Quel métier confier à l’IA en premier dans une PME, et par quelle étape commencer ?

Une entreprise peut avoir vingt idées d’usages de l’IA et aucune priorité : préparer les devis, retrouver une information, saisir les factures, répondre aux clients, rédiger les comptes rendus. Le bon point de départ est un métier qui livre souvent, suivi du début à la fin, et dans ce métier une première étape dont l’équipe peut constater l’utilité sur son propre travail, repérer les limites, puis reprendre le fonctionnement seule.

La méthode suit cinq étapes : observer le travail, mesurer la situation actuelle, comparer les idées, préparer un essai, décider de la suite. Elle s’adresse aux dirigeants et aux référents métier, et ne demande ni logiciel déjà choisi ni compétence en développement.

Les notes, volumes et budgets des exemples sont fictifs. Ils servent à rendre les calculs vérifiables et ne décrivent aucun client. Les pondérations et seuils proposés sont des choix de méthode, à adapter à votre entreprise.

1. Commencer par le résultat à produire

« Utiliser l’IA dans le service commercial » est une intention. « Préparer un devis complet à partir d’une demande et de notre catalogue, avec les éléments manquants signalés » décrit un travail. Avec la seconde formulation, on sait quelles données réunir, qui contrôle le résultat et à quoi comparer l’essai.

Demandez ce qui doit être différent une fois le processus repensé. Voulez-vous réduire les délais, traiter davantage de dossiers, améliorer la qualité d’une réponse, sécuriser une transmission ou donner aux collaborateurs plus de temps pour conseiller les clients ? Chaque objectif se mesure autrement : en jours, en dossiers par mois, en corrections demandées.

Une analyse plus complète, faite en autant de temps qu’avant, peut justifier l’essai autant qu’une préparation plus rapide. Choisissez l’objectif d’après les priorités de l’entreprise ; ce que l’IA sait techniquement faire vient après.

Écrivez une phrase de cadrage :

Pour [utilisateur], préparer [sortie précise] à partir de [sources autorisées], dans [délai ou contexte], avec [contrôles], afin d’améliorer [indicateur].

Exemple fictif : pour l’assistante commerciale, préparer un brouillon de devis à partir du mail du prospect et du tarif validé, signaler les dimensions absentes, puis faire vérifier les prix et les engagements par le responsable commercial. L’objectif est de réduire le temps de préparation, sans augmenter les erreurs de devis.

2. Observer un travail complet, du début à la fin, reprises comprises

Une procédure écrite décrit le travail tel qu’il devrait se faire ; un travail récent, suivi du début à la fin, montre comment il se fait. Suivez-en un de la demande initiale jusqu’à la livraison, en demandant au collaborateur de commenter ses recherches, ses hésitations et ses corrections.

Pour chaque étape, notez l’entrée, l’action, la sortie et la décision. Dans un même parcours, la saisie répétitive peut être préparée par l’IA alors que l’arbitrage qui dépend du contexte client, deux étapes plus loin, demande un jugement humain.

Ne nettoyez pas les données pour que la démonstration réussisse : le document manquant, le nom incohérent ou l’exception font partie du problème. Supprimer une étape inutile avant d’ajouter l’IA reste permis, et c’est parfois le meilleur résultat du cadrage.

3. Construire la mesure de départ

Choisissez quelques dossiers représentatifs et notez le temps de travail actif, séparé du délai d’attente : vingt minutes de préparation peuvent s’étaler sur trois jours parce qu’une validation tarde, et l’IA ne raccourcira pas ces trois jours.

Pour un premier repérage, observez une dizaine de cas si vous le pouvez : c’est un repère pratique, trop petit pour une preuve statistique. Si les dossiers varient beaucoup, élargissez l’échantillon et décrivez chaque catégorie plutôt que de calculer une moyenne qui ne ressemble à aucun cas.

Calcul fictif : 300 dossiers par mois nécessitent chacun 12 minutes de préparation. Le travail initial représente 300 × 12 ÷ 60 = 60 heures par mois. Si une méthode nouvelle prend 7 minutes, vérification et corrections incluses, le potentiel est 25 heures. Si elle n’est utilisée que sur 70 % des dossiers, il devient 17,5 heures, dont il faut encore retirer le temps de suivi récurrent.

Notez aussi le délai complet, de la demande à la livraison, et le poids de chaque étape dans ce délai. Autre exemple fictif : une étude livrée en vingt jours en passe trois en calculs. Rendre le calcul instantané la livre en dix-sept jours au mieux. Pour aller plus loin, on traite les étapes suivantes, l’une après l’autre, et le goulot se déplace à chaque fois : c’est pour cela qu’on choisit un métier avant de choisir une étape.

Le guide sur la mesure des gains détaille cette distinction entre potentiel, temps réellement libéré et économie financière.

4. Comparer les idées avec une grille explicite

La grille ne décide pas à votre place : elle rend les désaccords visibles. Si le dirigeant note 5 en « données disponibles » et l’assistante commerciale 2, demandez pourquoi avant de choisir. L’une connaît peut-être des fichiers incomplets que l’autre ignore.

La grille ci-dessous note six critères de 1 à 5, et une note élevée est toujours favorable. Pour les risques et l’effort, on note donc la facilité de maîtrise et la simplicité de mise en place : un risque bien maîtrisé reçoit 5.

Score sur 100 = somme des notes × leur poids ÷ 5. Avec les poids écrits en pourcentage, une note de 4 sur le premier critère apporte 4 × 25 ÷ 5 = 20 points.

Ces notes servent à classer, sans rien mesurer au sens physique : un 4 n’est pas « deux fois mieux » qu’un 2, et un écart de deux points sur 100 pèse peu pour départager deux processus.

Une priorité doit aussi être vérifiable

Scores illustratifs sur 100 ; pondération détaillée dans le texte.

Lire les valeurs du graphique

Repère	Valeur
Extraction de données	90 / 100
Comptes rendus	82 / 100
Recherche documentaire	77 / 100
Mails envoyés en autonomie	64 / 100

Dans cet exemple fictif, l’extraction de données arrive en tête parce que les documents sont disponibles et que chaque ligne extraite se contrôle. Les mails envoyés en autonomie auraient une forte valeur sur le papier, mais restent hors périmètre : l’IA prépare, l’équipe décide, et rien ne part sans validation.

Trois conditions passent avant le score : avez-vous le droit d’utiliser les données dans l’environnement choisi, une personne sait-elle vérifier la sortie, et pouvez-vous arrêter le test sans dommage ? Une note élevée ne compense pas une réponse négative à l’une de ces questions.

5. Distinguer quatre types de solutions

Le mécanisme dépend de la tâche, et il change la maintenance, le coût et la façon de contrôler le résultat.

Pour additionner des montants, une formule Excel est souvent plus sûre qu’un modèle de langage. Sur une facture, l’IA lit le texte et extrait les lignes, puis une formule recalcule le total.

Anthropic distingue les parcours définis à l’avance des systèmes qui choisissent eux-mêmes leurs étapes, et recommande de n’ajouter de la complexité que lorsqu’elle améliore le résultat. Cette distinction aide à choisir entre les deux dernières lignes du tableau, quel que soit l’outil. Source : Building effective agents.

Pour un processus qui passe par plusieurs logiciels, consultez le guide sur les connexions aux mails, fichiers et CRM.

6. Préparer un essai qui peut échouer utilement

Le premier test doit répondre à une question précise, par exemple : « le brouillon de devis est-il exact sur 20 dossiers que la méthode n’a jamais vus ? » Fixez le périmètre, les cas, les critères et la décision avant de regarder les résultats.

Séparez deux lots : des dossiers pour mettre au point la méthode, d’autres pour l’évaluer. Si vous ajustez la méthode jusqu’à ce qu’elle réussisse les dossiers de démonstration, le test mesure seulement sa réussite sur ces dossiers connus.

Mettez dans le lot de test des dossiers ordinaires, des documents difficiles et des informations manquantes. Devant un document illisible, une méthode qui s’arrête et le signale peut valoir mieux qu’une méthode qui remplit le tableau avec assurance.

Un exemple de protocole à adapter

1. Décrire la sortie attendue et les contrôles bloquants.
2. Préparer 10 dossiers de mise au point, puis 20 dossiers distincts de test.
3. Inclure au moins un doublon, une pièce incomplète et une contradiction connue.
4. Faire utiliser la méthode par deux personnes si l’équipe le permet.
5. Mesurer le travail actif, les reprises et les erreurs.
6. Examiner chaque erreur critique séparément.
7. Décider de poursuivre, de réduire le périmètre ou d’arrêter.

Ces tailles de lots sont illustratives et ne garantissent aucun niveau de fiabilité. Un paiement ou un événement rare demande une évaluation plus large et des contrôles maintenus après la mise en service.

7. Écrire les critères d’acceptation avant la démonstration

Un critère doit être observable. « Les réponses sont bonnes » ne dit pas comment trancher, alors que « toute affirmation sur un tarif renvoie à la version approuvée du catalogue » se vérifie ligne par ligne.

La tolérance dépend du métier et de l’usage : une imprécision dans une note interne ne pèse pas comme une erreur dans un paiement. Et zéro erreur critique sur le lot de test ne veut pas dire zéro risque. Gardez les vérifications que demande l’enjeu.

Le guide du passage d’une démonstration à un usage d’équipe propose une fiche d’acceptation plus détaillée.

8. Organiser les deux premières semaines

Dix jours de travail obligent à choisir ce qu’on veut apprendre. Dans l’accompagnement, ces deux semaines ouvrent le premier mois, celui où l’on repense le processus. Ce calendrier ne promet pas un déploiement en dix jours : obtenir les accès, remettre les sources en état ou dégager du temps au référent peut prendre plus longtemps.

Le référent métier fait partie de l’essai : il définit ce qu’est une bonne sortie, examine les erreurs et décide de ce qui est utilisable. Réservez ses créneaux avant de démarrer, sinon les erreurs des jours 8 et 9 attendront son retour.

9. Savoir reconnaître un processus à repousser

Un processus repoussé n’est pas forcément hors de portée de l’IA. Il arrive simplement que l’entreprise n’ait pas encore réuni les conditions pour le confier.

Ce qui doit vous faire hésiter : des sources contradictoires, des règles jamais écrites, aucun responsable désigné, un gain annoncé sans volume réel, un système qui devrait agir immédiatement sans vérification possible, ou un logiciel dont les accès ne sont pas obtenus.

Le premier travail devient alors de clarifier les données ou les règles. Une liste de tarifs approuvés, avec une personne chargée de la tenir à jour, peut rapporter davantage qu’un assistant qui cherche dans cinq catalogues contradictoires.

L’ordre que je propose : définir le résultat, remettre les sources en état, organiser le contrôle, et seulement ensuite choisir le mécanisme. Si les contraintes coûtent plus que ce que l’idée doit rapporter, abandonnez-la.

10. La fiche à reprendre en réunion

Réunissez le dirigeant, l’utilisateur et, lorsque des connexions sont prévues, le référent informatique. Une page peut suffire pour préparer la décision :

Nom du processus :
Utilisateur et responsable métier :
Résultat attendu :
Volume et fréquence observés :
Temps complet actuel :
Sources admises et version de référence :
Données exclues de l’essai :
Contrôles obligatoires :
Comportement si une information manque :
Actions nécessitant une validation :
Cas de mise au point / cas de test :
Budget et durée maximum de l’essai :
Critères pour poursuivre, réduire ou arrêter :
Date du bilan et personne qui décide :

Télécharger le modèle Excel : grille de priorisation des processus. Le modèle calcule le score pondéré et classe les processus. Les lignes d’exemple sont fictives ; remplacez-les par vos observations et conservez la justification de chaque note.

Questions fréquentes

Faut-il choisir le processus qui fait gagner le plus d’heures ?

Le volume compte, mais la qualité, le délai et la possibilité de contrôler aussi. Un processus qui fait gagner moins d’heures et que l’équipe reprend facilement peut être un meilleur point de départ ; celui qui promet beaucoup et se maîtrise mal peut venir ensuite.

Peut-on démarrer avec des documents fictifs ?

Oui, pour expliquer le parcours et vérifier un format. L’essai demande ensuite des dossiers réels et autorisés : un document fictif a rarement le scan de travers ou la pièce manquante d’un vrai dossier.

Un abonnement à une IA suffit-il ?

Il peut suffire pour un usage ponctuel, comme résumer un document ou reformuler un mail. Dès que plusieurs personnes, sources et étapes interviennent, il faut aussi organiser les accès, les règles, les contrôles et la transmission, et l’abonnement n’est plus qu’une pièce de l’organisation.

Quand démarrer l’accompagnement ?

Dès qu’un premier métier est identifié : c’est par lui qu’on commence. On le suit ensemble du début à la fin, une étape après l’autre, puis on passe au métier suivant. Le guide sur le projet précis et l’accompagnement explique comment un besoin précis devient ce point de départ.

Sources et portée de la méthode

• CNIL, Utilisation d’un système d’IA générative : encadrement des usages et des données.
• Anthropic, Building effective agents : distinction entre parcours définis et systèmes autonomes, choix de la complexité.
• NIST, AI Risk Management Framework : cadre de gestion des risques, volontaire et général.

La grille, le calendrier et les critères de ce guide sont la méthode que je propose. Ils ne constituent ni une certification ni des seuils officiels. Pour appliquer cette démarche à vos dossiers, voyez l’accompagnement : on commence par un premier métier, suivi du début à la fin, puis on étend à autant de métiers que vous voulez.