Premier projet d'IA en PME : cas d'usage et prestataire

Réussir un premier projet d’intelligence artificielle en PME tient à trois décisions du dirigeant : choisir un processus fréquent, documenté et mesurable, écarter les cas d’usage qui n’en sont pas, puis décider qui le réalise, entre outil paramétré, développement confié et équipe interne. Le reste se pilote avec un indicateur fixé dès le départ.

Intelligence artificielle en PME : partir du processus, pas de l’outil

Un premier projet engage les données de l’entreprise, un budget et le temps d’une équipe : il se décide comme un investissement, à partir d’une tâche que l’entreprise répète et qui lui coûte, jamais à partir d’une technologie. Quatre critères classent les candidats, et ils se vérifient sans compétence technique :

• le volume : des demandes, des factures ou des devis qui arrivent chaque jour, et non une poignée par trimestre ;
• la répétition : le même geste refait presque à l’identique, lire, classer, recopier, répondre ;
• les données disponibles : un historique existe déjà, courriels archivés, devis signés, factures saisies, et l’entreprise a le droit de s’en servir ;
• le coût de l’erreur : une réponse fausse se rattrape sans dommage, ou engage au contraire l’entreprise auprès d’un client, d’un salarié ou de l’administration.

Dans une PME de services ou de négoce, les fonctions support concentrent les meilleurs candidats : saisie des factures fournisseurs, tri des demandes du service client, préparation des devis, relances de paiement, planification des équipes. Le premier cas d’usage se choisit le plus souvent dans cette liste.

Le quatrième critère tranche entre eux. Une erreur de classement dans les factures fournisseurs se rattrape au rapprochement avec la commande ; une maladresse dans une relance abîme une relation commerciale, et la procédure obéit à des règles précises, détaillées dans notre article sur la relance d’une facture impayée. Retenez d’abord le processus où le coût de l’erreur reste faible et où l’erreur se voit vite.

Trois tests pour écarter les faux bons cas d’usage

Un processus qui coche les quatre critères peut encore décevoir. Trois tests, à passer avant toute consultation, évitent de financer un projet d’IA qui n’aboutira pas.

Le test de la règle fixe

Si le traitement se décrit entièrement par des règles stables, du type « au-delà de tel montant, validation par la direction », un automatisme classique ou un paramétrage du logiciel de gestion répond au besoin. L’apprentissage automatique (machine learning) prend l’avantage quand l’entrée varie : courriels rédigés librement, pièces jointes hétérogènes, demandes formulées de dix façons.

Le test de la vérification

Un système d’IA produit des réponses probables, pas des certitudes. Le cas tient si une personne du métier sait dire rapidement si un devis préparé ou une réponse proposée est juste, et si l’entreprise dispose d’exemples corrects pour comparer. Faute de cette référence, personne ne mesurera la qualité, et la confiance des équipes cédera au premier écart visible.

Le test du calcul complet

Le temps gagné se compare à tout ce que le projet ajoute : préparation des données, relecture des sorties, formation des utilisateurs, maintenance, abonnements. Un flux quotidien qui mobilise plusieurs salariés supporte ce poids, une tâche de quelques heures par mois rarement. Vérifiez enfin qui porte le processus : un outil que le responsable métier n’a pas demandé finit souvent oublié.

Outil paramétré, développement confié ou équipe interne

Trois voies s’offrent à la PME. L’outil du marché, paramétré par vos équipes, couvre vite les besoins que beaucoup d’entreprises partagent, transcrire une réunion ou résumer un échange, mais le processus s’adapte alors à l’outil et les données transitent chez l’éditeur. L’équipe interne prend son sens quand l’IA devient un savoir-faire central et durable, au prix d’un chemin plus long : profils à recruter ou à former, outillage à choisir, méthode à construire.

Le développement confié devient la bonne réponse dès que le processus est propre à l’entreprise, que ses données doivent rester internes ou que la solution doit dialoguer avec le progiciel de gestion intégré (ERP), la messagerie et le fichier clients. Un même interlocuteur porte alors le cadrage, la conception, l’intégration et le suivi après la mise en service, un ensemble qu’une PME dépourvue d’équipe technique assemble difficilement seule.

Le dirigeant qui s’adresse à une agence IA trouve en face de lui une équipe comme celle de Digital Unicorn, où ingénieurs, spécialistes des données (data scientists), consultants et chefs de projet mettent leurs compétences en commun sur le même dossier. Pour le processus qu’il a retenu, tri des demandes clients ou saisie des factures, rien n’y sort d’un catalogue : la solution se dessine à partir de ce que l’entreprise peut techniquement accueillir, de la façon dont ses équipes travaillent et du budget qu’elle engage. La technique suit le problème, qu’il s’agisse d’apprentissage automatique, de traitement du langage, de vision par ordinateur ou d’analyse prédictive, et l’hébergement se tranche entre un service en nuage (cloud) et les serveurs de l’entreprise selon le degré de sécurité et de confidentialité exigé.

Préparer le premier rendez-vous

Votre entreprise tire bien davantage d’un premier rendez-vous quand elle arrive avec trois éléments en main : un référent désigné, des exemples de ses données et l’indicateur qui dira si le projet a réussi. Aucun ne demande de compétence technique.

Un référent interne et un arbitre

Désignez dans le service concerné une personne qui connaît les exceptions du processus mieux que quiconque, et libérez-lui du temps pendant toute la durée du projet. À ses côtés, un membre de la direction tranche les arbitrages de périmètre et de budget. Le référent interne formera aussi ses collègues et fera remonter les écarts après la mise en service ; sa montée en compétences peut s’inscrire dans le plan de développement des compétences.

Des exemples réels, nettoyés

Réunissez un échantillon représentatif : quelques dizaines de demandes clients, de factures fournisseurs ou de devis, avec pour chacun la bonne réponse attendue, cas simples et cas tordus compris. Retirez-en les informations personnelles qui ne servent pas l’exercice avant de le transmettre. Il montre tout de suite si les données sont exploitables et évite une estimation à l’aveugle.

L’indicateur, mesuré dès maintenant

Choisissez un seul indicateur, lié au processus : délai moyen de réponse au service client, temps de saisie par facture, part des devis envoyés le jour de la demande, relances parties à la bonne date. Relevez sa valeur de départ avant le rendez-vous. Sans ce point de comparaison, aucun gain ne se démontrera dans six mois, quel que soit le ressenti des équipes.

Avec ces trois éléments, l’échange porte sur le fond. Quelques questions permettent ensuite de comparer les réponses des prestataires consultés :

• Comment le cas d’usage sera-t-il éprouvé sur nos propres données avant un engagement plus large ?
• Où les données seront-elles hébergées, et qui pourra y accéder ?
• À qui appartiendront les développements, les paramétrages et les modèles entraînés ?
• Qui suivra la solution après la mise en service, et comment les corrections seront-elles traitées ?
• Que prévoit le contrat si l’indicateur reste en deçà de l’objectif au point d’étape ?

Une enveloppe budgétaire indicative, annoncée franchement, oriente enfin la proposition vers un périmètre réaliste plutôt que vers un projet idéal.

Le cadre à respecter avant la mise en service

Un projet qui traite des informations sur des clients, des fournisseurs ou des salariés relève du règlement général sur la protection des données (RGPD). Dans ses recommandations sur l’IA et le RGPD, la Commission nationale de l’informatique et des libertés (CNIL) rappelle les principes applicables : une finalité définie avant toute collecte, une base légale, des données limitées au nécessaire, une information claire des personnes et le respect de leurs droits. Elle souligne aussi qu’une intervention humaine s’impose lorsqu’une décision automatisée produit un effet juridique ou important sur une personne.

Pour une PME, ces principes se traduisent en quelques décisions concrètes :

• inscrire le traitement au registre des activités de traitement, que la CNIL exige aussi des entreprises de moins de 250 salariés pour leurs traitements non occasionnels ;
• mener une analyse d’impact quand le traitement présente un risque élevé pour les personnes, sujet auquel la CNIL consacre l’une de ses fiches pratiques sur l’IA ;
• encadrer par contrat le rôle du prestataire, qui traite les données personnelles pour votre compte, ainsi que le lieu d’hébergement ;
• fixer une règle d’usage interne : les données clients restent dans les outils validés par l’entreprise, jamais dans un service grand public choisi au hasard.

Depuis le 2 août 2026, le règlement européen sur l’IA (règlement (UE) 2024/1689), en vigueur depuis le 1er août 2024, s’applique pour l’essentiel selon la Commission européenne : il range les usages par niveau de risque et oblige notamment le dirigeant à prévenir une personne qu’elle dialogue avec un agent conversationnel.

Le dialogue social compte aussi. Dans les entreprises d’au moins 50 salariés, le comité social et économique (CSE) est informé et consulté sur l’introduction de nouvelles technologies, rappelle le portail Entreprendre Service Public ; associer les représentants du personnel dès le choix du processus évite de découvrir les résistances le jour du lancement. Prévoyez enfin la sortie : restitution des données, des paramétrages et de la documentation en fin de contrat, et place de la nouvelle brique dans votre plan de continuité d’activité, pour que le processus reparte en mode manuel si le service s’interrompt.

Mesurer le résultat au bout de six mois

Six mois après la mise en service, le projet se juge sur l’indicateur fixé au départ, pas sur l’impression générale. Ce délai couvre la période d’apprentissage des utilisateurs et réunit assez de volume pour comparer avec la valeur initiale. Quatre lectures complètent ce chiffre :

• l’usage réel : la part des demandes, factures ou devis réellement traités par la solution ;
• la qualité : le nombre de corrections manuelles, de réclamations ou de retours clients liés au processus ;
• le coût complet : abonnements, maintenance, hébergement et temps de relecture, rapportés au temps libéré ;
• l’adoption : les équipes contournent-elles l’outil, ou réclament-elles déjà de l’étendre ?

Ces lectures prennent place dans le tableau de bord de direction, à côté des indicateurs commerciaux et financiers ; piloter sans elles reproduit l’une des erreurs de management qui freinent la croissance. Sur les relances de paiement, l’effet se lit aussi en trésorerie : un délai d’encaissement qui recule allège le besoin en fonds de roulement.

Le point d’étape débouche sur une décision explicite, prise par le dirigeant. Étendre la solution à un second processus quand l’indicateur progresse et que les équipes l’ont adoptée. Corriger le périmètre ou les données quand le résultat reste en deçà. Arrêter proprement quand le gain ne couvre pas le coût complet : un arrêt documenté apprend à l’entreprise ce que valent ses données et prépare mieux le projet suivant d’IA en PME.

Prochaine étape : réunir cette semaine les responsables du service client, de la comptabilité et de l’administration des ventes, lister avec eux trois processus candidats, les passer aux quatre critères et aux trois tests, puis relever l’indicateur de départ du gagnant.