PME et ETI : l'IA, entre ambitions et réalités complexes

L'IA : un enjeu stratégique pour les PME et ETI

L'intelligence artificielle s'est rapidement imposée comme un sujet central dans les discussions stratégiques des entreprises, notamment au sein des PME et ETI. Les promesses de l'IA sont nombreuses : automatisation des tâches, optimisation des processus, et développement d'assistants conversationnels et d'agents intelligents. Ces technologies suscitent un enthousiasme certain, mais une question cruciale émerge : les entreprises sont-elles véritablement prêtes à tirer parti de la data et de l'IA ?

Depuis plusieurs années, des centaines d'organisations ont été analysées pour évaluer leur maturité en matière de data et d'IA. Le constat est unanime : cette maturité ne s'improvise pas, elle se construit patiemment au fil du temps. Les entreprises doivent développer une compréhension approfondie des technologies et des processus nécessaires pour intégrer l'IA de manière efficace et durable.

La maturité data des PME : un défi persistant

Les résultats de l'Observatoire de la Maturité Data & IA des Entreprises révèlent un écart significatif entre les aspirations des dirigeants de PME/ETI et la réalité de leur mise en œuvre. En 2025, une enquête a montré que 88 % des dirigeants considèrent la data comme un levier essentiel de performance, mais seulement 19 % estiment être capables de l'exploiter pleinement.

Paradoxalement, près de la moitié des entreprises continuent de gérer leurs opérations avec des outils comme Excel ou Google Sheets. Les obstacles identifiés sont récurrents : manque d'organisation, déficit de compétences, absence de connaissances approfondies et de vision stratégique. Les dirigeants reconnaissent le potentiel de la data et de l'IA pour améliorer leurs performances, mais peinent à maîtriser les prérequis nécessaires à une exploitation durable.

Dirigeants à la croisée des chemins

Les dirigeants de PME et ETI se trouvent aujourd'hui face à des choix structurants dans un environnement en constante évolution. La rapidité des changements les oblige à réévaluer leurs décisions fréquemment. Ils doivent jongler avec des impératifs tels que l'accélération de l'IA, la peur de manquer le coche, et des enjeux de compétitivité immédiate. À cela s'ajoutent des préoccupations liées à la souveraineté numérique, à la cybersécurité, aux incertitudes réglementaires, ainsi qu'aux enjeux environnementaux et sociétaux.

Cette situation crée une pression constante pour agir, souvent dans l'urgence, sans disposer des repères nécessaires pour structurer efficacement leur démarche. Les entreprises avancent dans un contexte où les cadres de référence sont encore en construction, rendant les décisions stratégiques particulièrement complexes.

2025 : une année d'expérimentations désordonnées

En 2025, de nombreuses entreprises ont choisi de réagir rapidement face à la pression. Cette année a été marquée par une vague d'expérimentations. Près d'un tiers des entreprises ont déjà intégré une solution d'IA, et la moitié prévoit de le faire d'ici 2026.

Cependant, dans la pratique, cela s'est traduit par l'achat et le déploiement de licences pour des outils comme ChatGPT, Copilot, Mistral, et Gemini. Les usages restent souvent individuels, sans stratégie globale claire. Il ne s'agit pas encore d'une transformation organisationnelle, mais plutôt d'une phase d'expérimentation visant à répondre aux attentes des collaborateurs et des dirigeants.

L'erreur classique : commencer par l'outil

Une erreur fréquente est de débuter par l'acquisition d'outils avant d'avoir clarifié les enjeux métiers et le niveau de maturité de l'entreprise. Cela conduit à des usages dispersés, des équipes avançant de manière hétérogène, et des freins humains qui apparaissent. Le passage à l'échelle devient alors un obstacle majeur.

Les entreprises se retrouvent souvent bloquées par des initiatives qui ne sont pas alignées avec une stratégie globale, ce qui limite leur capacité à tirer parti des technologies de manière cohérente et efficace.

Les limites de l'IA sans une data solide

Initialement, les entreprises constatent des gains de temps dans des tâches comme la rédaction de contenus, les comptes rendus de réunions, et l'analyse de documents. Cependant, lorsqu'il s'agit d'industrialiser ces processus ou de créer une valeur durable, les limites apparaissent rapidement.

Le véritable enjeu n'est pas l'IA elle-même, mais la qualité et l'exploitation des données. Les entreprises se heurtent à des difficultés liées à la qualité des données et à l'impossibilité de passer à l'échelle. Sans une base de données solide, les projets d'IA restent limités.

Trois niveaux d'usage de l'IA

Sur le terrain, on distingue trois niveaux d'usage de l'IA : individuelle, métier/projet, et organisationnelle. La plupart des PME et ETI se situent encore entre les deux premiers niveaux. Peu d'entreprises ont réellement amorcé une transformation globale. Cette phase d'expérimentation est nécessaire, mais elle ne peut pas s'éterniser. Les entreprises doivent structurer leur démarche pour rassurer leurs collaborateurs souvent sceptiques.

Les freins humains surpassent les obstacles technologiques

Contrairement aux idées reçues, les principaux obstacles à l'adoption de l'IA ne sont pas techniques, mais organisationnels, culturels et humains. Des questions concrètes se posent : qui pilote le sujet en interne ? Quelles compétences sont nécessaires ? Comment mobiliser les équipes ?

Des enjeux plus larges émergent également, tels que l'impact environnemental, la responsabilité sociétale, et la place de l'humain dans l'organisation. Les entreprises doivent naviguer dans un paysage complexe où les considérations humaines et éthiques jouent un rôle crucial.

2026 : vers une structuration nécessaire

Après une année 2025 marquée par l'expérimentation, 2026 pourrait bien être l'année de la structuration. Les entreprises devront se concentrer sur la création de valeur durable plutôt que sur une adoption précipitée de l'IA. Les entreprises qui réussiront seront celles qui adopteront une approche pragmatique et méthodique.

Une question essentielle pour l'avenir

La question cruciale n'est plus de savoir s'il faut adopter l'IA, mais plutôt de déterminer si l'on construit une véritable transformation ou si l'on se contente d'accumuler des outils. Avant d'accélérer, il est essentiel de faire un état des lieux, de clarifier les cas d'usage, les enjeux métiers et les priorités. Il est crucial de poser des fondations solides, de former les équipes, puis d'accélérer de manière maîtrisée.