Disons-le franchement : dans la quasi-totalité des PME que nous visitons, l’innovation ne bute pas sur un manque d’idées. Elle bute sur le fait que les idées existantes n’arrivent jamais jusqu’à l’épreuve du réel. Le carnet du directeur technique en contient douze, le commercial en rapporte trois par trimestre du terrain, l’atelier en a quelques-unes que personne n’a jamais écrites. Toutes attendent le même créneau introuvable. C’est précisément là qu’un cabinet de conseil IA en innovation en PME apporte quelque chose d’utile, et ce n’est pas de la créativité supplémentaire.
Le goulot d’étranglement se situe entre l’idée et l’essai
Prenons un cas que nous suivons : un mécanicien de précision de quatre-vingts salariés, sous-traitant de rang deux, avec un bureau d’études de six personnes. Ces six personnes passent environ 40 % de leur temps sur des devis techniques et des mises à jour de plans, et le reste sur des reprises de dossiers existants. Le développement de nouvelles solutions occupe ce qui reste, c’est-à-dire pas grand-chose.
Aucune méthode d’animation créative ne débloque cette situation. Ce qui la débloque, c’est de rendre du temps à ces six personnes.
Le raisonnement vaut pour la plupart des secteurs. Avant d’imaginer un produit nouveau, regardez combien d’heures qualifiées votre entreprise consacre chaque semaine à des travaux qu’une machine ferait correctement. Le chiffre est presque toujours supérieur à ce que le dirigeant estime.
Un second obstacle, moins avouable, pèse tout aussi lourd. Les PME industrielles ont une culture de l’engagement : on ne lance un projet que si l’on est certain de le mener au bout. Cette rigueur, excellente en production, paralyse l’expérimentation. Un essai qui échoue en cinq semaines n’est pas un échec de l’entreprise, c’est une information achetée à bas prix. Tant que cette idée n’est pas admise en comité de direction, rien ne démarre.
Trois usages qui accélèrent un bureau d’études
Le premier concerne la mémoire technique de l’entreprise. Vingt ans d’affaires, de comptes rendus d’essais, de rapports de non-conformité et de courriels d’arbitrage dorment dans des dossiers réseau. Modul’IA rend ce fonds interrogeable en langage courant : un ingénieur retrouve en quelques secondes l’essai réalisé en 2019 sur un alliage voisin, avec ses conclusions. Le gain n’est pas de gagner dix minutes de recherche, il est d’éviter de refaire un essai déjà payé.
Le deuxième porte sur la phase amont. Brief’IA transforme une demande client bavarde et incomplète en cahier des charges structuré, avec les questions manquantes formulées noir sur blanc. Le bureau d’études cesse de deviner. Sur un flux de deux cents consultations annuelles, cela représente une charge de tri considérablement allégée.
Le troisième relève de l’anticipation. Predict’IA travaille sur les signaux faibles disponibles dans vos propres données : familles de pièces dont les volumes glissent, clients dont les consultations changent de nature, dérives de qualité qui précèdent une réclamation. L’innovation utile naît souvent de ces observations-là plutôt que d’un atelier d’idéation. Notre article sur un chatbot au service du support technique d’une PME industrielle raconte une trajectoire de ce type, partie d’un irritant très concret.
Le démonstrateur, seule preuve qui compte
Un comité de direction peut débattre six mois d’une idée. Un démonstrateur tranche en trois semaines.
Ce que nous appelons démonstrateur n’a rien d’un prototype industriel. C’est une maquette fonctionnelle, volontairement laide, construite sur un périmètre étroit et un jeu de données réel, que l’on met entre les mains de trois utilisateurs. Elle sert à répondre à une question unique, formulée à l’avance : est-ce que cela tient debout chez nous, avec nos données, avec nos gens.
Chez le mécanicien dont il était question plus haut, le premier démonstrateur a porté sur le chiffrage des consultations entrantes. Périmètre : une seule famille de pièces tournées. Durée : cinq semaines. Question posée : peut-on diviser par deux le temps de préparation d’un devis technique sans dégrader la fiabilité du prix. La réponse a été oui pour les affaires répétitives, non pour les pièces nouvelles. Ce demi-résultat valait bien plus qu’un rapport de faisabilité de quarante pages, parce qu’il indiquait exactement où poser la frontière.
Notre conseil sur ce point est catégorique. Décidez du critère d’abandon avant de commencer. Une équipe qui n’a pas défini ce qui la ferait renoncer ne renonce jamais, et l’entreprise se retrouve à financer pendant deux ans un projet que tout le monde sait mort.
Ce qui fait échouer ces projets
Quatre causes reviennent, et elles n’ont presque rien de technologique.
- Le projet appartient à tout le monde. Sans une personne nommée, disposant de temps dégagé et d’un mandat clair du dirigeant, le sujet glisse de réunion en réunion.
- Le périmètre grossit en route. Ce qui devait être un essai sur une famille de pièces devient un programme de refonte du système d’information. Le calendrier explose, l’enthousiasme retombe.
- Les utilisateurs découvrent l’outil à la fin. Un dispositif conçu sans l’atelier ou sans le bureau d’études se heurte à un mur poli et définitif.
- Le cadre juridique arrive après coup. Selon l’usage envisagé, certaines applications entrent dans des catégories qui appellent une vigilance particulière ; notre article sur les obligations des entreprises face au règlement européen sur l’IA pose les repères.
Une cinquième cause, plus rare mais fatale, mérite d’être citée : l’entreprise choisit son sujet d’innovation parce qu’il est à la mode, pas parce qu’il résout un problème qu’elle rencontre. Ces projets-là meurent toujours, simplement plus tard.
Combien, en combien de temps, avec qui
Les ordres de grandeur, puisque c’est la question que tout dirigeant pose en premier. Un démonstrateur sérieux sur un périmètre étroit se situe entre 8 000 et 25 000 euros selon la complexité de l’accès aux données et le nombre d’interlocuteurs à mobiliser. Comptez trois mois entre la décision et un verdict argumenté, dont six semaines d’usage réel. En dessous, on ne mesure rien de fiable ; au-delà, on perd l’attention de l’entreprise.
Les dispositifs de soutien existent et sont sous-utilisés par les PME industrielles. France Num, le programme Osez l’IA et les aides de BPI France financent une partie notable de ce type de démarche, à condition de constituer le dossier avant d’engager les dépenses et non l’inverse.
Reste la compétence interne, qui décide de tout à moyen terme. La personne désignée pour porter le sujet gagne à suivre la formation Référent IA ; le bureau d’études et les fonctions support se contentent de la formation Initiation IA. Notre page consacrée à la formation à l’intelligence artificielle en entreprise précise les formats disponibles.
L’innovation dans une PME n’est pas affaire de budget de recherche. Elle est affaire de temps qualifié rendu disponible, d’essais courts et d’une discipline d’abandon. C’est le travail que MINOBIA, en cabinet de conseil IA de l’innovation en PME, mène avec des dirigeants qui préfèrent trois essais honnêtes à un grand programme jamais livré. Un échange d’une heure suffit généralement à repérer le premier candidat.
Questions fréquentes
Faut-il un service recherche et développement pour se lancer ?
Non. Un responsable technique, un dirigeant décidé et une demi-journée par semaine dégagée suffisent à mener un premier démonstrateur.
Nos données sont éparpillées, est-ce rédhibitoire ?
Non, à condition de restreindre l’essai à un périmètre où les données sont vérifiables. Nous préférons un démonstrateur sur mille dossiers propres que sur vingt mille douteux.
Comment savoir si l’essai a réussi ?
Par le critère fixé au départ, et par un signe très simple : les utilisateurs continuent de s’en servir quand plus personne ne le leur demande.
Que devient le démonstrateur s’il fonctionne ?
Il est jeté, et remplacé par une version industrialisée. Vouloir conserver la maquette en production est l’une des erreurs les plus coûteuses que nous voyons.
Nos concurrents avancent-ils vraiment sur ces sujets ?
Beaucoup communiquent davantage qu’ils n’agissent. C’est une mauvaise raison de se précipiter, et une bonne raison de ne pas se croire en retard.
Lancez votre premier démonstrateur avec MINOBIA
À propos de l’auteur
Joël Obitz est entrepreneur et fondateur de MINOBIA, cabinet spécialisé dans l’intégration stratégique de l’intelligence artificielle au sein des PME et ETI. Fort de 20 ans d’expérience dans le B2B industriel, il accompagne les entreprises dans leur transformation numérique, avec une approche directe, pragmatique et orientée résultats.
Contactez-nous : contact@minobia.ai
Suivez-nous sur LinkedIn et Facebook
MINOBIA – Activateur France Num https://www.francenum.gouv.fr/activateurs/minobia
