L'IA en entreprise recouvre des usages très différents. La question utile pour une direction est de savoir quels problèmes peuvent être mieux traités, avec quelles données et sous quelles règles.
Situer l'adoption
En 2025, 18% des entreprises françaises de dix salariés ou plus déclarent utiliser au moins une technologie d'IA (Insee). Le taux varie fortement avec la taille (15% pour les 10-49 salariés, 31% pour les 50-249, 58% pour les 250 salariés et plus) et le secteur (59% en information-communication, 10% dans la construction). Ce chiffre décrit une diffusion, pas la profondeur des usages : une entreprise peut utiliser un assistant de rédaction sans avoir intégré l'IA dans ses processus. Il faut donc distinguer usage ponctuel, outil métier enrichi par l'IA et système connecté aux données internes.
Identifier les familles d'usage
L'Insee distingue huit technologies (analyse de langage écrit, génération de texte ou de parole, conversion vocale, génération d'images ou de vidéos, apprentissage automatique pour l'analyse de données, automatisation ou assistance à la décision, reconnaissance d'images, robotique) et sept finalités (cybersécurité, processus administratifs, R&D, production ou services, marketing et vente, finance et comptabilité, logistique) ; 59% des entreprises utilisatrices en combinent au moins deux. Le point de départ utile reste le travail existant : où l'information est-elle recherchée, produite, contrôlée ou transmise. Le cas d'usage doit être formulé en termes de résultat attendu, pas de technologie.
Choisir entre outil prêt à l'emploi et projet dédié
Parmi les entreprises françaises utilisatrices d'IA en 2025, 80% acquièrent des logiciels ou systèmes du commerce prêts à l'emploi (Insee). Cette observation aide à distinguer le choix d'un outil existant d'un développement spécifique ; elle ne préjuge pas du choix adapté à une organisation donnée.
Un projet dédié devient pertinent lorsque les données, les règles ou les intégrations propres à l'organisation créent une différence réelle par rapport à un outil générique.
Préparer la gouvernance
Il faut préciser les usages autorisés, les données accessibles, les contrôles, les responsables et la gestion des incidents. Les systèmes qui agissent sur d'autres applications demandent un cadre plus strict que ceux qui produisent un brouillon relu par un humain.
L'AI Act est applicable pour l'essentiel depuis le 2 août 2026, avec des exceptions antérieures et postérieures : les pratiques interdites et l'obligation de littératie IA sont entrées en application dès le 2 février 2025 ; les règles visant les systèmes à haut risque de l'annexe III s'appliquent à partir du 2 décembre 2027 ; celles visant les systèmes à haut risque intégrés à des produits réglementés (comme les ascenseurs ou les jouets) s'appliquent à partir du 2 août 2028. Il faut donc vérifier le régime du système concerné plutôt que retenir une date unique. Le règlement omnibus (UE) 2026/1744, entré en vigueur le 27 juillet 2026, a simplifié l'exigence de littératie IA : la Commission et les États membres y jouent désormais un rôle renforcé de promotion, aux côtés des entreprises. La formation des utilisateurs reste, dans tous les cas, une composante du dispositif.
Organiser l'usage avant de multiplier les outils
Cartographier les usages déjà présents, y compris ceux qui ne sont pas officiellement organisés, donne une base pour décider. Pour chaque usage : les données saisies, le résultat attendu, le niveau de sensibilité, le contrôle humain prévu et l'effet possible d'une erreur. Cette cartographie permet de décider ce qui peut être autorisé, expérimenté ou interdit, avant d'ajouter un nouvel outil.
Séparer exploration et mise en production
Tester un outil d'IA et l'intégrer à un processus ne demandent pas le même niveau de contrôle. Pendant l'exploration, l'objectif est de comprendre l'usage et ses limites. En production, il faut ajouter les responsabilités, les données autorisées, les contrôles, la continuité de service et la mesure de la valeur. Distinguer explicitement ces deux étapes dans la feuille de décision permet de conserver une expérimentation légère sans faire passer trop tôt un prototype pour un service opérationnel : le passage de l'une à l'autre devient une décision documentée, pas un glissement silencieux. Agents IA en entreprise : ce que change l'autonomie détaille ce point pour les systèmes qui agissent, pas seulement qui produisent.
Prioriser et mesurer la valeur
Tous les cas d'usage ne méritent pas le même effort, et la priorisation d'un portefeuille de cas d'usage relève d'une méthode à part entière, développée dans la feuille de route IA pour une PME. Mesurer si un cas d'usage améliore réellement le travail, au-delà de sa faisabilité technique, est un exercice tout aussi distinct, traité dans construire le ROI d'un projet IA.
Questions fréquentes
Faut-il d'abord choisir un outil ou un cas d'usage ?
Le cas d'usage d'abord. Un outil choisi avant d'avoir formulé le résultat attendu conduit souvent à adapter le problème à l'outil plutôt que l'inverse.
Une PME doit-elle développer ses propres outils d'IA ?
Rarement en premier lieu : 80% des entreprises utilisatrices s'appuient sur des logiciels du commerce. Un développement spécifique se justifie quand les données ou les règles propres à l'organisation créent un écart réel avec l'offre existante.
Qui doit porter la gouvernance de l'IA dans l'entreprise ?
Elle ne peut pas reposer uniquement sur la direction informatique : les usages autorisés, les données accessibles et les responsabilités relèvent d'un arbitrage métier autant que technique.
L'AI Act s'applique-t-il aux PME ?
Oui, sans seuil de taille : les obligations dépendent du niveau de risque du système utilisé, pas de la taille de l'entreprise qui l'utilise.
Comment savoir si un usage de l'IA doit rester une expérimentation ou passer en production ?
Lorsque les responsabilités, les données autorisées, les contrôles et la continuité de service peuvent être définis et tenus dans la durée. Avant cela, il s'agit encore d'une exploration.
Pour aller plus loin
Copilote IA et contrôle de gestion : ce qu'il apporte vraiment
Une lecture honnête du copilote IA pour la fonction contrôle de gestion : les trois malentendus marketing, les tâches où le gain est réel, les limites structurelles, la méthode d'intégration sans perte de contrôle, et la mesure sans se raconter d'histoires.
ArticleData et IA : pourquoi les fondations comptent plus que les modèles
78 % des organisations utilisent l'IA, 6 % en tirent un impact. Ce qui fait la différence n'est pas le modèle : ce sont les fondations data, la méthode et la délégation progressive.
Envie de structurer l'IA dans votre organisation ?
Un diagnostic pilotage permet de cadrer vos cas d'usage prioritaires, poser une gouvernance proportionnée et fixer une méthode de mesure avant de déployer. Échangeons sur votre contexte.
Échanger sur mon projet