Deux phrases reviennent dans presque toutes mes premières discussions avec un patron de PME.
La première : « L’IA, on ne sait pas où vont nos données. » La seconde, souvent dans le même quart d’heure : « Mais on sent bien qu’on est en train de rater quelque chose. »
Les deux sont vraies. Et la plupart des articles sur le sujet choisissent leur camp : soit ils agitent la peur de rater le train, soit ils listent les risques sans jamais dire ce que l’immobilisme coûte. Je vais essayer de faire les deux honnêtement, chiffres à l’appui — et vous dire ce que je conseillerais si on se parlait autour d’une table.
Ce qui fait peur — et ce qui est fondé
Commençons par là, parce que balayer les craintes d’un revers de main est la meilleure façon de ne convaincre personne.
« Nos données partent chez un géant américain. » Fondé. Quand un collaborateur colle un contrat client dans un chatbot grand public, ce contrat quitte la Suisse. Ce n’est pas un fantasme : dans l’étude EY relayée par le portail PME de la Confédération, la souveraineté des données est citée comme un enjeu majeur par 51 % des personnes interrogées, et la sécurité arrive dans le trio de tête des freins au déploiement (19 %), juste derrière la qualité et le cloisonnement des données (20 %).
« On n’a pas le droit, de toute façon. » Faux — mais la nuance est importante. Le Préposé fédéral à la protection des données rappelle que la loi sur la protection des données, en vigueur depuis le 1er septembre 2023, est rédigée de manière technologiquement neutre et s’applique donc directement aux traitements fondés sur l’IA. Autrement dit : il n’y a pas de vide juridique, pas de loi spéciale à attendre. Les règles que vous appliquez déjà à vos données clients s’appliquent telles quelles. C’est une contrainte, mais c’est surtout une bonne nouvelle : le cadre existe, il est connu, il est praticable.
« L’IA raconte n’importe quoi. » Fondé, et ça ne se corrigera pas complètement. Un modèle de langue produit un texte plausible, pas un texte vrai. C’est précisément pour ça qu’on ne le branche pas seul sur une décision : on le branche sur une tâche où une relecture humaine est de toute façon prévue — une traduction, un brouillon de réponse, un tri, une extraction. La question n’est pas « est-ce que ça se trompe ? » mais « qu’est-ce qui se passe quand ça se trompe ? ».
« On va devenir dépendants d’un fournisseur. » Fondé, et c’est le risque le plus souvent sous-estimé. Il se traite au moment de la conception : données chez vous, modèle interchangeable, pas de logique métier enfermée dans une plateforme fermée. Un projet bien construit doit pouvoir changer de modèle en une journée.
Ce que l’attente coûte, en chiffres
Maintenant l’autre côté de la balance. Trois données, et je précise d’où elles viennent — parce que sur ce sujet, beaucoup de pourcentages circulent sans source.
Selon l’étude d’AXA Suisse sur le marché du travail des PME, relayée en novembre 2025 par le portail PME de la Confédération (SECO) :
| 2024 | 2025 | |
|---|---|---|
| PME suisses utilisant l’IA | 22 % | 34 % |
| PME n’ayant jamais utilisé l’IA | 45 % | 29 % |
| PME automatisant des étapes de travail avec l’IA | 23 % | 34 % |
Douze points en une année. Ce n’est pas une courbe d’enthousiasme de salon : la part de celles qui n’ont jamais essayé a fondu de seize points sur la même période. Et les usages les plus répandus sont d’un prosaïsme rassurant — la traduction (52 %) et la correspondance (47 %) arrivent largement en tête. Personne ne remplace son métier ; on retire du temps mort.
Côté grandes entreprises, la photographie est plus avancée encore : dans l’étude EY publiée en juillet 2026 (604 collaborateurs interrogés), 55 % des entreprises déploient l’IA de façon ciblée dans un ou plusieurs domaines, 31 % en sont au stade pilote, et seules 14 % n’ont lancé aucune initiative.
Une précision d’honnêteté : ces deux études ne mesurent pas la même chose. AXA interroge des PME, EY interroge des collaborateurs — le second chiffre décrit ce que les gens font au travail, pas ce que leur direction a formellement décidé. Ce que les deux disent ensemble, en revanche, est difficile à contourner : l’écart se creuse, et il se creuse vite.
Le vrai risque n’est pas celui qu’on croit
On imagine volontiers le concurrent qui, grâce à l’IA, sortirait un produit révolutionnaire. Ce n’est presque jamais comme ça que ça se passe.
Ce qui se passe, c’est qu’un concurrent de taille identique répond à une demande d’offre en deux heures là où vous mettez deux jours. Que son devis part relu et sans faute en trois langues. Que son technicien retrouve la fiche d’une intervention de 2021 en posant la question à voix haute. Aucun de ces gains n’est spectaculaire pris isolément. Mis bout à bout sur une année, ils décident qui décroche le mandat.
Et il y a un second coût, plus sournois : la compétence. Une équipe qui n’a jamais utilisé ces outils ne saura pas les évaluer le jour où il faudra choisir. Elle achètera ce qu’un commercial lui vendra. C’est le scénario qui me préoccupe le plus chez mes clients — bien plus que le retard technologique lui-même.
Par où commencer sans prendre de risque
Ma recommandation tient en une phrase : un processus, un mois, réversible.
- Choisissez la tâche la plus ennuyeuse de l’entreprise. Pas la plus stratégique — la plus répétitive. Saisie de factures, tri d’e-mails entrants, rédaction de rapports d’intervention, traduction de documentation. C’est là que le gain est mesurable et le risque nul.
- Fixez le critère de réussite avant de commencer. « Faire gagner deux heures par semaine à Sandrine sur la saisie » est un critère. « Se mettre à l’IA » n’en est pas un. Sans ce chiffre, vous ne saurez pas si ça a marché, et le projet mourra d’indifférence.
- Tranchez la question des données au début, pas à la fin. Quelles données sortent de l’entreprise, pour aller où, sous quel contrat ? Pour beaucoup de cas d’usage, la réponse peut être « aucune » — l’outil tourne sur une infrastructure que vous contrôlez. C’est une décision d’architecture, elle se prend le premier jour.
- Gardez un humain dans la boucle sur la première version. L’IA prépare, quelqu’un valide. Vous mesurez le taux d’erreur réel au lieu de le redouter. Ensuite seulement, vous décidez ce qui peut passer en automatique.
- Vérifiez que vous pouvez faire marche arrière. Si arrêter l’outil demain paralyse l’entreprise, le projet est mal conçu. Un bon premier projet se débranche sans douleur.
Un mois, un processus, un critère chiffré. Si ça ne marche pas, vous aurez perdu un mois et appris quelque chose de précis sur votre propre organisation. Si ça marche, vous avez une équipe qui sait de quoi elle parle — et c’est ça, le vrai actif.
Ce que je ferais à votre place
Je ne commencerais pas par choisir un outil. Je commencerais par lister les dix tâches qui font perdre le plus de temps dans l’entreprise, et je regarderais lesquelles ont trois caractéristiques : elles sont répétitives, elles produisent du texte ou traitent du document, et une erreur y est visible immédiatement. C’est presque toujours dans cette intersection que se trouve le premier projet.
La peur de l’IA est un mauvais conseiller, mais l’enthousiasme aussi. Entre les deux, il y a un travail d’ingénieur assez ordinaire : regarder les processus, mesurer, choisir la bonne taille de pas.
Sources : portail PME de la Confédération — l’IA s’impose largement dans les entreprises suisses (étude EY, juillet 2026) · portail PME — l’IA progresse dans les PME suisses (étude AXA sur le marché de l’emploi, novembre 2025) · Préposé fédéral à la protection des données et à la transparence — la loi actuelle sur la protection des données est directement applicable à l’IA.