L'intelligence artificielle dans une PME : où elle sert, où elle coûte cher pour rien

L'IA n'est pas un point de départ, c'est une brique parmi d'autres. Dans une PME, la majorité des gains vient encore de règles simples. Cette page décrit les endroits où l'IA apporte vraiment quelque chose, et ceux où elle ajoute du coût et de l'imprévisibilité.

La distinction qui évite de perdre de l'argent

Une règle donne toujours le même résultat pour la même entrée. Un modèle de langage produit une réponse plausible, pas une réponse garantie. Tout ce qui peut se décrire par une règle doit être traité par une règle : c'est moins cher, plus rapide, et vérifiable. L'IA commence là où la règle échoue, c'est-à-dire face à du texte libre, à des documents non structurés, ou à un jugement de nuance.

Les cas d'usage qui tiennent

• Classer et router des messages entrants. Une demande de devis, une réclamation et une facture ne suivent pas le même chemin. Un modèle sait faire ce tri sur du texte libre.
• Extraire des informations d'un document. Sortir un montant, une date et un numéro d'un PDF qui change de forme à chaque fournisseur.
• Résumer un échange long pour qu'un décideur puisse trancher sans lire quarante messages.
• Produire un premier jet de réponse, de compte rendu ou de fiche, qu'un humain corrige. Le gain vient de la page blanche évitée, pas de la relecture supprimée.
• Traduire et adapter un contenu déjà validé vers une autre langue.

Les cas où l'IA déçoit

1. Les calculs et les décisions chiffrées. Un modèle de langage n'est pas une calculatrice fiable. Ces opérations restent du ressort du code.
2. Ce qui engage l'entreprise sans relecture. Un devis, un contrat, une réponse juridique : la validation humaine n'est pas optionnelle.
3. Les processus instables. Si les règles changent chaque mois, ni l'IA ni l'automatisation ne tiendront. Il faut d'abord stabiliser.
4. Le remplacement d'une base de connaissances. Un modèle ne connaît pas vos tarifs ni vos procédures. Il faut lui fournir la donnée, ce qui suppose que cette donnée existe et soit à jour.

Ce que ça coûte

À l'échelle d'une PME, l'appel aux modèles se compte en dizaines d'euros par mois pour un usage bien ciblé, et grimpe vite quand on envoie des documents entiers à chaque requête sans filtrage. Deux réflexes divisent la facture : ne transmettre au modèle que ce dont il a besoin, et traiter par une règle tout ce qui peut l'être avant l'appel.

Le coût caché est ailleurs : une IA mal encadrée produit des sorties qu'il faut vérifier une par une. Le temps de vérification annule le temps gagné. Une bonne intégration se juge au taux de sorties acceptées sans correction.

Confidentialité et données personnelles

Trois questions à poser avant d'envoyer quoi que ce soit à un modèle : quelles données partent, où sont-elles traitées, et sont-elles réutilisées pour l'entraînement. Les offres professionnelles des principaux fournisseurs excluent contractuellement la réutilisation des données, ce que ne garantissent pas toujours les versions grand public.

Pour les données sensibles, deux stratégies existent : anonymiser avant l'envoi, ou faire tourner un modèle en local. La seconde option coûte en matériel et en compétences, et ne se justifie que si la nature des données l'impose.

Par où commencer sans se tromper

Choisir un point du flux où l'information arrive en texte libre, mesurer combien de temps quelqu'un y passe, puis tester sur trente cas réels avant d'industrialiser. Si le résultat est bon sur vingt-sept, le système est utilisable avec une relecture. S'il est bon sur quinze, le problème est en général la donnée fournie, pas le modèle.

Questions fréquentes

Une PME a-t-elle vraiment besoin d'intelligence artificielle ?

Pas en premier. La majorité des gains vient de règles simples qui font circuler l'information entre les outils. L'IA devient utile sur ce qu'une règle ne sait pas décrire : du texte libre, un document non structuré, un tri qui demande du jugement.

Quels sont les cas d'usage de l'IA les plus rentables en entreprise ?

Le tri et le routage des messages entrants, l'extraction d'informations dans des documents de formats variables, le résumé d'échanges longs et la production d'un premier jet corrigé par un humain. Ces quatre usages ont en commun de porter sur du texte non structuré.

ChatGPT ou Claude pour une entreprise ?

Les deux conviennent pour les usages courants. Ce qui décide est ailleurs : l'offre professionnelle retenue, les engagements sur la réutilisation des données, l'intégration avec les outils déjà en place et le coût à volume réel.

Les données envoyées à une IA sont-elles réutilisées ?

Les offres professionnelles des principaux fournisseurs excluent contractuellement la réutilisation des données transmises pour l'entraînement. Les versions grand public ne l'excluent pas toujours. C'est le premier point à vérifier avant de connecter un modèle à des données clients.

Faut-il installer une IA locale pour protéger ses données ?

Seulement si la nature des données l'impose. Un modèle local évite tout envoi vers l'extérieur mais demande du matériel, des compétences et de la maintenance. Anonymiser avant l'envoi suffit dans une grande partie des cas.