IA en PME : les 3 résistances que personne ne vous dit

Quand on discute avec des dirigeants de PME industrielles ou agroalimentaires d'un projet d'IA, les blocages ne sont presque jamais là où on les attendrait. Pas de refus frontal, pas de problème d'infrastructure, pas d'équipe incompétente. Les vrais freins sont plus discrets et, paradoxalement, plus difficiles à traiter précisément parce qu'ils ne ressemblent pas à ce qu'on appelle habituellement une résistance.

Trois archétypes reviennent régulièrement. Trois situations réelles, trois logiques différentes, trois réponses distinctes.

Résistance n°1 : la peur de perdre ce qui fait la valeur

Un dirigeant dans l'ostréiculture évalue un projet de vision par ordinateur pour automatiser le comptage de micro-organismes. La faisabilité technique est là. Le besoin est identifié. La conversation avance bien — jusqu'au moment où il pose la vraie question.

« Le comptage en lui-même, ce qui est important, c'est que l'humain soit toujours proche de l'animal. J'ai peur sur l'automatisation de ce type de travail. J'ai peur que petit à petit, la culture d'entreprise s'en aille encore. »

Dans les PME ostréicoles ou aquacoles, le savoir-faire est oral. Il se transmet par compagnonnage, par observation, par la présence physique sur le site. L'automatisation n'est pas vécue comme un gain d'efficacité — elle est vécue comme une amputation progressive de ce qui fait l'identité de l'entreprise.

Ce n'est pas irrationnel. C'est une lecture lucide des risques que porte une automatisation mal calibrée dans un contexte artisanal. La réponse ne peut pas être pédagogique — « ne vous inquiétez pas, vos équipes s'adapteront ». Elle doit être structurelle : définir précisément ce qu'on automatise et ce qu'on ne touche pas, et nommer explicitement pourquoi.

Dans ce type de projet, la technologie doit renforcer la proximité avec l'animal, pas la remplacer. Un outil qui alerte l'opérateur sur une anomalie détectée, plutôt qu'un outil qui remplace l'opérateur dans son rôle d'observation, change radicalement la perception du projet — et sa probabilité d'adoption.

Résistance n°2 : le projet techniquement brillant, économiquement non viable

Même contexte, autre angle. Le comptage de micro-organismes prend 30 minutes par jour, pour deux personnes. L'investissement pour automatiser : 8 à 10 000 euros. Le calcul est rapide et sans appel.

Si on ne compte que les heures économisées, le seuil de rentabilité n'est pas atteint avant 3 à 4 ans — dans le meilleur des cas. Comparez avec un projet IA dans une PME industrielle où 7 à 8 équivalents temps plein sont libérés sur des tâches répétitives : le ROI tombe en dessous d'un an. La différence n'est pas technologique. Elle est dans la maturité du problème.

Ce qu'on observe régulièrement : quand un dirigeant exprime un besoin d'outillage sans pouvoir quantifier le gain attendu, c'est souvent un signal de désir d'innovation plutôt que d'une douleur opérationnelle réelle. Le projet est séduisant, la technologie est là, mais le problème n'est pas encore assez douloureux pour justifier l'investissement sur les critères habituels.

Ce n'est pas rédhibitoire. Ces projets peuvent se justifier autrement — différenciation sectorielle, image auprès des clients, réduction de charge mentale pour les équipes. Mais il faut le nommer clairement et ne pas promettre un ROI classique quand les chiffres ne le supportent pas. Un dirigeant à qui on présente honnêtement cette réalité fait confiance. Un dirigeant à qui on a vendu un ROI optimiste et qui ne le voit pas arrive frustré 18 mois plus tard.

Résistance n°3 : l'IA est déjà là, personne ne le sait

Celui-ci est le plus contre-intuitif. Dans plusieurs PME agroalimentaires rencontrées ces derniers mois, la même configuration se répète : la direction pense que l'entreprise n'est pas encore prête pour l'IA. Pendant ce temps, les équipes utilisent ChatGPT ou d'autres outils IA de manière autonome, sans gouvernance, sans politique de données, sans que personne ne le sache officiellement.

Ce n'est pas de la résistance à l'IA. C'est de l'IA sans cadre. La différence est massive en termes de risques.

« Ces entreprises ont un frein majeur : la confidentialité des données et l'absence de cadrage méthodologique. »

Les risques concrets de ce shadow IT IA : des données clients ou des formules propriétaires envoyées dans des outils tiers sans accord de traitement, des décisions prises sur des outputs non vérifiés, et aucune capitalisation sur les usages qui fonctionnent. Deux services peuvent utiliser l'IA pour résoudre le même problème sans jamais se coordonner.

Le paradoxe de cette situation : la direction qui pense « on n'est pas encore prêt » est souvent celle dont les équipes sont les plus en avance. Le travail n'est pas de convaincre d'adopter l'IA — c'est de donner un cadre à ce qui existe déjà.

Ce que ça change pour vous

Ces trois résistances ont en commun qu'elles ne se résolvent pas avec un argumentaire sur les bénéfices de l'IA. Elles se résolvent chacune différemment.

Dans les trois cas, le point de départ est le même : une conversation honnête sur ce qui se passe vraiment dans l'entreprise, avant de parler de solution. Ce n'est pas le travail d'un commercial IA. C'est le travail d'un interlocuteur qui comprend les contraintes opérationnelles d'une PME industrielle ou agroalimentaire et qui n'a pas d'intérêt à vendre une solution non adaptée.

La prochaine question que vous devriez vous poser n'est pas « par où commencer avec l'IA ». C'est « laquelle de ces trois résistances s'applique à ma situation aujourd'hui ».