Par où commencer avec l’IA dans une PME

La plupart des PME qui nous contactent ont déjà essayé un assistant conversationnel. Quelques personnes s’en servent pour rédiger un e-mail ou résumer un document, et l’usage s’arrête là. Ce n’est pas un échec : c’est le signe que l’outil seul ne change pas un processus.

Pour qu’un projet IA produise un résultat mesurable, il faut partir d’une tâche précise, pas de la technologie.

Choisir un processus, pas un outil

Une demande comme « nous voulons mettre de l’IA dans l’entreprise » ne peut pas être livrée. « Nos devis partent avec trois jours de retard » peut l’être. La seconde formulation désigne un processus, un délai et une personne qui en souffre.

Faites la liste des tâches qui reviennent chaque semaine et qui consistent à lire quelque chose, en extraire des informations, puis les reporter ailleurs. Lire une demande client et créer une fiche. Lire une facture et saisir ses lignes. Lire un cahier des charges et préparer un chiffrage. Ce sont les tâches où un modèle de langage apporte le plus, parce qu’il comprend un texte que des règles classiques ne savent pas traiter.

Les cinq critères d’un bon premier processus

1. Il revient souvent. Une tâche faite deux fois par mois ne remboursera pas son automatisation. Une tâche faite dix fois par jour, si.
2. Vous savez expliquer comment on la fait. Si une personne expérimentée peut décrire ses règles et ses exceptions à un nouveau collègue, on peut les décrire à un système. Si la réponse est « ça dépend, on le sent », le processus n’est pas prêt.
3. Une erreur se rattrape. Un brouillon de réponse relu avant envoi est un bon candidat. Un virement exécuté sans contrôle n’en est pas un.
4. Les données sont accessibles. Le système doit pouvoir lire la boîte e-mail, le tableur de prix ou l’ERP concerné. Un outil sans export ni interface de programmation complique tout.
5. Quelqu’un en est responsable. Il faut une personne qui connaît le processus, qui valide les cas limites pendant la mise au point et qui dira si le résultat est acceptable.

Un processus qui coche les cinq cases est rare. Quatre suffisent, à condition que le troisième en fasse partie.

Mesurer avant de construire

Avant d’écrire une ligne de code, notez combien de fois la tâche est faite par mois et combien de minutes elle prend. Ces deux nombres suffisent à estimer ce que l’automatisation peut rendre, et ils serviront à juger le résultat après la mise en production.

Nos démonstrations de processus intègrent un calculateur pour cela : vous y entrez vos propres volumes et votre propre coût horaire. Les durées proposées par défaut sont des hypothèses de travail, pas des moyennes de marché.

Les erreurs que nous voyons le plus souvent

• Commencer par le plus gros chantier. Le premier projet sert aussi à apprendre comment votre organisation travaille avec ce type d’outil. Un périmètre étroit permet de le découvrir à moindre coût.
• Vouloir supprimer l’humain. Dans presque tous les cas utiles, l’IA prépare et une personne valide. Le gain vient du temps de préparation supprimé, pas de la disparition du contrôle.
• Acheter une licence avant d’avoir un cas d’usage. Un abonnement distribué à toute l’équipe sans tâche précise à traiter produit peu d’usage durable.
• Oublier la suite. Un modèle change de version, un fournisseur modifie son interface, une règle métier évolue. Sans maintenance, une automatisation se dégrade en quelques mois.

À quoi ressemble un premier projet

Un projet de cette taille suit généralement quatre étapes.

1. Cadrage. On décrit le processus tel qu’il se déroule aujourd’hui, ses exceptions, les outils concernés et l’indicateur qui dira si le projet a réussi.
2. Construction sur des cas réels. Le système est mis au point sur de vraies demandes, de vraies factures ou de vrais documents, pas sur des exemples idéaux.
3. Mise en production avec validation. Au début, chaque résultat est relu. Le niveau de contrôle baisse seulement quand les erreurs deviennent rares et identifiables.
4. Suivi. On compare l’indicateur avant et après, on corrige les cas mal traités, on maintient.

Les délais dépendent des intégrations. Pour les six processus que nous montrons en démonstration, la mise en production se situe entre trois et dix semaines. Le détail de notre façon de travailler est décrit sur la page Méthode.

Quand il vaut mieux ne pas se lancer

Si le processus change chaque mois, s’il n’est fait que rarement, ou si personne dans l’entreprise n’a le temps de valider les résultats pendant la mise au point, il vaut mieux attendre. Une règle simple dans un tableur ou un modèle de document bien fait règle parfois le problème pour beaucoup moins cher. Un prestataire sérieux doit pouvoir vous le dire.

Si vous hésitez entre plusieurs tâches, notre diagnostic express répond par écrit avec trois pistes d’automatisation adaptées à votre activité.

Questions fréquentes

Faut-il un budget important pour un premier projet IA ?

Non, à condition de limiter le périmètre à un processus. Le coût dépend surtout du nombre d’outils à connecter et du niveau de contrôle attendu, pas de la taille du modèle utilisé.

Faut-il nettoyer toutes ses données avant de commencer ?

Non. Il faut que les données du processus choisi soient accessibles et à peu près fiables. Un chantier général de qualité des données avant tout projet est le meilleur moyen de ne jamais démarrer.

ChatGPT ne suffit-il pas ?

Pour une tâche ponctuelle faite par une personne, souvent oui. Dès que la tâche revient chaque jour, touche plusieurs outils et doit laisser une trace, il faut un processus automatisé relié à vos systèmes, avec une validation humaine là où c’est nécessaire.