90 % des professionnels de la tech utilisent l’IA au travail. En France, 5 % des TPE-PME s’en servent pour automatiser des tâches. Les deux chiffres sortent de deux enquêtes sérieuses, publiées à quelques mois d’intervalle. L’écart ne mesure pas un retard technologique. Il mesure une différence de périmètre : les premiers construisent du logiciel, les seconds en subissent.
Besoin d'aide ? Découvrez les solutions de notre agence de developpement d'application No Code.
C’est là que se trouve le gisement. Pas dans le chatbot qui rédige des mails, déjà installé partout. Dans les processus métier qui tournent encore à la ressaisie, au fichier partagé et à la mémoire d’une seule personne.
L’IA est entrée par la rédaction, pas par les processus
Le rapport DORA 2025, mené auprès de près de 5 000 professionnels de la tech, donne 90 % d’usage de l’IA au travail, plus de 80 % de gains de productivité perçus, et 30 % de défiance sur le code produit. Chez les développeurs, l’outil est devenu aussi banal qu’un éditeur de texte.
Côté PME françaises, le baromètre France Num 2025 (11 021 entreprises interrogées entre mars et avril 2025) donne 26 % d’utilisation de l’IA, en progression de 13 points sur un an. Le détail des usages est plus intéressant que le total :
- 22 % génèrent du texte, de la voix ou des images ;
- 14 % utilisent un chatbot ou un assistant ;
- 6 % analysent ou classifient des documents ;
- 5 % automatisent des tâches ;
- 5 % analysent des données pour prévoir ou optimiser.
Vous lisez bien. L’IA générative est entrée par la production de contenu, l’usage le moins structurant qui existe. Les usages qui touchent au processus, extraire une donnée d’une facture, déclencher une action, alimenter un outil de gestion, restent à 5 ou 6 %.
L’étude Bpifrance Le Lab, menée auprès de 1 209 dirigeants de PME et ETI, va dans le même sens avec un autre chiffre : 32 % d’utilisation. L’écart avec les 26 % de France Num n’est pas une contradiction, c’est un effet de périmètre. Bpifrance exclut les entreprises de moins de 10 salariés, qui sont précisément les moins équipées. Et dans les deux cas, le constat central tient : 94 % des utilisateurs se servent de l’IA pour optimiser l’existant, pas pour créer un outil nouveau. 43 % des dirigeants interrogés n’analysent même pas leurs données pour piloter leur activité.
Ce que je constate en mission recoupe ces chiffres. La demande n’arrive presque jamais formulée comme un projet d’IA. Elle arrive sous la forme d’une phrase du genre : « on ressaisit trois fois la même donnée », « personne ne sait quelle version du fichier fait foi », « quand Nathalie est absente, la facturation s’arrête ». Le sujet est un processus, pas une technologie.
Un tableur n’est pas un outil de gestion
Il faut le dire sans mépris : un tableur est excellent pour calculer et simuler. Il devient un mauvais outil de gestion dès qu’on lui demande trois choses qu’il ne sait pas faire par construction.
La première, c’est refuser une saisie. Un tableur accepte une date en toutes lettres dans une colonne de dates, une remise en euros dans une colonne de pourcentages, une quantité négative. Il ne signale rien. Le contrôle repose sur la vigilance de celui qui saisit, c’est-à-dire sur rien.
La deuxième, c’est la trace. « Qui a changé ce prix, quand, et quelle était la valeur avant ? » Dans un fichier partagé, la réponse n’existe pas. Vous avez un prix faux et aucun moyen de savoir depuis quand.
La troisième, c’est le multi-utilisateur simultané. Dès que deux personnes doivent écrire dans le même fichier au même moment, la réponse organisationnelle devient « on s’envoie des copies » ou « on se prévient avant d’ouvrir ». À ce stade, le fichier n’est plus un outil mais une convention sociale fragile.
Ma grille de bascule tient en quatre seuils, observables sans audit :
- le seuil des mains : plusieurs personnes écrivent dans le même fichier ;
- le seuil de la trace : vous devez savoir qui a modifié quoi ;
- le seuil de la règle : certaines saisies doivent être impossibles, pas seulement déconseillées ;
- le seuil du volume : le fichier ralentit, se découpe, ou perd silencieusement des lignes.
Deux seuils franchis, le tableur coûte plus qu’il ne rend. Et ce coût n’apparaît nulle part dans un compte de résultat : il est réparti en heures de ressaisie, en écarts absorbés, en délais de clôture.
Ce qui a changé, c’est le coût de la première version
Le sur-mesure a longtemps été réservé aux processus qui valaient 100 000 euros de développement. Ce n’est plus le cas, pour deux raisons techniques.
La première, c’est la maturité des plateformes low-code. Gartner chiffrait le marché des technologies low-code à 26,9 milliards de dollars en 2023, en hausse de 19,6 %, dont près de 10 milliards pour les seules plateformes applicatives. Le segment qui croît le plus vite n’est pas celui des grosses usines à gaz : c’est celui de l’automatisation citoyenne, +30,2 % sur l’année. Traduction concrète : formulaires web, workflows, ponts entre deux SaaS, reporting. Exactement le périmètre d’une application métier de PME. Gartner prévoyait aussi qu’au moins 80 % des utilisateurs d’outils low-code seraient hors DSI d’ici 2026, contre 60 % en 2021. Vous n’avez plus besoin d’une équipe de développement pour livrer un outil à douze utilisateurs.
La deuxième, c’est l’IA appliquée aux données non structurées. Extraire un numéro de facture, classer un mail entrant, résumer un compte rendu de chantier, vérifier la cohérence entre un bon de livraison et une commande : ce sont des tâches qui demandaient autrefois un développement spécifique et beaucoup de règles. Un modèle de langage les traite aujourd’hui avec un taux d’erreur qu’on peut mesurer et un contrôle humain sur les cas douteux. J’ai détaillé ce mécanisme dans comment transformer un script Python en agent IA et dans comment Docling transforme des documents en données.
Il faut poser une limite, parce qu’elle est souvent franchie dans les discours commerciaux. L’IA ne remplace pas la réflexion de cadrage. L’essai contrôlé de METR, publié en juillet 2025 sur 16 développeurs expérimentés et 246 tâches réelles, a mesuré l’inverse de l’intuition : 19 % de temps en plus avec les outils IA, alors que les participants croyaient avoir gagné 20 %. METR a depuis publié une mise à jour, en février 2026, qui déclare ces résultats périmés et estime un gain probable sur son nouveau protocole. Les auteurs reconnaissent eux-mêmes que leurs données ne permettent pas de le quantifier : les intervalles de confiance traversent zéro.
La leçon n’est pas « l’IA ne sert à rien ». La leçon est que le gain ne vient jamais de l’outil seul. Il vient d’un périmètre étroit, de données propres, et d’un utilisateur qui sait ce qu’il attend. C’est vrai pour un développeur, c’est encore plus vrai pour une application métier.
Cinq applications à commencer cette année
Les candidats ci-dessous partagent trois propriétés : le processus est déjà écrit quelque part, les données existent déjà, et le résultat se vérifie en une semaine d’usage. Aucun ne demande de remplacer votre ERP.
1. Le chiffrage commercial
Chaque devis est reconstruit à la main, avec des règles de prix qui vivent dans la tête de deux personnes et des remises qui varient selon l’interlocuteur.
Le périmètre tient en trois écrans : un formulaire de saisie (client, prestation, quantité, options), un moteur de règles de prix côté base de données, et une sortie PDF qui ressemble à votre document actuel. Les règles de remise sont saisies une fois, par le directeur commercial, et deviennent opposables.
Côté briques, une plateforme low-code pour le formulaire et le PDF, une table de prix, éventuellement un modèle pour reformuler les lignes de prestation en langage client.
Le piège classique : vouloir gérer la négociation dans l’outil. Le devis est un point de départ, pas un contrat. Laissez la négociation dehors.
Ce qu’on mesure : le délai entre la demande client et l’envoi du devis, avant et après. Et le nombre de devis renvoyés pour erreur de prix.
2. Le contrôle des factures fournisseurs
Les factures arrivent en PDF. Quelqu’un les ouvre, recopie le montant, le numéro et la date dans un tableur ou dans la compta, puis recommence le lendemain.
Ici le périmètre commence par une boîte de réception dédiée, avec une extraction automatique des champs utiles (fournisseur, numéro, date, montant HT, TVA, TTC, échéance), un écran de validation qui affiche le document à côté des champs extraits, et un export vers votre outil comptable.
Les briques : une adresse mail surveillée, un modèle de vision ou d’extraction documentaire, une table de validation, un export CSV ou une connexion API.
Le piège, c’est de viser 100 % d’automatisation. Visez l’extraction avec un score de confiance et une file de relecture pour les cas douteux. Un comptable qui valide dix factures en trois minutes est un succès, pas un échec.
Ce qu’on mesure : le temps de traitement par facture, et le nombre d’écarts détectés avant paiement.
3. Le suivi d’interventions terrain
Les interventions se planifient par téléphone, les comptes rendus arrivent par SMS ou par photo WhatsApp, et la facturation attend la fin du mois.
Le périmètre : un planning par technicien, une fiche d’intervention mobile avec photos et signature client, un rapport PDF envoyé automatiquement au client en fin d’intervention.
Les briques : une application web responsive ou une PWA, un stockage de photos, un générateur de PDF, un envoi de mail transactionnel.
Le piège, c’est la version mobile bâclée. Vos techniciens travaillent avec des gants, en plein soleil, parfois sans réseau. Si la fiche met trente secondes à s’ouvrir, elle ne sera pas remplie.
Ce qu’on mesure : le délai entre la fin de l’intervention et l’envoi du rapport au client. C’est aussi un argument commercial.
4. La base produits
Les caractéristiques des produits vivent dans un ERP, dans un tableur commercial, dans le site e-commerce et dans la tête du responsable produit. Les mises à jour arrivent à des vitesses différentes et les fiches divergent.
Le périmètre : une fiche produit unique (référence, attributs, prix, statut), un écran d’édition avec validation, et un export vers les canaux qui en ont besoin, site, catalogue PDF, place de marché.
Les briques : une base de données simple, un formulaire d’édition, des exports planifiés, un modèle pour rédiger ou traduire les descriptions à partir des attributs structurés.
Le piège, c’est de vouloir tout modéliser dès le départ. Commencez par les quinze attributs qui apparaissent réellement dans vos documents commerciaux. Les autres attendront.
Ce qu’on mesure : le nombre de sources de vérité pour un même prix. L’objectif est un.
5. Le reporting client
Chaque mois, quelqu’un recompile des chiffres dans un tableur, produit un PDF et l’envoie à la main à chaque client. Trois jours de travail pour un livrable que personne ne lit avant la réunion.
Le périmètre : une collecte automatique des données (analytics, CRM, outil de gestion), un tableau de bord par client, une génération de PDF ou un lien partagé, un envoi groupé.
Les briques : un connecteur vers vos sources, un outil de visualisation, une tâche planifiée, un modèle pour rédiger le commentaire mensuel à partir des variations détectées.
Le piège est de confondre reporting et conseil. Un graphique qui baisse sans explication crée plus d’anxiété qu’il n’apporte de valeur. Le commentaire compte plus que le graphe. Sur ce point, mon article sur le calcul du ROI IA sans oublier les coûts cachés donne le cadre de mesure.
Ce qu’on mesure : le temps de production du reporting, et le taux d’ouverture du lien par les clients.
Comment choisir entre les cinq
Trois critères suffisent, et ils se notent sans réunion : la fréquence (combien de fois par semaine le processus tourne), le coût de l’erreur (rien, une relance, ou une pénalité) et le nombre de mains (combien de personnes écrivent dans le même fichier).
Un processus quotidien, avec un coût d’erreur réel et trois paires de mains, est votre candidat. Un processus annuel, tolérant et mono-utilisateur, restera très bien dans un tableur.
Les cinq règles qui décident du succès
Le premier projet d’application métier échoue rarement sur la technique. Il échoue sur le périmètre, la propriété et la mesure.
Un processus, une équipe, trois écrans. Un premier livrable qui couvre un seul processus, pour une seule équipe, avec trois écrans maximum, se valide en trois semaines. Un livrable qui couvre trois services et douze écrans se discute pendant six mois et ne sort jamais.
Nommez le propriétaire de la donnée. Pas le sponsor, pas le prestataire : la personne qui répond quand une valeur est fausse. Sans ce nom, l’outil devient un dépotoir partagé en un trimestre.
Mesurez avant. Le temps de traitement, le nombre d’erreurs, le délai de réponse au client. Si vous ne mesurez pas avant, vous ne pourrez pas démontrer le gain après, et le projet sera jugé à l’opinion.
Prévoyez la sortie dès le départ. Un export complet de vos données, documenté, exécutable sans l’aide de personne. Sans cette clause, vous dépendez de votre prestataire pour récupérer ce qui vous appartient.
N’automatisez pas une décision que personne n’assume. Accorder un crédit, valider une remise, classer un client en risque : l’outil propose, un humain tranche, et la trace de la décision est conservée. C’est aussi ce qui évite l’effet boîte noire qui bloque l’adoption.
Sur la durée, le vrai sujet n’est pas la mise en service, c’est ce qui se passe au deuxième trimestre, quand le premier utilisateur part et que les données ont bougé. J’ai traité ce point en détail dans comment éviter le Day 2 Problem en projet IA business.
Côté budget, restons prudents. Les fourchettes publiées par les agences françaises situent un MVP métier entre 5 000 et 35 000 euros selon le périmètre, une application PME plus large entre 25 000 et 80 000 euros, avec une maintenance annuelle de l’ordre de 10 à 25 % du coût initial. Ce sont des prix commerciaux, pas une étude de marché. Ils donnent un ordre de grandeur, pas une référence.
À quoi ressemble votre organisation dans six mois
Une entreprise qui a livré deux applications métier ne se transforme pas. Elle change une chose : elle arrête de traiter ses processus comme des fichiers à maintenir et commence à les traiter comme des actifs à faire évoluer.
Concrètement, vous récupérez des heures qui partaient en ressaisie, vous savez qui a modifié quel prix, et vous pouvez répondre à la question « combien de factures sont en attente » sans ouvrir un fichier. Ce sont des gains modestes, un par un, mais ils se mesurent et se cumulent.
Le point de départ n’est donc pas une technologie, ni un budget, ni un prestataire. C’est un processus que vous savez décrire en une page, avec un propriétaire identifié et un chiffre à améliorer. Si vous avez ce processus en tête en lisant cette phrase, vous avez votre première application.
Pour choisir les briques techniques et éviter le projet à 60 000 euros pour un formulaire, les plateformes d’automatisation de workflows se comparent sur le périmètre, pas sur la démo. Et si vous voulez un cadrage avant de choisir, notre page sur l’automatisation des processus métier et l’IA décrit ce qu’on couvre et ce qu’on ne couvre pas.
Questions fréquentes
-
Combien de temps faut-il pour livrer une première application métier ?
Trois à six semaines pour un périmètre d’un processus et trois écrans, avec une équipe réduite. Ce délai suppose que les données existent déjà et qu’un utilisateur pilote est disponible pour les recettes. Le temps de cadrage et d’arbitrage est souvent plus long que le temps de développement. -
Faut-il être développeur pour maintenir l’outil ensuite ?
Pas pour l’usage courant. Pour les évolutions, cela dépend de la plateforme : une application low-code reste modifiable par une personne formée, à condition que le modèle de données soit documenté et que les règles métier ne soient pas enfouies dans des scripts opaques. C’est un critère de choix à l’achat, pas une conséquence. -
Une application sur mesure, est-ce que ça remplace un ERP ou un CRM ?
Non, et il ne faut pas essayer. Le sur-mesure est pertinent sur les processus qui vous différencient ou qui sont mal couverts par votre ERP : chiffrage spécifique, contrôle documentaire, suivi terrain. Sur la paie, la comptabilité ou la gestion de stock standard, un progiciel du marché reste plus solide et moins coûteux. -
Combien ça coûte réellement ?
Les fourchettes publiées par les agences françaises vont de 5 000 à 35 000 euros pour un MVP métier et de 25 000 à 80 000 euros pour une application PME plus large, avec 10 à 25 % de maintenance annuelle. Ce sont des prix commerciaux déclarés, pas une étude de marché : demandez toujours un périmètre écrit et un engagement sur le livrable avant de comparer. -
Quel est le principal risque d’échec ?
Le périmètre qui gonfle pendant le projet. Les fonctions s’ajoutent au fil des réunions, la date glisse, l’utilisateur pilote se désengage. La parade est un périmètre versionné : une liste de fonctions signée au départ, et tout ajout repoussé à une version 2.
À propos de l’auteur
Franck Scandolera accompagne des PME et des directions métier sur les sujets de data engineering et d’automatisation IA : workflows agentiques, applications métier intelligentes, fiabilisation des données de pilotage. Il intervient à la frontière entre le processus métier et l’outil qui le porte, avec une règle constante : un outil qui ne se mesure pas ne se défend pas. Retrouvez-le sur webanalyste.com.
Sources
- DGE / France Num, Baromètre France Num 2025 — Le numérique et l’intelligence artificielle dans les TPE et PME, enquête Crédoc et Centre Relations Clients auprès de 11 021 entreprises, terrain du 26 mars au 18 avril 2025, publié en septembre 2025. francenum.gouv.fr — étude primaire.
- Bpifrance Le Lab, L’IA dans les PME et ETI françaises : une révolution tranquille, enquête auprès de 1 209 dirigeants de PME et ETI du 15 octobre au 16 décembre 2024, publiée le 4 juin 2025. lelab.bpifrance.fr — étude primaire.
- DORA / Google Cloud, 2025 State of AI-assisted Software Development, près de 5 000 répondants, publié le 23 septembre 2025. dora.dev — étude primaire.
- Becker, Rush, Barnes, Rein (METR), Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, essai contrôlé randomisé, 16 développeurs, 246 tâches, juillet 2025. arxiv.org — étude primaire.
- METR, We are Changing our Developer Productivity Experiment Design, 24 février 2026. metr.org — mise à jour méthodologique des auteurs, résultats antérieurs déclarés périmés.
- Gartner, Gartner Forecasts Worldwide Low-Code Development Technologies Market to Grow 20% in 2023, communiqué du 13 décembre 2022. gartner.com — données analyste, prévisions.
- Zylo, 2026 SaaS Management Index, éditeur de gestion SaaS. zylo.com — données éditeur, échantillon orienté grands comptes.
- Fourchettes de coût : sites commerciaux d’agences françaises (Easyweb, Magram, Expressweb, WivoAgency, LyonDev), consultés en novembre 2026 — repères de marché auto-déclarés, pas une étude.
Dev d’applications métier · Data Engineer · Automatisation IA
Clients : Logis Hôtels, Yelloh Village, BazarChic, FFF, Texdecor…
- Apps & agents IA : Node.js, Python, API, RAG, OpenAI, Mistral, Claude
- Data & Analytics Engineering : GCP, BigQuery, Snowflake, PostgreSQL, ClickHouse, dbt, Airflow, Dataform, Looker, Power BI, Metabase
- Automatisation IA : n8n, Apps Script, scraping, API, LLM
- Tracking & perf Web : GA4, GTM server, Matomo, Piano, Tealium, CAPI, Core Web Vitals