IA dans une PME : par où commencer quand on la dirige ?

L’IA dans une PME, par où commencer ? Selon Bpifrance Le Lab (2025), 58 % des dirigeants de PME et d’ETI jugent l’IA importante pour la survie de leur entreprise à trois ou cinq ans, mais seules 32 % l’utilisent vraiment.

L’écart ne vient pas d’un manque d’intérêt. Il vient d’une question sans réponse évidente : que faire en premier, chez moi, avec mes outils et mon équipe ? Bpifrance cite parmi les trois premiers freins la difficulté à trouver des cas d’usage concrets.

Ce guide propose une méthode en cinq temps, tirée de ce que nous avons fait chez Herkules, une PME que je dirige : repérer où part le temps, choisir la première tâche, mesurer, écrire les règles, brancher.

Où en sont les PME françaises avec l’IA ?

Les PME françaises adoptent l’IA vite, mais surtout pour des usages individuels. Selon l’Insee (2026), 15 % des entreprises de 10 à 49 salariés et 31 % de celles de 50 à 249 salariés utilisaient au moins une technologie d’IA en 2025, un taux triplé depuis 2023.

Le baromètre France Num 2025 compte 26 % de TPE et PME utilisatrices, deux fois plus qu’en 2024. La progression est réelle. Le frein principal aussi : parmi les entreprises qui n’utilisent pas l’IA, 71 % disent ne pas en voir l’utilité et 54 % citent le manque de compétences, selon l’Insee (2026).

Ne pas voir l’utilité est rarement un refus. C’est le plus souvent l’absence d’un premier cas qui parle au métier de l’entreprise. C’est par là qu’il faut commencer.

Commencez par le problème à résoudre

Le bon point de départ est la liste des tâches qui prennent du temps sans créer de valeur : transférer des informations d’un logiciel à l’autre, remplir des tableaux, préparer des devis, faire du reporting. On choisit l’outil après, en fonction de la tâche.

Pour faire cette liste, interrogez chaque niveau de l’entreprise, du terrain à la direction. Le commercial sait combien de temps prend un devis. L’assistante sait combien de mails restent sans réponse le vendredi soir. Le responsable logistique sait combien d’appels servent à dire où en est une commande.

Chez Herkules, cette question a fait ressortir un cas évident : le dossier de parc, avec plan et visuels, que seul un graphiste ou un bureau d’études savait produire. Il prenait une journée et passait par au moins quatre logiciels. Nous avons construit un configurateur 3D en ligne : n’importe quel commercial produit aujourd’hui ce dossier en 15 minutes.

Comment choisir le premier cas d’usage ?

Le premier cas d’usage doit réunir quatre qualités : il revient souvent, il suit des règles connues, il se mesure facilement, et une erreur se rattrape avant d’atteindre le client. Les devis standard, le tri des mails et les relances remplissent souvent ces conditions.

Critère	Bon premier cas	Mauvais premier cas
Fréquence	Chaque jour ou chaque semaine	Deux fois par an
Règles	Écrites ou faciles à écrire	Dans la tête d’une seule personne
Mesure	Un temps ou un délai simple à compter	Un bénéfice « d’image »
Risque	Brouillon relu avant envoi	Décision automatique chez le client
Données	Déjà dans un logiciel	Dispersées sur papier et clés USB

Évitez en premier les projets spectaculaires mais rares, comme un assistant qui répond à tout ou une prévision des ventes à cinq ans. Un premier succès modeste et mesuré convainc l’équipe mieux qu’une démonstration.

Mesurez avant de construire

Un projet d’IA sans chiffre de départ ne peut pas prouver qu’il a marché. Avant de brancher quoi que ce soit, mesurez la tâche choisie : le temps passé par semaine, le délai de réponse au client, le nombre d’erreurs ou d’oublis.

Les gains d’un usage individuel restent modestes. Selon la Réserve fédérale de Saint-Louis (2025), les utilisateurs d’IA générative déclarent gagner en moyenne 5,4 % de leur temps de travail, soit environ 2,2 heures par semaine. Les gains les plus nets viennent quand on change la façon de faire une tâche entière, du début à la fin.

Le configurateur d’Herkules en est l’exemple : nous connaissions le temps d’avant, une journée, et le temps d’après, 15 minutes. Sans la mesure de départ, le gain aurait été une impression.

Écrivez les règles du métier avant de brancher l’IA

Une IA ne connaît de votre entreprise que ce qui est écrit : vos prix, vos remises, vos délais, votre vocabulaire, qui traite quelle demande. Si ces règles vivent dans la tête de vos salariés, l’IA les invente, et l’équipe perd confiance dès la première erreur.

Bpifrance Le Lab (2025) relève que 43 % des entreprises interrogées n’analysent pas leurs propres données pour piloter leur activité, alors que c’est la première brique d’une IA efficace. Le travail le plus utile au départ est souvent peu visible : rassembler les règles, les ranger à un seul endroit, dans un format qu’un logiciel peut lire.

Ce savoir se met ensuite à jour à chaque correction. Chez Herkules, quand je retouche un devis ou une réponse préparée, l’écart devient une proposition de règle, et je tranche chaque semaine ce qui est retenu.

Qui doit porter le projet dans l’entreprise ?

Le projet d’IA d’une PME se porte à deux : le dirigeant, qui fixe la tâche, le chiffre à faire bouger et les règles, et une personne du métier concerné, qui connaît le travail réel et dira si l’outil sert. Sans l’un ou l’autre, le projet s’enlise.

Le dirigeant n’a pas besoin d’être technique. Son rôle est de trancher : quelle tâche d’abord, quelles règles valent pour tous, ce qui part chez le client sans relecture et ce qui n’y part jamais. L’étude de Bpifrance Le Lab (2025) relève que 53 % des dirigeants de PME et d’ETI n’encouragent ni ne désapprouvent l’usage de l’IA par leurs salariés. Ce silence laisse chacun improviser.

La personne du métier, elle, teste l’outil chaque jour et remonte ce qui gêne. Les évolutions se décident ensuite à la direction : chacun peut proposer, mais ce n’est pas n’importe qui qui change les règles de l’entreprise.

Quel calendrier réaliste pour un premier outil ?

Un premier outil ciblé se construit en quelques semaines, à condition d’avoir choisi une seule tâche et donné les accès aux logiciels de l’entreprise. Le diagnostic qui précède dure quelques jours : entretiens avec les équipes, branchement sur les données, mesure de départ.

L’ordre qui fonctionne est toujours le même. Le savoir d’abord, puis l’écran où l’équipe travaille, puis les agents qui préparent le travail. Chez Axone Labs, nous nous engageons sur un premier outil en service 30 jours après la signature, une fois les accès fournis, et nous refaisons tout écran qui demande un mode d’emploi.

Côté formation, le règlement européen sur l’IA demande depuis le 2 février 2025 que les équipes qui utilisent un système d’IA en aient une maîtrise suffisante (article 4). Un outil évident à utiliser rend cette obligation plus simple à tenir.

Les erreurs qui font perdre des mois

Les mêmes erreurs reviennent dans les premiers projets d’IA en PME. Elles ont un point commun : on démarre par la technologie au lieu de démarrer par la tâche et sa mesure.

• Acheter un outil avant d’avoir choisi la tâche : il reste inutilisé au bout de trois semaines.
• Viser l’automatisation complète : sans validation humaine, la première erreur chez un client arrête le projet.
• Ne rien mesurer : impossible de savoir s’il faut continuer.
• Laisser chacun bricoler seul : chaque salarié a ses propres consignes, et rien ne s’améliore pour les autres.

Si vous hésitez entre un abonnement à un assistant et un système branché sur vos outils, j’ai comparé les deux dans ChatGPT suffit-il pour une entreprise. Et pour comprendre ce que fait un agent de plus qu’un chatbot, lisez l’IA agentique expliquée aux dirigeants. Pour faire le point sur votre premier cas, contactez-nous.