Le pilote d’IA est la partie la plus simple.
Une démonstration convaincante se construit aujourd’hui en un après-midi. Résumer un document, rédiger un courriel, analyser un tableau ou placer un robot conversationnel sur quelques PDF.
Puis commence la phase difficile : l’exploitation productive.
Une enquête suisse récente rend cet écart visible. Cinquante-cinq pour cent des entreprises utilisent déjà l’IA de manière ciblée dans au moins un domaine. Trente et un pour cent restent en phase pilote. Seules 9 % indiquent que l’IA a transformé leur modèle d’affaires. Portail PME
L’obstacle n’est plus l’accès à la technologie, mais l’organisation qui l’entoure.
Quelles données sont fiables ? Quels processus peuvent être automatisés ? Où une personne doit-elle approuver le résultat ? Qui contrôle la qualité ? Quels systèmes sont connectés ? Quelles fonctions ont besoin de nouvelles compétences ? Comment mesurer la valeur économique ?
L’infrastructure s’ajoute à cette liste. Selon la même enquête, la qualité des données et les silos figurent parmi les principaux obstacles. Les préoccupations de sécurité et de protection des données suivent directement.
2026 pourrait ainsi être l’année qui suit l’enthousiasme initial. L’IA doit désormais entrer dans les processus réels, ce qui coûte de l’argent. Soixante-quatre pour cent des CFO suisses interrogés par Deloitte s’attendent d’ailleurs à une hausse des dépenses technologiques et informatiques. Portail PME
Un pilote répond à la question de savoir si la technologie en est capable. Le déploiement répond à une question plus difficile : notre entreprise peut-elle l’utiliser de manière fiable, sûre et rentable ?
Catégorie : Innovation
Nous recherchons des spécialistes pour des tâches que nous aurions pu supprimer depuis longtemps.
Le débat sur la pénurie de spécialistes porte presque exclusivement sur le recrutement : annonces, salaires, marque employeur, formation et immigration. Tout cela est juste, nécessaire et bien documenté. [Source : indice actuel de pénurie de main-d’œuvre qualifiée ou chiffres du SECO sur le marché du travail]
L’autre moitié de la réponse est beaucoup moins discutée. Lorsque les personnes sont rares, l’important n’est pas seulement de savoir combien l’entreprise en trouve, mais quelle part de leur temps crée réellement de la valeur et quelle part se perd à chercher, attendre, effectuer des doubles saisies, préparer les équipements, refaire le travail ou réaliser des trajets non planifiés.
Dans de nombreuses entreprises, un pourcentage à deux chiffres du temps de travail se perd ainsi. Ce n’est pas de la négligence des collaborateurs, mais le résultat de processus et d’outils qui se sont développés séparément et n’ont jamais été considérés ensemble. Chaque friction est trop petite pour être corrigée isolément. Ensemble, elles représentent un poste qu’il ne serait pas nécessaire de pourvoir.
Des installations modernes, une planification numérique, des véhicules bien équipés et des outils ergonomiques agissent donc deux fois. Ils augmentent la performance par personne sans obliger qui que ce soit à travailler plus vite, une distinction importante souvent oubliée dans le débat sur la productivité. Et ils changent la perception du poste de travail.
Voilà le point dérangeant pour la discussion budgétaire : investir dans les outils, c’est investir dans la qualité de l’employeur. Nous ne le comptabilisons simplement pas ainsi. L’investissement entre donc en concurrence avec d’autres dépenses d’équipement au lieu d’être comparé au coût d’un poste vacant. Ce coût est considérable : heures supplémentaires, commandes refusées, pression sur l’équipe existante et mois consacrés au recrutement.
Réunir les deux calculs conduit à d’autres décisions. Le financement y contribue : une mensualité peut être directement comparée à la capacité gagnée. Un investissement unique entre au contraire dans une enveloppe budgétaire où il perd face à tout le reste.
Une entreprise d’installation prend en leasing des véhicules modernes et une planification numérique pour que les techniciens passent moins de temps au bureau et davantage chez les clients.
Combien d’heures par semaine votre meilleure équipe perd-elle à cause de frictions évitables, et quelle serait la valeur d’un poste en moins ?
La question la plus intéressante sur l’IA ne sera peut-être bientôt plus de savoir quel modèle nous utilisons, mais où résident nos données.
Une enquête publiée en juillet 2026 sur le Portail PME suisse révèle une tension éloquente. Quatre-vingt-neuf pour cent des personnes interrogées utilisent déjà l’IA dans leur activité professionnelle. Cinquante et un pour cent jugent important de respecter les normes suisses ou européennes de protection des données. Et 29 % peuvent utiliser l’IA avec des comptes privés. Portail PME
La technologie se propage rapidement, alors que la gouvernance suit parfois lentement.
Une direction ne peut plus s’arrêter à l’achat de licences. Elle doit décider d’une architecture de données.
Quelles informations peuvent entrer dans des systèmes externes ? Lesquelles doivent rester internes ? Comment traiter les données confidentielles des clients ? Qui contrôle les comptes et les autorisations ? Quels modèles peuvent accéder à quelles connaissances ? Que deviennent les requêtes et les résultats ?
Ces questions paraissent techniques. Elles concernent la propriété intellectuelle, la protection des clients, la conformité et la compétitivité.
Elles modifient aussi les investissements. Une entreprise peut avoir besoin d’une autre architecture cloud, d’un environnement d’IA privé, de nouvelles interfaces, de contrôles d’accès plus stricts ou d’un système de connaissances structuré.
La souveraineté des données devient une infrastructure. Elle doit figurer à l’agenda des investissements.
Pas seulement après qu’un premier incident a montré ce qui manquait.
La plupart des projets d’IA n’échouent pas à cause de l’IA. Ils échouent à cause d’Excel.
Dans presque chaque discussion sur l’intelligence artificielle arrive le moment où quelqu’un demande à quelles données le modèle est réellement censé accéder. Puis le silence s’installe dans la salle.
La vérité dérangeante pour de nombreuses entreprises de taille moyenne : les données de production se trouvent sur papier ou dans la tête du chef d’équipe. Les stocks sont consignés dans un tableau tenu par une seule personne. Les machines ne fournissent aucune donnée parce qu’elles datent d’une époque où personne n’en voulait. Et l’ERP a été examiné sérieusement pour la dernière fois lorsque le prédécesseur du prédécesseur était encore en fonction.
Personne n’aime en parler, car cela donne l’impression d’un retard. Pourtant, c’est simplement la situation normale d’une économie dont la substance réside dans les machines et le savoir-faire, et non dans l’architecture des données.
L’IA n’est pas un logiciel que l’on installe. Elle constitue la couche supérieure d’une infrastructure qui doit fonctionner en dessous : ERP, capteurs, installations connectées, qualité des données et processus définis. Sans cette base, même le meilleur modèle produit des réponses précises à partir de chiffres erronés, sans que personne ne s’en aperçoive parce que la réponse est bien formulée.
C’est là que se situe le véritable investissement, et il n’a rien de spectaculaire. Personne ne prononce de discours sur des lecteurs de codes-barres. C’est précisément pour cette raison qu’il est reporté : il est difficile à présenter comme une innovation et facile à classer dans la catégorie « plus tard ».
La solution pratique réside dans l’ordre des étapes, non dans le renoncement. Ces investissements préalables peuvent être réalisés progressivement. Chaque étape doit créer une valeur propre. La télématique permet d’économiser des kilomètres avant même qu’un algorithme n’entre dans le calcul. Des financements assortis de mensualités prévisibles rendent cette progression budgétairement possible en évitant une nouvelle demande de capital chaque année.
Une PME logistique prend en leasing des systèmes télématiques et des scanners modernes. Ce n’est qu’ensuite que l’optimisation des tournées par l’IA devient une option réaliste plutôt qu’une diapositive de présentation.
Une question sincère : combien d’ateliers sur l’IA avez-vous organisés, et combien d’interfaces avez-vous créées pendant la même période ?
Un processus fragile peut devenir plus rapide sans devenir meilleur. Son automatisation risque d’accélérer les effets de ses faiblesses sur les clients. L’intérêt de l’intelligence artificielle commence donc par la compréhension de la tâche à accomplir.
Pour les sociétés de leasing, les applications comprennent le traitement documentaire, la vérification des données et l’analyse. Leur valeur dépend de la qualité des informations, de la pertinence de la tâche et de la possibilité de contrôler les résultats. Le temps gagné ne représente qu’une partie du calcul.
La FINMA a traité gouvernance et gestion des risques liés à l’intelligence artificielle dans sa communication 08/2024. La question pour la direction est simple: qui répond de l’application lorsque sa recommandation est fausse, et qui peut intervenir?
Placer une personne à la fin du processus ne garantit pas un contrôle. Elle doit disposer d’informations, de compétences et de temps pour contester le résultat. Si le parcours encourage l’acceptation, une validation formelle peut protéger moins qu’elle ne le laisse croire.
Je commencerais par un problème précis. Définir le résultat attendu, les erreurs importantes et les conditions d’intervention. Comparer l’application à un processus existant. Un test utile doit révéler les faiblesses avant qu’elles produisent des décisions répétées affectant les clients ou le bilan.
Les dépendances externes méritent attention. Que se passe-t-il si le fournisseur modifie le modèle, ne peut expliquer un résultat ou devient indisponible? Les entreprises financières suisses doivent comprendre comment poursuivre leurs opérations et quelles responsabilités restent internes.
Comme dirigeant, je peux déléguer des tâches. Je dois néanmoins veiller à l’existence de responsables identifiés et d’une réponse praticable aux défaillances. Acheter une solution technologique ne règle pas ces questions de management.
Un dossier d’adoption convaincant expose aussi les limites de l’application proposée.
Quelle décision assistée par l’IA pourriez-vous expliquer et corriger aujourd’hui si elle était contestée?
Laisser un Commentaire