 : 15 % de celles de 10 à 49 salariés et 31 % de celles de 50 à 249 salariés. À l’échelle de l’Union européenne, la note sur l’usage de l’IA dans les entreprises (Eurostat, décembre 2025) compte 20,0 % d’entreprises de 10 salariés ou plus utilisatrices en 2025, contre 13,5 % un an plus tôt. L’adoption progresse vite, mais elle reste minoritaire à l’échelle de l’entreprise : l’usage que vous observez chez vos équipes n’est pas encore, le plus souvent, un usage décidé et suivi par l’entreprise.

Le point de blocage se situe en amont. Dans l’enquête de Bpifrance Le Lab menée fin 2024 auprès de 1 209 dirigeants d’entreprises de plus de 10 salariés (Bpifrance, juin 2025), 43 % des entreprises interrogées ne font pas d’analyse de données pour piloter leur activité, et la difficulté à identifier des cas d’usage est citée comme frein par 23 % des répondants. Sans données de pilotage et sans cas d’usage nommés, un essai IA ne peut être ni comparé ni évalué. Il reste une expérience personnelle.

Par où commencer : mesurer avant de choisir

La première décision n’est pas un projet, c’est une mesure. Avant de choisir un outil ou un prestataire, il faut savoir où en sont réellement les équipes : quelles tâches sont déjà assistées par l’IA, lesquelles restent manuelles, quelles pratiques sont partagées et lesquelles dépendent d’une seule personne.

Cette mesure se fait fonction par fonction, car la situation d’une équipe commerciale n’a rien à voir avec celle du développement ou de la finance. Le benchmark Vélocité IA repose sur un questionnaire par fonction. Il établit un indice de maturité des pratiques exprimé en multiplicateurs, de 1x, les pratiques structurées d’une équipe sans IA, à 20x, un fonctionnement pleinement agentique. L’intérêt n’est pas le chiffre en soi, mais la comparaison entre axes et entre équipes : elle montre où l’écart est le plus grand et où un effort aurait le plus d’effet. La méthode est détaillée dans l’article comment mesurer la vélocité IA de ses équipes.

Trois questions suffisent pour cadrer cette mesure :

• Quelles fonctions examiner en premier ? Celles où le volume de tâches répétitives est le plus élevé, ou celles qui portent l’objectif de l’année.
• Qui répond ? Les personnes qui font le travail, pas seulement leurs responsables.
• À quelle fréquence répéter la mesure ? Assez souvent pour suivre les progrès, avec le même questionnaire pour que les résultats restent comparables.

Expérimenter pour découvrir où l’IA crée de la valeur

Le diagnostic décrit la situation ; il ne révèle pas toutes les possibilités. L’étape suivante consiste à équiper les collaborateurs et à les accompagner sur leurs premières tâches. Cette expérience nourrit le choix des processus à transformer, en lien avec les objectifs de l’entreprise. Un axe faible dans une équipe n’est un problème que s’il pèse sur un résultat attendu : un délai de réponse client, un cycle de vente, un coût de traitement.

Concrètement, la valeur se cherche à trois endroits :

• Les tâches récurrentes à fort volume, où un gain de temps unitaire se multiplie : qualification des demandes entrantes, rédaction de documents normés, saisie et rapprochement de données.
• Les goulots d’étranglement, où une équipe en attend une autre : préparation d’un devis, validation d’un contenu, réponse à une question technique.
• Les décisions mal informées, où l’information existe mais n’est pas exploitée : analyse des revenus, suivi client, retours terrain.

Les entretiens métiers apportent ce que le questionnaire ne capture pas : les irritants, les contournements, les usages déjà en place mais jamais déclarés. C’est le croisement des deux qui fait apparaître les cas d’usage pertinents.

Prioriser deux ou trois projets avec des hypothèses de valeur écrites

Une liste de vingt idées n’est pas une stratégie. Le comité de direction retient deux ou trois projets, pas davantage, et écrit pour chacun une hypothèse de valeur : ce que l’on attend, pour qui, sur quel indicateur, et à quelle condition l’hypothèse sera considérée comme vérifiée ou invalidée.

Écrire l’hypothèse oblige à trancher. Elle distingue ce qui relève d’un gain de temps, d’une amélioration de qualité ou d’un nouveau service, et elle donne au projet un critère d’arrêt. Les critères de priorisation sont ensuite les mêmes pour tous : valeur attendue, effort, risques et conditions d’adoption.

Exemple illustratif. Une entreprise de 120 personnes mesure un indice de maturité de 2,8x sur l’axe suivi client de son équipe commerciale et de 8,0x sur l’axe contenus. Le comité de direction écarte un projet de génération de contenus, déjà bien couvert, et retient un pilote de synthèse automatique des échanges clients dans le CRM. Hypothèse écrite : réduire le temps de préparation des points hebdomadaires, avec une validation humaine de chaque synthèse et un relevé du temps passé avant et après. Les chiffres sont fictifs et servent uniquement à illustrer le raisonnement.

Cadrer les prérequis avant de lancer

Un projet retenu n’est pas encore un projet prêt. Quatre prérequis se vérifient avant d’engager des ressources :

• Les données : existent-elles, sont-elles accessibles et de qualité suffisante, et peut-on les utiliser au regard de la confidentialité et du RGPD ?
• Les processus : le processus visé est-il stable et décrit ? Automatiser un processus flou fige le désordre.
• Les compétences : qui porte le projet côté métier, qui le suit côté technique, et que faut-il former ?
• Les risques : quelles erreurs sont acceptables, où la supervision humaine est-elle obligatoire, quelle dépendance à un fournisseur crée-t-on ?

Un prérequis manquant n’élimine pas le projet ; il en modifie l’ordre ou le périmètre. C’est souvent à cette étape qu’un projet séduisant est différé au profit d’un projet plus modeste, mais réalisable dès maintenant.

Organiser la mise en œuvre avec des indicateurs

La dernière décision à prendre avant de lancer est l’organisation du suivi. Chaque projet retenu a un responsable nommé, un premier périmètre volontairement réduit, des indicateurs définis avant le lancement et une date de revue en comité de direction. Les indicateurs mesurent l’hypothèse de valeur, pas l’activité : le temps de traitement, le taux de reprise manuelle, le délai de réponse, et non le nombre de requêtes envoyées à un modèle.

C’est le point de départ de notre accompagnement : confronter les résultats du benchmark aux objectifs, aux besoins des métiers et aux contraintes techniques, puis restituer au comité de direction les projets à engager, ceux à différer et les conditions à réunir. Le livrable prend la forme d’une feuille de route qui répond à trois questions : quoi lancer, dans quel ordre, comment suivre les résultats. Sa construction fait l’objet d’un article dédié sur la feuille de route IA pour un CODIR.

Ce qu’il faut retenir

Commencer l’IA dans une entreprise de taille moyenne ne demande ni un grand programme ni une plateforme. Cela demande une mesure honnête, deux ou trois hypothèses écrites et un comité de direction qui accepte de revoir ses choix à date fixe.