Quatrième volet de notre dossier consacré aux usages concrets de l’intelligence artificielle dans les entreprises. Dans une petite société de services et de vente de vêtements de montagne, chacun cumule plusieurs fonctions. L’IA peut réduire le temps consacré aux tâches dispersées, à condition de rester connectée à des données fiables et placée sous contrôle humain.
L’intelligence artificielle n’est ni immatérielle ni infaillible. Elle repose sur des infrastructures consommatrices d’énergie, d’eau et de ressources, tandis que ses résultats restent probabilistes et dépendants des données utilisées. Chaque application doit donc être examinée au regard de son utilité, de son coût et de ses limites physiques, intellectuelles, éthiques et philosophiques.
Dans une TPE de cinq personnes, il n’existe généralement ni direction des ressources humaines, ni service informatique, ni département marketing autonome. Une même personne passe, dans la journée, de la négociation commerciale au suivi des stocks, puis au recrutement ou à la conception d’un produit.
C’est dans ces transitions que l’intelligence artificielle peut apporter le plus : retrouver une information, comparer des documents, préparer une décision ou transformer des données dispersées en un premier niveau d’analyse.
Prenons le cas fictif d’une société qui conçoit et commercialise des vêtements destinés aux professionnels et pratiquants de la montagne. Sandrine en assure la direction, les ressources humaines, une partie du commerce et du développement des produits. Thomas est technico-commercial, Benoît gère l’informatique, Safia la communication, tandis qu’Audrey suit les fournisseurs et participe à la conception des collections.
7 h 55 : Sandrine reçoit un état de la situation
Avant l’arrivée de l’équipe, Sandrine ouvre un tableau de bord relié au logiciel commercial, aux stocks et à la comptabilité. Le système lui signale trois faits : une commande importante risque de partir en retard, les ventes d’une veste progressent plus rapidement que prévu et deux factures clients ont dépassé leur échéance.
L’IA n’a pas nécessairement découvert une information inconnue. Elle a rapproché des données auparavant réparties entre plusieurs logiciels et les a hiérarchisées. Sandrine peut ainsi consacrer son attention aux exceptions, plutôt qu’à la lecture successive de tableaux.
Ce premier usage suppose néanmoins que les données soient correctement tenues. Une prévision construite sur des stocks inexacts ou des commandes mal enregistrées ne fait qu’automatiser une mauvaise information.
8 h 40 : Thomas prépare un rendez-vous commercial
Thomas doit appeler une enseigne spécialisée qui n’a plus commandé depuis huit mois. L’assistant rassemble les précédents devis, les produits achetés, les échanges conservés dans le logiciel de relation client et les éventuels litiges. Il prépare une synthèse et suggère quelques questions : le client a-t-il modifié son assortiment ? Travaille-t-il avec un autre fournisseur ? Ses besoins saisonniers ont-ils changé ?
Après l’entretien, réalisé avec l’interlocuteur informé si une transcription est utilisée, l’IA produit un compte rendu, propose les prochaines actions et préremplit la fiche client. Thomas vérifie le document avant son enregistrement.
L’intérêt économique réside moins dans la rédaction du compte rendu que dans la conservation d’une mémoire commerciale exploitable. Dans une petite équipe, une information laissée dans une boîte électronique personnelle peut rapidement devenir inaccessible aux autres salariés.
9 h 20 : Benoît traite un incident informatique
Un salarié ne parvient plus à synchroniser le catalogue de produits. Benoît transmet à un outil sécurisé les messages d’erreur, après en avoir retiré les identifiants et les données personnelles. L’IA résume les journaux techniques, formule plusieurs hypothèses et propose une procédure de diagnostic.
Elle peut également commenter un script, documenter une intervention ou classer les demandes d’assistance par urgence. Dans le domaine de la cybersécurité, elle aide à analyser un courriel suspect ou à repérer une connexion inhabituelle.
Elle ne doit cependant pas disposer librement des mots de passe, des données clients ou de l’ensemble du système d’information. Un code produit automatiquement peut comporter une faille ; une commande apparemment anodine peut endommager une base de données. Benoît teste donc toute proposition dans un environnement séparé. L’Anssi recommande précisément une approche prudente lors de l’intégration de l’IA générative aux systèmes d’information.
10 h 30 : Safia décline le lancement d’un produit
Safia prépare la présentation d’une nouvelle polaire. À partir de la fiche technique validée, l’IA propose une description pour le site marchand, une version courte pour la newsletter, plusieurs publications pour les réseaux sociaux et une traduction destinée à des clients étrangers. Elle peut également produire le texte alternatif des photographies et adapter leur cadrage aux différents supports.
L’outil analyse ensuite les demandes formulées sur le site et les commentaires reçus lors des précédentes campagnes. Il fait apparaître des interrogations récurrentes sur la coupe, l’entretien et la provenance des matières. Safia peut alors privilégier ces informations dans sa communication.
La validation reste indispensable. L’IA ne doit inventer ni une propriété thermique, ni une certification, ni une origine géographique. Elle peut rendre une promesse commerciale plus séduisante sans être capable d’en vérifier l’exactitude.
11 h 45 : Audrey compare les fournisseurs
Audrey a reçu plusieurs propositions pour un nouveau tissu imperméable. Les documents diffèrent par leur présentation, leurs unités et leur niveau de détail. Un système d’extraction remet les prix, quantités minimales, délais, conditions de paiement et caractéristiques techniques dans un tableau commun.
L’IA repère une hausse tarifaire, une certification manquante et une contradiction entre la fiche technique et le devis. Elle peut aussi traduire les échanges avec le fournisseur et préparer une demande de clarification.
Elle ne certifie toutefois pas la conformité du produit. Audrey doit retrouver chaque donnée dans les documents originaux, demander les justificatifs et apprécier des éléments que le tableau mesure mal : régularité du fournisseur, qualité des échantillons ou capacité à tenir les délais.
13 h 30 : Sandrine redevient responsable des ressources humaines
L’entreprise doit recruter un renfort commercial saisonnier. L’IA aide Sandrine à structurer la fiche de poste, à préparer une grille d’entretien et à construire un parcours d’intégration. Elle peut également transformer les notes internes en supports de formation ou identifier les compétences qui ne reposent actuellement que sur une seule personne.
Elle ne devrait pas décider quels candidats méritent un entretien. Les systèmes utilisés pour filtrer les candidatures ou évaluer les salariés font partie des usages particulièrement sensibles recensés par l’AI Act européen. Une TPE peut difficilement auditer seule leurs biais, leurs données et leurs critères de classement. Le recrutement et l’évaluation doivent donc rester des décisions humaines documentées.
14 h 25 : Audrey et Sandrine préparent la prochaine collection
L’entreprise dispose de deux années de retours clients, d’avis en ligne et de demandes adressées au service commercial. Une analyse sémantique regroupe ces commentaires : manches trop courtes sur certaines tailles, fragilité d’une fermeture, manque d’une poche intérieure ou demande récurrente pour un coloris.
Ces signaux alimentent le développement du prochain produit. Un autre modèle peut tester plusieurs hypothèses de prix, de volumes et de marge en fonction du coût des matières et des quantités minimales imposées par les fournisseurs.
L’IA ne dessine pas seule « le produit que veut le marché ». Les données disponibles décrivent principalement les produits déjà vendus et les clients actuels. Elles risquent donc de favoriser des améliorations progressives plutôt que des choix réellement nouveaux.
15 h 40 : Thomas doit répondre à une commande urgente
Un client demande 120 vestes avant une opération prévue dans trois semaines. Le système rapproche les stocks disponibles, les commandes déjà engagées et les délais transmis par les fournisseurs. Il propose trois solutions : une livraison partielle, un modèle de remplacement ou une production en deux temps.
Thomas reprend ces éléments pour appeler le client et négocier. L’IA accélère la construction des scénarios ; elle ne conduit pas la relation commerciale. La valeur du technico-commercial réside aussi dans sa connaissance de l’usage du produit, de l’historique du compte et de ce que le client peut accepter.
16 h 50 : une anomalie dans la campagne
Safia constate une chute brutale des ventes provenant de la newsletter. L’outil d’analyse signale que le recul ne correspond pas à une baisse des consultations : le problème pourrait être technique. Benoît découvre qu’un marqueur de suivi a disparu lors d’une mise à jour.
Sans cette alerte, l’entreprise aurait pu conclure à tort que la campagne ou le produit fonctionnait mal. L’apprentissage automatique est ici utilisé pour détecter un écart, pas pour produire du contenu.
17 h 35 : Sandrine mesure ce qui a réellement été gagné
En fin de journée, Sandrine ne compte pas le nombre de textes ou de réponses produits par l’IA. Elle regarde plutôt le temps nécessaire à la préparation des devis, le taux d’erreur dans les commandes, les délais de réponse, les ruptures de stock, les retours clients et la conversion commerciale.
Pour une TPE, l’investissement ne se limite pas au prix de l’abonnement. Il comprend la connexion aux logiciels existants, la mise en ordre des données, la formation, la vérification des résultats et le risque de dépendance à un fournisseur. Multiplier les outils peut rapidement annuler les gains attendus.
La CNIL recommande notamment de définir les usages autorisés, de ne pas transmettre d’informations confidentielles à un service grand public et de toujours vérifier les productions générées. Dans une équipe de cinq personnes, une charte d’une page, une liste d’outils autorisés et quelques règles communes peuvent être plus utiles qu’un dispositif complexe.
Au terme de cette journée, aucun poste n’a disparu. Certaines tâches ont cependant changé de forme : moins de recherche manuelle, de ressaisie et de mise en page ; davantage de contrôle, d’arbitrage et de qualité des données. Pour cette TPE, l’IA n’est pas un service supplémentaire. Elle constitue une couche d’assistance répartie entre les cinq métiers, dont la rentabilité dépend de problèmes précisément identifiés et de résultats effectivement mesurés.
Sources principales : Baromètre France Num 2025 ; questions-réponses de la CNIL sur l’IA générative ; recommandations de sécurité de l’Anssi ; Commission européenne – AI Act ; Agence internationale de l’énergie – Energy and AI.
Photo à la une : générée par IA.
L’article que vous venez de lire a été intégralement supervisé et contrôlé par un être humain : il n’y a donc aucune obligation légale de spécifier que nous avons fait appel à une IA pour sa rédaction. Cependant, dans un souci de transparence et d’éthique, nous signalons à nos lecteurs que cet article a été rédigé avec l’appui d’un outil d’intelligence artificielle générative, à partir des données collectées par GROUPE ECOMEDIA.
0 commentaires