35 000 entreprises sensibilisées à l’IA. Maintenant, il faut passer du paddock à la piste.

La sensibilisation crée l’envie, mais la valeur vient d’un cas d’usage défini, testé et mesuré.

Le plan « Osez l’IA » vient de souffler sa première bougie.

Le 3 septembre 2026, la Direction générale des Entreprises annonçait plus de 35 000 entreprises sensibilisées, 615 Ambassadeurs IA, 88 offreurs référencés, 54 cas d’usage publiés et 70 Diagnostics Data IA déjà engagés.

C’est beaucoup de mouvement.

Et le mot important dans la nouvelle étape annoncée par l’État est justement celui-ci : passer de la sensibilisation à l’action.

Je pense que beaucoup d’entreprises sont exactement à cet endroit.

Elles ont vu ce que l’IA pouvait faire.

Elles ont assisté à une démonstration.

Elles ont parfois payé une formation.

Elles ont ouvert quelques comptes.

Puis arrive la question qui fait moins rêver :

on en fait quoi lundi matin ?

Le paddock est utile. La course se joue ailleurs.

Avant une course, il y a énormément de choses autour de la voiture.

Les présentations.

Les réglages.

Les briefings.

Les écrans.

Les discussions.

Tout cela prépare le départ.

Mais aucune équipe ne gagne parce qu’elle a passé trois jours à admirer son matériel dans le paddock.

La sensibilisation à l’IA joue un rôle similaire.

Elle enlève une partie de la peur.

Elle donne des idées.

Elle permet aux équipes de voir des possibilités qu’elles n’auraient pas imaginées seules.

Très bien.

Mais si on reste là, le retour sur investissement finit par être compliqué à expliquer.

Commencer par une tâche qui fait mal

Je préfère une question simple :

qu’est-ce qui vous fait perdre du temps chaque semaine ?

Pas « quel agent devriez-vous déployer ? »

Pas « quel modèle est le meilleur ? »

Pas « comment devenir une entreprise AI-first ? »

Une tâche.

Un problème.

Un irritant.

Par exemple :

un commercial reprend les mêmes informations dans trois outils ;

un responsable passe une matinée à consolider des données ;

une assistante relit vingt documents pour retrouver une clause ;

un service répond chaque jour aux mêmes dix questions ;

un manager prépare manuellement un compte rendu puis recopie les actions dans un autre système.

Là, on a quelque chose sur quoi travailler.

Le cas d’usage doit tenir sur une feuille

Si je dois tester une idée IA dans une PME, je veux pouvoir écrire quatre lignes :

Situation actuelle : ce qui se passe aujourd’hui.

Problème : ce qui coûte du temps, crée une erreur ou bloque quelqu’un.

Résultat attendu : ce qui doit être meilleur après le test.

Limite : ce qu’on ne veut pas automatiser ou ce qui doit rester sous contrôle humain.

C’est déjà beaucoup.

Sur une voiture, on ne change pas quinze réglages en même temps si on veut comprendre ce qui améliore le comportement.

Pour un projet IA, même logique.

Si vous changez l’outil, le processus, les responsabilités, le logiciel, les données et le mode de validation en une seule fois, vous ne saurez plus vraiment pourquoi ça marche ou pourquoi ça casse.

Le diagnostic n’est pas un audit de 80 pages

Le plan « Osez l’IA » met justement en avant les Diagnostics Data IA pour aider les PME et ETI à identifier des opportunités.

Le mot diagnostic peut faire peur.

On imagine parfois un cabinet qui débarque, fait trente entretiens et repart avec un PowerPoint.

Je vois plutôt quelque chose de beaucoup plus opérationnel.

Regarder les flux.

Suivre une tâche.

Chronométrer grossièrement.

Identifier les reprises.

Repérer où l’information change de format.

Comprendre qui valide quoi.

Puis choisir un premier point d’attaque.

Le diagnostic sert à éviter de monter un moteur de compétition sur une voiture dont le problème vient des freins.

Tester petit ne veut pas dire penser petit

Un bon prototype peut être très modeste.

Un outil qui prend trois documents et produit une synthèse contrôlable.

Un assistant qui prépare un brouillon à partir de données internes.

Une automatisation qui trie des demandes selon des règles précises.

Un moteur de recherche sur dix procédures.

Un workflow qui prépare le travail mais ne l’envoie jamais sans validation.

L’objectif n’est pas d’impressionner.

L’objectif est de vérifier trois choses :

est-ce utile ?

est-ce fiable ?

est-ce que les gens l’utilisent vraiment ?

Si la réponse est oui, on élargit.

La diffusion de l’IA n’est plus le seul problème

La Banque de France constate elle aussi une adoption rapide mais des gains encore limités.

Ça raconte la même histoire.

La technologie est arrivée plus vite que sa transformation en méthode de travail.

On peut donc arrêter de mesurer uniquement combien de personnes ont essayé.

Le prochain indicateur intéressant est le nombre de problèmes réels qui ont été améliorés.

Un tour propre vaut mieux que vingt minutes à faire chauffer le moteur.

Pour l’IA en entreprise, on en est là.

Sources vérifiées

• Direction générale des Entreprises, 3 septembre 2026
• Banque de France, 3 septembre 2026