Ton entreprise a-t-elle besoin d'IA ? Les sept questions que je pose avant de répondre

Publié le 22 septembre 2026 · David Sylvester · Lecture : 9 min.

« Faut-il se mettre à l'IA ? » La question revient à presque chaque premier rendez-vous, poussée par la peur du concurrent ou par des licences achetées mais inutilisées.

Je ne réponds jamais directement. Je pose sept questions, dans un ordre précis. Certaines valident un projet, d'autres l'arrêtent avant tout coût. Aucune compétence technique n'est requise pour s'y répondre toi-même — seulement de l'honnêteté sur le travail réel.

1. Qui fait ce travail aujourd'hui, et comment ?

Je fais décrire la même tâche par plusieurs personnes. Si les versions divergent, il n'y a pas de process : il y a des habitudes. L'IA reproduira le désordre.

Quand la réponse est « personne ne sait vraiment », la première étape est d'écrire la procédure. Une page suffit. Et la rédaction collective fait déjà apparaître la moitié du gain.

2. Combien de fois par semaine ?

Le volume compte plus que la pénibilité ressentie — et les deux sont rarement alignés chez un dirigeant, dont la tâche la plus agaçante est souvent rare, et faite par lui-même.

Une tâche faite deux fois par an ne justifie pas un système. Une tâche banale faite quarante fois par jour, oui. Des ordres de grandeur suffisent ; sinon, on reste manuel : modèles de documents, checklists.

3. Combien coûte une erreur ?

Erreur peu coûteuse et rattrapable → l'automatisation est facile à justifier. Erreur grave (client perdu, pénalité, document réglementaire faux) → validation humaine obligatoire, ce qui réduit le gain.

Le temps de relecture s'intègre dans le calcul dès le départ. Sinon l'estimation est fausse.

4. Que sait déjà faire ton logiciel actuel ?

La question la moins spectaculaire et la plus rentable. Les CRM, logiciels de gestion ou de comptabilité contiennent des fonctions payées mais jamais paramétrées : règles de relance, modèles de documents, exports automatisés.

Une demande d'agent IA se règle parfois dans les paramètres d'un outil existant : coût quasi nul, aucun apprentissage pour l'équipe, aucune donnée qui sort.

5. Que se passe-t-il si l'IA se trompe ?

L'IA se trompe toujours, plus ou moins. L'important est qui s'en aperçoit, et avec quelles conséquences.

Ma recommandation tient partout : la machine prépare, l'humain envoie. Pas d'envoi automatique vers des clients.

Volet réglementaire : depuis le 2 août 2026, l'AI Act impose la transparence — vos clients doivent savoir qu'ils parlent à une machine si une IA dialogue avec eux. Le détail est dans la mise à jour sur l'article 50.

6. Où vont les données ?

Chaque outil ajoute un lieu de circulation : données clients, prix, historique. Selon la tâche, un hébergement européen ou un modèle local s'impose.

Je pose cette question tôt parce qu'elle change l'architecture et le coût. Un projet qui exige d'envoyer des données sensibles hors d'Europe pour un gain modeste est rejeté.

7. Qui s'en servira dans six mois ?

L'outil qui impressionne en démo puis reste inutilisé est l'échec le plus raconté. L'outil est rarement en cause : personne n'était désigné pour l'utiliser et l'entretenir.

Il exige un nom précis, avec du temps dédié. Sans cela, le projet attend.

Le scénario qui conclut « pas d'IA tout de suite »

Un dirigeant d'entreprise de services veut une IA qui répond aux demandes de devis : une trentaine par semaine, répondues tard, le soir, par lui seul. Passons les sept questions :

• Il n'existe aucune grille de prix écrite (question 1 : pas de process).
• Une erreur de prix envoyée à un client est quasi irrécupérable (question 3 : validation humaine requise, donc gain réduit).
• Son logiciel gère déjà des modèles de devis que personne n'a créés (question 4 : valeur dormante dans l'outil existant).
• Des données sensibles sont en jeu (question 6).
• Le seul utilisateur potentiel est le dirigeant — précisément celui qui manque de temps (question 7).

Conclusion : commencer par une grille de prix écrite et cinq modèles dans le logiciel existant. Ensuite seulement, envisager une IA qui prépare des brouillons.

Trois lectures fausses à éviter

1. « Tout doit être parfait avant l'IA. » Non : seule la tâche visée doit être stable.
2. « Ces questions servent à vendre moins. » Elles servent à vendre ce qui tiendra.
3. « Si ce n'est pas maintenant, ce ne sera jamais. » Le diagnostic est une photo : volume, personnel ou procédure peuvent changer en six mois.

Aucune des sept questions ne porte sur la technologie. Elles concernent l'organisation, les volumes, les risques, les données et les équipes. Choisir et brancher un outil prend quelques jours ; savoir où le brancher constitue tout le travail.