Acheter quelques licences d’intelligence artificielle est relativement simple. Faire en sorte que les outils soient réellement utiles, correctement utilisés et acceptés par les équipes est une autre histoire. Le guide LaborIA rappelle une évidence souvent oubliée : un projet IA est d’abord un projet de transformation du travail.

Publié en mars 2025 par LaborIA, un programme français associant le ministère chargé du Travail et de l’Emploi et l’Inria, le Guide du déploiement de l’IA au travail s’adresse en priorité aux dirigeantes et dirigeants de TPE et PME. Disponible gratuitement, ce document de 22 pages propose une démarche en neuf étapes pour intégrer un système d’IA en tenant compte de la performance, mais aussi des métiers, des compétences, de l’organisation, du dialogue social et des conditions de travail. Il est complété par un autodiagnostic d’une page et par ExplorIA, un jeu de cartes destiné à faire débattre les équipes. La fiche de présentation de France Num a été publiée le 2 avril 2025 et mise à jour le 11 juillet 2025.

À retenir

La principale recommandation de LaborIA est simple : ne commencez pas par choisir un outil. Commencez par observer le travail réel.

Il faut ensuite :

• définir un problème métier précis ;
• associer les personnes qui effectueront réellement le travail ;
• évaluer les conséquences sur les métiers et la charge de travail ;
• prévoir la formation et la supervision humaine ;
• expérimenter sur un périmètre limité ;
• mesurer les résultats avant de généraliser ;
• organiser une gouvernance et une stratégie de sortie.

Autrement dit, mieux vaut écouter les futurs utilisateurs avant de commander cinquante licences en espérant que la magie opère. L’IA est puissante, mais elle ne lit toujours pas dans les organigrammes… ni dans les pensées de la direction.

L’utilisation de l’IA progresse rapidement dans les petites entreprises. Selon le Baromètre France Num 2025, 26 % des TPE et PME françaises déclarent désormais utiliser l’IA. L’usage spécifique de l’IA générative est passé de 10 % à 22 % en un an. Mais France Num souligne que l’adoption ne se résume pas à une question d’outils : les entreprises doivent d’abord identifier leurs tâches répétitives, formaliser leurs processus et organiser leurs données.

Le marché avance donc plus vite que la capacité de certaines organisations à définir leurs usages.

ChatGPT, Claude, Gemini, Microsoft Copilot, Mistral AI et les assistants intégrés aux logiciels métiers donnent l’impression qu’il suffit d’ouvrir un compte pour gagner immédiatement plusieurs heures par semaine.

La vraie question est pourtant ailleurs : que deviennent ces heures gagnées ?

Sont-elles utilisées pour améliorer la qualité du service ? Pour traiter davantage de dossiers ? Pour renforcer la relation client ? Ou sont-elles remplacées par de nouvelles tâches de contrôle, de correction et de reporting ?

Le guide LaborIA aide précisément à poser ces questions avant que l’outil ne soit déployé à toute l’entreprise.

Attention : LaborIA ne traite pas uniquement des assistants génératifs

Le guide porte principalement sur les systèmes d’intelligence artificielle, ou SIA, conçus pour analyser des données, identifier des modèles et produire des recommandations, des décisions ou des prédictions.

Il ne traite pas directement des outils générant du texte ou des images comme ChatGPT, Claude, Gemini, Copilot ou Mistral AI. Cette distinction est explicitement indiquée par France Num.

La méthode reste néanmoins très pertinente pour l’IA générative dès qu’un assistant est :

• connecté à une base documentaire ;
• intégré à un CRM ou à un ERP ;
• utilisé pour rédiger des réponses clients ;
• relié aux courriels et aux espaces collaboratifs ;
• employé pour automatiser une partie d’un processus ;
• utilisé pour préparer ou orienter une décision.

Plus l’IA accède aux données internes et agit sur les outils de l’entreprise, plus les questions de gouvernance, de contrôle et de responsabilité deviennent importantes.

Pourquoi les entreprises déploient-elles de l’IA ?

Une étude LaborIA menée auprès de 250 dirigeants d’entreprise identifie trois objectifs prioritaires :

• réduire les risques d’erreur pour 81 % des répondants ;
• améliorer les performances pour 75 % ;
• réduire les tâches fastidieuses pour 74 %.

Ces attentes sont parfaitement compréhensibles. Mais elles ne disent pas comment les salariés devront alimenter, contrôler et corriger les systèmes utilisés.

Une IA ne travaille jamais réellement seule. Elle dépend de données, de règles, d’instructions, de validations humaines et de retours réguliers.

Derrière chaque système présenté comme autonome se trouve généralement une personne chargée de vérifier que la machine n’a pas décidé de classer un client fidèle dans la catégorie « prospect peu sérieux ».

Le message central de LaborIA : partir du travail réel

De nombreux projets IA sont encore imaginés depuis une salle de réunion, à partir d’une démonstration commerciale ou d’une présentation particulièrement brillante.

Le problème est que le processus affiché dans un organigramme ne correspond pas toujours au travail réellement effectué.

Une procédure peut indiquer qu’un dossier client est traité en quatre étapes. Dans la pratique, la personne chargée du dossier utilise peut-être deux fichiers Excel, recherche une information dans une ancienne messagerie, appelle un collègue et ajoute une note personnelle pour éviter une erreur connue depuis trois ans.

Automatiser uniquement la procédure officielle revient alors à automatiser une version théorique du travail.

Le système fonctionne parfaitement sur la diapositive. Beaucoup moins bien le lundi matin à 8 h 30.

LaborIA recommande donc d’observer les pratiques, les exceptions, les arbitrages humains et les informations informelles avant de sélectionner ou de paramétrer une solution.

Les neuf étapes du guide LaborIA, adaptées aux PME

1. Clarifier les objectifs du projet

« Mettre de l’IA dans l’entreprise » n’est pas un objectif.

En revanche, réduire le délai de réponse aux demandes clients, limiter les erreurs de saisie, retrouver plus rapidement un document ou détecter un défaut de production sont des objectifs observables.

La direction doit également expliquer clairement ses intentions :

• améliorer la qualité ;
• gagner du temps ;
• réduire certains coûts ;
• diminuer les tâches répétitives ;
• faire évoluer un service ;
• créer une nouvelle offre.

Un projet flou crée rapidement de la méfiance. Les équipes imaginent alors que « gagner du temps » signifie surtout « faire la même chose avec moins de personnes ».

2. Créer un espace de discussion régulier

LaborIA recommande de structurer les échanges entre la direction, les managers, les salariés, les équipes techniques et, lorsqu’ils existent, les représentants du personnel.

Il ne s’agit pas d’organiser une réunion unique pour présenter un outil déjà acheté.

Le dialogue doit intervenir :

• avant la sélection de la solution ;
• pendant l’expérimentation ;
• après le déploiement ;
• lors des évolutions importantes du système.

Dans une PME, un comité mensuel de cinq à huit personnes peut suffire. L’essentiel est d’y représenter les métiers réellement concernés.

3. Expliquer la technologie et former les utilisateurs

Les collaborateurs doivent comprendre ce que le système sait faire, mais également ce qu’il ne sait pas faire.

Une formation utile ne consiste pas uniquement à montrer où cliquer. Elle doit également aborder :

• les erreurs possibles ;
• les biais ;
• les données interdites ;
• les risques de confidentialité ;
• les règles de vérification ;
• les responsabilités humaines ;
• la procédure à suivre en cas d’incident.

LaborIA et France Num recommandent une formation continue, complétée par des ateliers, de la veille et des échanges entre utilisateurs.

4. Évaluer les effets sur les métiers et les compétences

La bonne question n’est pas seulement : « Quelles tâches l’IA peut-elle effectuer ? »

Il faut aussi demander :

• quelles tâches resteront humaines ;
• quelles nouvelles vérifications seront nécessaires ;
• quelles compétences devront être développées ;
• quelles compétences risquent de s’affaiblir ;
• qui saura reprendre la main en cas d’erreur ;
• qui formera les nouveaux collaborateurs ;
• qui sera responsable du résultat final.

LaborIA cite notamment le secteur de la comptabilité, où l’automatisation de certaines opérations peut déplacer le métier vers davantage d’analyse et de conseil. Cette évolution suppose de revoir les fiches de poste, les formations et les critères de reconnaissance.

5. Évaluer les conséquences sur les conditions de travail

Une IA peut réduire une charge répétitive, mais elle peut aussi produire de nouveaux risques :

• intensification du rythme de travail ;
• perte d’autonomie ;
• dépendance au système ;
• surveillance accrue ;
• multiplication des contrôles ;
• sentiment de déclassement ;
• perte progressive de certaines compétences.

LaborIA propose un autodiagnostic pour identifier les principaux points de vigilance. France Num précise que ses résultats peuvent constituer une première base pour évaluer les risques associés au système dans le document unique d’évaluation des risques professionnels, le DUERP.

Lorsque l’entreprise dispose d’un Comité social et économique, le CSE doit être informé et consulté sur l’introduction de nouvelles technologies lorsque celles-ci affectent l’organisation, la gestion, la santé, la sécurité ou les conditions de travail.

6. Co-construire le système avec les utilisateurs

Un pilote IA ne doit pas seulement être testé par la direction ou l’équipe informatique.

Les personnes qui connaissent les dossiers difficiles, les exceptions et les erreurs fréquentes doivent participer :

• au choix des cas d’usage ;
• à la rédaction des règles ;
• à la préparation des données ;
• aux scénarios de test ;
• aux critères d’évaluation ;
• à la validation des résultats.

LaborIA insiste sur le rôle de « maître d’apprentissage » joué par les salariés.

Ce sont eux qui signalent les erreurs, corrigent les résultats, enrichissent les données et améliorent progressivement le fonctionnement du système. Ce travail doit être identifié, organisé et reconnu.

Une IA qui fait gagner dix minutes mais exige vingt minutes de vérification n’est pas encore un bon outil de productivité. C’est simplement une stagiaire très rapide qu’il faut surveiller de près.

7. Mettre en place une gouvernance claire

Avant le déploiement, l’entreprise doit définir :

• les outils autorisés ;
• les données pouvant être utilisées ;
• les informations interdites ;
• les personnes responsables ;
• les validations humaines obligatoires ;
• les droits d’accès ;
• les règles de conservation ;
• la procédure de signalement d’une erreur ;
• les usages interdits ;
• les modalités d’arrêt du système.

Une charte IA peut formaliser ces règles, mais elle ne doit pas rester cachée dans un dossier partagé que personne n’ouvre. Elle doit être expliquée, illustrée par des cas concrets et régulièrement mise à jour.

8. Expérimenter avant de généraliser

LaborIA met à disposition ExplorIA, un jeu de cartes pédagogique conçu pour favoriser la discussion collective sur l’IA.

Chaque carte aborde un thème lié au travail, à l’autonomie, à la responsabilité, aux compétences ou à la confiance. L’outil peut être utilisé pendant un séminaire, un atelier d’acculturation ou une réunion d’équipe.

Un prototype ou un pilote limité permet également d’identifier des difficultés qui seraient beaucoup plus coûteuses après une généralisation.

9. Prévoir le suivi à long terme

Un projet IA ne s’arrête pas le jour de sa mise en production.

Les modèles, les données, les processus et les usages évoluent. L’entreprise doit donc organiser des revues régulières pour vérifier :

• la qualité des résultats ;
• les erreurs détectées ;
• les nouveaux risques ;
• les dérives d’usage ;
• les besoins de formation ;
• les coûts réels ;
• l’adoption par les équipes.

Il faut également prévoir une stratégie de réversibilité.

Que se passe-t-il si le fournisseur augmente ses tarifs, modifie son service, supprime une fonction ou ne répond plus aux exigences de l’entreprise ?

Une IA sans plan de sortie ressemble beaucoup à une imprimante sans cartouche : très moderne, mais rapidement décorative.

Les quatre recommandations essentielles de France Num

France Num résume la démarche autour de quatre principes particulièrement adaptés aux PME.

1. Impliquer les salariés dès le début

La confiance ne peut pas être obtenue par une présentation descendante organisée la veille du lancement.

Les collaborateurs et leurs représentants doivent être associés pendant la réflexion, l’expérimentation et l’évaluation.

2. Valoriser les nouveaux rôles

La supervision de l’IA, la vérification des réponses et l’amélioration des données représentent du travail.

Ces responsabilités doivent apparaître dans l’organisation, les plannings et, lorsque cela est pertinent, dans les fiches de poste.

3. Choisir des solutions simples

Le meilleur outil n’est pas nécessairement celui qui propose le plus de fonctions.

C’est celui qui répond à un problème réel, s’intègre aux processus existants et peut être compris par ses utilisateurs.

4. Maintenir les compétences à jour

Les outils évoluent rapidement. La formation ne peut donc pas être limitée à une session organisée au début du projet.

Des ateliers réguliers, des retours d’expérience et une veille collective permettent d’éviter que les usages ne se dispersent.

=

IAPratique Studio accompagne les PME et ETI pour :

• évaluer leur maturité IA ;
• cartographier leurs processus et leurs tâches chronophages ;
• identifier et prioriser les cas d’usage ;
• comparer des solutions propriétaires, européennes et open source ;
• définir une charte et des règles de gouvernance ;
• organiser des ateliers d’acculturation ;
• préparer et piloter une expérimentation ;
• former les équipes ;
• définir des indicateurs de performance et d’adoption.

L’objectif n’est pas de mettre de l’IA partout. Il est de la déployer là où elle apporte une valeur démontrable, avec des règles claires et des collaborateurs associés au projet.

Découvrir IAPratique Studio

A lire aussi

• Les cinq niveaux de maturité de l’IA
• 10 phrases qui prouvent que votre entreprise n’est pas prête pour l’IA
• Le meilleur de l’IA open source pour les PME
• Logiciel libre et PME : pourquoi et comment faire ?
• FAQ : comprendre l’open source
• Sécuriser les données et les LLM : bonnes pratiques
• Osez l’IA avec les Ambassadeurs IA

En savoir plus

• Télécharger le Guide du déploiement de l’IA au travail — LaborIA
• Consulter la présentation et la synthèse de France Nu
• Lire les réponses de France Num aux questions des dirigeants de TPE et PME
• Découvrir le dispositif Osez l’IA

#IntelligenceArtificielle #IAauTravail #PME #ETI #LaborIA #OsezLIA #AmbassadeursIA #ConduiteDuChangement #GouvernanceIA #FormationIA #OpenSource #SouverainetéNumérique #IAPratique