Le 22 septembre 2026, Aline Deschamps et moi avons présenté au Salon de la Data et de l’IA de Nantes un retour d’expérience sur trois années de projets d’intelligence artificielle menés avec des TPE et des PME. Le format suit une entreprise fictive, « Un temps d’avance », service par service : commercial, développement, support client. La vidéo dure 30 minutes, questions du public comprises.
Conférence d'Aline Deschamps et Cédric Millauriaux, Salon de la Data et de l'IA, Nantes, 22 septembre 2026.
Voici les points principaux, avec les chiffres présentés pendant la conférence.
Réponse aux appels d’offres : la qualité dépend de ce qu’on fournit à l’IA
C’est la demande que nous recevons le plus souvent : donner à une IA les anciens dossiers et le cahier des charges, et récupérer une réponse prête à envoyer. Avec seulement le CCAP et le CCTP en entrée, le résultat est générique et ne correspond pas à l’entreprise.
La qualité monte nettement quand on ajoute :
- les dossiers déjà remportés sur un thème et un budget proches ;
- les dossiers perdus, pour éviter de reproduire une stratégie qui n’a pas fonctionné ;
- pour les marchés publics, les offres gagnantes du marché précédent, qui sont accessibles.
Chez un client qui répondait aux appels d’offres depuis trente ans, la masse de documents rendait la recherche peu fiable. Nous avons ajouté une fiche de synthèse par appel d’offres : contexte métier, mots-clés, et pour les marchés gagnés un retour d’expérience (temps estimé contre temps réel, rentabilité, imprévus). L’IA dispose ainsi d’informations de terrain qui ne figurent pas dans les dossiers, et l’objectif devient de remporter des projets rentables, en plus de remporter le marché.
L’IA intervient sur une suite de tâches : vérifier que l’entreprise est qualifiée (certifications dans le BTP, par exemple), identifier ce qu’elle sait faire ou non, préparer un chiffrage que l’équipe challenge et relit. Selon une étude publiée sur France Num, l’IA est pertinente dans 80 à 85 % des cas pour dépouiller un appel d’offres. Les 15 à 20 % restants justifient une relecture systématique.
Un constat revient en formation : lors d’une journée récente avec cinq ou six commerciaux du BTP, la plus grande partie du temps a servi à se mettre d’accord sur la façon dont l’équipe répondait elle-même aux appels d’offres. Ce travail précède l’outil.
Autres chiffres cités : les comptes rendus de réunion vont environ 12 fois plus vite avec l’IA, et 26 % des TPE et PME déclarent utiliser l’IA au quotidien, dont 6 % pour répondre aux appels d’offres. Côté budget, un groupe de 4 000 collaborateurs nous a indiqué avoir déployé un outil clé en main, formation comprise, pour environ 50 000 €. Pour une TPE ou une PME, un outil métier d’aide à la réponse coûte de quelques centaines à quelques milliers d’euros.
Développement logiciel : le temps du développeur est réparti autrement
Chez DINNO, l’arrivée des assistants de code a changé l’organisation du travail sans réduire l’équipe. Avant, un développeur passait environ 80 % de son temps à écrire du code. Aujourd’hui, la proportion s’est inversée : environ 20 % du temps est consacré à relire le code produit par l’IA et à le corriger, et 80 % à préparer le travail (spécifications techniques, contexte, contraintes), à relire, à documenter et à tester.
Les études citées pendant la conférence donnent des résultats contrastés :
- sur des fonctionnalités petites et bien définies, un gain de temps d’environ 56 % ;
- sur une étude menée auprès d’environ 5 000 développeurs, en conditions réelles, un gain d’environ 26 % ;
- pour une équipe expérimentée qui connaît bien son code et son contexte métier, une perte de temps d’environ 19 %, parce qu’il faut réexpliquer à l’IA ce que l’équipe sait déjà ;
- en « vibe coding », sans relecture, une part de code dupliqué qui atteint 48 %.
Sur un cycle de développement complet, le gain de vitesse est modeste. Le gain le plus net porte sur la qualité : davantage de documentation, davantage de tests, et plus de questions posées avant d’écrire le code. Pour les TPE et PME, qui manquaient souvent de temps pour ces tâches, c’est un changement important.
Service client : 80 % des demandes trouvent leur réponse dans la documentation
Environ 80 % des demandes adressées à un support ont leur réponse dans la FAQ ou la documentation utilisateur. Pour ces demandes, relier une IA à la documentation et à la boîte mail ou à l’outil de tickets donne des réponses rapides et justes. Une enquête France Num estime le gain à 48 jours par an et par opérateur.
Les demandes restantes (réponse absente de la documentation, client mécontent, demande de geste commercial) demandent une décision humaine. L’IA peut préparer le dossier pour l’opérateur, qui prend la décision.
Ce partage a un effet de bord : les opérateurs ne traitent plus que les cas complexes et les situations conflictuelles, et leur charge mentale augmente. Ce phénomène est décrit depuis plus de quarante ans à propos de l’automatisation industrielle, où les machines prennent les opérations simples et laissent aux opérateurs les plus difficiles. Le temps gagné doit donc être réaffecté de façon réfléchie.
Le gain suppose une préparation :
- constituer une base de connaissance (FAQ mise au bon format, documentation, historique de plusieurs centaines d’échanges avec le support) ;
- démarrer avec un humain dans la boucle : l’IA propose une réponse, un opérateur la valide ou la rejette avant envoi ;
- une fois la réponse automatique en place, contrôler régulièrement un échantillon pour détecter les dérives.
Ce que nous en retenons
Nos clients constatent un gain de temps, sur des services techniques comme sur des services métier ou commerciaux, à trois conditions :
- accepter d’investir du temps au départ pour préparer les données fournies à l’IA ;
- contrôler ce qui sort et garder un humain dans la boucle ;
- anticiper l’impact sur les métiers. Chez nous, une partie des développeurs a apprécié de ne plus passer des heures sur des problèmes techniques sans intérêt. D’autres ont eu le sentiment de perdre la partie du métier pour laquelle ils avaient choisi cette voie. Nous observons le même malaise chez des clients, dans des équipes commerciales ou de support.
La réglementation est le dernier point. Avant d’utiliser un outil, il faut savoir où vont les données, où elles sont hébergées, qui y a accès, combien de temps elles sont conservées et si elles servent à entraîner les modèles. Plusieurs outils activent cette option par défaut, y compris sur des comptes payants. Pour des données personnelles, le RGPD s’applique indépendamment de l’IA. Dans la santé, nous voyons des médecins utiliser des comptes ChatGPT gratuits avec des données de patients, ce qui pose un problème d’hébergement hors d’Europe.
Les questions du public
Combien coûte un premier projet pour une PME ? Cela va d’environ 30 € par utilisateur et par mois (un abonnement professionnel et des modèles de documents bien préparés suffisent dans certains cas) à plusieurs milliers ou dizaines de milliers d’euros pour un développement spécifique. Entre les deux, une à trois journées de formation pour les équipes qui découvrent les LLM. Nous conseillons de commencer par un cas précis et mesurable, par exemple le temps de réponse aux mails du support avant et après. Un premier projet rentable facilite ensuite la validation des suivants par la direction.
Quelle part relève de l’IA et quelle part de l’automatisation ? À peu près la moitié. Beaucoup d’entreprises arrivent avec une demande d’IA et repartent avec un logiciel métier, parfois un logiciel existant : classement automatique de pièces dans un dossier, application de suivi de chantier qui transmet les photos au conducteur de travaux.
Les freins sont-ils les mêmes que dans les grandes entreprises ? Non. Dans les grands groupes, les difficultés portent sur les licences, les contrats et le déploiement. En TPE et PME, la question est le rapport entre le temps investi et le temps gagné : immobiliser une équipe commerciale trois jours en formation est un frein réel, et certains clients demandent à découper la formation en demi-journées. La décision d’achat est en revanche plus rapide. La conformité RGPD est souvent moins structurée, et l’anonymisation des données avant de les confier à une IA demande un travail d’acculturation.
Où en est l’AI Act ? Une partie du texte est en vigueur, dont la liste des usages interdits en Europe. L’obligation d’indiquer les contenus produits par IA commence à s’appliquer. Sur nos projets de santé, l’AI Act s’ajoute à une réglementation déjà lourde.
Pour aller plus loin
Notre démarche de conseil en intelligence artificielle part de la même méthode : un cas d’usage précis, mesurable, et une préparation des données avant le choix de l’outil. Pour un premier état des lieux, l’audit d’usages IA recense ce que vos équipes utilisent déjà et ce qui mérite d’être encadré. Les questions réglementaires sont traitées sur la page AI Act et conformité.
Vous avez un cas d’usage en tête ? Parlez-nous de votre projet.