Par où commencer l’IA dans une PME : cinq étapes, du repère à la décision

La réponse courte : commencer par le travail, pas par l’outil

Commencer par un abonnement à un assistant, c’est demander à chaque salarié de trouver seul à quoi il sert. Commencer par le travail, c’est partir d’une tâche précise : qui la fait, combien de fois, en combien de temps, avec quelles données. L’outil se choisit ensuite, pour cette tâche.

Le premier frein déclaré relève d’ailleurs de la méthode. En 2025, parmi les entreprises françaises de 10 salariés ou plus qui n’utilisent pas l’IA, 71 % disent ne pas lui voir d’utilité et 54 % citent le manque d’expertise (Insee). Dans l’Union européenne, parmi les entreprises qui ont envisagé l’IA sans l’adopter, le manque d’expertise vient en tête, à 71 % (Eurostat). Les deux freins se traitent de la même façon : rattacher l’IA à une tâche réelle, mesurée, plutôt qu’à une liste de fonctionnalités.

Les cinq étapes de ce guide suivent cet ordre et les outils du site : le diagnostic express pour se situer, le simulateur pour chiffrer un premier cas, puis, si vous voulez une mesure faite sur le terrain, le Pilote.

Étape 1 : se situer sur quatre paliers (diagnostic express)

Avant de choisir un cas d’usage, situez l’organisation. Le diagnostic express pose douze questions sur six dimensions (stratégie, données, compétences, processus, outils, risques) ; chaque réponse correspond à un palier. Il prend trois minutes, donne un résultat indicatif, et rien n’est envoyé.

Le palier ne sert pas à se noter : il dit quel premier pas est raisonnable. Ce guide s’adresse aux organisations des paliers 1 et 2.

Étape 2 : regarder où part le temps, une équipe, deux semaines

Choisissez une équipe, pas toute l’entreprise : comptabilité fournisseurs, administration des ventes, service client. Pendant deux semaines, relevez ce qu’elle fait réellement, pas ce que décrivent les fiches de poste. Le dossier France Num sur l’IA générative en TPE PME propose la même entrée : passer en revue les activités et repérer les tâches répétitives et chronophages.

Pour chaque tâche, notez :

• ce qui la déclenche (un e-mail, une commande, une échéance) et ce qu’elle produit ;
• son volume : combien de fois par semaine ;
• le temps par occurrence, chronométré sur quelques cas réels plutôt qu’estimé de mémoire ;
• les données utilisées et l’outil où elles se trouvent (ERP, messagerie, tableur) ;
• ce qui se passe en cas d’erreur, et qui la rattrape.

Étape 3 : choisir un premier cas réversible et mesurable

Dans le relevé, retenez une seule tâche. Le premier cas n’a pas à être le plus rentable : il doit pouvoir s’arrêter sans dommage et se mesurer sans débat.

• Réversible : si l’outil s’arrête demain, l’équipe reprend la tâche comme avant, sans données perdues ni client lésé.
• Mesurable : le temps par occurrence et le volume ont été relevés à l’étape 2, donc comparables après.
• Fréquent : une tâche quotidienne donne assez d’occurrences pour mesurer vite.
• Relu par un humain : la sortie est vérifiée avant de partir chez un client ou dans un système.
• Peu sensible : selon la CNIL, aider les salariés à rédiger présente moins de risques qu’un outil qui aide à décider à l’égard de clients ou de candidats. Commencez du côté le moins exposé.
• Porté : une personne volontaire de l’équipe en répond et a le temps de s’en occuper ; le dossier France Num parle de « référent IA ».

Étape 4 : fixer les règles avant le déploiement : données, salariés, transparence

Ces règles tiennent sur une page. Écrites avant le lancement, elles évitent de les négocier pendant.

Étape 5 : mesurer, puis décider d’élargir ou d’arrêter

Avant le lancement, écrivez trois choses : les indicateurs, les dates de mesure et le seuil sous lequel on arrête. Une décision prise après coup, sans seuil écrit, se discute sans fin.

• Temps par occurrence, comparé à l’état initial de l’étape 2.
• Volume traité, et part des sorties corrigées ou refaites à la main.
• Usage réel : combien de personnes de l’équipe s’en servent chaque semaine.
• Avis de l’équipe, recueilli à date fixe ; la CNIL recommande de recueillir régulièrement l’avis des utilisateurs sur l’utilité et les limites du système.
• Coûts constatés : abonnement, consommation, temps de relecture.

Ce qu’il vaut mieux ne pas faire en premier

Questions fréquentes

Sources

Méthode : chiffres externes vérifiés à la source citée ; chiffres SHIFTLABS présentés comme des estimations ou des exemples.

• Insee, Insee Première n° 2120 (21 juillet 2026) : usage de l’IA par taille d’entreprise et raisons de ne pas l’utiliser, entreprises de 10 salariés ou plus, 2025 (consulté le 18 octobre 2026)
• Eurostat, « Use of artificial intelligence in enterprises », Statistics Explained, données 2025 extraites en décembre 2025 : raisons de ne pas utiliser l’IA parmi les entreprises qui l’ont envisagée (consulté le 18 octobre 2026)
• Crédoc pour la Direction générale des Entreprises, Baromètre France Num 2026, rapport complet (2 octobre 2026), p. 53 et 54 : usage de l’IA et types d’usage ; le communiqué du 28 septembre 2026 et la page France Num indiquent 11 % pour l’automatisation des tâches, le rapport 9 % (consulté le 18 octobre 2026)
• France Num, « Comment déployer l’IA générative efficacement dans sa TPE PME ? », dossier rédigé par IAvarone Conseil, Activateur France Num (7 avril 2025, mis à jour le 6 octobre 2025 ; consulté le 18 octobre 2026)
• CNIL, « Les questions-réponses de la CNIL sur l’utilisation d’un système d’IA générative » (18 juillet 2024, consulté le 18 octobre 2026)
• Code du travail, article L2312-8, II, 4° : information et consultation du CSE sur l’introduction de nouvelles technologies (code.travail.gouv.fr, consulté le 18 octobre 2026)
• Code du travail, article L2312-1 : attributions du CSE selon le seuil de 50 salariés (code.travail.gouv.fr, consulté le 18 octobre 2026)