Sur la dizaine d’ateliers que nous avons animés cette année auprès de dirigeants en Essonne, un constat s’est imposé, huit participants sur dix utilisaient déjà un modèle de langage au quotidien sans jamais employer le terme. ChatGPT pour un courrier, un traducteur automatique nouvelle génération, l’assistant intégré à leur messagerie. Le mot LLM, pour large language model ou grand modèle de langage, intimide encore. La réalité qu’il recouvre est déjà installée dans les bureaux. Comprendre les LLM et les applications en entreprise qu’ils rendent possibles n’est donc plus un sujet de veille technologique, c’est un sujet de gestion, avec des gains à saisir et des risques à cadrer.
Un LLM expliqué en deux minutes, sans mathématiques
Un grand modèle de langage est un programme entraîné sur d’immenses quantités de textes, qui a appris les régularités du langage au point de savoir produire une suite plausible à n’importe quel texte qu’on lui soumet. Question, il propose une réponse. Début de courrier, il propose la suite. Document de cinquante pages, il propose un résumé.
Deux conséquences pratiques découlent de ce principe. Le LLM manie le langage remarquablement bien, reformuler, résumer, traduire, structurer, comparer des textes, c’est son terrain naturel. Et il ne « sait » rien au sens strict, il produit du plausible. D’où des affirmations parfois fausses énoncées avec un aplomb parfait, le fameux phénomène d’hallucination. Ni magie ni escroquerie, un outil statistique d’une puissance inédite, avec un mode d’emploi.
Où les modèles créent de la valeur, service par service
- Commercial, préparation des rendez-vous à partir des sites et publications du prospect, rédaction des propositions, comptes rendus de visite dictés puis mis en forme.
- Administratif et comptabilité, tri du courrier entrant, réponses aux demandes répétitives, premier contrôle de cohérence des pièces.
- Ressources humaines, rédaction des offres et des fiches de poste, synthèse des entretiens annuels, réponses aux questions courantes des salariés sur les procédures internes.
- Service client, brouillons de réponse aux réclamations, base de connaissances interrogeable en langage naturel par les techniciens.
- Direction, analyse de contrats, veille concurrentielle digérée, préparation des dossiers bancaires et des supports de comité.
Le point commun de ces usages saute aux yeux. Du texte en entrée, du texte en sortie, un humain qui valide. Dès qu’un métier brasse des documents, il existe un gisement. Une PME de services de quarante personnes récupère couramment l’équivalent de plusieurs heures par semaine et par poste concerné, ce qui, mis bout à bout, finance très largement les abonnements.
Trois façons d’y accéder, du plus simple au plus intégré
Premier niveau, les assistants prêts à l’emploi, ChatGPT d’OpenAI, Claude d’Anthropic, Gemini de Google, Copilot de Microsoft intégré à Office. Une vingtaine d’euros par mois et par utilisateur, aucune installation, des résultats dès la première semaine. C’est le bon point de départ pour presque toutes les PME. Notons au passage qu’un acteur français, Mistral AI, propose son propre assistant et des modèles ouverts, un argument qui compte pour les entreprises attentives à la localisation de leurs données.
Deuxième niveau, les logiciels métier qui embarquent un LLM, CRM qui rédige les relances, outil de support qui propose des réponses, comptabilité qui pré-affecte les écritures. L’IA arrive alors par vos éditeurs habituels, souvent sans décision formelle de votre part, surveillez d’ailleurs les hausses de tarif qui l’accompagnent.
Troisième niveau, l’intégration sur mesure par API, brancher un modèle sur vos propres données et vos propres processus, par exemple un assistant interne qui répond à partir de votre documentation technique. Comptez de quelques milliers à quelques dizaines de milliers d’euros selon l’ambition. Réservez ce niveau aux processus déjà rodés manuellement, automatiser un flou produit un flou plus rapide.
Deux exemples vécus, loin des démonstrations
Un distributeur B2B d’une trentaine de salariés croulait sous les réclamations écrites, retards, erreurs de référence, litiges transport. Chaque réponse mobilisait vingt à trente minutes d’un assistant commercial. L’équipe a construit une bibliothèque de trames avec un LLM, la réponse part désormais en cinq minutes, personnalisée, relue, archivée. Le ton s’est même amélioré, l’outil ne se vexe jamais, l’assistante validait et signait. Personne n’a perdu son poste, le temps récupéré est parti sur la relance des devis dormants, activité autrement plus rentable.
Deuxième cas, un bureau d’études techniques dont les mémoires de réponse aux appels d’offres occupaient des soirées entières. Le LLM reçoit le règlement de consultation, en extrait les critères et les pièces exigées, puis assemble un premier jet à partir des mémoires gagnants des trois dernières années. Le chargé d’affaires passe son temps sur la partie différenciante, la variante technique, au lieu de recopier des paragraphes de présentation. Résultat mesuré sur un semestre, davantage de dossiers déposés à effectif constant, et un taux de réussite stable, donc plus d’affaires gagnées en valeur absolue.
Aucun des deux projets n’a nécessité de développement informatique. Un abonnement professionnel, des documents internes bien choisis, trois semaines de rodage.
Les risques à cadrer avant de généraliser
La confidentialité d’abord. Un salarié qui colle un fichier clients dans un compte gratuit grand public fait sortir des données de l’entreprise, parfois en violation du RGPD. Les offres professionnelles des grands éditeurs prévoient contractuellement que vos données ne servent pas à entraîner leurs modèles, c’est l’une des raisons de payer. L’hallucination ensuite, tout chiffre, toute clause, toute affirmation juridique produite par un modèle se vérifie avant d’engager l’entreprise. La dépendance enfin, formez plusieurs personnes, documentez vos usages, ne laissez pas tout le savoir-faire dans la tête d’un seul passionné.
Notre conseil, une charte d’une page. Ce qui peut transiter par les outils, ce qui ne le peut jamais, qui valide quoi. Rédigée en une réunion, elle évite les deux écueils symétriques, l’usage sauvage et l’interdiction totale que les équipes contournent en douce, sur leur téléphone personnel.
Par quoi commencer lundi matin
Choisissez deux volontaires et un irritant documentaire, les comptes rendus qui traînent, les réponses aux réclamations, les propositions commerciales. Équipez-les d’un assistant en version professionnelle. Mesurez le temps avant, le temps après, pendant un mois. Puis décidez d’étendre, ou pas, sur des chiffres à vous plutôt que sur les promesses d’un éditeur. Le choix des volontaires compte, prenez des gens moteurs et écoutés de leurs collègues, leur retour d’expérience fera plus pour l’adoption que toutes les notes de service. L’investissement de départ tient dans le budget d’un déjeuner d’équipe.
Les LLM et les applications en entreprise qu’ils permettent n’exigent ni data scientist ni plan quinquennal, seulement un cadre, deux pilotes et de la mesure. C’est précisément l’accompagnement que propose MINOBIA aux PME et ETI, identifier les gisements, choisir le bon niveau d’outillage, former les équipes et poser les garde-fous. Premier échange sans engagement.
Questions fréquentes
LLM, IA générative, assistant, est-ce la même chose ?
À peu près, dans l’usage courant. Le LLM est le moteur, l’IA générative la famille de technologies, l’assistant le produit fini que vos équipes manipulent.
Faut-il un informaticien pour démarrer ?
Non. Les assistants du marché s’utilisent depuis un navigateur. Les compétences techniques ne deviennent nécessaires qu’au stade de l’intégration sur mesure.
Quel budget prévoir la première année ?
Pour un pilote, quelques centaines d’euros d’abonnements et surtout du temps de formation. L’intégration à vos logiciels, si elle se justifie, se chiffre ensuite en milliers d’euros.
Les LLM vont-ils supprimer des postes dans ma PME ?
Ce que nous observons ressemble plutôt à un déplacement des tâches, moins de saisie et de rédaction brute, plus de contrôle et de relation client. Les organisations qui anticipent ce glissement le vivent bien mieux que celles qui le subissent.
Un modèle peut-il tourner sur nos propres serveurs ?
Oui, des modèles ouverts s’installent en local pour les besoins de confidentialité extrêmes. La qualité et la maintenance demandent en contrepartie de vraies compétences internes, la plupart des PME n’en ont pas besoin.
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
