IA en PME et ETI : passer de l'adoption à un premier usage mesurable

Une adoption qui accélère, avec des usages encore différents

Selon le Baromètre France Num 2026, 40 % des TPE et PME françaises déclarent utiliser au moins une solution d'intelligence artificielle, contre 26 % en 2025. Parmi les PME, la proportion atteint 53 %, contre 34 % l'année précédente. L'enquête repose sur les réponses de 9 655 entreprises, recueillies au printemps 2026. Elle décrit des usages déclarés, pas le nombre de projets déployés à grande échelle ni leur rentabilité.

La génération de contenus est l'usage le plus fréquent dans ce baromètre (34 % des TPE-PME). Viennent ensuite les assistants conversationnels (24 %), l'analyse ou la classification de documents (13 %), l'automatisation des tâches (11 %) et l'analyse de données ou la prévision (9 %). Ces catégories peuvent se recouper : elles ne s'additionnent pas pour mesurer la part des entreprises utilisatrices.

La progression de l'offre accompagne ce mouvement. Anthropic a présenté en mai 2026 une offre « Claude for Small Business » avec des connecteurs et 15 workflows prêts à l'emploi, couvrant notamment la finance, les opérations, la vente et le marketing. Les exemples mis en avant s'appuient largement sur des outils utilisés aux États-Unis, comme QuickBooks et PayPal. Pour une entreprise française, l'existence d'un workflow ne dispense donc pas de vérifier la compatibilité réelle avec ses logiciels, ses pratiques comptables et ses droits d'accès.

Impact perçu et valeur financière : deux mesures distinctes

Le même baromètre indique que 68 % des entreprises utilisant l'IA jugent son impact positif. Cette proportion atteint 84 % parmi celles qui utilisent des solutions payantes. Ces réponses mesurent une perception ; elles ne démontrent ni un retour sur investissement, ni un gain financier attribuable à l'IA. La différence entre ces deux groupes ne prouve pas non plus que payer un outil provoque un meilleur résultat : leurs besoins et leur maturité peuvent différer.

Pour un dirigeant, la question opérationnelle devient alors : quel changement observable attendons-nous d'un usage précis ? Le temps de traitement d'une demande, le taux de reprise d'un document, le délai de réponse ou la qualité d'une qualification commerciale peuvent servir de points de départ. Ils doivent être mesurés avant le test, puis suivis avec la même méthode pendant celui-ci.

La grille LPCD pour choisir un premier cas d'usage

Avant de sélectionner un fournisseur, quatre vérifications permettent de cadrer le projet.

1. Un processus identifiable. Quelle tâche revient assez souvent pour justifier un essai ? Qui la réalise, dans quel outil, et quelles exceptions demandent une décision humaine ?
2. Des données utilisables. Les informations nécessaires sont-elles accessibles, suffisamment fiables et autorisées pour cet usage ? Un assistant branché sur une base incomplète produira des réponses difficiles à contrôler.
3. Une mesure de départ. Combien de temps prend la tâche aujourd'hui ? Combien de résultats doivent être corrigés ? Sans référence initiale, il sera difficile de juger le pilote.
4. Un responsable et une règle de validation. Qui vérifie les sorties, corrige les erreurs et décide si le test continue ? Le rôle humain doit être défini avant de donner à un outil la capacité de lire ou de modifier d'autres systèmes.

Le premier cas d'usage peut porter sur la synthèse de documents internes, la préparation de réponses à des demandes récurrentes ou le classement de messages entrants. Un périmètre réduit, une équipe identifiée et un indicateur suivi dans le temps rendent le résultat plus facile à interpréter qu'un déploiement simultané dans plusieurs services.

Examiner l'offre au-delà de la démonstration

Une démonstration réussie ne garantit pas que l'intégration fonctionnera avec les données réelles de l'entreprise. Il faut vérifier les applications effectivement compatibles, les opérations permises par chaque connecteur, les autorisations accordées et les étapes où une validation humaine reste nécessaire. Les coûts incluent les licences, mais aussi la préparation des données, l'intégration, la formation et la supervision.

La confidentialité appelle le même examen concret : quelles données sont transmises, où sont-elles traitées, combien de temps sont-elles conservées, et comment récupérer les résultats si l'on change de fournisseur ? Pour un processus touchant des données personnelles, le cadre d'usage et les obligations applicables doivent être examinés avant le pilote.

Avancer par une mesure, puis décider

Un premier projet IA n'a pas besoin de couvrir toute l'entreprise. Il doit montrer si une tâche précise peut être exécutée avec une qualité acceptable, un effort de contrôle soutenable et un résultat utile pour les équipes. Mesurer l'état initial, tester sur un périmètre limité, relever les erreurs et calculer le coût complet donnent ensuite une base pour décider de poursuivre, de modifier ou d'arrêter.