Stratégie IA

Guide complet de l'IA en entreprise en 2026 — du premier prompt au système autonome

Guide de référence pour utiliser l'IA en entreprise en 2026 : niveaux d'usage, cas par fonction, choix du LLM, architecture, budget, feuille de route 18 mois et conformité AI Act.

L’IA en entreprise en 2026 se déploie en 4 niveaux progressifs (assistant individuel → assistant connecté → workflow automatisé → agent autonome) et le bon point de départ pour 80 % des PME françaises est licences Team (~25-30 €/util/mois) + un chantier ciblé niveau 2-3 entre 5 et 50 k€. Sauter un niveau échoue 4 fois sur 5.

Sur les 150+ projets IA livrés depuis 2023 chez Kezify, ce pattern de progression progressive est le plus prédictif de réussite [source : Kezify internal data, 2026]. Ce guide s’adresse aux dirigeants et responsables d’une PME française qui ont compris que l’IA n’était plus une option mais qui ne savent pas par où commencer en 2026. Il couvre l’état du marché, les niveaux d’usage qui marchent en production, la cartographie des cas d’usage, le choix du LLM, l’architecture, le budget, la feuille de route 18 mois, les pièges, la conformité, et comment se faire accompagner. C’est volontairement long et structuré — c’est une ressource à parcourir maintenant et à reprendre dans 3 mois quand vous serez plus loin.

Pourquoi 2026 est-elle l’année charnière de l’IA en entreprise ?

En 2023 l’IA générative était un effet de mode. En 2024 c’était un sujet de comité de direction. En 2025 c’était un sujet de DSI. En 2026 c’est devenu un sujet d’EBE — d’excédent brut d’exploitation. La différence est qu’on ne mesure plus l’IA en “POC réussi”, on la mesure en marge dégagée, en heures gagnées, en pipeline généré.

Les chiffres FR PME que nous voyons sur le terrain en 2026 :

  • 62 % des PME françaises de 20-250 personnes ont au moins un usage IA payant en cours (ChatGPT Team, Claude Team, Mistral Le Chat Pro, Microsoft Copilot, GitHub Copilot, ou un projet custom).
  • 24 % ont un projet IA structuré avec une enveloppe budgétaire dédiée et un sponsor du COMEX.
  • 9 % ont au moins un agent IA autonome de niveau 2 ou 3 en production (cf. agent IA autonome).
  • 38 % des dirigeants déclarent avoir tenté un POC IA qui n’a jamais été industrialisé. C’est le chiffre qui doit vous parler.

Ce qui a changé en 2026 par rapport à 2024-2025 :

  • Les modèles fondationnels sont matures. GPT-5, Claude 4.6 Sonnet, Mistral Large 3 sont assez fiables pour la majorité des tâches professionnelles. La fameuse “hallucination” reste un sujet, mais elle est gérable avec les bons garde-fous.
  • Les prix se sont effondrés. Un appel LLM de qualité production coûte aujourd’hui 0,003 à 0,015 € en moyenne. Il y a 18 mois c’était 5 à 10× plus.
  • Les outils d’orchestration existent. MCP, LangGraph, n8n, AutoGen, CrewAI, Vercel AI SDK — vous n’avez plus à tout construire de zéro.
  • L’AI Act européen est entré en vigueur. Vous avez maintenant un cadre. Voir AI Act 2026.
  • Le marché des prestataires s’est segmenté. Vous trouvez du low-cost à 350 €/jour comme du senior à 1 600 €/jour. La qualité varie en conséquence. Voir agence IA Aix-Marseille comment choisir.

La conséquence pratique : 2026 est la dernière année où démarrer “tard” reste rattrapable. En 2027 les écarts entre PME équipées et non équipées commenceront à se voir dans les comptes.

Quels sont les 4 niveaux d’usage IA en entreprise ?

Avant de parler outils, il faut comprendre où vous voulez aller. Tous les usages IA en entreprise se rangent dans 4 niveaux. Chacun a ses prérequis, ses coûts et ses bénéfices.

Niveau 1 — Assistant individuel (ChatGPT, Claude, Le Chat)

Chaque collaborateur utilise un compte LLM (ChatGPT Team, Claude Team, Le Chat Pro, Copilot 365) pour ses tâches du quotidien : rédaction, synthèse, recherche, brainstorming, code, e-mails. C’est le “ChatGPT à la place du Google” mais en mieux.

  • Bénéfice typique : 20 à 40 % de gain de temps sur les tâches concernées (rédaction d’emails, prep de réunion, synthèse de docs, debug de code).
  • Coût : 20-30 € par utilisateur par mois en moyenne. Pour une équipe de 30 personnes, c’est ~9 000 € par an.
  • Prérequis : aucun, hors une charte d’usage et une formation de 2 h.
  • Risque : faible si la charte est claire (pas de données client dans les prompts publics, etc.).

C’est le point de départ obligé. Une PME qui n’a pas franchi ce niveau ne peut pas raisonner les niveaux supérieurs.

Niveau 2 — Assistants connectés à votre contexte (RAG basique, Copilot, Custom GPT)

L’IA gagne accès à vos documents internes (drive, Notion, SharePoint, Confluence, mailbox). Elle peut alors répondre sur votre contexte, pas juste sur le savoir public. C’est le territoire de Microsoft Copilot, des “GPTs” personnalisés, des Claude Projects, et des premières mises en place de RAG.

  • Bénéfice typique : qualité des réponses ×3 sur les questions internes (procédures, contrats, comptes-rendus, historique client).
  • Coût : 15-30 € par utilisateur supplémentaire pour la licence + 5-25 k€ pour la mise en place propre (indexation, droits, RAG si nécessaire).
  • Prérequis : une organisation documentaire à peu près propre, une définition des accès.
  • Risque : moyen. Le risque principal est que l’IA voie des documents qu’elle ne devrait pas voir (fuites de droits internes).

Niveau 3 — Workflows IA (automatisation augmentée par LLM)

Vous automatisez des process métiers en injectant un LLM à des endroits clés : classification d’emails, extraction d’infos depuis des PDFs, rédaction de premiers brouillons de propales, qualification de leads, triage de tickets support. L’humain reste dans la boucle mais ne fait plus la partie ingrate.

  • Bénéfice typique : 50-70 % de temps gagné sur les tâches concernées, qualité parfois supérieure à l’humain (constance, exhaustivité).
  • Coût : 15-50 k€ pour un workflow ciblé bien fait, avec n8n / Make / Zapier ou code custom. Voir n8n vs Zapier vs Make IA.
  • Prérequis : un process documenté et stable (sinon vous automatisez le chaos).
  • Risque : moyen. Mauvais paramétrage = production de masse de mauvaise qualité.

C’est le sweet spot 2026 pour la plupart des PME. La majorité des projets IA réussis qu’on voit sont à ce niveau.

Niveau 4 — Agents IA autonomes (système qui décide et agit)

Le système ne se contente plus d’exécuter un workflow pré-défini, il décide de la prochaine action en fonction du contexte. Veille concurrentielle 24/7, agent SAV qui répond seul aux tickets standards, agent commercial qui qualifie et relance, agent compta qui rapproche les écritures. Voir agent IA autonome.

  • Bénéfice typique : 1 à 3 ETP de capacité libérée selon le périmètre.
  • Coût : 60-200 k€ pour un agent niveau 2-3 bien fait. Plus si multi-agents.
  • Prérequis : avoir déjà fait du niveau 3, avoir une équipe technique ou un partenaire solide, avoir une culture du “kill-switch” et de l’observabilité.
  • Risque : élevé. C’est le niveau où on voit les projets exploser silencieusement. Voir pourquoi 80 % des projets IA échouent.

La règle d’or : vous ne sautez pas un niveau. Une PME qui veut directement passer du niveau 1 (ChatGPT pour quelques personnes) au niveau 4 (agent autonome SAV) échoue 4 fois sur 5. Voir combien de temps pour déployer un agent IA en production.

Quels sont les cas d’usage IA par fonction de l’entreprise ?

Voici par fonction d’entreprise les cas d’usage que nous voyons en production en 2026 chez nos clients PME. Pour chaque cas on indique le niveau d’usage typique et le bénéfice mesuré quand c’est bien fait.

Commerce / sales

  • Qualification de leads entrants (niveau 1-2). 8-12 minutes par lead → 3-4 minutes. Voir cas client analyse de propales.
  • Brouillons de propales (niveau 2-3). 4 h → 1 h pour une propale standard.
  • Briefing avant rendez-vous (niveau 1-2). Synthèse client + actu + dossier en 1 minute.
  • Relances commerciales personnalisées (niveau 3). Voir prompt engineering entreprise pour la méthode.
  • Analyse des appels commerciaux (niveau 3). Transcription + extraction des objections + scoring.

Marketing

  • Génération de contenu de blog (niveau 1-2). Brouillon en 10 min, édition humaine 30 min.
  • Personnalisation à grande échelle (niveau 3). Variants de pages d’atterrissage, e-mails segmentés.
  • Veille concurrentielle automatisée (niveau 4). Voir notre cas Brandyze interne et agent IA autonome.
  • Analyse d’avis clients (niveau 3). Voir analyse d’avis hôtellerie multilingue.
  • Suggestions de produits (niveau 3-4). Voir upsell e-commerce personnalisation.

RH

  • Tri de CV avec respect strict du RGPD (niveau 3). Voir cas client recrutement.
  • Synthèse d’entretiens d’embauche (niveau 2). 3 min par entretien.
  • Réponses aux questions internes (niveau 2 RAG). FAQ collaborateurs sur la convention, les congés, les notes de frais.
  • Rédaction de fiches de poste (niveau 1).
  • Préparation des évaluations annuelles (niveau 1-2). Synthèse de l’année à partir des outils.

Finance / compta

  • Extraction d’infos depuis factures et contrats (niveau 3). Voir pour comptabilité experts-comptables.
  • Rapprochement bancaire assisté (niveau 3).
  • Synthèse de rapports financiers (niveau 1-2).
  • Analyse de risque crédit client (niveau 3-4 selon le scope).
  • Préparation des liasses fiscales (niveau 2-3).

Juridique

Technique / IT / produit

Support / SAV

  • Brouillons de réponses (niveau 2). Voir cas client e-commerce triage support.
  • Classification automatique des tickets (niveau 3).
  • Réponse autonome aux questions standards (niveau 4). Le saint Graal — exige du niveau 3 préalable.
  • Détection de clients à risque de churn (niveau 3).
  • FAQ enrichie en temps réel (niveau 2 RAG).

C’est une cartographie large mais incomplète. Chaque secteur a ses spécificités. Si vous êtes restaurant, pour restaurants. Si vous êtes industrie, pour industrie manufacturière. Si vous êtes assurance, pour assurance et courtage. Et ainsi de suite — les pages “/pour” couvrent 23 secteurs.

Choisir son LLM en 2026

Le choix du modèle fondationnel est la question la plus posée et la plus mal cadrée. Voici l’essentiel.

Les 4 grandes familles 2026

OpenAI (GPT-5, GPT-5 Mini, GPT-5 Nano). Le leader généraliste. Coût moyen 0,005 €/appel. Excellent en code, raisonnement, multimodal. Faible point : vie privée et souveraineté (hébergement US). Voir ChatGPT entreprise tarif souscription.

Anthropic (Claude 4.6 Sonnet, Claude 4.7 Opus, Claude Haiku 4.5). Le concurrent direct. Souvent meilleur en rédaction longue, en suivi d’instructions strictes, en analyse de documents. Coût comparable. Faible point : disponibilité régionale moins large.

Mistral (Large 3, Medium 3, Small 3). Le champion européen. Souverain (hébergement EU possible), open weights pour les versions Apache. Performance proche du top mondial sur la plupart des cas francophones. Voir Mistral AI français entreprise souverain.

Google (Gemini 2.5 Pro, Gemini 2.5 Flash). Le challenger en remontée. Très fort en multimodal, contexte 1M tokens, intégration Google Workspace native.

Plus des modèles open source (Llama, Qwen, DeepSeek) déployables on-premise pour les contraintes de souveraineté maximales.

Comparaison express PME

CritèreGPT-5Claude 4.6Mistral L3Gemini 2.5
Qualité raisonnement9.5/109.5/108.5/109/10
Qualité rédaction FR8.5/109.5/109/108.5/10
Code9/109.5/108/108.5/10
Souveraineté EU5/106/1010/105/10
Multimodal9/108.5/107/109.5/10
Prix entrée€€€€€€€€€€
Écosystème outils10/109/107/108/10

Pour la comparaison détaillée, voir Claude vs GPT vs Mistral PME et ChatGPT Team vs Claude Team vs Mistral Le Chat.

La règle qui marche en 2026

Multi-modèles par défaut. N’enfermez pas votre PME sur un fournisseur unique. La pratique professionnelle 2026 est :

  • Un modèle “rédaction et raisonnement long” (souvent Claude ou GPT)
  • Un modèle “économique” pour les tâches en volume (Haiku, Mistral Small, Gemini Flash)
  • Optionnellement un modèle souverain Mistral pour les données sensibles
  • Un broker (Bedrock, Azure OpenAI, OpenRouter, ou direct API) qui permet de switcher

Voir Bedrock vs Azure OpenAI vs Scaleway et OpenAI direct vs Azure vs Anthropic.

Choisir son architecture (RAG vs fine-tuning vs agents vs combo)

Voici les 4 grandes patterns d’architecture IA et quand chacune marche.

RAG (Retrieval Augmented Generation)

Vous récupérez les bons morceaux de vos documents internes dans une base vectorielle, vous les injectez dans le prompt, le LLM répond en utilisant ces morceaux comme contexte.

  • Quand l’utiliser : votre besoin est “répondre sur mes documents internes” (FAQ, procédures, base contrats, knowledge support).
  • Coûts typiques : 20-60 k€ pour un RAG bien fait, indexation initiale + maintenance continue.
  • Faux ami : le RAG semble facile, c’est un piège. Bien faire un RAG demande du retrieval de qualité, du reranking, de l’évaluation continue. La majorité des RAG en PME tournent à 60-70 % de qualité, ce qui est insuffisant pour la production sans encadrement.
  • Voir : RAG vs fine-tuning entreprise et RAG vs fine-tuning vs prompt.

Fine-tuning

Vous ré-entraînez (légèrement) un modèle sur vos propres données pour qu’il apprenne votre style, votre vocabulaire, vos cas spécifiques.

  • Quand l’utiliser : vous avez 500-5000 exemples très propres d’un comportement précis (ex : classifier des tickets selon votre taxonomie maison).
  • Coûts typiques : 10-30 k€ pour un fine-tuning ciblé, plus l’inférence (un peu plus chère qu’un modèle de base).
  • Faux ami : le fine-tuning ne donne pas plus de “connaissance” au modèle, juste plus de “comportement”. Beaucoup de PME demandent du fine-tuning quand elles ont en réalité besoin de RAG.

Agents

Le modèle ne se contente pas de répondre, il agit via des outils. Voir agent IA autonome.

  • Quand l’utiliser : la tâche est composite (plusieurs étapes, plusieurs outils, plusieurs sources), et la séquence d’actions n’est pas pré-définissable.
  • Coûts typiques : 60-200 k€ pour un agent niveau 2-3 sérieux.
  • Voir : combien de temps pour déployer un agent IA en production.

Combos (la réalité 2026)

En production sérieuse, vous combinez : RAG pour le contexte documentaire + agents pour l’orchestration + fine-tuning pour des tâches très spécifiques. C’est la stack qu’on déploie chez nos clients matures. Pour les frameworks d’orchestration, voir AutoGen vs CrewAI vs LangGraph et LangChain vs LlamaIndex vs Haystack.

Le budget réaliste — 3 paliers

L’argent qu’il faut prévoir, en 2026, pour une PME française. Ces fourchettes sont issues de nos missions et de discussions avec d’autres prestataires sérieux. Voir aussi combien coûte un projet IA en PME.

Palier 1 — Le pilote (5-15 k€)

L’objectif est d’avoir un premier usage productif et mesurable, pas de transformer l’entreprise. C’est le bon point de départ pour 80 % des PME en 2026.

  • Achat de 10-30 licences ChatGPT Team ou Claude Team : 200-700 €/mois soit 2,4-8,4 k€/an.
  • Formation de 2 sessions de 2 h pour 30 personnes : 1,5-3 k€.
  • 1 chantier de niveau 2-3 ciblé (ex : RAG sur la base contrats, ou workflow de qualification leads) avec un prestataire : 5-15 k€.

Total : 9-25 k€ la première année. ROI typique : 30-70 k€ en temps gagné.

Palier 2 — Le déploiement (30-80 k€)

Vous avez fait un pilote réussi, vous généralisez sur 3-5 chantiers en parallèle, vous mettez en place une gouvernance, vous formez plus largement.

  • Licences : 8-15 k€/an.
  • Formation étendue + AI Champions internes : 3-6 k€.
  • 3-5 chantiers de niveau 2-3 : 25-60 k€.
  • Mise en place de l’observabilité, sécurité, conformité : 5-12 k€.

Total : 41-93 k€. ROI typique : 150-300 k€ sur l’année (1-2 ETP libérés selon le périmètre).

Palier 3 — La transformation (150-400 k€)

Vous passez à l’industriel : agents en production, RAG d’entreprise, intégration profonde au SI, équipe IA dédiée ou partenariat avec un prestataire senior. C’est le territoire des PME 100-250 personnes ambitieuses.

  • Recrutement d’un AI Lead interne : 75-110 k€/an chargé.
  • 1-2 développeurs IA (internes ou externalisés) : 90-200 k€.
  • Infrastructure : observabilité (Langfuse), brokerage (Azure OpenAI, Bedrock), sécurité, conformité : 20-50 k€.
  • 5-10 chantiers en parallèle dont 1-2 agents niveau 3 : 100-250 k€ sur l’année.

Total : 250-600 k€/an la première année, qui se stabilise autour de 150-300 k€ en régime de croisière. ROI typique : 600 k€ - 1,2 M€/an si bien exécuté (3-7 ETP libérés + nouveau pipeline commercial débloqué).

La feuille de route 6 / 12 / 18 mois

Voici la roadmap type qu’on déploie chez nos clients PME en 2026. C’est volontairement progressive — voir transformation IA PME roadmap 12 mois pour la version exécutive détaillée.

Mois 0-3 — Audit et quick wins

  • Audit IA en 2 semaines : maturité data, maturité tech, maturité culture, identification des 5-15 cas d’usage candidats. Voir audit IA d’entreprise et audit IA d’entreprise ce qui compte.
  • Mise en place des licences Team (ChatGPT, Claude, Le Chat) sur un pilote 10-30 personnes.
  • Charte d’usage IA + 1 formation initiale.
  • 1-2 quick wins niveau 1-2 livrés (rédaction email, synthèse de docs, brief de réunion).
  • Mesure baseline pour mesurer le ROI plus tard.

Mois 4-9 — POC ciblés

  • 3-5 POC niveau 2-3 sur les cas à plus fort impact identifiés à l’audit.
  • Critères d’arrêt définis en amont. Si un POC ne tient pas ses critères à 8 semaines, on tue.
  • Mise en place de l’observabilité (Langfuse, Helicone, ou équivalent).
  • Définition de la gouvernance IA : qui décide quoi, qui est sponsor, quel comité, quel cadence.

Mois 10-15 — Industrialisation

  • 2-3 POC réussis passent en prod avec SLO, monitoring, support.
  • Mise en place de la formation à grande échelle (tous les collaborateurs concernés).
  • Déploiement de l’observabilité prod, alerting, incident response.
  • Mesure de ROI documentée par chantier.
  • Conformité finalisée : DPIA, registre AI Act, processus d’évaluation continue.

Mois 16-18+ — Scaling

  • Extension à d’autres BU si applicable.
  • Optimisation des coûts (model routing, caching, batching). Voir quand changer de stack LLM.
  • Premiers agents niveau 3 si la maturité le permet.
  • Capitalisation sur les apprentissages dans une bibliothèque interne de prompts, patterns, code.
  • Roadmap année 2 avec ambitions assumées (ex : agent autonome, multimodal, voice).

Les 7 erreurs à éviter

Erreurs que nous voyons systématiquement et qui font échouer les projets IA en PME.

Erreur 1 — Sauter directement au niveau 4

Une PME qui n’a jamais fait tourner de niveau 1 sérieux qui veut “un agent IA qui répond aux clients” → 4 fois sur 5, échec à 6 mois. La marche est trop haute. Voir pourquoi 80 % des projets IA échouent.

Erreur 2 — Choisir le prestataire le moins cher

Un projet IA mal architecturé coûte 10× plus cher à corriger. La bonne expérience prestataire (4-6 missions livrées, évaluation continue, observabilité, garde-fous) vaut sa surfacturation. Voir choisir prestataire IA checklist.

Erreur 3 — Pas de baseline avant de mesurer le ROI

Vous lancez un POC, 3 mois plus tard vous demandez “ça a généré combien ?” et personne ne sait. Sans baseline (combien de temps prenait la tâche avant ? quelle qualité ?), pas de ROI mesurable. Voir ROI projet IA PME.

Erreur 4 — Mettre les contraintes dans le prompt

“Tu ne dois jamais X” dans le prompt système. Un attaquant fait sauter ça en 1 ligne. Les contraintes vont dans le code (whitelist outils, budget tokens, scope d’action, deadline).

Erreur 5 — Pas d’évaluation continue

Vous déployez en prod, vous regardez les premiers jours, puis vous oubliez. 6 mois plus tard la qualité a dérivé (les inputs ont changé, le modèle a été mis à jour, le RAG est mal indexé) et personne ne le voit. Voir évaluation LLM en production.

Erreur 6 — Ignorer la conduite du changement

L’IA marche techniquement, mais l’équipe ne l’utilise pas, ou l’utilise mal. La conduite du changement n’est pas un nice-to-have, c’est 30-40 % du succès. AI Champions internes, formation continue, démos hebdo, retours utilisateurs structurés.

Erreur 7 — Pas de plan de sortie

Vous vous enfermez sur un fournisseur (un modèle, une plateforme), 18 mois plus tard les prix doublent ou le service ferme. Il faut un broker, un format de prompt portable, des prompts versionnés, et un plan de migration documenté. Voir quand changer de stack LLM.

AI Act, RGPD, et souveraineté

Le cadre réglementaire 2026 est devenu un sujet de COMEX. Les 3 lignes principales :

AI Act européen

Entré en application en 2026 par phases. Pour les PME, l’essentiel :

  • Catégorisation par niveau de risque : minimal / limité / élevé / inacceptable. La majorité des usages PME (chatbot interne, RAG documentation, automatisation contenu) sont en risque limité ou minimal.
  • Obligations en risque limité : transparence (l’utilisateur doit savoir qu’il interagit avec une IA), traçabilité minimale, pas de surveillance biométrique en temps réel.
  • Obligations en risque élevé : DPIA, évaluation de conformité, registre, supervision humaine, robustesse, surveillance post-marché. Concerne notamment l’usage RH (tri de CV, évaluation), le scoring crédit, certaines applications santé.
  • Sanctions : jusqu’à 7 % du CA mondial pour les usages prohibés, 3 % pour les violations majeures.

Voir AI Act 2026 ce qui change.

RGPD

Le RGPD s’applique à toute donnée personnelle traitée par votre IA. Les pièges typiques :

  • Envoyer des données personnelles à un LLM hébergé hors UE sans base légale claire.
  • Conserver les logs de prompts contenant des données personnelles sans rétention définie.
  • Pas de DPIA quand l’usage est à risque (RH, scoring, profilage).
  • Pas de droit d’opposition / suppression effectif.

Voir RGPD ChatGPT entreprise conforme et RGPD IA 2026 ce qui change PME.

Souveraineté

Pour certaines PME (santé, défense, secteur public, données très sensibles), la souveraineté EU est un critère bloquant. Les options en 2026 :

  • Mistral hébergé EU (Scaleway, OVH, infomaniak) : la voie la plus directe pour rester FR-EU. Voir Mistral AI français entreprise souverain.
  • Modèles open source on-premise (Llama, Mistral Open, Qwen) : maîtrise totale, mais coût d’infrastructure et d’expertise élevé.
  • Azure OpenAI région France : compromis pragmatique, contrat US mais hébergement FR avec engagements.

Notre conseil : ne sur-réagissez pas. La majorité des cas d’usage PME ne nécessitent pas la souveraineté absolue. Identifiez les 5-15 % de données vraiment sensibles, traitez celles-là séparément, et restez pragmatique sur le reste.

Comment se faire accompagner

Vous pouvez tout faire en interne. Mais pour la majorité des PME 2026, un partenaire externe accélère de 6-12 mois et évite les pièges les plus coûteux. Voici les critères que nous recommandons.

Ce qu’il faut chercher chez un prestataire IA en 2026

  • Expérience livrée, pas juste vendue. Demandez 3 cas clients avec mesures de ROI.
  • Méthode documentée : audit, POC critères d’arrêt, observabilité, conformité. Voir audit IA.
  • Stack moderne : ils maîtrisent MCP, RAG sérieux, observabilité, model routing. Voir MCP servers entreprise.
  • Honnêteté sur les limites : un prestataire qui vous promet “agent autonome livré en 4 semaines” ment.
  • Gouvernance et conformité intégrées au projet, pas en option.
  • Engagement de transfert de compétences : votre équipe doit être autonome à terme.

Comment poser le sujet

Quand on nous appelle pour la première fois, on commence toujours par un appel de 30 minutes pour qualifier le besoin. Pas un commercial, pas une démo. Un appel pour comprendre où vous en êtes, ce qui marche déjà chez vous, et ce qui pourrait être le meilleur premier pas.

Si vous voulez ce type d’échange, c’est ici : 30 minutes pour qualifier votre projet IA. Pas d’engagement, pas de budget à mettre sur la table, juste une conversation pour vous orienter — y compris vers du “ne faites rien tout de suite, voici les 3 choses à clarifier d’abord”.

Voir aussi agence IA Aix-Marseille comment choisir pour le panorama des prestataires en région PACA, et les pages panorama des autres villes (Paris, Lyon, Bordeaux, Nantes, Toulouse, Lille, Strasbourg, Rennes, Nice, Marseille).

La synthèse en 5 lignes

  1. L’IA en entreprise se déploie en 4 niveaux. Vous ne sautez pas un niveau.
  2. Pour 80 % des PME en 2026, le bon point de départ est licences Team + 1 chantier ciblé niveau 2-3 (5-15 k€).
  3. Les vrais gains arrivent au palier 2-3 (40-100 k€/an investi), avec 1-2 ETP libérés.
  4. Les contraintes (sécurité, périmètre, budget) vont dans le code, pas dans le prompt.
  5. Vous mesurez le ROI ou vous ne savez pas si ça marche.

À retenir

  • L’IA en entreprise = 4 niveaux progressifs (individuel → connecté → workflow → agent autonome) — sauter un niveau échoue 4 fois sur 5
  • 62 % des PME françaises 20-250 personnes ont déjà au moins un usage IA payant en 2026 [source : Kezify panel, n=150]
  • Sweet spot 2026 : niveau 2-3 avec budget 40-100 k€/an, ROI typique 1-2 ETP libérés
  • Coût d’un appel LLM production : 0,003-0,015 € en 2026, soit 5-10× moins qu’en 2024
  • Le piège n°1 : “POC orphelin” — 38 % des dirigeants ont tenté un POC IA jamais industrialisé. Plan d’industrialisation dès le brief obligatoire

Pour aller plus loin

← Retour au blog
#guide IA#stratégie IA#PME#LLM