Les questions à vous poser avant de lancer un projet IA en PME
Les technologies actuelles pourraient automatiser 57% des heures de travail aux États-Unis — non pas dans 5 ans, mais avec les capacités démontrées aujourd'hui (McKinsey Global Institute - Agents, robots, and us, novembre 2025). En deux ans seulement, ce chiffre a presque doublé : McKinsey estimait ce potentiel à 30% en 2023. L'accélération est sans précédent.
Pourtant, la majorité des projets IA n'atteint jamais la production. La cause principale identifiée par les chercheurs ? Une mauvaise définition du problème à résoudre, bien avant toute question technique.
Face à cette réalité, se lancer sans préparation revient à jouer à la loterie avec son budget. Les 5 questions de cet article constituent le filtre que nous utilisons chez Altomia avant d'accompagner un client. Elles vous permettront d'évaluer votre niveau de maturité, d'identifier les prérequis manquants, et de déterminer quel type de solution correspond réellement à votre situation.
Question 1 : Quel problème métier précis voulez-vous résoudre ?
L'IA n'est pas une destination, c'est un véhicule. Avant de choisir le véhicule, vous devez savoir où vous voulez aller. Cette question semble évidente, mais elle fait échouer la majorité des projets : les entreprises veulent "de l'IA" sans avoir clarifié le problème concret qu'elle doit résoudre.
Un bon cas d'usage IA se formule en une phrase contenant un verbe d'action et un chiffre mesurable. Cette formulation permet d'évaluer objectivement le ROI et de savoir si le projet a réussi.
❌ Mauvaise formulation | ✅ Bonne formulation |
"Je veux de l'IA dans mon entreprise" | "Je perds 8h/semaine à traiter manuellement les demandes clients par email" |
"On devrait automatiser des trucs" | "La saisie des factures fournisseurs génère 15% d'erreurs qui coûtent 2h/semaine de correction" |
"Il nous faut un chatbot" | "60% des appels au support concernent 5 questions récurrentes, mobilisant 1 ETP" |
Si vous ne pouvez pas quantifier le problème (temps perdu, erreurs générées, coût induit), vous n'êtes pas en mesure d'évaluer le ROI d'une solution. Ce n'est pas une faiblesse : c'est un signal qu'il faut d'abord mesurer avant d'automatiser.
Comment identifier un bon premier cas d'usage
Un bon projet pilote réunit trois critères qui maximisent les chances de succès tout en limitant les risques :
- Répétitif : la tâche revient régulièrement (quotidiennement ou hebdomadairement), ce qui permet d'amortir l'investissement rapidement et de mesurer les gains de façon fiable.
- Quantifiable : vous pouvez mesurer le temps ou le coût actuel avec précision, ce qui rend le ROI calculable et le succès objectivement mesurable.
- Impactant mais non critique : le problème a des conséquences visibles sur votre activité, mais une erreur de l'IA ne mettrait pas en péril l'entreprise ou la relation client.
Question 2 : Vos données sont-elles exploitables ?
L'IA sans données, c'est comme un moteur sans carburant. Or, 43% des PME-ETI ne réalisent aucune analyse de leurs données pour piloter leur activité (Bpifrance Le Lab - Les dirigeants de PME-ETI face à l'IA générative, juin 2025). Plus révélateur encore : une entreprise engagée dans la digitalisation est 5 fois plus susceptible d'utiliser l'IA efficacement.
Cette question détermine si vous pouvez lancer un projet IA immédiatement, ou si une phase préparatoire est nécessaire. Sous-estimer ce point est l'une des erreurs les plus coûteuses : découvrir en cours de projet que vos données sont inutilisables peut doubler le budget initial.
Les 3 critères d'évaluation
Critère | Questions à vous poser | Signal positif | Signal d'alerte |
Localisation | Où sont stockées vos données métier ? | Centralisées dans 1-2 outils (CRM, ERP) | Dispersées dans 5+ outils et fichiers Excel |
Qualité | Sont-elles structurées, complètes et à jour ? | Moins de 10% de doublons, champs normalisés | 30%+ de fiches incomplètes, formats variables |
Historique | Combien de temps de données exploitables ? | 12+ mois d'historique structuré | Pas d'historique ou données non datées |
Vos données nécessitent probablement une phase de préparation si vous vous reconnaissez dans l'une de ces situations :
- Vos données commerciales sont réparties entre le CRM, des fichiers Excel personnels et des emails archivés.
- Votre CRM contient plus de 30% de doublons ou de fiches avec des champs obligatoires vides.
- Chaque commercial ou service utilise ses propres conventions de nommage.
- Vous ne pouvez pas extraire facilement un historique des 12 derniers mois.
Comptez 20 à 30% du budget total du projet pour la préparation des données si elles ne sont pas déjà structurées. C'est un investissement, pas une perte : des données propres serviront à tous vos futurs projets.
Question 3 : Quel niveau d'autonomie souhaitez-vous ?
Cette question n'a pas de bonne ou mauvaise réponse : elle détermine simplement vers quel type de solution vous orienter. Votre choix dépend de trois facteurs — le temps disponible en interne, la complexité du cas d'usage, et votre appétence pour les outils numériques.
Le piège courant est de surestimer son autonomie par souci d'économie : les outils no-code semblent simples en démo, mais les cas réels impliquent souvent des intégrations, des cas particuliers et de la maintenance que l'on sous-estime.
Votre profil | Solution adaptée | Budget indicatif | Délai avant résultats |
"Je veux tout gérer moi-même" | Outils SaaS no-code (Zapier, Make, n8n) | 0-500€ initial + 50-300€/mois | 2-8 semaines selon complexité |
"J'ai besoin d'aide au démarrage" | Agence + formation pour autonomie progressive | 3 000-15 000€ + 300-2 000€/mois | 4-8 semaines |
"Je veux déléguer et me concentrer sur mon métier" | Agence avec accompagnement continu | 5 000-50 000€ + 500-5 000€/mois | 6-12 semaines |
Critères de décision
Le mode autonome (DIY) est adapté si :
- Vous disposez de 5-10h/semaine à investir dans l'apprentissage et les tests.
- Votre cas d'usage est simple et standardisé (ex: synchronisation entre deux outils).
- Vous êtes à l'aise avec les outils numériques et le débogage.
- L'échec temporaire n'a pas d'impact critique sur votre activité.
Un accompagnement professionnel est recommandé si :
- Votre temps est votre ressource la plus rare.
- Votre cas d'usage implique plusieurs systèmes ou des données sensibles.
- Vous avez besoin de résultats rapides et garantis.
- Le projet touche des processus critiques (facturation, relation client).
Question 4 : Quel budget et quel ROI attendez-vous ?
Les attentes irréalistes sont une cause majeure d'échec perçu. Seulement 17% des organisations voient un impact tangible de l'IA générative sur leur EBIT (McKinsey - The state of AI, novembre 2025). Ce chiffre ne signifie pas que l'IA ne fonctionne pas : il révèle que la majorité des entreprises n'ont pas encore su l'intégrer dans leurs workflows de façon transformative.
Le ROI d'un projet IA dépend de trois facteurs : la pertinence du cas d'usage choisi, la qualité des données disponibles, et surtout la refonte des processus métier autour de la solution. Automatiser un processus inefficace ne fait qu'accélérer l'inefficacité.
Fourchettes de budget réalistes pour PME
Type de solution | Investissement initial | Récurrence mensuelle | ROI typique |
Outils SaaS seuls (DIY) | 0-500€ | 50-300€/utilisateur | 3-6 mois si cas simple |
Agence + déploiement | 3 000-15 000€ | 500-2 000€ | 6-12 mois |
Solution sur-mesure | 15 000-50 000€ | 1 000-5 000€ | 12-18 mois |
Question 5 : Quelles contraintes réglementaires s'appliquent à votre projet ?
Le cadre légal européen sur l'IA s'est considérablement renforcé. Ignorer ces contraintes expose votre entreprise à des sanctions, mais surtout à des risques réputationnels si vos clients découvrent une utilisation non conforme de leurs données. Cette question détermine les précautions à prendre et les solutions à privilégier ou éviter.
Le RGPD : ce que cela implique concrètement pour votre projet IA
Le Règlement Général sur la Protection des Données (RGPD), en vigueur depuis 2018, encadre tout traitement de données personnelles. Pour un projet IA en PME, voici les implications pratiques :
- Information : Vos clients et employés doivent savoir que leurs données sont traitées par une IA, dans quel but, et avec quels outils.
- Base légale : Vous devez justifier le traitement (consentement, intérêt légitime, exécution d'un contrat...).
- Minimisation : Ne collectez et ne traitez que les données strictement nécessaires.
- Droits des personnes : Vous devez pouvoir répondre aux demandes d'accès, de rectification ou de suppression.
La question de l'hébergement des données. Le RGPD n'interdit pas les transferts de données vers les États-Unis. Depuis juillet 2023, le Data Privacy Framework (DPF) encadre légalement ces transferts pour les entreprises américaines certifiées. Des outils comme Airtable, Google, Microsoft ou Notion sont certifiés DPF et donc utilisables en conformité avec le RGPD.
Le niveau de vigilance doit s'adapter à la sensibilité des données :
Type de données | Niveau de risque | Recommandation |
Données métier courantes (CRM, gestion de projet) | Faible | Outils US certifiés DPF = acceptable |
Données personnelles sensibles (santé, RH, financières) | Élevé | Privilégier hébergement UE, vérifier les clauses contractuelles |
Données stratégiques confidentielles | Variable | Évaluation au cas par cas selon le niveau de confidentialité |
Vérifiez que votre prestataire est conforme (certification DPF pour les outils US, clauses contractuelles types pour les autres), et documentez vos traitements dans un registre.
L'AI Act européen : ce qui change à partir de 2025-2026
L'AI Act est le premier cadre légal mondial sur l'intelligence artificielle. Son déploiement est progressif :
- Février 2025 : Interdiction des systèmes IA présentant des risques inacceptables (notation sociale, manipulation subliminale...).
- Août 2025 : Obligations pour les fournisseurs de modèles d'IA à usage général (transparence, documentation).
- Août 2026 : Entrée en vigueur complète, incluant les systèmes IA à haut risque.
La majorité des cas d'usage en PME (automatisation administrative, chatbot FAQ, analyse de documents) sont classés à risque limité ou minimal. Vos obligations se limitent alors à la transparence : informer les utilisateurs qu'ils interagissent avec une IA.
Les systèmes à haut risque (recrutement automatisé, notation de crédit, surveillance des employés) imposent des obligations lourdes : évaluation de conformité, documentation technique, supervision humaine obligatoire. Si votre projet entre dans cette catégorie, un accompagnement juridique est recommandé.
Questions à poser à votre prestataire
- L'outil est-il conforme à l'AI Act pour mon cas d'usage ?
- Quelle documentation de conformité fournissez-vous ?
- Comment est assurée la supervision humaine des décisions automatisées ?
Continuer votre lecture
Prêt à découvrir ce que l'IA peut changer dans votre entreprise ?
Prenons 15 minutes pour identifier vos tâches les plus chronophages et estimer vos gains de productivité.