Cas d’usage
Cinq usages de l’intelligence artificielle dans une PME industrielle.
Aucun ne concerne la ligne de production. Tous concernent le temps que passent les fonctions support et commerciales à recopier, chercher et reformuler — c’est là que le gain se prend sans investissement matériel.
Par Denis Atlan, fondateur d’ENDKOO, qui mène les missions décrites ici. Publié le .
Pourquoi la production n’est pas dans cette liste
Quand on parle d’intelligence artificielle en industrie, on pense maintenance prédictive et contrôle qualité par vision. Ces sujets existent, ils fonctionnent, et ils supposent des capteurs, des données historisées sur plusieurs années et un intégrateur spécialisé. Ce n’est pas le périmètre d’ENDKOO, et ce n’est pas là que se trouve le gain rapide d’une PME de cinquante à trois cents personnes.
Le gain rapide est ailleurs : dans les heures que passent le bureau d’études, l’administration des ventes et le service commercial à produire des documents à partir d’autres documents.
Les cinq usages, classés par gain réel
| Usage | La tâche | Gain | Ce qui le conditionne |
|---|---|---|---|
| Réponse aux appels d’offres | Extraire les exigences d'un cahier des charges de soixante pages et les confronter à vos capacités réelles. | Élevé | La tâche est longue, répétitive, et l'erreur se voit à la relecture. Le document existe déjà : rien à collecter. |
| Chiffrage et devis récurrents | Reprendre un historique de devis pour proposer une base chiffrée sur une demande similaire. | Élevé | Les données sont dans votre système depuis des années. Le commercial garde la main sur le prix final. |
| Documentation technique | Produire notices, fiches de poste et modes opératoires à partir de spécifications existantes. | Moyen | Gain net réel, mais la vérification technique reste indispensable : une notice fausse engage la responsabilité. |
| Service après-vente | Classer les demandes entrantes, retrouver l'historique d'une machine, préparer une réponse. | Moyen à élevé | Dépend entièrement de l'état de l'historique. Si les interventions ne sont pas tracées, il n'y a rien à exploiter. |
| Pilotage commercial | Interroger en langage courant l'historique de facturation : saisonnalité, marges, clients qui décrochent. | Variable | Fort quand les données sont propres. Nul quand elles ne le sont pas — et c'est le cas le plus fréquent. |
Ce que disent les travaux publiés
Le gain n’est pas réparti uniformément dans une équipe. L’étude Brynjolfsson, Li et Raymond — Generative AI at Work sur 5 172 agents de support relève +14 % de productivité en moyenne, mais +34 % pour les moins expérimentés — ce qui inverse l’intuition habituelle consistant à équiper d’abord les meilleurs.
L’étude Dell’Acqua et al. — Navigating the Jagged Technological Frontier sur 758 consultants montre l’autre face : +40 % de qualité dans le périmètre où le modèle est compétent, et un effet nul à négatif au-delà. L’utilisateur suit alors une réponse fausse parce qu’elle est bien écrite. Localiser cette frontière sur vos propres cas est exactement l’objet d’une expérimentation.
L’ordre dans lequel les prendre
Le classement ci-dessus n’est pas un ordre de déploiement. L’ordre dépend d’une seule chose : ce que vous savez déjà mesurer. Un usage à gain élevé sur lequel personne ne sait dire combien d’heures partent aujourd’hui ne pourra jamais être défendu en comité de direction, parce qu’il n’y aura pas de point zéro à comparer.
Commencez donc par le relevé, pas par l’outil. C’est le premier livrable d’un audit, et c’est ce qui rend la suite discutable sur des chiffres plutôt que sur des impressions.
Questions fréquentes
Combien coûte la mise en place de ces usages ?
Pour les trois premiers, quelques dizaines d'euros par mois d'abonnement et quelques jours de travail interne pour écrire les instructions et les tester. Le pilotage commercial est plus coûteux, parce qu'il suppose souvent un travail préalable sur la qualité des données — c'est là que les budgets dérapent, pas sur l'outil.
Ces usages concernent-ils aussi les entreprises de services ?
En grande partie. Les appels d'offres, les devis récurrents et le pilotage commercial ne sont pas propres à l'industrie : ils existent dans le conseil, la distribution, le bâtiment. Seule la documentation technique est spécifique. Ce qui distingue l'industrie, c'est le volume documentaire et la longueur des cycles de vente, qui augmentent le gain sans changer le mécanisme.
Faut-il commencer par le cas au gain le plus élevé ?
Non — par celui dont vous savez mesurer le point de départ. Un cas à fort gain sur lequel personne ne sait dire combien d'heures partent aujourd'hui ne sera jamais défendable en comité, faute de comparaison possible à l'arrivée.
L'intelligence artificielle sert-elle à quelque chose en production industrielle ?
Sur la ligne elle-même, cela relève de la vision par ordinateur et de la maintenance prédictive, qui supposent des capteurs, des données historisées et un intégrateur spécialisé : ce n'est pas le périmètre d'ENDKOO. Les usages traités ici sont ceux des fonctions support et commerciales, où le gain s'obtient sans investissement matériel.
Par lequel de ces cinq usages faut-il commencer ?
Par celui dont vous pouvez mesurer le point de départ. Si vous savez combien d'heures partent chaque mois sur la réponse aux appels d'offres, commencez par là. Si vous ne savez rien mesurer, la première étape n'est pas un cas d'usage, c'est un relevé.
Nos données sont en mauvais état. Est-ce éliminatoire ?
Pas pour les trois premiers usages, qui travaillent sur des documents existants plutôt que sur une base structurée. Pour le pilotage commercial, oui : interroger un historique incohérent produit des réponses fausses formulées avec assurance, ce qui est pire que pas de réponse du tout.
Faut-il un budget informatique dédié ?
Pour ces cinq usages, non. Ils reposent sur des abonnements mensuels résiliables et sur les outils déjà en place. Le coût principal est le temps des équipes pendant la mise au point, et la supervision une fois le dispositif en service.