L'IA est partout : dans les fils LinkedIn, dans les keynotes, dans les catalogues de prestataires. Dans la plupart des PME, le tableau est plus sobre. On a testé ChatGPT. Quelqu'un a installé un outil de transcription. Un commercial s'est bricolé un assistant de rédaction. Rien de tout cela n'a changé la façon dont l'entreprise travaille.
Eurostat a posé la question aux entreprises européennes qui ont sérieusement envisagé l'IA, puis y ont renoncé. Le premier motif cité par 71 % d'entre elles est le manque d'expertise interne. Le coût arrive loin derrière. L'inutilité perçue, encore plus loin.
Ces entreprises ne renoncent donc pas parce que l'IA ne leur servirait à rien. Elles renoncent parce que personne, chez elles, ne sait par quel bout prendre le sujet.
C'est une question d'approche, et c'est une bonne nouvelle. Un manque de méthode se corrige. Il se corrige même dans un ordre précis.
La mauvaise question
La plupart des dirigeants qui s'attaquent à l'IA commencent par la même question : quel outil adopter.
Elle vient naturellement et elle arrive trop tôt. Choisir un outil suppose de savoir ce qu'on veut en faire. Or Bpifrance, qui a interrogé 1 209 dirigeants de PME et d'ETI, mesure que 23 % d'entre eux n'arrivent pas à identifier un cas d'usage stratégique dans leur entreprise.
La raison est que le travail réel est peu documenté et mal connu, y compris de ceux qui le dirigent. Prenez le traitement d'une facture fournisseur, ou la sortie d'un devis. Il en existe une version dans les procédures internes, une deuxième dans la tête des équipes, une troisième dans ce que les systèmes enregistrent. Les trois ne se recoupent presque jamais. Automatiser la mauvaise version produit des outputs que personne n'utilise, des semaines de travail perdues, et une équipe qui n'en redemandera pas.
Temps 1. Diagnostiquer ce qui tourne vraiment.
Un diagnostic de processus est un travail d'extraction. Pas une série d'entretiens, pas un inventaire d'outils.
On se branche sur les systèmes où le travail laisse une trace : ERP, CRM, messagerie, ticketing. On reconstruit les enchaînements réels, avec leurs temps de cycle, leurs attentes, leurs reprises et leurs allers-retours entre personnes. Ce qui sort n'est pas la carte que l'entreprise aurait dessinée de mémoire. C'est celle que ses données dessinent à sa place.
Trois livrables en découlent.
1. La cartographie des flux réels.
2. Le chiffrage des goulots d'étranglement.
3. La hiérarchisation des chantiers d'automatisation par potentiel de ROI.
Le troisième dépend entièrement du deuxième. Sans chiffrage de départ, la valeur d'une automatisation n'a aucune base de comparaison, et le débat sur son utilité se réglera bien plus tard, sur des opinions déconnectées des faits.
C'est en général ce moment qui débloque la discussion en interne : il met sur la table des chiffres que chacun peut confronter au travail qu'il réalise réellement, au lieu d'un échange de points de vue.
Temps 2. Ordonner les chantiers.
Le diagnostic répond à « où ça coince ». Il ne répond pas à « par quoi commencer ».
C'est le rôle de la feuille de route. Elle classe les chantiers sur deux axes, pas davantage. Le potentiel : combien de temps ou de charge sont récupérés. La faisabilité : intégrations à construire, dépendances, risques. Les chantiers à fort potentiel et faible faisabilité sont mis en attente. Ceux à faible potentiel et forte faisabilité attendent aussi, même s'ils sont tentants parce qu'ils sont « faciles ».
Dans une PME, lancer plusieurs chantiers en parallèle est en général une mauvaise idée. Un processus automatisé, mesuré, ajusté. Chaque étape nourrit la crédibilité de la suivante auprès des équipes, et c'est cette crédibilité, davantage que la technologie, qui détermine si le chantier suivant aura lieu.
Temps 3. Exécuter sur un périmètre étroit.
C'est souvent le temps qu'on prépare le moins. C'est aussi celui qui décide de tout. Un premier déploiement réussi tient sur quatre conditions :
- un périmètre étroit, un seul processus ;
- un responsable opérationnel nommé, qui n'est pas le dirigeant ;
- un indicateur défini avant le démarrage, pas après les premiers résultats ;
- une date de revue fixée à l'avance.
La deuxième condition est souvent sous-estimée. Bpifrance mesure que dans 73 % des cas, les projets IA en PME sont impulsés par le dirigeant. L'impulsion est saine. Le pilotage quotidien par la même personne l'est beaucoup moins : le projet dépend de son agenda, et s'arrête souvent avec lui.
Qu'une seule de ces conditions manque, et le pilote produit des outputs que personne ne valide. Le sujet ne meurt pas bruyamment. Il s'éteint.
Les PME qui réussissent leur adoption de l'IA la traitent comme un programme, pas comme un projet ponctuel.
Ce que font les entreprises qui avancent avec l'IA
Chez celles qui réussissent, les mêmes réflexes reviennent.
- Elles partent d'un besoin opérationnel identifié.
- Elles restreignent le périmètre à ce qu'elles savent mesurer.
- Elles impliquent les opérationnels dès le diagnostic, pas seulement la direction et la DSI.
- Elles fixent l'indicateur avant de lancer.
- Elles acceptent d'aller lentement au premier chantier pour aller vite aux suivants.
Aucun de ces réflexes ne dépend de votre budget ni de votre maturité technique. Ils dépendent d'une discipline d'exécution.
Par où commencer
Ne choisissez pas d'outil avant de savoir où part le temps de vos équipes.
Un diagnostic vous coûte quelques semaines. Un déploiement mal ciblé vous coûte l'année, et la prochaine fois que vous proposerez le sujet en interne, personne ne suivra.
Article rédigé par Ben Manson TOUSSAINT, CEO de BloomD, adhérent de Digital League en Loire/Haute-Loire.