Une stratégie IA pour une PME commence par une liste de tâches, pas par le choix d’un outil. Repérez ce qui revient chaque semaine et pèse sur l’équipe, retenez deux ou trois usages faciles à vérifier, fixez des règles sur les données, puis testez petit en mesurant avant et après. Le reste, abonnements compris, découle de ces décisions.
Beaucoup de dirigeants sentent qu’ils doivent « faire quelque chose » avec l’IA, sans savoir par quel bout la prendre. Voici une démarche concrète, des critères de choix et les erreurs à éviter, appuyés sur la méthode CRAFT et sur des chiffres publics français et suisses.
Où en sont les PME avec l’intelligence artificielle ?
Avant de bâtir un plan, il est utile de savoir où se situent les entreprises comparables. Les enquêtes récentes disent toutes la même chose : l’usage progresse vite, la méthode beaucoup moins.
En France, un usage qui progresse et une utilité qui reste floue
Selon l’Insee, 18 % des entreprises de 10 salariés ou plus utilisaient au moins une technologie d’IA en 2025, soit huit points de plus qu’en 2024. Le taux grimpe à 58 % dans les entreprises de 250 salariés ou plus : l’écart avec les plus petites reste net.
Le frein le plus cité a de quoi surprendre. Parmi les entreprises qui n’utilisent pas l’IA, 71 % disent ne pas en voir l’utilité et 54 % évoquent un manque d’expertise. Autrement dit, beaucoup de PME ne savent pas encore à quelle tâche l’appliquer.
Bpifrance Le Lab relève un décalage comparable chez les dirigeants. Dans son étude publiée en juin 2025, 58 % jugent l’IA importante ou très importante pour la pérennité de leur entreprise à trois ou cinq ans.
Pourtant, 43 % des PME et ETI ne font pas d’analyse de données pour piloter leur activité. Or une entreprise engagée dans la digitalisation a cinq fois plus de chances d’utiliser une IA : les bases comptent autant que l’outil.
En Suisse romande, les outils arrivent avant les règles
Côté suisse, le portail PME de la Confédération relaie l’étude annuelle d’AXA : la part des PME ayant intégré l’IA est passée de 22 % à 34 % entre 2024 et 2025. La traduction (52 %) et la correspondance (47 %) arrivent en tête des usages.
Mais seules 34 % des entreprises ont fixé des règles claires sur les données que leurs collaborateurs peuvent saisir dans ces outils. Dans les autres, chacun décide seul de ce qu’il confie à la machine.
À Genève, l’enquête menée pour le canton indique que 54 % des entreprises interrogées ont déjà adopté l’IA sous une forme ou une autre, et que 60 % des dirigeants souhaitent un accompagnement de l’État. Le manque de connaissances et la sécurité des données y ressortent comme les principaux obstacles.
Ces chiffres dessinent une situation fréquente : des outils déjà entre les mains des équipes, sans tâches désignées, sans règles ni mesure. La bonne nouvelle : il ne s’agit pas de partir de zéro, mais de mettre de l’ordre.
Pourquoi une stratégie IA pour une PME commence-t-elle par les tâches ?
Une PME n’a ni service innovation ni budget pour multiplier les essais. Chaque heure consacrée à l’IA doit en libérer davantage ailleurs. Partir des tâches est la seule façon de le vérifier.
Les trois mauvais points de départ
Le premier consiste à acheter un outil pour tout le monde en espérant que les usages viendront. En pratique, deux ou trois curieux s’en servent, les autres l’ouvrent une fois. Au renouvellement, personne ne sait dire ce qu’il a rapporté.
Le deuxième est le pilote lancé sous pression, parce qu’un concurrent communique sur le sujet ou qu’un fournisseur a fait une belle démonstration. Sans point de départ chiffré, ce pilote ne peut ni réussir ni échouer : il s’arrête simplement, faute de preuve.
Le troisième est de confier le sujet au seul prestataire informatique. Il saura installer et sécuriser, mais les gains se jouent dans le métier : la comptable qui relance, le commercial qui chiffre, le technicien qui documente. Ce sont eux qui savent où le temps se perd.
Partir de l’outil ou partir des tâches : deux trajectoires très différentes.
Observer le travail réel avant de choisir
La CNIL va dans le même sens dans ses questions-réponses sur l’IA générative : elle recommande de partir de besoins concrets pour choisir le système le plus adapté. Elle note aussi qu’un assistant de rédaction interne présente moins de risques qu’un outil d’aide à la décision portant sur des clients ou des candidats.
Pour trouver ces besoins, rien ne remplace l’observation. Victor Michel, fondateur du studio, l’a appliqué lors de la relance d’un tableau de bord B2B en libre-service pour MSC : aller voir les clients travailler avant de toucher au moindre écran, puis construire la solution avec un groupe de clients pilotes.
Une stratégie IA suit la même logique : on regarde comment le devis se prépare réellement avant de décider s’il faut l’automatiser. Ce qui semble lent vu du bureau de la direction ne l’est pas toujours sur le terrain, et inversement.
Concrètement, passez une demi-journée avec chaque équipe. Notez les tâches qui reviennent, le temps qu’elles prennent, les outils utilisés et les irritants que tout le monde accepte « parce que c’est comme ça ». Cette liste brute vaut plus que n’importe quel catalogue d’outils.
Comment choisir les deux ou trois premiers usages ?
Une liste d’observation compte vite trente lignes. Le travail consiste à n’en garder que deux ou trois, sur des critères que toute la direction comprend. Le but n’est pas de trouver l’usage le plus impressionnant, mais celui qui installe la confiance.
La démarche en quatre temps, dans cet ordre.
Quatre critères pour noter chaque idée
Pour chaque tâche candidate, posez une note simple sur quatre critères. Ce sont ceux que nous utilisons dans nos missions de conseil :
| Critère | Question à se poser | Bon signe |
|---|---|---|
| Valeur | Combien de temps, de qualité ou de chiffre d’affaires en jeu ? | Tâche hebdomadaire, plusieurs personnes concernées |
| Effort | Faut-il un nouvel outil, une intégration, un changement de processus ? | Faisable avec un outil déjà payé |
| Gravité d’une erreur | Que se passe-t-il si le résultat est faux ? | Erreur visible et vite corrigée |
| Données | L’information nécessaire existe-t-elle, et est-elle accessible ? | Modèles, historiques ou documents déjà rangés |
Les meilleurs candidats combinent une tâche fréquente, un résultat facile à relire et des données disponibles. Dans une PME, ce sont souvent des premières versions de documents : devis, réponses aux demandes courantes, comptes rendus, fiches produits, traductions.
Écartez sans regret les idées qui exigent des données dispersées dans dix fichiers, ou dont personne ne pourra juger le résultat. Pour la logique de tri entre gain et coût d’une erreur, notre article sur la valeur de l’IA dans un SaaS B2B détaille une matrice gain et risque à transposer à vos tâches.
Regarder d’abord ce que vous payez déjà
Avant d’ajouter un abonnement, faites l’inventaire des fonctions d’IA incluses dans vos logiciels actuels : suite bureautique, logiciel de gestion, CRM. Elles sont souvent présentes et inutilisées.
Activer et paramétrer l’existant a deux avantages : pas de nouveau contrat à négocier, et une équipe qui reste dans un environnement connu. L’achat d’un outil dédié ne se justifie que si l’usage retenu l’exige vraiment.
Un usage étroit vaut mieux qu’un assistant à tout faire
Un bon premier usage fait une chose, bien. C’est le parti pris de Hanny, le community manager IA que Brutux Studio a conçu et développé pour les TPE et PME : il lit le site de l’entreprise, apprend sa façon de parler et prépare chaque mois les publications pour LinkedIn, Instagram et Facebook.
La personne relit, corrige, puis publie. L’outil prépare, il ne décide pas à sa place.
Le périmètre est volontairement étroit : une tâche identifiée, que beaucoup de petites entreprises abandonnent faute de temps, et un humain qui garde la main sur ce qui sort. C’est ce type d’usage qu’une PME devrait chercher en premier, quel que soit le domaine.
Que faut-il cadrer avant le premier test ?
Tester sans règles, c’est risquer qu’un collaborateur colle un contrat client dans un outil grand public. Trois chantiers suffisent pour démarrer proprement : une charte, une décision sur les données et une formation courte.
Une charte d’usage d’une page
La CNIL recommande d’encadrer l’usage de l’IA générative par une charte qui définit clairement les usages autorisés et les usages interdits. Elle ajoute deux règles simples : ne soumettre que des informations qu’on est autorisé à partager, et ne jamais reprendre telle quelle une réponse produite par l’outil.
Pour une PME, une page suffit. Elle liste les outils autorisés, les données qu’on n’y saisit jamais, les productions qui doivent être relues et la personne à qui poser une question.
Le canton de Genève a d’ailleurs annoncé une charte modèle pour aider ses entreprises sur ce point. Inutile, donc, de partir d’une page blanche.
Les données : ce qui ne sort pas de l’entreprise
Cette crainte est largement partagée. Dans l’enquête de l’OCDE auprès de plus de 5 000 PME de sept pays, 52,5 % des PME qui n’utilisent pas l’IA générative l’expliquent par des inquiétudes sur ce que deviennent les informations confiées aux modèles.
La réponse n’est pas de tout interdire, mais de classer. Les documents publics et les modèles internes peuvent servir sans difficulté ; les données personnelles de clients ou de salariés exigent un outil sous contrat, un hébergement connu et souvent l’avis de votre délégué à la protection des données.
Côté suisse, le Préposé fédéral à la protection des données rappelle que la loi en vigueur depuis le 1er septembre 2023 s’applique directement aux traitements fondés sur l’IA. Une PME qui travaille des deux côtés de la frontière, entre le Chablais et Genève, doit donc tenir compte du RGPD comme de la nLPD dès le choix des outils.
Former les personnes concernées
La même enquête de l’OCDE indique que près de la moitié des PME non utilisatrices (49,8 %) citent le manque de compétences de leurs salariés. Une formation courte, sur les tâches retenues et avec vos propres documents, lève une bonne partie de ce frein.
C’est aussi une attente du droit européen. Depuis le 2 février 2025, l’article 4 de l’AI Act demande aux entreprises qui déploient l’IA de prendre des mesures pour développer la maîtrise de l’IA de leur personnel. Depuis l’omnibus IA de 2026, aucun niveau précis ni aucune formation type n’est imposé, mais l’obligation demeure. Notre page de formation à l’IA générative décrit comment nous organisons ces sessions.
Comment la méthode CRAFT structure-t-elle la démarche ?
Lister, choisir, cadrer, tester : ces quatre temps ont besoin d’un fil conducteur pour ne pas s’éparpiller. Nous utilisons pour cela la méthode CRAFT, ancrée dans l’Applied AI Strategy du MIT Sloan.
Cinq phases, un livrable chacune
CRAFT enchaîne cinq phases sans en sauter aucune. Cartograph pose les objectifs et les contraintes de l’entreprise. Review diagnostique les processus, les données et la maturité de l’équipe.
Architect décrit, pour chaque usage retenu, qui décide et avec quelles informations. Frame priorise et construit la feuille de route. Transform accompagne le déploiement, la formation et le suivi.
La méthode CRAFT : chaque phase produit un document écrit qui reste votre propriété.
Chaque phase se termine par un document écrit, présenté en séance et qui reste la propriété de l’entreprise. Vous pouvez ensuite mener la mise en œuvre en interne, avec un autre prestataire ou avec nous.
Le détail des phases est sur notre page consacrée à la méthode CRAFT. Vous y trouverez aussi les quatre principes qui guident chaque mission.
Une version à la mesure d’une PME
Une mission CRAFT complète vise surtout des organisations structurées, avec plusieurs services et des processus établis. Une PME de quinze personnes n’a pas besoin du même dispositif : elle a besoin des mêmes questions, posées en moins de temps.
Pour une petite structure, le cadrage tient souvent en une visite, une liste de tâches, deux ou trois usages notés et une charte. Pour une PME plus grande ou une ETI, la mission de conseil en stratégie IA dure en général de quatre à huit semaines, selon le nombre de métiers interrogés.
Dans les deux cas, nous venons sur place. Depuis Thonon, nous accompagnons les entreprises du Chablais comme consultant IA à Thonon-les-Bains, et celles du bassin genevois avec nos missions de conseil IA à Genève.
Comment mesurer les premiers résultats, et quelles erreurs éviter ?
Un test sans mesure produit des impressions, pas des décisions. La mesure n’a pas besoin d’être sophistiquée ; elle doit seulement être posée avant de commencer.
Mesurer avant, comparer après
Avant le test, chronométrez la tâche sur quelques cas réels et notez le taux d’erreur habituel. Choisissez des cas représentatifs, pas seulement les plus simples.
Pendant quelques semaines, un petit groupe utilise l’outil sur cette tâche uniquement. À la fin, vous comparez le temps passé, la qualité du résultat et le ressenti de l’équipe.
Trois décisions sont alors possibles : généraliser, ajuster ou arrêter. Arrêter n’est pas un échec. C’est une dépense évitée, et une information utile pour choisir l’usage suivant.
Pensez aussi à demander l’avis des utilisateurs à intervalles réguliers, comme le recommande la CNIL. Ce sont eux qui verront les premiers si l’outil fait gagner du temps ou s’il en ajoute.
Les erreurs qui reviennent le plus souvent
- Acheter avant de savoir pour quoi faire : l’outil se choisit après les tâches, pas l’inverse.
- Viser dix usages à la fois : l’équipe se disperse et aucun ne devient une habitude.
- Oublier le point de départ : sans mesure initiale, aucun gain n’est démontrable.
- Laisser l’outil répondre seul aux clients : dans une PME, la relation fait la différence ; l’IA prépare, l’humain envoie.
- Négliger la formation : un outil mal compris est abandonné en quelques semaines.
- Réserver le sujet à la direction : les personnes qui font la tâche doivent participer au choix.
Une dernière erreur, plus discrète : croire que l’IA compensera un processus confus. Si personne ne sait qui valide un devis, l’IA produira simplement des devis plus vite, toujours sans validation.
Il faut parfois simplifier le processus avant d’y ajouter un outil. Ce travail de clarification profite à l’équipe, avec ou sans IA.
Une stratégie IA bien menée dans une PME tient en quelques décisions écrites : quelles tâches, avec quels outils, sous quelles règles et avec quelle mesure. Si vous voulez les prendre sur des faits, notre équipe de conseil en stratégie IA peut vous accompagner, de la visite à la feuille de route.
Sources
- Insee, Les technologies de l’information et de la communication dans les entreprises en 2025 : usage de l’IA et freins.
- Bpifrance, L’IA dans les PME et ETI françaises : une révolution tranquille : regard des dirigeants.
- Portail PME de la Confédération, L’IA progresse dans les PME suisses : étude AXA.
- État de Genève, La moitié des PME genevoises utilisent l’IA, selon une étude inédite : enquête cantonale.
- CNIL, Questions-réponses sur l’utilisation d’un système d’IA générative : charte et formation.
- OCDE, Generative AI and the SME Workforce : freins des PME.
- PFPDT, La loi actuelle est directement applicable à l’IA : nLPD et IA.
- Commission européenne, AI Literacy, Questions & Answers : article 4 de l’AI Act.