Choisir un cas d'usage IA en PME : viser ce que l'humain ne peut pas faire, pas ce qu'il fait moins cher

Le calcul que presque tout dirigeant fait en premier

Face à un projet d'IA, le premier réflexe est de chercher quel travail humain il remplace. Combien d'heures par semaine sont passées sur la tâche, combien coûte une personne à temps plein, en combien de mois l'investissement est-il amorti. Le raisonnement est sain, il protège d'achats impulsifs, et il correspond à la façon dont on évalue depuis toujours une machine en atelier. Il a pourtant un défaut majeur quand on l'applique à l'IA : il ne sait voir qu'un seul type de gain, celui qu'on mesure sur la ligne des salaires.

Ce calcul donne souvent un verdict décevant, et il a raison de le donner. Une tâche qui prend une demi-heure par jour à deux personnes ne justifie pas un investissement de plusieurs milliers d'euros, quelle que soit l'élégance de la solution. Nous avons détaillé ce mécanisme dans notre article sur les trois vraies résistances à l'IA en PME, où un projet techniquement brillant ne passe pas le seuil de rentabilité. Le problème n'est pas que le calcul soit faux. C'est qu'il pose la mauvaise question pour une partie des projets, et qu'il conduit à écarter précisément ceux qui auraient le plus rapporté.

Pourquoi le raisonnement en heures économisées sous-estime l'IA

Le calcul en heures suppose que l'IA fera la même chose que l'humain, simplement pour moins cher. Sur ce terrain, elle est souvent battue : une personne compétente reste polyvalente, s'adapte aux cas imprévus, et coûte moins qu'on ne le croit une fois rapportée à la tâche précise. Mais une partie du travail qu'une IA peut accomplir n'a pas d'équivalent humain à remplacer, parce que personne ne le fait aujourd'hui. Personne ne le fait non pas par négligence, mais parce que c'est humainement impossible au coût, à la fréquence ou à la finesse requis.

Deux technologies dans la même entreprise, deux équations opposées

Le contraste le plus parlant que nous ayons entendu vient d'une coopérative maraîchère sous serres, qui teste en parallèle deux technologies aux destins opposés. Lors d'un échange avec son directeur technique, la situation a été décrite sans fard. D'un côté, un robot de récolte capable de travailler en continu, jour et nuit. Il reste moins rentable qu'un salarié : plus lent, trop cher, pas assez polyvalent face au vivant. Il est toujours en test, sans pression pour l'industrialiser tant que l'équation ne bascule pas. De l'autre, un système de piégeage d'insectes couplé à de l'IA : 40 panneaux photographiés chaque semaine, les populations de ravageurs et d'auxiliaires détectées automatiquement, les zones à risque cartographiées.

Le second projet a été adopté, et la raison n'a rien à voir avec une économie de poste. Personne ne cherchait à remplacer quelqu'un. Il s'agissait de détecter plus vite et plus finement que l'œil humain, pour intervenir avant qu'une pression d'insectes ne devienne coûteuse. Le gain se lit dans la réduction des pertes de production et l'optimisation des intrants, pas dans la masse salariale. Même organisation, même direction, même exigence de rentabilité : le projet qui visait une substitution cale, celui qui visait une capacité nouvelle passe.

« Est-ce que ces investissements sont rentables ? Combien de temps aussi on va récupérer la rentabilité d'un investissement ? »

L'exigence de rentabilité ne change pas, sa lecture change

La question de ce directeur technique est la bonne, et elle vaut pour les deux projets. Dans une coopérative, chaque euro investi est un euro qui ne revient pas aux producteurs, ce qui rend la justification plus exigeante qu'ailleurs. Le piégeage IA ne répond pas mieux à cette question parce qu'il est moins cher. Il y répond mieux parce qu'il agit sur une ligne de coût que le robot ne touche pas : ce que coûte un problème agronomique détecté une semaine trop tard.

Faire mieux, pas moins cher : le critère de sélection

Le principe qu'on peut nommer faire mieux, pas moins cher consiste à chercher d'abord les cas d'usage où l'IA produit un résultat qu'aucune équipe ne pourrait produire, avant ceux où elle imite une équipe existante. Le test est simple à poser en comité de direction : si vous doubliez l'équipe concernée demain, obtiendriez-vous le même résultat que celui promis par le projet ? Si oui, vous êtes face à une substitution, qui doit gagner sur le coût et sur rien d'autre. Si non, vous êtes face à une capacité nouvelle, qui se juge sur la valeur de ce qu'elle rend possible.

Ce qu'un humain ne peut pas faire, concrètement

Les capacités qu'une équipe ne peut pas assurer relèvent presque toujours de trois registres. Observer à une fréquence ou sur un volume hors de portée : photographier et analyser chaque lot, chaque pièce ou chaque document, là où l'humain procède par échantillon. Détecter un signal trop fin ou trop précoce pour l'œil : une dérive lente, une corrélation entre des données que personne ne met côte à côte. Tenir une constance que la fatigue empêche : la même rigueur de contrôle à la première heure et à la dixième, en pleine saison comme en période creuse. Dans les trois cas, la valeur ne vient pas des heures économisées, elle vient de décisions prises plus tôt et sur une information plus complète.

« [...] on met l'humain pour placer, lancer la captation. Il y a les statistiques qui ressortent, les chiffres de la journée qui ressortent, quelques images qui lui permettent de vérifier que lui, c'est cohérent. Et puis, ce qui lui permet, par contre, après, c'est d'avoir les chiffres au quotidien, de voir l'évolution »

Cette description résume la répartition des rôles dans un projet de capacité nouvelle. L'humain reste en place, il installe, lance, vérifie la cohérence. Ce qu'il gagne n'est pas du temps libéré, c'est une donnée quotidienne dont il ne disposait pas, et une vue de l'évolution qu'il ne pouvait pas reconstituer à la main.

Où chercher ces cas d'usage dans votre entreprise

Les meilleurs candidats se trouvent là où vous travaillez aujourd'hui par échantillonnage, par intuition ou avec retard. Un contrôle qualité qui ne vérifie qu'un lot sur dix. Une prévision de volumes qui repose sur ce que chaque fournisseur annonce pour la semaine suivante. Un suivi de stock réconcilié une fois par mois. Une remontée de non-conformités que personne n'a jamais analysée dans son ensemble. Chacune de ces situations révèle une décision prise avec une information partielle, faute de pouvoir faire mieux à un coût humain raisonnable. Nous avons décrit un cas proche dans notre article sur l'analyse par l'IA de la récurrence des non-conformités qualité, où la donnée existait déjà mais n'était jamais lue en entier.

Chiffrer le gain là où il se trouve vraiment

Un projet de capacité nouvelle ne se chiffre pas en heures, il se chiffre en coût d'incident. Le bon point de départ est la question que les directions financières savent déjà traiter : combien coûte un problème détecté trop tard ? Un lot rebuté, une récolte perdue, un traitement appliqué en urgence sur toute une serre au lieu d'une zone, une pénalité client. Dans une organisation dont la production est multipliée par dix entre l'hiver et l'été, comme cette coopérative, une semaine d'avance sur un problème en pleine saison ne vaut pas la même chose qu'une semaine d'avance en janvier. C'est ce type de raisonnement qui manque aux grilles d'évaluation classiques, y compris à la nôtre sur la maturité d'un projet IA, si on les applique uniquement à des gains de productivité.

Ce que ce critère n'autorise pas

Faire mieux, pas moins cher n'est pas un passe-droit pour les projets séduisants. Une capacité nouvelle doit toujours se traduire en décisions différentes, prises plus tôt ou avec plus de précision, et ces décisions doivent peser sur un coût identifiable. Un tableau de bord alimenté par l'IA que personne ne consulte au moment de décider n'est pas une capacité, c'est un écran de plus. Le critère exclut aussi de rejeter par principe les projets de substitution : quand une tâche longue, répétitive et bien définie coûte réellement plusieurs postes, le calcul en heures reste le bon, et il est souvent favorable.

La position que nous défendons est plus étroite et plus contestable : dans une PME qui démarre avec l'IA, le premier projet a plus de chances de réussir s'il vise une capacité qu'on n'a pas que s'il vise un poste qu'on a. Un projet de remplacement doit égaler l'humain sur tous les cas, rares compris, avant de rapporter le premier euro. Un projet de capacité nouvelle rapporte dès qu'il fait mieux que rien, ce qui laisse le temps d'apprendre, de corriger et de gagner la confiance des équipes, qui ne voient personne menacé.

L'exercice à faire avec votre comité de direction

À votre prochaine réunion de direction, demandez à chaque responsable de citer une décision de son périmètre prise aujourd'hui sur un échantillon, une estimation ou une information arrivée trop tard. Puis, pour chacune, posez deux questions : combien coûte la dernière fois où cette décision a été prise trop tard, et une équipe doublée aurait-elle pu l'éviter ? Les cas où le coût est connu et où la réponse à la seconde question est non forment votre liste courte de cas d'usage IA. Elle sera plus courte que la liste des tâches à automatiser, et nettement plus rentable.