Avant d'ouvrir les accès à l'IA : un process, trois décisions

La plupart des PME que j’accompagne n’ont pas encore choisi leurs outils d’IA. Quelques salariés utilisent ChatGPT de leur côté, deux ou trois automatisations tournent ici et là, et la question des licences revient à chaque comité de direction sans être tranchée.

Tant que rien n’est acheté, rien n’est perdu. C’est même le meilleur moment pour poser les choses dans le bon ordre.

Je vois deux façons de mal commencer. La première : acheter des licences pour toute l’équipe et attendre que les usages arrivent. La seconde : brancher l’IA, ou une automatisation, sur un process tel qu’il existe, et accélérer ce qui marchait déjà à moitié.

L’ordre que je suis chez mes clients tient en deux temps : un process d’abord, puis trois décisions sur les outils. Il vaut pour l’IA comme pour l’automatisation en général.

Commencez par un process

Vos problèmes tiennent dans quatre cases

Choisissez la case qui vous coûte le plus cher cette année. Une seule.

1. L’acquisition : « On pourrait produire plus, mais on manque de clients. »
2. La connaissance : « On grandit, mais l’information se perd. »
3. Les marges : « On tourne, mais trop de temps part en tâches manuelles. »
4. La délivrance : « On pourrait vendre plus, mais on n’arrive pas à tout livrer. »

Les quatre ont souvent une racine commune : la donnée, éparpillée entre dix outils, ressaisie en boucle, jamais exploitable d’un bloc.

L’IA est un moteur. Ne le montez pas sur un vélo.

Brancher l’IA sur un process existant, c’est monter un moteur sur un vélo. Ça avance plus vite. Pour tirer tout le potentiel du moteur, il faut repenser le véhicule.

Un exemple public. La fintech américaine Brex a reconstruit tout son accueil client, contrôles d’identité compris, autour d’agents IA. Ce qui mobilisait plusieurs analystes pendant plusieurs jours se fait désormais en quelques minutes.

L’exercice des trente minutes

Une feuille, deux colonnes : « Aujourd’hui » et « Si je recréais tout ».

1. Choisissez un process qui vous coûte cher en temps : accueil client, devis, relances, reporting.
2. Écrivez ses cinq à sept étapes réelles, telles qu’elles se passent aujourd’hui.
3. En face, écrivez les étapes que vous auriez si vous créiez votre entreprise aujourd’hui, avec les outils d’aujourd’hui.

Comparez ligne à ligne. Chaque écart est un chantier.

La troisième étape est la plus difficile : on ne réinvente pas un process avec des outils qu’on n’a jamais essayés. C’est pour ça que je fais pratiquer les dirigeants avant de leur demander cet exercice.

Cherchez aussi ce que vous n’avez jamais fait

Automatiser l’existant couvre la moitié du sujet. L’autre moitié : ce que votre entreprise n’a jamais eu les moyens de faire, un suivi client régulier, une analyse de vos données de vente, une veille sur vos concurrents, un service de plus pour vos clients.

Une PME n’avait pas les bras pour ça. Elle les a maintenant. Je cherche ces tâches dès le premier rendez-vous, parce que les gains les plus importants viennent souvent de là.

Ça lit, ou ça agit ?

Une question tranche le niveau de cadrage d’un usage.

• S’il agit (il envoie, il modifie, il facture), c’est une ligne de production. Vous savez quand il se déclenche, à quelles conditions, ce qu’il produit, et quelqu’un le surveille.
• S’il lit (il répond sur vos documents, il aide une personne dans sa tâche), c’est un assistant. Un cadre léger suffit.

Une ligne qui tourne seule finit par produire des défauts ou par tomber en panne. L’industrie a réglé ça il y a un siècle avec des fonctions autour de la ligne : un contrôle qualité à chaque étape, quelqu’un qui répare quand un format casse, un process écrit avant de lancer la ligne. Vos automatisations ont besoin des mêmes.

Dans chaque process, écrivez au même endroit les étapes faites par une personne et celles faites par l’IA. Un skill qui fait gagner trente minutes par jour à quelqu’un devient alors une méthode de l’entreprise, qui survit au départ de celui qui l’a écrit.

Le même modèle, deux fois plus de réussite

Sur un banc d’essai public de l’université de Princeton, le même modèle d’IA, sur les mêmes tâches, passe de 33 % à 78 % de réussite selon l’outil qui l’entoure.

Le modèle est le moteur. Les connecteurs, les procédures, le contexte et la façon dont l’outil orchestre le tout font le reste.

Je choisis donc un outil sur ce qu’il permet de brancher et de construire.

Trois décisions avant d’ouvrir les accès

1. Des comptes professionnels pour tout le monde. Un compte personnel n’offre pas le cadre contractuel dont vous avez besoin dès qu’un salarié y dépose un CV ou un mail client.
2. Les connecteurs que vous autorisez. Messagerie, stockage, CRM : ce que l’IA peut lire, et ce qu’elle peut modifier.
3. Qui administre. Si un seul prestataire externe détient les accès, la moindre licence met une semaine à arriver. J’ai vu des accompagnements ralentis par ce seul point.

La deuxième décision pèse plus qu’elle n’en a l’air. L’éditeur Workato a ouvert Claude à un millier de salariés : l’usage a fait un bond de 700 % quand ils l’ont branché, en lecture seule, sur leurs outils internes (CRM, enregistrement des appels commerciaux, messagerie).

Construire ou acheter

L’IA peut reconstruire en quelques heures la plupart des logiciels d’avant l’IA. C’est rarement une bonne idée.

Une entreprise qui s’appuie sur l’IA devra gérer une donnée toujours plus volumineuse à garder propre, des process partagés entre équipes et IA, leur suivi, leur sécurité, leur conformité. Le logiciel acheté porte une partie de cette charge.

Ma règle de décision :

• Ça remplace un tableur ? Construisez : calcul de prix, suivi de trésorerie, chiffre d’affaires.
• Ça unifie l’interface ? Construisez : vos données restent dans vos logiciels, vos équipes travaillent depuis un seul écran.
• Sinon, achetez. À deux conditions : vous gardez la propriété de vos données, et vous traitez l’outil comme une brique que vous pourrez remplacer.

Mesurez le coût d’une tâche terminée

Un salarié se juge à ce qu’il produit dans la journée. Un junior qui met trois jours coûte plus cher qu’un senior qui finit en une matinée.

Pour l’IA, c’est pareil. Zapier a comparé deux modèles d’IA sur ses tâches d’automatisation : le nouveau coûtait deux fois plus cher à l’usage, mais seulement 17 % de plus par tâche terminée (3,67 $ contre 3,14 $), parce qu’il gaspillait moins.

Deux réflexes :

• Pour une automatisation qui suit toujours les mêmes étapes, un outil d’automatisation classique coûte beaucoup moins cher qu’un agent IA.
• Gardez la possibilité de changer de fournisseur de modèle en un après-midi.

Ce que je ferais dès lundi

1. Choisir la case qui coûte le plus cher cette année, parmi les quatre.
2. Faire l’exercice des trente minutes sur un process de cette case.
3. Trancher les trois décisions avant d’acheter la moindre licence : comptes professionnels, connecteurs autorisés, administrateur.

J’ai développé la question de l’environnement qui fait apparaître les bons cas d’usage dans un article précédent.

Cet article reprend la deuxième partie de mon guide « IA & PME : les fondations à poser avant 2027 » (68 slides, gratuit) : télécharger le guide.

Sources

• Brex, « The end of the trade-off: How AI agents broke the onboarding trilemma »
• Princeton University, Holistic Agent Leaderboard, CORE-Bench Hard (Claude Opus 4.5 : 77,78 % avec Claude Code, 33,33 % avec l’agent généraliste HAL)
• Workato, « We Gave 1000 Employees AI Access. Here’s When Usage Jumped 700% »
• Wade Foster (Zapier), coût par tâche sur AutomationBench, juin 2026