L’ETI face à l’IA : s’engager maintenant ou attendre ? ETI, IA générative, productivité, comptabilité, stocks | Les signaux du changement

Description

Vos équipes utilisent déjà l'intelligence artificielle. Mais votre entreprise s'en sert-elle vraiment ? Cet épisode s'adresse aux dirigeants d'entreprises de taille intermédiaire, les ETI. Il pose une question : faut-il s'engager maintenant, ou laisser les grands groupes essuyer les plâtres ?

D'abord, les constats. Selon le baromètre annuel de Bpifrance, la plupart des dirigeants d'ETI disent que l'outil sert déjà dans leur entreprise. Mais une ETI utilisatrice sur six seulement dit gagner du temps. Dans une expérience menée dans des dizaines d'entreprises, les salariés qui utilisent un outil d'intelligence artificielle intégré à leur messagerie gagnent deux heures par semaine sur leurs courriels. Leurs tâches, elles, ne changent pas. La taille n'explique pas cet écart. En Allemagne, à taille égale, les entreprises qui ont une stratégie numérique utilisent bien plus l'outil. En France, la Banque de France mesure un retard sur l'usage soutenu, qui ne vient ni de la taille ni du secteur.

Ensuite, l'endroit où l'on place l'outil. Sur une grande plateforme de commerce en ligne, les fiches produits rédigées par l'outil font vendre plus là où les anciennes étaient courtes ou absentes. Chez un caviste en ligne, les courriels de l'outil vendent à peu près autant que ceux des rédacteurs, pour un coût bien plus faible. En comptabilité, l'outil réduit les erreurs en moyenne ; mais le comptable qui le suit contre le choix de la plupart de ses collègues se trompe plus souvent. Dans les stocks, l'acheteur qui modifie les commandes de l'outil fait perdre de l'argent. Celui qui ajuste les prévisions en amont en fait gagner : près de cinq pour cent de profit en moyenne, par rapport à l'outil seul.

Enfin, le moment. En Australie, les premières sociétés cotées à adopter le cloud et l'intelligence artificielle perdent de la rentabilité, et les suivantes non ; mais les chercheurs jugent cet écart fragile. Les prix d'usage des modèles baissent, et les logiciels de gestion intègrent ces fonctions.

Nos deux experts ne sont pas d'accord. Pour l'une, l'usage spontané donne l'illusion d'avancer : il faut chercher dès maintenant où l'outil crée de la valeur, et où l'humain garde la main. Pour l'autre, attendre reste raisonnable. Ils se rejoignent sur un point : ni la taille ni la date ne décident du gain. L'activité choisie et la place laissée à l'humain en décident.

Une réserve traverse l'épisode : presque tout repose sur des déclarations, et « utiliser l'intelligence artificielle » ne veut pas dire la même chose d'une enquête à l'autre. Et les études ne disent pas encore ce que coûte l'attente pour une ETI.

Trois gestes pour agir : choisir une activité où vous mesurez déjà le résultat, et le mesurer avant l'outil puis quelques mois après ; fixer par écrit où l'humain garde la main, sur les produits nouveaux, les cas où l'outil hésite et les produits à forte marge ; décider ce qui peut attendre, là où vos pratiques sont déjà bonnes.

Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Transcription

Speaker #0
Bienvenue dans ce nouvel épisode des Signaux du Changement. Cet épisode s'adresse aux dirigeants d'ETI, les entreprises de taille intermédiaire. Une ETI est plus grande qu'une PME et plus petite qu'un grand groupe. Faut-il s'engager maintenant dans l'intelligence artificielle ? Ou faut-il laisser les grands groupes essuyer les plâtres ? Avant le débat, voici l'essentiel en quelques minutes. Premier constat. BPI France La Banque publique d'investissement interroge chaque année les dirigeants d'ETI. La plupart disent que leur entreprise utilise déjà l'intelligence artificielle. Mais une ETI utilisatrice sur 6 seulement dit gagner du temps. Deuxième constat, des chercheurs tirent au sort des salariés. Ces salariés reçoivent un assistant dans leur messagerie. Ceux qui l'utilisent gagnent 2 heures par semaine sur leur courriel. Mais leur tâche ne change pas. Chacun gagne du temps. Le travail de l'entreprise reste le même. Troisième constat, la taille n'est pas le vrai frein. En Allemagne, une étude compare des entreprises moyennes. À taille égale, celles qui ont une stratégie numérique utilisent bien plus outils. La taille compte donc peu. En France, la Banque de France mesure un retard sur nos voisins européens. Ce retard ne vient ni de la taille, ni du secteur. Il touche même davantage les grandes entreprises, ETI comprise. Retenons une idée. Le bénéfice dépend de deux choix. L'entreprise choisit où utiliser l'outil, elle choisit aussi où garder l'humain. Trois exemples le montrent. Dans le commerce en ligne, l'outil rédige des fiches produits. Elles font vendre plus là où les anciennes fiches étaient courtes ou absentes. Là où elles étaient déjà bonnes, l'outil ajoute peu. En comptabilité, l'outil réduit les erreurs des comptables, en moyenne. Mais parfois, il contredit le choix de la plupart des comptables. Le comptable qui le suit alors se trompe plus souvent. Dans les stocks, un outil calcule les commandes. Quand les acheteurs modifient ces commandes, l'entreprise perd de l'argent. Quand ils ajustent plutôt les prévisions que l'outil utilise, elle gagne de l'argent. En moyenne, le profit augmente de près de 5%. Une réserve, enfin. Attendre a aussi des arguments. En Australie, Des chercheurs suivent des sociétés cotées en bourse. Ces sociétés adoptent le cloud et l'intelligence artificielle. C'était avant les assistants actuels. Les premières à s'équiper perdent de la rentabilité. Des suivantes ne perdent rien. Mais les chercheurs jugent cet écart fragile. Et les études ne disent pas encore ce que coûte l'attente pour une ETI. Voici maintenant trois gestes pour agir. Premier geste. Choisissez une activité où vous mesurez déjà le résultat. Les ventes d'une gamme, la clôture des comptes, la marge sur les stocks. Mesurez avant d'introduire l'outil, mesurez de nouveau quelques mois après. Deuxième geste, fixez par écrit où l'humain garde la main. Les produits nouveaux, les cas où l'outil hésite, les produits à forte marge. Ailleurs, laissez travailler l'outil et contrôlez-le par sondage. Troisième geste. Décidez ce qui peut attendre. Là où vos pratiques sont déjà bonnes, l'outil ajoutera peu. Ces activités peuvent attendre les nouvelles fonctions de vos logiciels de gestion. Le débat qui suit reprend ses points, avec les études, les cas d'entreprise et les objections. Bonne écoute !
Speaker #1
Vos équipes utilisent déjà l'intelligence artificielle, mais votre entreprise, elle, s'en sert-elle vraiment ?
Speaker #2
Alors là, on entre direct dans le vip du sujet. Parce que oui, l'outil est là. On le voit bien, il est installé sur les postes de travail, il se glisse dans les téléphones des employés.
Speaker #1
Ouais, on le croise un peu partout au quotidien en fait.
Speaker #2
C'est ça, au quotidien. Mais quand on s'arrête deux minutes pour regarder les processus profonds, la manière dont le travail s'organise véritablement, les choses changent peu.
Speaker #1
L'adoption reste bloquée en surface.
Speaker #2
Exactement.
Speaker #1
Et le premier constat est plutôt rude. Prenons le baromètre de la Banque publique d'investissement. Ils ont interrogé des dirigeants d'entreprises de taille intermédiaire. Au printemps de cette année, Une grande partie de ces entreprises déclarent que ces nouveaux outils servent déjà dans leur mur. Un tiers parle même d'un usage régulier.
Speaker #2
Vu comme ça, on imagine des processus entièrement revus, une transformation complète.
Speaker #1
C'est ce qu'on pourrait croire, mais la réalité est bien différente. Sur le terrain, seulement une ETI utilisatrice sur six dit constater un gain de temps.
Speaker #2
Une seule sur six ?
Speaker #1
C'est vraiment peu.
Speaker #2
C'est très peu. Et cet écart s'explique beaucoup par la nature même du gain. Le bénéfice reste souvent très individuel. Il y a une expérience. hyper instructives là-dessus.
Speaker #1
Ah oui, le test à grande échelle, c'est ça ?
Speaker #2
Voilà. Des chercheurs ont réuni plusieurs milliers de salariés. Des gens répartis à travers des dizaines d'entreprises différentes. Et pour analyser l'impact réel, ils ont tiré au sort une partie de ces employés et ils leur ont fourni un assistant numérique.
Speaker #1
Un assistant directement intégré à leur messagerie et à leurs outils de bureau, on est d'accord ?
Speaker #2
Tout à fait. L'outil qui rédige des messages à ta place ou qui résume de longs échanges.
Speaker #1
D'accord. Et ça a donné quoi ?
Speaker #2
Eh bien, le résultat montre un effet indéniable. L'outil fait gagner deux heures de courriel par semaine.
Speaker #1
Deux heures ? Ah oui !
Speaker #2
Oui. On observe bien un gain de temps sur la gestion des messages. Les chercheurs notent aussi que ces employés travaillent un peu moins en dehors de leurs heures normales du coup.
Speaker #1
Ce qui est un avantage super confortable pour la personne, c'est certain. Mais qu'en est-il pour l'entreprise entière ?
Speaker #2
C'est là que ça devient intéressant. Si on scrute le fonctionnement de l'entreprise, les tâches ne changent absolument pas.
Speaker #1
Pas du tout ?
Speaker #2
Non. Elles demeurent identiques en nombre, identiques en nature. Chaque personne gagne un peu d'air dans sa journée, mais le travail global de la structure reste exactement le même. L'entreprise ne produit rien de différent.
Speaker #1
En fait, c'est un peu comme si tu dirigeais un atelier de peinture. Tu décides d'offrir des nouveaux pinceaux, beaucoup plus rapides, à tous les peintres de l'atelier. Chaque peintre termine sa toile un peu plus tôt dans la journée. Il respire un peu.
Speaker #2
Ce qui est bien pour lui.
Speaker #1
Oui. Mais si tu ne repenses pas l'organisation de l'atelier, la manière dont on choisit les sujets, le rythme des expositions...
Speaker #2
La galerie ne vendra pas d'œuvres différentes.
Speaker #1
Exactement. L'outil améliore le quotidien du peintre, mais il ne transforme pas la galerie.
Speaker #2
C'est une très bonne image. Et face à cette immobilité, on entend souvent les observateurs pointer du doigt la taille de l'entreprise.
Speaker #1
L'excuse classique, oui.
Speaker #2
Voilà. L'idée répandue, c'est d'affirmer que les entreprises moyennes souffrent d'un désavantage naturel face aux immenses structures, qu'elles manqueraient de moyens pour se transformer en profondeur.
Speaker #1
Une étude menée en Allemagne sur des entreprises moyennes démontre tout autre chose. Des chercheurs ont pris le temps de comparer des sociétés semblables. Mais ils ont intégré deux éléments cruciaux dans leur analyse.
Speaker #2
Lesquels ?
Speaker #1
Le niveau d'innovation de l'entreprise et sa stratégie numérique globale.
Speaker #2
D'accord. Et que se passe-t-il quand on intègre ces deux paramètres ?
Speaker #1
C'est radical. La taille des entreprises n'explique presque plus l'usage de ces outils une fois l'innovation et la numérisation comptées.
Speaker #2
Ah ouais ?
Speaker #1
Bah oui. Une entreprise moyenne qui porte une stratégie d'innovation utilise bien davantage ces technologies qu'une entreprise de même taille qui n'a pas de projet numérique. Ce n'est pas la taille qui bloque en fait.
Speaker #2
C'est l'absence de projet ? D'ailleurs, l'Institut National de la Statistique apporte une lumière complémentaire là-dessus. L'écart d'adoption qu'on observe parfois selon la taille s'explique en réalité par les coûts fixes.
Speaker #1
Les coûts de départ, tu veux dire ?
Speaker #2
C'est ça. Les coûts fixes de l'adoption. Intégrer une technologie demande un investissement de départ invariable, qu'importe le nombre de salariés. Du coup, les grandes structures absorbent ce coût avec facilité.
Speaker #1
Donc, puisque posséder l'outil ne suffit pas à transformer le travail, et que la taille ne constitue pas le véritable obstacle, il faut vraiment s'interroger sur la stratégie.
Speaker #0
Une précision sur le baromètre de BPI France. Les ETI qui utilisent l'outil régulièrement déclarent plus souvent des gains. Le baromètre ne dit pas pourquoi. Revenons à la question de départ. Faut-il s'engager maintenant ou attendre ? Nos deux experts ne répondent pas de la même façon. Pour en juger, ils regardent trois terrains. Le commerce en ligne, la comptabilité et les stocks. Écoutez où le gain apparaît et où il manque.
Speaker #1
Moi je suis persuadée que l'usage spontané... Le simple fait de donner l'outil à chacun donne une véritable illusion d'avancement. L'entreprise croit se transformer juste parce que ses employés cliquent sur un assistant pour écrire des messages.
Speaker #2
Oui, je vois ce que tu veux dire.
Speaker #1
Le véritable travail, ça consiste à chercher activement où l'outil crée une nouvelle valeur. Et surtout, où l'humain garde le contrôle. Il faut agir et organiser.
Speaker #2
Alors là, je te propose une lecture un peu différente de la situation.
Speaker #1
Je t'écoute.
Speaker #2
Je trouve qu'attendre reste raisonnable.
Speaker #1
Attendre ?
Speaker #2
Oui.
Speaker #1
Vraiment ?
Speaker #2
Oui. L'urgence n'est pas une obligation. En plus, les prix d'usage de ces modèles baissent de manière constante. Et les logiciels de gestion courante intègrent progressivement ces fonctions de toute façon.
Speaker #1
Donc selon toi, il suffirait de s'asseoir et de laisser les éditeurs de logiciels faire le travail à notre place ?
Speaker #2
D'autant plus que les gains importants qui sont réellement documentés aujourd'hui, ils proviennent d'entreprises très différentes des entreprises de taille intermédiaire.
Speaker #1
C'est-à-dire ?
Speaker #2
Ce sont soit de très grandes plateformes de commerce, soit de toutes petites structures naissantes. Les exemples manquent cruellement pour les entreprises moyennes classiques.
Speaker #1
Je ne peux pas partager cette idée d'attente passive. L'idée d'organiser activement le travail trouve un écho super puissant dans une étude sur de jeunes entreprises, justement.
Speaker #2
Ah oui, l'étude avec les exemples.
Speaker #1
Exactement. Des chercheurs ont accompagné ces jeunes entreprises. Ils ont pris un groupe au hasard et leur ont montré des exemples très précis. Ils ne se sont pas contentés de donner l'outil. Ils ont expliqué comment d'autres avaient réorganisé leur travail autour de cette technologie.
Speaker #2
Et le simple fait de montrer des exemples, ça modifie vraiment leur comportement ?
Speaker #1
Totalement. En voyant ça, elle trouve davantage d'usage. Le frein initial ne résidait pas dans la technologie, mais dans un manque de vision. Si on montre le chemin, l'entreprise crée de la valeur. Il faut donc chercher cette valeur, pas l'attendre.
Speaker #2
Sauf que l'endroit où l'on place l'outil décide de son utilité. Et cette utilité, elle n'est pas du tout automatique.
Speaker #1
Comment ça ?
Speaker #2
Prends l'exemple d'une grande plateforme de commerce en ligne. Elle a mené un test massif en intégrant ces technologies dans 7 de ses activités quotidiennes. Les fiches pour les produits, le moteur de recherche, etc.
Speaker #1
D'accord.
Speaker #2
Elle a évalué ça sur des millions d'utilisateurs. Et l'observation montre que dans certaines activités, les ventes augmentent. Mais dans d'autres, absolument rien ne change.
Speaker #1
Sur une même plateforme ? Mais comment on peut avoir des résultats aussi différents selon les départements ?
Speaker #2
En fait, le gain dépend directement des pratiques existantes dans l'entreprise. L'outil génère des descriptions de produits qui font vendre davantage, oui, mais uniquement là où les descriptions initiales étaient courtes ou inexistantes.
Speaker #1
Ah, je comprends.
Speaker #2
Si l'entreprise fait déjà bien son travail... Si les textes originaux étaient déjà très bons, l'outil ajoute très peu de valeur. L'impact se trouve là où se situe la lacune.
Speaker #1
L'observation d'un caviste en ligne permet de creuser cette idée. C'est une entreprise qui vend du vin par correspondance.
Speaker #2
D'accord.
Speaker #1
Elle envoie très régulièrement des courriels à ses clients pour proposer ses bouteilles. Des chercheurs ont fait un essai. Ils ont séparé les clients par un tirage au sort.
Speaker #2
Ok.
Speaker #1
Une partie des clients reçoit les courriels écrits par les rédacteurs habituels et une autre partie reçoit des courriels générés par la machine.
Speaker #2
On imagine que confier la vente de vin, un truc assez subtil, à une machine, ça comporte un risque énorme sur le message.
Speaker #1
Justement, non. Les résultats montrent que les courriels écrits par l'outil vendent à peu près autant que ceux des rédacteurs. Il n'y a aucune différence notable sur les commandes passées. Par contre, le temps de préparation de ces messages s'effondre. Un humain passer plusieurs heures sur un seul texte, la machine le produit immédiatement et le temps de relecture est minime.
Speaker #2
Tu vois, cette observation confirme mon idée de patience. Le gain se situe sur le coût. Pas sur les ventes.
Speaker #1
Sur le coût, oui.
Speaker #2
La technologie ne rend pas le message plus persuasif. Donc l'entreprise ne gagne pas de nouveaux revenus, elle réduit juste la dépense.
Speaker #1
C'est vrai.
Speaker #2
Et si la technologie sert surtout à réduire les coûts de tâches courantes, ses fonctions arriveront naturellement dans les logiciels standards. Pas besoin de bouleverser son organisation aujourd'hui pour ça.
Speaker #1
Sauf que réduire un coût, c'est dégager du temps pour l'humain. Et si on revient à ma conviction, celle de chercher activement la valeur, l'exploration doit se déplacer.
Speaker #2
C'est-à-dire ?
Speaker #1
Il ne s'agit plus seulement de choisir le bon département. Il faut observer l'interaction directe entre l'humain et la machine. C'est dans ce face-à-face que l'organisation du travail prend son sens.
Speaker #2
Alors là-dessus, cette interaction produit des résultats qu'on anticipe mal. L'étude menée sur des comptables en offre un super bon exemple.
Speaker #1
Les comptables qui utilisent une plateforme pour petites entreprises.
Speaker #2
Exactement. Les chercheurs ont comparé le classement des lignes d'écriture, avec et sans l'aide de l'outil. De manière générale, les comptables se trompent moins avec l'aide de l'outil.
Speaker #1
Jusque là, tout va bien. L'outil sécurise le travail habituel.
Speaker #2
Sauf qu'un phénomène assez précis apparaît. Parfois, l'outil suggère un classement différent de ce que la majorité des professionnels choisiraient naturellement.
Speaker #1
Et que font les comptables ?
Speaker #2
Mais ils se trompent davantage quand ils suivent l'outil contre le choix de leurs collègues.
Speaker #1
Ah, d'accord.
Speaker #2
La confiance aveugle envers la machine augmente le risque d'erreur. Les professionnels les plus expérimentés, eux, ils interviennent spécifiquement quand l'outil signale un niveau de certitude faible.
Speaker #1
Il faut tout de même glisser une précaution indispensable concernant cette étude.
Speaker #2
Laquelle ?
Speaker #1
L'observation indique que les comptables utilisant l'outil bouclent leur compte plus tôt à la fin du mois. Toutefois, l'étude montre un lien, pas une cause.
Speaker #2
Oui, c'est important de le rappeler.
Speaker #1
Les professionnels qui décident d'adopter ces aides travaillent peut-être déjà différemment. Rien ne prouve que l'outil seul permet cette rapidité.
Speaker #2
C'est clair. Mais ça montre bien que l'outil ne remplace pas la compétence, il interagit avec elle.
Speaker #1
Exact. D'ailleurs, le domaine des achats offre une illustration parfaite de cette interaction. Prenons un distributeur de pièces détachées pour l'automobile. Il confie la gestion de ses commandes à un outil de prévision.
Speaker #2
Outil de prévision, d'accord.
Speaker #1
Oui, je souligne un point technique ici, ce n'est pas une intelligence artificielle générative. C'est un programme classique de calcul fondé sur les données. Les acheteurs travaillaient avec ce système.
Speaker #2
Et comment s'organise cette collaboration du coup ?
Speaker #1
Dans une première expérience, on regarde le résultat final. L'outil calcule les quantités à commander. Les acheteurs examinent ces commandes et peuvent les modifier.
Speaker #2
Et que se passe-t-il ?
Speaker #1
Quand les acheteurs corrigent les commandes de l'outil, ils font perdre de l'argent à l'entreprise.
Speaker #2
Donc l'intervention humaine en bout de chaîne dégrade la rentabilité.
Speaker #1
Exactement. Mais dans une seconde expérience, menée dans le même secteur, on change la méthode. Les acheteurs ne touchent plus aux commandes finales.
Speaker #2
Ils font quoi, là ?
Speaker #1
Ils ajustent les prévisions. Ils apportent leur connaissance sur certains produits avant que la machine ne lance ses calculs.
Speaker #2
Ah, en amont ?
Speaker #1
Oui. Quand ils ajustent ses prévisions sur les produits à forte marge avant le calcul, ils font gagner près de 5% de profit.
Speaker #2
Ce qui n'est pas rien.
Speaker #1
Non. C'est une augmentation financière notable sur les références importantes. L'humain n'intervient plus pour corriger un calcul complexe, il intervient en amont.
Speaker #2
Donc, l'humain rapporte vraiment quand il agit au bon endroit. S'il se concentre sur les paramètres de départ, il crée de la valeur.
Speaker #0
Deux précisions sur les stocks. D'abord, le gain de près de 5% est une moyenne. Il compare l'outil seul et l'outil dont les acheteurs ajustent les prévisions. L'essentiel de ce gain vient des produits à forte marge. Ensuite, les acheteurs modifient parfois les commandes calculées par l'outil. En moyenne, l'entreprise y perd de l'argent. Une exception, les produits nouveaux, dont les ventes montent. Là, les acheteurs font mieux que l'outil. Un repère pour la suite. Nos deux experts vont comparer deux enquêtes publiques. Elles ne comptent pas les mêmes entreprises. L'INSEE compte toute entreprise qui utilise l'intelligence artificielle. La Banque de France ne compte que celles qui l'utilisent de façon soutenue. Elle ne place donc pas la France au même niveau.
Speaker #1
Et puisque l'humain et l'activité choisie comptent tant, la question du rythme se pose. Faut-il se précipiter ?
Speaker #2
Eh bien, là encore, j'ai des éléments qui renforcent mon argument de l'attente. Des économistes ont suivi des sociétés australiennes cotées en bourse. Ils ont observé celles qui adoptaient rapidement ces technologies.
Speaker #1
Et le bilan pour ces pionniers ?
Speaker #2
Les premières sociétés australiennes adoptant ces technologies perdent de la rentabilité.
Speaker #1
Ah oui, quand même !
Speaker #2
Oui. Et celles qui arrivent ensuite, plus tard, ne perdent rien.
Speaker #1
Donc les suiveurs s'en sortent mieux.
Speaker #2
L'adoption devient plus simple avec le temps. Il faut toutefois préciser que les chercheurs préviennent que cet écart reste à la limite de ce que leurs calculs permettent d'affirmer.
Speaker #1
C'est fragile statistiquement.
Speaker #2
Oui. On est vraiment à la limite de la validation.
Speaker #1
Mais cette limite, elle nous pousse à introduire une réserve super importante sur l'ensemble des observations qu'on explore aujourd'hui. Presque tout repose sur des déclarations.
Speaker #2
Oui. Les réponses des dirigeants aux enquêtes.
Speaker #1
Exactement. L'expression « utiliser l'outil » ou « utiliser l'IA » change de sens d'une enquête à l'autre.
Speaker #2
Et l'écart des enquêtes illustre parfaitement cette réserve. Si on prend les grandes entreprises, l'Institut National de la Statistique place la France un peu devant ses voisines.
Speaker #0
Et de l'autre côté ?
Speaker #2
Et la Banque Centrale la place loin derrière. Ils ne mesurent simplement pas la même chose. Mais au fil de toutes ces observations, je crois que nos deux visions trouvent un point d'accord très précis. Ni la taille de l'entreprise, ni la date. d'adoption ne décide du gain.
Speaker #1
Absolument. Ce qui en décide, c'est l'activité choisie et la place laissée à l'humain. Laquelle de vos activités mérite d'être transformée en premier et laquelle peut attendre ?
Speaker #0
Cet épisode vous est proposé par Spentia. Une perspective pour finir. Choisir, c'est décider où l'outil travaille et où l'humain décide. C'est aussi décider ce qui peut attendre. Ce choix revient à la direction. Un logiciel apporte l'outil, il ne dit pas où l'utiliser. Les sources sont dans les notes de l'épisode. Si cet épisode vous a été utile, partagez-le. A bientôt pour un prochain signal.

About Les signaux du changement

Découvrez Les Signaux du Changement, un tout nouveau podcast qui explore les stratégies de transformation des entreprises et leur impact critique sur le capital humain.

Dans un monde où 50 % des cadres préfèrent désormais se confier à un algorithme plutôt qu'à leur manager, comment réinventer le lien au travail ? De la fracture des compétences aux frictions opérationnelles invisibles, nous décodons les signaux faibles qui redessinent les organisations.

Une expérience inédite : Pour incarner cette mutation, ce podcast est lui-même une exploration technologique, entièrement réalisé avec l'intelligence artificielle. Une plongée immersive pour comprendre comment naviguer entre automatisation et authenticité humaine à l'horizon 2026.

Plus d'informations sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

About Les signaux du changement

Découvrez Les Signaux du Changement, un tout nouveau podcast qui explore les stratégies de transformation des entreprises et leur impact critique sur le capital humain.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Description

Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Transcription

Speaker #0
Bienvenue dans ce nouvel épisode des Signaux du Changement. Cet épisode s'adresse aux dirigeants d'ETI, les entreprises de taille intermédiaire. Une ETI est plus grande qu'une PME et plus petite qu'un grand groupe. Faut-il s'engager maintenant dans l'intelligence artificielle ? Ou faut-il laisser les grands groupes essuyer les plâtres ? Avant le débat, voici l'essentiel en quelques minutes. Premier constat. BPI France La Banque publique d'investissement interroge chaque année les dirigeants d'ETI. La plupart disent que leur entreprise utilise déjà l'intelligence artificielle. Mais une ETI utilisatrice sur 6 seulement dit gagner du temps. Deuxième constat, des chercheurs tirent au sort des salariés. Ces salariés reçoivent un assistant dans leur messagerie. Ceux qui l'utilisent gagnent 2 heures par semaine sur leur courriel. Mais leur tâche ne change pas. Chacun gagne du temps. Le travail de l'entreprise reste le même. Troisième constat, la taille n'est pas le vrai frein. En Allemagne, une étude compare des entreprises moyennes. À taille égale, celles qui ont une stratégie numérique utilisent bien plus outils. La taille compte donc peu. En France, la Banque de France mesure un retard sur nos voisins européens. Ce retard ne vient ni de la taille, ni du secteur. Il touche même davantage les grandes entreprises, ETI comprise. Retenons une idée. Le bénéfice dépend de deux choix. L'entreprise choisit où utiliser l'outil, elle choisit aussi où garder l'humain. Trois exemples le montrent. Dans le commerce en ligne, l'outil rédige des fiches produits. Elles font vendre plus là où les anciennes fiches étaient courtes ou absentes. Là où elles étaient déjà bonnes, l'outil ajoute peu. En comptabilité, l'outil réduit les erreurs des comptables, en moyenne. Mais parfois, il contredit le choix de la plupart des comptables. Le comptable qui le suit alors se trompe plus souvent. Dans les stocks, un outil calcule les commandes. Quand les acheteurs modifient ces commandes, l'entreprise perd de l'argent. Quand ils ajustent plutôt les prévisions que l'outil utilise, elle gagne de l'argent. En moyenne, le profit augmente de près de 5%. Une réserve, enfin. Attendre a aussi des arguments. En Australie, Des chercheurs suivent des sociétés cotées en bourse. Ces sociétés adoptent le cloud et l'intelligence artificielle. C'était avant les assistants actuels. Les premières à s'équiper perdent de la rentabilité. Des suivantes ne perdent rien. Mais les chercheurs jugent cet écart fragile. Et les études ne disent pas encore ce que coûte l'attente pour une ETI. Voici maintenant trois gestes pour agir. Premier geste. Choisissez une activité où vous mesurez déjà le résultat. Les ventes d'une gamme, la clôture des comptes, la marge sur les stocks. Mesurez avant d'introduire l'outil, mesurez de nouveau quelques mois après. Deuxième geste, fixez par écrit où l'humain garde la main. Les produits nouveaux, les cas où l'outil hésite, les produits à forte marge. Ailleurs, laissez travailler l'outil et contrôlez-le par sondage. Troisième geste. Décidez ce qui peut attendre. Là où vos pratiques sont déjà bonnes, l'outil ajoutera peu. Ces activités peuvent attendre les nouvelles fonctions de vos logiciels de gestion. Le débat qui suit reprend ses points, avec les études, les cas d'entreprise et les objections. Bonne écoute !
Speaker #1
Vos équipes utilisent déjà l'intelligence artificielle, mais votre entreprise, elle, s'en sert-elle vraiment ?
Speaker #2
Alors là, on entre direct dans le vip du sujet. Parce que oui, l'outil est là. On le voit bien, il est installé sur les postes de travail, il se glisse dans les téléphones des employés.
Speaker #1
Ouais, on le croise un peu partout au quotidien en fait.
Speaker #2
C'est ça, au quotidien. Mais quand on s'arrête deux minutes pour regarder les processus profonds, la manière dont le travail s'organise véritablement, les choses changent peu.
Speaker #1
L'adoption reste bloquée en surface.
Speaker #2
Exactement.
Speaker #1
Et le premier constat est plutôt rude. Prenons le baromètre de la Banque publique d'investissement. Ils ont interrogé des dirigeants d'entreprises de taille intermédiaire. Au printemps de cette année, Une grande partie de ces entreprises déclarent que ces nouveaux outils servent déjà dans leur mur. Un tiers parle même d'un usage régulier.
Speaker #2
Vu comme ça, on imagine des processus entièrement revus, une transformation complète.
Speaker #1
C'est ce qu'on pourrait croire, mais la réalité est bien différente. Sur le terrain, seulement une ETI utilisatrice sur six dit constater un gain de temps.
Speaker #2
Une seule sur six ?
Speaker #1
C'est vraiment peu.
Speaker #2
C'est très peu. Et cet écart s'explique beaucoup par la nature même du gain. Le bénéfice reste souvent très individuel. Il y a une expérience. hyper instructives là-dessus.
Speaker #1
Ah oui, le test à grande échelle, c'est ça ?
Speaker #2
Voilà. Des chercheurs ont réuni plusieurs milliers de salariés. Des gens répartis à travers des dizaines d'entreprises différentes. Et pour analyser l'impact réel, ils ont tiré au sort une partie de ces employés et ils leur ont fourni un assistant numérique.
Speaker #1
Un assistant directement intégré à leur messagerie et à leurs outils de bureau, on est d'accord ?
Speaker #2
Tout à fait. L'outil qui rédige des messages à ta place ou qui résume de longs échanges.
Speaker #1
D'accord. Et ça a donné quoi ?
Speaker #2
Eh bien, le résultat montre un effet indéniable. L'outil fait gagner deux heures de courriel par semaine.
Speaker #1
Deux heures ? Ah oui !
Speaker #2
Oui. On observe bien un gain de temps sur la gestion des messages. Les chercheurs notent aussi que ces employés travaillent un peu moins en dehors de leurs heures normales du coup.
Speaker #1
Ce qui est un avantage super confortable pour la personne, c'est certain. Mais qu'en est-il pour l'entreprise entière ?
Speaker #2
C'est là que ça devient intéressant. Si on scrute le fonctionnement de l'entreprise, les tâches ne changent absolument pas.
Speaker #1
Pas du tout ?
Speaker #2
Non. Elles demeurent identiques en nombre, identiques en nature. Chaque personne gagne un peu d'air dans sa journée, mais le travail global de la structure reste exactement le même. L'entreprise ne produit rien de différent.
Speaker #1
En fait, c'est un peu comme si tu dirigeais un atelier de peinture. Tu décides d'offrir des nouveaux pinceaux, beaucoup plus rapides, à tous les peintres de l'atelier. Chaque peintre termine sa toile un peu plus tôt dans la journée. Il respire un peu.
Speaker #2
Ce qui est bien pour lui.
Speaker #1
Oui. Mais si tu ne repenses pas l'organisation de l'atelier, la manière dont on choisit les sujets, le rythme des expositions...
Speaker #2
La galerie ne vendra pas d'œuvres différentes.
Speaker #1
Exactement. L'outil améliore le quotidien du peintre, mais il ne transforme pas la galerie.
Speaker #2
C'est une très bonne image. Et face à cette immobilité, on entend souvent les observateurs pointer du doigt la taille de l'entreprise.
Speaker #1
L'excuse classique, oui.
Speaker #2
Voilà. L'idée répandue, c'est d'affirmer que les entreprises moyennes souffrent d'un désavantage naturel face aux immenses structures, qu'elles manqueraient de moyens pour se transformer en profondeur.
Speaker #1
Une étude menée en Allemagne sur des entreprises moyennes démontre tout autre chose. Des chercheurs ont pris le temps de comparer des sociétés semblables. Mais ils ont intégré deux éléments cruciaux dans leur analyse.
Speaker #2
Lesquels ?
Speaker #1
Le niveau d'innovation de l'entreprise et sa stratégie numérique globale.
Speaker #2
D'accord. Et que se passe-t-il quand on intègre ces deux paramètres ?
Speaker #1
C'est radical. La taille des entreprises n'explique presque plus l'usage de ces outils une fois l'innovation et la numérisation comptées.
Speaker #2
Ah ouais ?
Speaker #1
Bah oui. Une entreprise moyenne qui porte une stratégie d'innovation utilise bien davantage ces technologies qu'une entreprise de même taille qui n'a pas de projet numérique. Ce n'est pas la taille qui bloque en fait.
Speaker #2
C'est l'absence de projet ? D'ailleurs, l'Institut National de la Statistique apporte une lumière complémentaire là-dessus. L'écart d'adoption qu'on observe parfois selon la taille s'explique en réalité par les coûts fixes.
Speaker #1
Les coûts de départ, tu veux dire ?
Speaker #2
C'est ça. Les coûts fixes de l'adoption. Intégrer une technologie demande un investissement de départ invariable, qu'importe le nombre de salariés. Du coup, les grandes structures absorbent ce coût avec facilité.
Speaker #1
Donc, puisque posséder l'outil ne suffit pas à transformer le travail, et que la taille ne constitue pas le véritable obstacle, il faut vraiment s'interroger sur la stratégie.
Speaker #0
Une précision sur le baromètre de BPI France. Les ETI qui utilisent l'outil régulièrement déclarent plus souvent des gains. Le baromètre ne dit pas pourquoi. Revenons à la question de départ. Faut-il s'engager maintenant ou attendre ? Nos deux experts ne répondent pas de la même façon. Pour en juger, ils regardent trois terrains. Le commerce en ligne, la comptabilité et les stocks. Écoutez où le gain apparaît et où il manque.
Speaker #1
Moi je suis persuadée que l'usage spontané... Le simple fait de donner l'outil à chacun donne une véritable illusion d'avancement. L'entreprise croit se transformer juste parce que ses employés cliquent sur un assistant pour écrire des messages.
Speaker #2
Oui, je vois ce que tu veux dire.
Speaker #1
Le véritable travail, ça consiste à chercher activement où l'outil crée une nouvelle valeur. Et surtout, où l'humain garde le contrôle. Il faut agir et organiser.
Speaker #2
Alors là, je te propose une lecture un peu différente de la situation.
Speaker #1
Je t'écoute.
Speaker #2
Je trouve qu'attendre reste raisonnable.
Speaker #1
Attendre ?
Speaker #2
Oui.
Speaker #1
Vraiment ?
Speaker #2
Oui. L'urgence n'est pas une obligation. En plus, les prix d'usage de ces modèles baissent de manière constante. Et les logiciels de gestion courante intègrent progressivement ces fonctions de toute façon.
Speaker #1
Donc selon toi, il suffirait de s'asseoir et de laisser les éditeurs de logiciels faire le travail à notre place ?
Speaker #2
D'autant plus que les gains importants qui sont réellement documentés aujourd'hui, ils proviennent d'entreprises très différentes des entreprises de taille intermédiaire.
Speaker #1
C'est-à-dire ?
Speaker #2
Ce sont soit de très grandes plateformes de commerce, soit de toutes petites structures naissantes. Les exemples manquent cruellement pour les entreprises moyennes classiques.
Speaker #1
Je ne peux pas partager cette idée d'attente passive. L'idée d'organiser activement le travail trouve un écho super puissant dans une étude sur de jeunes entreprises, justement.
Speaker #2
Ah oui, l'étude avec les exemples.
Speaker #1
Exactement. Des chercheurs ont accompagné ces jeunes entreprises. Ils ont pris un groupe au hasard et leur ont montré des exemples très précis. Ils ne se sont pas contentés de donner l'outil. Ils ont expliqué comment d'autres avaient réorganisé leur travail autour de cette technologie.
Speaker #2
Et le simple fait de montrer des exemples, ça modifie vraiment leur comportement ?
Speaker #1
Totalement. En voyant ça, elle trouve davantage d'usage. Le frein initial ne résidait pas dans la technologie, mais dans un manque de vision. Si on montre le chemin, l'entreprise crée de la valeur. Il faut donc chercher cette valeur, pas l'attendre.
Speaker #2
Sauf que l'endroit où l'on place l'outil décide de son utilité. Et cette utilité, elle n'est pas du tout automatique.
Speaker #1
Comment ça ?
Speaker #2
Prends l'exemple d'une grande plateforme de commerce en ligne. Elle a mené un test massif en intégrant ces technologies dans 7 de ses activités quotidiennes. Les fiches pour les produits, le moteur de recherche, etc.
Speaker #1
D'accord.
Speaker #2
Elle a évalué ça sur des millions d'utilisateurs. Et l'observation montre que dans certaines activités, les ventes augmentent. Mais dans d'autres, absolument rien ne change.
Speaker #1
Sur une même plateforme ? Mais comment on peut avoir des résultats aussi différents selon les départements ?
Speaker #2
En fait, le gain dépend directement des pratiques existantes dans l'entreprise. L'outil génère des descriptions de produits qui font vendre davantage, oui, mais uniquement là où les descriptions initiales étaient courtes ou inexistantes.
Speaker #1
Ah, je comprends.
Speaker #2
Si l'entreprise fait déjà bien son travail... Si les textes originaux étaient déjà très bons, l'outil ajoute très peu de valeur. L'impact se trouve là où se situe la lacune.
Speaker #1
L'observation d'un caviste en ligne permet de creuser cette idée. C'est une entreprise qui vend du vin par correspondance.
Speaker #2
D'accord.
Speaker #1
Elle envoie très régulièrement des courriels à ses clients pour proposer ses bouteilles. Des chercheurs ont fait un essai. Ils ont séparé les clients par un tirage au sort.
Speaker #2
Ok.
Speaker #1
Une partie des clients reçoit les courriels écrits par les rédacteurs habituels et une autre partie reçoit des courriels générés par la machine.
Speaker #2
On imagine que confier la vente de vin, un truc assez subtil, à une machine, ça comporte un risque énorme sur le message.
Speaker #1
Justement, non. Les résultats montrent que les courriels écrits par l'outil vendent à peu près autant que ceux des rédacteurs. Il n'y a aucune différence notable sur les commandes passées. Par contre, le temps de préparation de ces messages s'effondre. Un humain passer plusieurs heures sur un seul texte, la machine le produit immédiatement et le temps de relecture est minime.
Speaker #2
Tu vois, cette observation confirme mon idée de patience. Le gain se situe sur le coût. Pas sur les ventes.
Speaker #1
Sur le coût, oui.
Speaker #2
La technologie ne rend pas le message plus persuasif. Donc l'entreprise ne gagne pas de nouveaux revenus, elle réduit juste la dépense.
Speaker #1
C'est vrai.
Speaker #2
Et si la technologie sert surtout à réduire les coûts de tâches courantes, ses fonctions arriveront naturellement dans les logiciels standards. Pas besoin de bouleverser son organisation aujourd'hui pour ça.
Speaker #1
Sauf que réduire un coût, c'est dégager du temps pour l'humain. Et si on revient à ma conviction, celle de chercher activement la valeur, l'exploration doit se déplacer.
Speaker #2
C'est-à-dire ?
Speaker #1
Il ne s'agit plus seulement de choisir le bon département. Il faut observer l'interaction directe entre l'humain et la machine. C'est dans ce face-à-face que l'organisation du travail prend son sens.
Speaker #2
Alors là-dessus, cette interaction produit des résultats qu'on anticipe mal. L'étude menée sur des comptables en offre un super bon exemple.
Speaker #1
Les comptables qui utilisent une plateforme pour petites entreprises.
Speaker #2
Exactement. Les chercheurs ont comparé le classement des lignes d'écriture, avec et sans l'aide de l'outil. De manière générale, les comptables se trompent moins avec l'aide de l'outil.
Speaker #1
Jusque là, tout va bien. L'outil sécurise le travail habituel.
Speaker #2
Sauf qu'un phénomène assez précis apparaît. Parfois, l'outil suggère un classement différent de ce que la majorité des professionnels choisiraient naturellement.
Speaker #1
Et que font les comptables ?
Speaker #2
Mais ils se trompent davantage quand ils suivent l'outil contre le choix de leurs collègues.
Speaker #1
Ah, d'accord.
Speaker #2
La confiance aveugle envers la machine augmente le risque d'erreur. Les professionnels les plus expérimentés, eux, ils interviennent spécifiquement quand l'outil signale un niveau de certitude faible.
Speaker #1
Il faut tout de même glisser une précaution indispensable concernant cette étude.
Speaker #2
Laquelle ?
Speaker #1
L'observation indique que les comptables utilisant l'outil bouclent leur compte plus tôt à la fin du mois. Toutefois, l'étude montre un lien, pas une cause.
Speaker #2
Oui, c'est important de le rappeler.
Speaker #1
Les professionnels qui décident d'adopter ces aides travaillent peut-être déjà différemment. Rien ne prouve que l'outil seul permet cette rapidité.
Speaker #2
C'est clair. Mais ça montre bien que l'outil ne remplace pas la compétence, il interagit avec elle.
Speaker #1
Exact. D'ailleurs, le domaine des achats offre une illustration parfaite de cette interaction. Prenons un distributeur de pièces détachées pour l'automobile. Il confie la gestion de ses commandes à un outil de prévision.
Speaker #2
Outil de prévision, d'accord.
Speaker #1
Oui, je souligne un point technique ici, ce n'est pas une intelligence artificielle générative. C'est un programme classique de calcul fondé sur les données. Les acheteurs travaillaient avec ce système.
Speaker #2
Et comment s'organise cette collaboration du coup ?
Speaker #1
Dans une première expérience, on regarde le résultat final. L'outil calcule les quantités à commander. Les acheteurs examinent ces commandes et peuvent les modifier.
Speaker #2
Et que se passe-t-il ?
Speaker #1
Quand les acheteurs corrigent les commandes de l'outil, ils font perdre de l'argent à l'entreprise.
Speaker #2
Donc l'intervention humaine en bout de chaîne dégrade la rentabilité.
Speaker #1
Exactement. Mais dans une seconde expérience, menée dans le même secteur, on change la méthode. Les acheteurs ne touchent plus aux commandes finales.
Speaker #2
Ils font quoi, là ?
Speaker #1
Ils ajustent les prévisions. Ils apportent leur connaissance sur certains produits avant que la machine ne lance ses calculs.
Speaker #2
Ah, en amont ?
Speaker #1
Oui. Quand ils ajustent ses prévisions sur les produits à forte marge avant le calcul, ils font gagner près de 5% de profit.
Speaker #2
Ce qui n'est pas rien.
Speaker #1
Non. C'est une augmentation financière notable sur les références importantes. L'humain n'intervient plus pour corriger un calcul complexe, il intervient en amont.
Speaker #2
Donc, l'humain rapporte vraiment quand il agit au bon endroit. S'il se concentre sur les paramètres de départ, il crée de la valeur.
Speaker #0
Deux précisions sur les stocks. D'abord, le gain de près de 5% est une moyenne. Il compare l'outil seul et l'outil dont les acheteurs ajustent les prévisions. L'essentiel de ce gain vient des produits à forte marge. Ensuite, les acheteurs modifient parfois les commandes calculées par l'outil. En moyenne, l'entreprise y perd de l'argent. Une exception, les produits nouveaux, dont les ventes montent. Là, les acheteurs font mieux que l'outil. Un repère pour la suite. Nos deux experts vont comparer deux enquêtes publiques. Elles ne comptent pas les mêmes entreprises. L'INSEE compte toute entreprise qui utilise l'intelligence artificielle. La Banque de France ne compte que celles qui l'utilisent de façon soutenue. Elle ne place donc pas la France au même niveau.
Speaker #1
Et puisque l'humain et l'activité choisie comptent tant, la question du rythme se pose. Faut-il se précipiter ?
Speaker #2
Eh bien, là encore, j'ai des éléments qui renforcent mon argument de l'attente. Des économistes ont suivi des sociétés australiennes cotées en bourse. Ils ont observé celles qui adoptaient rapidement ces technologies.
Speaker #1
Et le bilan pour ces pionniers ?
Speaker #2
Les premières sociétés australiennes adoptant ces technologies perdent de la rentabilité.
Speaker #1
Ah oui, quand même !
Speaker #2
Oui. Et celles qui arrivent ensuite, plus tard, ne perdent rien.
Speaker #1
Donc les suiveurs s'en sortent mieux.
Speaker #2
L'adoption devient plus simple avec le temps. Il faut toutefois préciser que les chercheurs préviennent que cet écart reste à la limite de ce que leurs calculs permettent d'affirmer.
Speaker #1
C'est fragile statistiquement.
Speaker #2
Oui. On est vraiment à la limite de la validation.
Speaker #1
Mais cette limite, elle nous pousse à introduire une réserve super importante sur l'ensemble des observations qu'on explore aujourd'hui. Presque tout repose sur des déclarations.
Speaker #2
Oui. Les réponses des dirigeants aux enquêtes.
Speaker #1
Exactement. L'expression « utiliser l'outil » ou « utiliser l'IA » change de sens d'une enquête à l'autre.
Speaker #2
Et l'écart des enquêtes illustre parfaitement cette réserve. Si on prend les grandes entreprises, l'Institut National de la Statistique place la France un peu devant ses voisines.
Speaker #0
Et de l'autre côté ?
Speaker #2
Et la Banque Centrale la place loin derrière. Ils ne mesurent simplement pas la même chose. Mais au fil de toutes ces observations, je crois que nos deux visions trouvent un point d'accord très précis. Ni la taille de l'entreprise, ni la date. d'adoption ne décide du gain.
Speaker #1
Absolument. Ce qui en décide, c'est l'activité choisie et la place laissée à l'humain. Laquelle de vos activités mérite d'être transformée en premier et laquelle peut attendre ?
Speaker #0
Cet épisode vous est proposé par Spentia. Une perspective pour finir. Choisir, c'est décider où l'outil travaille et où l'humain décide. C'est aussi décider ce qui peut attendre. Ce choix revient à la direction. Un logiciel apporte l'outil, il ne dit pas où l'utiliser. Les sources sont dans les notes de l'épisode. Si cet épisode vous a été utile, partagez-le. A bientôt pour un prochain signal.

About Les signaux du changement

Découvrez Les Signaux du Changement, un tout nouveau podcast qui explore les stratégies de transformation des entreprises et leur impact critique sur le capital humain.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

About Les signaux du changement

Découvrez Les Signaux du Changement, un tout nouveau podcast qui explore les stratégies de transformation des entreprises et leur impact critique sur le capital humain.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Embed

You may also like

Description

Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Transcription

Speaker #0
Bienvenue dans ce nouvel épisode des Signaux du Changement. Cet épisode s'adresse aux dirigeants d'ETI, les entreprises de taille intermédiaire. Une ETI est plus grande qu'une PME et plus petite qu'un grand groupe. Faut-il s'engager maintenant dans l'intelligence artificielle ? Ou faut-il laisser les grands groupes essuyer les plâtres ? Avant le débat, voici l'essentiel en quelques minutes. Premier constat. BPI France La Banque publique d'investissement interroge chaque année les dirigeants d'ETI. La plupart disent que leur entreprise utilise déjà l'intelligence artificielle. Mais une ETI utilisatrice sur 6 seulement dit gagner du temps. Deuxième constat, des chercheurs tirent au sort des salariés. Ces salariés reçoivent un assistant dans leur messagerie. Ceux qui l'utilisent gagnent 2 heures par semaine sur leur courriel. Mais leur tâche ne change pas. Chacun gagne du temps. Le travail de l'entreprise reste le même. Troisième constat, la taille n'est pas le vrai frein. En Allemagne, une étude compare des entreprises moyennes. À taille égale, celles qui ont une stratégie numérique utilisent bien plus outils. La taille compte donc peu. En France, la Banque de France mesure un retard sur nos voisins européens. Ce retard ne vient ni de la taille, ni du secteur. Il touche même davantage les grandes entreprises, ETI comprise. Retenons une idée. Le bénéfice dépend de deux choix. L'entreprise choisit où utiliser l'outil, elle choisit aussi où garder l'humain. Trois exemples le montrent. Dans le commerce en ligne, l'outil rédige des fiches produits. Elles font vendre plus là où les anciennes fiches étaient courtes ou absentes. Là où elles étaient déjà bonnes, l'outil ajoute peu. En comptabilité, l'outil réduit les erreurs des comptables, en moyenne. Mais parfois, il contredit le choix de la plupart des comptables. Le comptable qui le suit alors se trompe plus souvent. Dans les stocks, un outil calcule les commandes. Quand les acheteurs modifient ces commandes, l'entreprise perd de l'argent. Quand ils ajustent plutôt les prévisions que l'outil utilise, elle gagne de l'argent. En moyenne, le profit augmente de près de 5%. Une réserve, enfin. Attendre a aussi des arguments. En Australie, Des chercheurs suivent des sociétés cotées en bourse. Ces sociétés adoptent le cloud et l'intelligence artificielle. C'était avant les assistants actuels. Les premières à s'équiper perdent de la rentabilité. Des suivantes ne perdent rien. Mais les chercheurs jugent cet écart fragile. Et les études ne disent pas encore ce que coûte l'attente pour une ETI. Voici maintenant trois gestes pour agir. Premier geste. Choisissez une activité où vous mesurez déjà le résultat. Les ventes d'une gamme, la clôture des comptes, la marge sur les stocks. Mesurez avant d'introduire l'outil, mesurez de nouveau quelques mois après. Deuxième geste, fixez par écrit où l'humain garde la main. Les produits nouveaux, les cas où l'outil hésite, les produits à forte marge. Ailleurs, laissez travailler l'outil et contrôlez-le par sondage. Troisième geste. Décidez ce qui peut attendre. Là où vos pratiques sont déjà bonnes, l'outil ajoutera peu. Ces activités peuvent attendre les nouvelles fonctions de vos logiciels de gestion. Le débat qui suit reprend ses points, avec les études, les cas d'entreprise et les objections. Bonne écoute !
Speaker #1
Vos équipes utilisent déjà l'intelligence artificielle, mais votre entreprise, elle, s'en sert-elle vraiment ?
Speaker #2
Alors là, on entre direct dans le vip du sujet. Parce que oui, l'outil est là. On le voit bien, il est installé sur les postes de travail, il se glisse dans les téléphones des employés.
Speaker #1
Ouais, on le croise un peu partout au quotidien en fait.
Speaker #2
C'est ça, au quotidien. Mais quand on s'arrête deux minutes pour regarder les processus profonds, la manière dont le travail s'organise véritablement, les choses changent peu.
Speaker #1
L'adoption reste bloquée en surface.
Speaker #2
Exactement.
Speaker #1
Et le premier constat est plutôt rude. Prenons le baromètre de la Banque publique d'investissement. Ils ont interrogé des dirigeants d'entreprises de taille intermédiaire. Au printemps de cette année, Une grande partie de ces entreprises déclarent que ces nouveaux outils servent déjà dans leur mur. Un tiers parle même d'un usage régulier.
Speaker #2
Vu comme ça, on imagine des processus entièrement revus, une transformation complète.
Speaker #1
C'est ce qu'on pourrait croire, mais la réalité est bien différente. Sur le terrain, seulement une ETI utilisatrice sur six dit constater un gain de temps.
Speaker #2
Une seule sur six ?
Speaker #1
C'est vraiment peu.
Speaker #2
C'est très peu. Et cet écart s'explique beaucoup par la nature même du gain. Le bénéfice reste souvent très individuel. Il y a une expérience. hyper instructives là-dessus.
Speaker #1
Ah oui, le test à grande échelle, c'est ça ?
Speaker #2
Voilà. Des chercheurs ont réuni plusieurs milliers de salariés. Des gens répartis à travers des dizaines d'entreprises différentes. Et pour analyser l'impact réel, ils ont tiré au sort une partie de ces employés et ils leur ont fourni un assistant numérique.
Speaker #1
Un assistant directement intégré à leur messagerie et à leurs outils de bureau, on est d'accord ?
Speaker #2
Tout à fait. L'outil qui rédige des messages à ta place ou qui résume de longs échanges.
Speaker #1
D'accord. Et ça a donné quoi ?
Speaker #2
Eh bien, le résultat montre un effet indéniable. L'outil fait gagner deux heures de courriel par semaine.
Speaker #1
Deux heures ? Ah oui !
Speaker #2
Oui. On observe bien un gain de temps sur la gestion des messages. Les chercheurs notent aussi que ces employés travaillent un peu moins en dehors de leurs heures normales du coup.
Speaker #1
Ce qui est un avantage super confortable pour la personne, c'est certain. Mais qu'en est-il pour l'entreprise entière ?
Speaker #2
C'est là que ça devient intéressant. Si on scrute le fonctionnement de l'entreprise, les tâches ne changent absolument pas.
Speaker #1
Pas du tout ?
Speaker #2
Non. Elles demeurent identiques en nombre, identiques en nature. Chaque personne gagne un peu d'air dans sa journée, mais le travail global de la structure reste exactement le même. L'entreprise ne produit rien de différent.
Speaker #1
En fait, c'est un peu comme si tu dirigeais un atelier de peinture. Tu décides d'offrir des nouveaux pinceaux, beaucoup plus rapides, à tous les peintres de l'atelier. Chaque peintre termine sa toile un peu plus tôt dans la journée. Il respire un peu.
Speaker #2
Ce qui est bien pour lui.
Speaker #1
Oui. Mais si tu ne repenses pas l'organisation de l'atelier, la manière dont on choisit les sujets, le rythme des expositions...
Speaker #2
La galerie ne vendra pas d'œuvres différentes.
Speaker #1
Exactement. L'outil améliore le quotidien du peintre, mais il ne transforme pas la galerie.
Speaker #2
C'est une très bonne image. Et face à cette immobilité, on entend souvent les observateurs pointer du doigt la taille de l'entreprise.
Speaker #1
L'excuse classique, oui.
Speaker #2
Voilà. L'idée répandue, c'est d'affirmer que les entreprises moyennes souffrent d'un désavantage naturel face aux immenses structures, qu'elles manqueraient de moyens pour se transformer en profondeur.
Speaker #1
Une étude menée en Allemagne sur des entreprises moyennes démontre tout autre chose. Des chercheurs ont pris le temps de comparer des sociétés semblables. Mais ils ont intégré deux éléments cruciaux dans leur analyse.
Speaker #2
Lesquels ?
Speaker #1
Le niveau d'innovation de l'entreprise et sa stratégie numérique globale.
Speaker #2
D'accord. Et que se passe-t-il quand on intègre ces deux paramètres ?
Speaker #1
C'est radical. La taille des entreprises n'explique presque plus l'usage de ces outils une fois l'innovation et la numérisation comptées.
Speaker #2
Ah ouais ?
Speaker #1
Bah oui. Une entreprise moyenne qui porte une stratégie d'innovation utilise bien davantage ces technologies qu'une entreprise de même taille qui n'a pas de projet numérique. Ce n'est pas la taille qui bloque en fait.
Speaker #2
C'est l'absence de projet ? D'ailleurs, l'Institut National de la Statistique apporte une lumière complémentaire là-dessus. L'écart d'adoption qu'on observe parfois selon la taille s'explique en réalité par les coûts fixes.
Speaker #1
Les coûts de départ, tu veux dire ?
Speaker #2
C'est ça. Les coûts fixes de l'adoption. Intégrer une technologie demande un investissement de départ invariable, qu'importe le nombre de salariés. Du coup, les grandes structures absorbent ce coût avec facilité.
Speaker #1
Donc, puisque posséder l'outil ne suffit pas à transformer le travail, et que la taille ne constitue pas le véritable obstacle, il faut vraiment s'interroger sur la stratégie.
Speaker #0
Une précision sur le baromètre de BPI France. Les ETI qui utilisent l'outil régulièrement déclarent plus souvent des gains. Le baromètre ne dit pas pourquoi. Revenons à la question de départ. Faut-il s'engager maintenant ou attendre ? Nos deux experts ne répondent pas de la même façon. Pour en juger, ils regardent trois terrains. Le commerce en ligne, la comptabilité et les stocks. Écoutez où le gain apparaît et où il manque.
Speaker #1
Moi je suis persuadée que l'usage spontané... Le simple fait de donner l'outil à chacun donne une véritable illusion d'avancement. L'entreprise croit se transformer juste parce que ses employés cliquent sur un assistant pour écrire des messages.
Speaker #2
Oui, je vois ce que tu veux dire.
Speaker #1
Le véritable travail, ça consiste à chercher activement où l'outil crée une nouvelle valeur. Et surtout, où l'humain garde le contrôle. Il faut agir et organiser.
Speaker #2
Alors là, je te propose une lecture un peu différente de la situation.
Speaker #1
Je t'écoute.
Speaker #2
Je trouve qu'attendre reste raisonnable.
Speaker #1
Attendre ?
Speaker #2
Oui.
Speaker #1
Vraiment ?
Speaker #2
Oui. L'urgence n'est pas une obligation. En plus, les prix d'usage de ces modèles baissent de manière constante. Et les logiciels de gestion courante intègrent progressivement ces fonctions de toute façon.
Speaker #1
Donc selon toi, il suffirait de s'asseoir et de laisser les éditeurs de logiciels faire le travail à notre place ?
Speaker #2
D'autant plus que les gains importants qui sont réellement documentés aujourd'hui, ils proviennent d'entreprises très différentes des entreprises de taille intermédiaire.
Speaker #1
C'est-à-dire ?
Speaker #2
Ce sont soit de très grandes plateformes de commerce, soit de toutes petites structures naissantes. Les exemples manquent cruellement pour les entreprises moyennes classiques.
Speaker #1
Je ne peux pas partager cette idée d'attente passive. L'idée d'organiser activement le travail trouve un écho super puissant dans une étude sur de jeunes entreprises, justement.
Speaker #2
Ah oui, l'étude avec les exemples.
Speaker #1
Exactement. Des chercheurs ont accompagné ces jeunes entreprises. Ils ont pris un groupe au hasard et leur ont montré des exemples très précis. Ils ne se sont pas contentés de donner l'outil. Ils ont expliqué comment d'autres avaient réorganisé leur travail autour de cette technologie.
Speaker #2
Et le simple fait de montrer des exemples, ça modifie vraiment leur comportement ?
Speaker #1
Totalement. En voyant ça, elle trouve davantage d'usage. Le frein initial ne résidait pas dans la technologie, mais dans un manque de vision. Si on montre le chemin, l'entreprise crée de la valeur. Il faut donc chercher cette valeur, pas l'attendre.
Speaker #2
Sauf que l'endroit où l'on place l'outil décide de son utilité. Et cette utilité, elle n'est pas du tout automatique.
Speaker #1
Comment ça ?
Speaker #2
Prends l'exemple d'une grande plateforme de commerce en ligne. Elle a mené un test massif en intégrant ces technologies dans 7 de ses activités quotidiennes. Les fiches pour les produits, le moteur de recherche, etc.
Speaker #1
D'accord.
Speaker #2
Elle a évalué ça sur des millions d'utilisateurs. Et l'observation montre que dans certaines activités, les ventes augmentent. Mais dans d'autres, absolument rien ne change.
Speaker #1
Sur une même plateforme ? Mais comment on peut avoir des résultats aussi différents selon les départements ?
Speaker #2
En fait, le gain dépend directement des pratiques existantes dans l'entreprise. L'outil génère des descriptions de produits qui font vendre davantage, oui, mais uniquement là où les descriptions initiales étaient courtes ou inexistantes.
Speaker #1
Ah, je comprends.
Speaker #2
Si l'entreprise fait déjà bien son travail... Si les textes originaux étaient déjà très bons, l'outil ajoute très peu de valeur. L'impact se trouve là où se situe la lacune.
Speaker #1
L'observation d'un caviste en ligne permet de creuser cette idée. C'est une entreprise qui vend du vin par correspondance.
Speaker #2
D'accord.
Speaker #1
Elle envoie très régulièrement des courriels à ses clients pour proposer ses bouteilles. Des chercheurs ont fait un essai. Ils ont séparé les clients par un tirage au sort.
Speaker #2
Ok.
Speaker #1
Une partie des clients reçoit les courriels écrits par les rédacteurs habituels et une autre partie reçoit des courriels générés par la machine.
Speaker #2
On imagine que confier la vente de vin, un truc assez subtil, à une machine, ça comporte un risque énorme sur le message.
Speaker #1
Justement, non. Les résultats montrent que les courriels écrits par l'outil vendent à peu près autant que ceux des rédacteurs. Il n'y a aucune différence notable sur les commandes passées. Par contre, le temps de préparation de ces messages s'effondre. Un humain passer plusieurs heures sur un seul texte, la machine le produit immédiatement et le temps de relecture est minime.
Speaker #2
Tu vois, cette observation confirme mon idée de patience. Le gain se situe sur le coût. Pas sur les ventes.
Speaker #1
Sur le coût, oui.
Speaker #2
La technologie ne rend pas le message plus persuasif. Donc l'entreprise ne gagne pas de nouveaux revenus, elle réduit juste la dépense.
Speaker #1
C'est vrai.
Speaker #2
Et si la technologie sert surtout à réduire les coûts de tâches courantes, ses fonctions arriveront naturellement dans les logiciels standards. Pas besoin de bouleverser son organisation aujourd'hui pour ça.
Speaker #1
Sauf que réduire un coût, c'est dégager du temps pour l'humain. Et si on revient à ma conviction, celle de chercher activement la valeur, l'exploration doit se déplacer.
Speaker #2
C'est-à-dire ?
Speaker #1
Il ne s'agit plus seulement de choisir le bon département. Il faut observer l'interaction directe entre l'humain et la machine. C'est dans ce face-à-face que l'organisation du travail prend son sens.
Speaker #2
Alors là-dessus, cette interaction produit des résultats qu'on anticipe mal. L'étude menée sur des comptables en offre un super bon exemple.
Speaker #1
Les comptables qui utilisent une plateforme pour petites entreprises.
Speaker #2
Exactement. Les chercheurs ont comparé le classement des lignes d'écriture, avec et sans l'aide de l'outil. De manière générale, les comptables se trompent moins avec l'aide de l'outil.
Speaker #1
Jusque là, tout va bien. L'outil sécurise le travail habituel.
Speaker #2
Sauf qu'un phénomène assez précis apparaît. Parfois, l'outil suggère un classement différent de ce que la majorité des professionnels choisiraient naturellement.
Speaker #1
Et que font les comptables ?
Speaker #2
Mais ils se trompent davantage quand ils suivent l'outil contre le choix de leurs collègues.
Speaker #1
Ah, d'accord.
Speaker #2
La confiance aveugle envers la machine augmente le risque d'erreur. Les professionnels les plus expérimentés, eux, ils interviennent spécifiquement quand l'outil signale un niveau de certitude faible.
Speaker #1
Il faut tout de même glisser une précaution indispensable concernant cette étude.
Speaker #2
Laquelle ?
Speaker #1
L'observation indique que les comptables utilisant l'outil bouclent leur compte plus tôt à la fin du mois. Toutefois, l'étude montre un lien, pas une cause.
Speaker #2
Oui, c'est important de le rappeler.
Speaker #1
Les professionnels qui décident d'adopter ces aides travaillent peut-être déjà différemment. Rien ne prouve que l'outil seul permet cette rapidité.
Speaker #2
C'est clair. Mais ça montre bien que l'outil ne remplace pas la compétence, il interagit avec elle.
Speaker #1
Exact. D'ailleurs, le domaine des achats offre une illustration parfaite de cette interaction. Prenons un distributeur de pièces détachées pour l'automobile. Il confie la gestion de ses commandes à un outil de prévision.
Speaker #2
Outil de prévision, d'accord.
Speaker #1
Oui, je souligne un point technique ici, ce n'est pas une intelligence artificielle générative. C'est un programme classique de calcul fondé sur les données. Les acheteurs travaillaient avec ce système.
Speaker #2
Et comment s'organise cette collaboration du coup ?
Speaker #1
Dans une première expérience, on regarde le résultat final. L'outil calcule les quantités à commander. Les acheteurs examinent ces commandes et peuvent les modifier.
Speaker #2
Et que se passe-t-il ?
Speaker #1
Quand les acheteurs corrigent les commandes de l'outil, ils font perdre de l'argent à l'entreprise.
Speaker #2
Donc l'intervention humaine en bout de chaîne dégrade la rentabilité.
Speaker #1
Exactement. Mais dans une seconde expérience, menée dans le même secteur, on change la méthode. Les acheteurs ne touchent plus aux commandes finales.
Speaker #2
Ils font quoi, là ?
Speaker #1
Ils ajustent les prévisions. Ils apportent leur connaissance sur certains produits avant que la machine ne lance ses calculs.
Speaker #2
Ah, en amont ?
Speaker #1
Oui. Quand ils ajustent ses prévisions sur les produits à forte marge avant le calcul, ils font gagner près de 5% de profit.
Speaker #2
Ce qui n'est pas rien.
Speaker #1
Non. C'est une augmentation financière notable sur les références importantes. L'humain n'intervient plus pour corriger un calcul complexe, il intervient en amont.
Speaker #2
Donc, l'humain rapporte vraiment quand il agit au bon endroit. S'il se concentre sur les paramètres de départ, il crée de la valeur.
Speaker #0
Deux précisions sur les stocks. D'abord, le gain de près de 5% est une moyenne. Il compare l'outil seul et l'outil dont les acheteurs ajustent les prévisions. L'essentiel de ce gain vient des produits à forte marge. Ensuite, les acheteurs modifient parfois les commandes calculées par l'outil. En moyenne, l'entreprise y perd de l'argent. Une exception, les produits nouveaux, dont les ventes montent. Là, les acheteurs font mieux que l'outil. Un repère pour la suite. Nos deux experts vont comparer deux enquêtes publiques. Elles ne comptent pas les mêmes entreprises. L'INSEE compte toute entreprise qui utilise l'intelligence artificielle. La Banque de France ne compte que celles qui l'utilisent de façon soutenue. Elle ne place donc pas la France au même niveau.
Speaker #1
Et puisque l'humain et l'activité choisie comptent tant, la question du rythme se pose. Faut-il se précipiter ?
Speaker #2
Eh bien, là encore, j'ai des éléments qui renforcent mon argument de l'attente. Des économistes ont suivi des sociétés australiennes cotées en bourse. Ils ont observé celles qui adoptaient rapidement ces technologies.
Speaker #1
Et le bilan pour ces pionniers ?
Speaker #2
Les premières sociétés australiennes adoptant ces technologies perdent de la rentabilité.
Speaker #1
Ah oui, quand même !
Speaker #2
Oui. Et celles qui arrivent ensuite, plus tard, ne perdent rien.
Speaker #1
Donc les suiveurs s'en sortent mieux.
Speaker #2
L'adoption devient plus simple avec le temps. Il faut toutefois préciser que les chercheurs préviennent que cet écart reste à la limite de ce que leurs calculs permettent d'affirmer.
Speaker #1
C'est fragile statistiquement.
Speaker #2
Oui. On est vraiment à la limite de la validation.
Speaker #1
Mais cette limite, elle nous pousse à introduire une réserve super importante sur l'ensemble des observations qu'on explore aujourd'hui. Presque tout repose sur des déclarations.
Speaker #2
Oui. Les réponses des dirigeants aux enquêtes.
Speaker #1
Exactement. L'expression « utiliser l'outil » ou « utiliser l'IA » change de sens d'une enquête à l'autre.
Speaker #2
Et l'écart des enquêtes illustre parfaitement cette réserve. Si on prend les grandes entreprises, l'Institut National de la Statistique place la France un peu devant ses voisines.
Speaker #0
Et de l'autre côté ?
Speaker #2
Et la Banque Centrale la place loin derrière. Ils ne mesurent simplement pas la même chose. Mais au fil de toutes ces observations, je crois que nos deux visions trouvent un point d'accord très précis. Ni la taille de l'entreprise, ni la date. d'adoption ne décide du gain.
Speaker #1
Absolument. Ce qui en décide, c'est l'activité choisie et la place laissée à l'humain. Laquelle de vos activités mérite d'être transformée en premier et laquelle peut attendre ?
Speaker #0
Cet épisode vous est proposé par Spentia. Une perspective pour finir. Choisir, c'est décider où l'outil travaille et où l'humain décide. C'est aussi décider ce qui peut attendre. Ce choix revient à la direction. Un logiciel apporte l'outil, il ne dit pas où l'utiliser. Les sources sont dans les notes de l'épisode. Si cet épisode vous a été utile, partagez-le. A bientôt pour un prochain signal.

About Les signaux du changement

Découvrez Les Signaux du Changement, un tout nouveau podcast qui explore les stratégies de transformation des entreprises et leur impact critique sur le capital humain.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

About Les signaux du changement

Découvrez Les Signaux du Changement, un tout nouveau podcast qui explore les stratégies de transformation des entreprises et leur impact critique sur le capital humain.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Description

Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Transcription

Speaker #0
Bienvenue dans ce nouvel épisode des Signaux du Changement. Cet épisode s'adresse aux dirigeants d'ETI, les entreprises de taille intermédiaire. Une ETI est plus grande qu'une PME et plus petite qu'un grand groupe. Faut-il s'engager maintenant dans l'intelligence artificielle ? Ou faut-il laisser les grands groupes essuyer les plâtres ? Avant le débat, voici l'essentiel en quelques minutes. Premier constat. BPI France La Banque publique d'investissement interroge chaque année les dirigeants d'ETI. La plupart disent que leur entreprise utilise déjà l'intelligence artificielle. Mais une ETI utilisatrice sur 6 seulement dit gagner du temps. Deuxième constat, des chercheurs tirent au sort des salariés. Ces salariés reçoivent un assistant dans leur messagerie. Ceux qui l'utilisent gagnent 2 heures par semaine sur leur courriel. Mais leur tâche ne change pas. Chacun gagne du temps. Le travail de l'entreprise reste le même. Troisième constat, la taille n'est pas le vrai frein. En Allemagne, une étude compare des entreprises moyennes. À taille égale, celles qui ont une stratégie numérique utilisent bien plus outils. La taille compte donc peu. En France, la Banque de France mesure un retard sur nos voisins européens. Ce retard ne vient ni de la taille, ni du secteur. Il touche même davantage les grandes entreprises, ETI comprise. Retenons une idée. Le bénéfice dépend de deux choix. L'entreprise choisit où utiliser l'outil, elle choisit aussi où garder l'humain. Trois exemples le montrent. Dans le commerce en ligne, l'outil rédige des fiches produits. Elles font vendre plus là où les anciennes fiches étaient courtes ou absentes. Là où elles étaient déjà bonnes, l'outil ajoute peu. En comptabilité, l'outil réduit les erreurs des comptables, en moyenne. Mais parfois, il contredit le choix de la plupart des comptables. Le comptable qui le suit alors se trompe plus souvent. Dans les stocks, un outil calcule les commandes. Quand les acheteurs modifient ces commandes, l'entreprise perd de l'argent. Quand ils ajustent plutôt les prévisions que l'outil utilise, elle gagne de l'argent. En moyenne, le profit augmente de près de 5%. Une réserve, enfin. Attendre a aussi des arguments. En Australie, Des chercheurs suivent des sociétés cotées en bourse. Ces sociétés adoptent le cloud et l'intelligence artificielle. C'était avant les assistants actuels. Les premières à s'équiper perdent de la rentabilité. Des suivantes ne perdent rien. Mais les chercheurs jugent cet écart fragile. Et les études ne disent pas encore ce que coûte l'attente pour une ETI. Voici maintenant trois gestes pour agir. Premier geste. Choisissez une activité où vous mesurez déjà le résultat. Les ventes d'une gamme, la clôture des comptes, la marge sur les stocks. Mesurez avant d'introduire l'outil, mesurez de nouveau quelques mois après. Deuxième geste, fixez par écrit où l'humain garde la main. Les produits nouveaux, les cas où l'outil hésite, les produits à forte marge. Ailleurs, laissez travailler l'outil et contrôlez-le par sondage. Troisième geste. Décidez ce qui peut attendre. Là où vos pratiques sont déjà bonnes, l'outil ajoutera peu. Ces activités peuvent attendre les nouvelles fonctions de vos logiciels de gestion. Le débat qui suit reprend ses points, avec les études, les cas d'entreprise et les objections. Bonne écoute !
Speaker #1
Vos équipes utilisent déjà l'intelligence artificielle, mais votre entreprise, elle, s'en sert-elle vraiment ?
Speaker #2
Alors là, on entre direct dans le vip du sujet. Parce que oui, l'outil est là. On le voit bien, il est installé sur les postes de travail, il se glisse dans les téléphones des employés.
Speaker #1
Ouais, on le croise un peu partout au quotidien en fait.
Speaker #2
C'est ça, au quotidien. Mais quand on s'arrête deux minutes pour regarder les processus profonds, la manière dont le travail s'organise véritablement, les choses changent peu.
Speaker #1
L'adoption reste bloquée en surface.
Speaker #2
Exactement.
Speaker #1
Et le premier constat est plutôt rude. Prenons le baromètre de la Banque publique d'investissement. Ils ont interrogé des dirigeants d'entreprises de taille intermédiaire. Au printemps de cette année, Une grande partie de ces entreprises déclarent que ces nouveaux outils servent déjà dans leur mur. Un tiers parle même d'un usage régulier.
Speaker #2
Vu comme ça, on imagine des processus entièrement revus, une transformation complète.
Speaker #1
C'est ce qu'on pourrait croire, mais la réalité est bien différente. Sur le terrain, seulement une ETI utilisatrice sur six dit constater un gain de temps.
Speaker #2
Une seule sur six ?
Speaker #1
C'est vraiment peu.
Speaker #2
C'est très peu. Et cet écart s'explique beaucoup par la nature même du gain. Le bénéfice reste souvent très individuel. Il y a une expérience. hyper instructives là-dessus.
Speaker #1
Ah oui, le test à grande échelle, c'est ça ?
Speaker #2
Voilà. Des chercheurs ont réuni plusieurs milliers de salariés. Des gens répartis à travers des dizaines d'entreprises différentes. Et pour analyser l'impact réel, ils ont tiré au sort une partie de ces employés et ils leur ont fourni un assistant numérique.
Speaker #1
Un assistant directement intégré à leur messagerie et à leurs outils de bureau, on est d'accord ?
Speaker #2
Tout à fait. L'outil qui rédige des messages à ta place ou qui résume de longs échanges.
Speaker #1
D'accord. Et ça a donné quoi ?
Speaker #2
Eh bien, le résultat montre un effet indéniable. L'outil fait gagner deux heures de courriel par semaine.
Speaker #1
Deux heures ? Ah oui !
Speaker #2
Oui. On observe bien un gain de temps sur la gestion des messages. Les chercheurs notent aussi que ces employés travaillent un peu moins en dehors de leurs heures normales du coup.
Speaker #1
Ce qui est un avantage super confortable pour la personne, c'est certain. Mais qu'en est-il pour l'entreprise entière ?
Speaker #2
C'est là que ça devient intéressant. Si on scrute le fonctionnement de l'entreprise, les tâches ne changent absolument pas.
Speaker #1
Pas du tout ?
Speaker #2
Non. Elles demeurent identiques en nombre, identiques en nature. Chaque personne gagne un peu d'air dans sa journée, mais le travail global de la structure reste exactement le même. L'entreprise ne produit rien de différent.
Speaker #1
En fait, c'est un peu comme si tu dirigeais un atelier de peinture. Tu décides d'offrir des nouveaux pinceaux, beaucoup plus rapides, à tous les peintres de l'atelier. Chaque peintre termine sa toile un peu plus tôt dans la journée. Il respire un peu.
Speaker #2
Ce qui est bien pour lui.
Speaker #1
Oui. Mais si tu ne repenses pas l'organisation de l'atelier, la manière dont on choisit les sujets, le rythme des expositions...
Speaker #2
La galerie ne vendra pas d'œuvres différentes.
Speaker #1
Exactement. L'outil améliore le quotidien du peintre, mais il ne transforme pas la galerie.
Speaker #2
C'est une très bonne image. Et face à cette immobilité, on entend souvent les observateurs pointer du doigt la taille de l'entreprise.
Speaker #1
L'excuse classique, oui.
Speaker #2
Voilà. L'idée répandue, c'est d'affirmer que les entreprises moyennes souffrent d'un désavantage naturel face aux immenses structures, qu'elles manqueraient de moyens pour se transformer en profondeur.
Speaker #1
Une étude menée en Allemagne sur des entreprises moyennes démontre tout autre chose. Des chercheurs ont pris le temps de comparer des sociétés semblables. Mais ils ont intégré deux éléments cruciaux dans leur analyse.
Speaker #2
Lesquels ?
Speaker #1
Le niveau d'innovation de l'entreprise et sa stratégie numérique globale.
Speaker #2
D'accord. Et que se passe-t-il quand on intègre ces deux paramètres ?
Speaker #1
C'est radical. La taille des entreprises n'explique presque plus l'usage de ces outils une fois l'innovation et la numérisation comptées.
Speaker #2
Ah ouais ?
Speaker #1
Bah oui. Une entreprise moyenne qui porte une stratégie d'innovation utilise bien davantage ces technologies qu'une entreprise de même taille qui n'a pas de projet numérique. Ce n'est pas la taille qui bloque en fait.
Speaker #2
C'est l'absence de projet ? D'ailleurs, l'Institut National de la Statistique apporte une lumière complémentaire là-dessus. L'écart d'adoption qu'on observe parfois selon la taille s'explique en réalité par les coûts fixes.
Speaker #1
Les coûts de départ, tu veux dire ?
Speaker #2
C'est ça. Les coûts fixes de l'adoption. Intégrer une technologie demande un investissement de départ invariable, qu'importe le nombre de salariés. Du coup, les grandes structures absorbent ce coût avec facilité.
Speaker #1
Donc, puisque posséder l'outil ne suffit pas à transformer le travail, et que la taille ne constitue pas le véritable obstacle, il faut vraiment s'interroger sur la stratégie.
Speaker #0
Une précision sur le baromètre de BPI France. Les ETI qui utilisent l'outil régulièrement déclarent plus souvent des gains. Le baromètre ne dit pas pourquoi. Revenons à la question de départ. Faut-il s'engager maintenant ou attendre ? Nos deux experts ne répondent pas de la même façon. Pour en juger, ils regardent trois terrains. Le commerce en ligne, la comptabilité et les stocks. Écoutez où le gain apparaît et où il manque.
Speaker #1
Moi je suis persuadée que l'usage spontané... Le simple fait de donner l'outil à chacun donne une véritable illusion d'avancement. L'entreprise croit se transformer juste parce que ses employés cliquent sur un assistant pour écrire des messages.
Speaker #2
Oui, je vois ce que tu veux dire.
Speaker #1
Le véritable travail, ça consiste à chercher activement où l'outil crée une nouvelle valeur. Et surtout, où l'humain garde le contrôle. Il faut agir et organiser.
Speaker #2
Alors là, je te propose une lecture un peu différente de la situation.
Speaker #1
Je t'écoute.
Speaker #2
Je trouve qu'attendre reste raisonnable.
Speaker #1
Attendre ?
Speaker #2
Oui.
Speaker #1
Vraiment ?
Speaker #2
Oui. L'urgence n'est pas une obligation. En plus, les prix d'usage de ces modèles baissent de manière constante. Et les logiciels de gestion courante intègrent progressivement ces fonctions de toute façon.
Speaker #1
Donc selon toi, il suffirait de s'asseoir et de laisser les éditeurs de logiciels faire le travail à notre place ?
Speaker #2
D'autant plus que les gains importants qui sont réellement documentés aujourd'hui, ils proviennent d'entreprises très différentes des entreprises de taille intermédiaire.
Speaker #1
C'est-à-dire ?
Speaker #2
Ce sont soit de très grandes plateformes de commerce, soit de toutes petites structures naissantes. Les exemples manquent cruellement pour les entreprises moyennes classiques.
Speaker #1
Je ne peux pas partager cette idée d'attente passive. L'idée d'organiser activement le travail trouve un écho super puissant dans une étude sur de jeunes entreprises, justement.
Speaker #2
Ah oui, l'étude avec les exemples.
Speaker #1
Exactement. Des chercheurs ont accompagné ces jeunes entreprises. Ils ont pris un groupe au hasard et leur ont montré des exemples très précis. Ils ne se sont pas contentés de donner l'outil. Ils ont expliqué comment d'autres avaient réorganisé leur travail autour de cette technologie.
Speaker #2
Et le simple fait de montrer des exemples, ça modifie vraiment leur comportement ?
Speaker #1
Totalement. En voyant ça, elle trouve davantage d'usage. Le frein initial ne résidait pas dans la technologie, mais dans un manque de vision. Si on montre le chemin, l'entreprise crée de la valeur. Il faut donc chercher cette valeur, pas l'attendre.
Speaker #2
Sauf que l'endroit où l'on place l'outil décide de son utilité. Et cette utilité, elle n'est pas du tout automatique.
Speaker #1
Comment ça ?
Speaker #2
Prends l'exemple d'une grande plateforme de commerce en ligne. Elle a mené un test massif en intégrant ces technologies dans 7 de ses activités quotidiennes. Les fiches pour les produits, le moteur de recherche, etc.
Speaker #1
D'accord.
Speaker #2
Elle a évalué ça sur des millions d'utilisateurs. Et l'observation montre que dans certaines activités, les ventes augmentent. Mais dans d'autres, absolument rien ne change.
Speaker #1
Sur une même plateforme ? Mais comment on peut avoir des résultats aussi différents selon les départements ?
Speaker #2
En fait, le gain dépend directement des pratiques existantes dans l'entreprise. L'outil génère des descriptions de produits qui font vendre davantage, oui, mais uniquement là où les descriptions initiales étaient courtes ou inexistantes.
Speaker #1
Ah, je comprends.
Speaker #2
Si l'entreprise fait déjà bien son travail... Si les textes originaux étaient déjà très bons, l'outil ajoute très peu de valeur. L'impact se trouve là où se situe la lacune.
Speaker #1
L'observation d'un caviste en ligne permet de creuser cette idée. C'est une entreprise qui vend du vin par correspondance.
Speaker #2
D'accord.
Speaker #1
Elle envoie très régulièrement des courriels à ses clients pour proposer ses bouteilles. Des chercheurs ont fait un essai. Ils ont séparé les clients par un tirage au sort.
Speaker #2
Ok.
Speaker #1
Une partie des clients reçoit les courriels écrits par les rédacteurs habituels et une autre partie reçoit des courriels générés par la machine.
Speaker #2
On imagine que confier la vente de vin, un truc assez subtil, à une machine, ça comporte un risque énorme sur le message.
Speaker #1
Justement, non. Les résultats montrent que les courriels écrits par l'outil vendent à peu près autant que ceux des rédacteurs. Il n'y a aucune différence notable sur les commandes passées. Par contre, le temps de préparation de ces messages s'effondre. Un humain passer plusieurs heures sur un seul texte, la machine le produit immédiatement et le temps de relecture est minime.
Speaker #2
Tu vois, cette observation confirme mon idée de patience. Le gain se situe sur le coût. Pas sur les ventes.
Speaker #1
Sur le coût, oui.
Speaker #2
La technologie ne rend pas le message plus persuasif. Donc l'entreprise ne gagne pas de nouveaux revenus, elle réduit juste la dépense.
Speaker #1
C'est vrai.
Speaker #2
Et si la technologie sert surtout à réduire les coûts de tâches courantes, ses fonctions arriveront naturellement dans les logiciels standards. Pas besoin de bouleverser son organisation aujourd'hui pour ça.
Speaker #1
Sauf que réduire un coût, c'est dégager du temps pour l'humain. Et si on revient à ma conviction, celle de chercher activement la valeur, l'exploration doit se déplacer.
Speaker #2
C'est-à-dire ?
Speaker #1
Il ne s'agit plus seulement de choisir le bon département. Il faut observer l'interaction directe entre l'humain et la machine. C'est dans ce face-à-face que l'organisation du travail prend son sens.
Speaker #2
Alors là-dessus, cette interaction produit des résultats qu'on anticipe mal. L'étude menée sur des comptables en offre un super bon exemple.
Speaker #1
Les comptables qui utilisent une plateforme pour petites entreprises.
Speaker #2
Exactement. Les chercheurs ont comparé le classement des lignes d'écriture, avec et sans l'aide de l'outil. De manière générale, les comptables se trompent moins avec l'aide de l'outil.
Speaker #1
Jusque là, tout va bien. L'outil sécurise le travail habituel.
Speaker #2
Sauf qu'un phénomène assez précis apparaît. Parfois, l'outil suggère un classement différent de ce que la majorité des professionnels choisiraient naturellement.
Speaker #1
Et que font les comptables ?
Speaker #2
Mais ils se trompent davantage quand ils suivent l'outil contre le choix de leurs collègues.
Speaker #1
Ah, d'accord.
Speaker #2
La confiance aveugle envers la machine augmente le risque d'erreur. Les professionnels les plus expérimentés, eux, ils interviennent spécifiquement quand l'outil signale un niveau de certitude faible.
Speaker #1
Il faut tout de même glisser une précaution indispensable concernant cette étude.
Speaker #2
Laquelle ?
Speaker #1
L'observation indique que les comptables utilisant l'outil bouclent leur compte plus tôt à la fin du mois. Toutefois, l'étude montre un lien, pas une cause.
Speaker #2
Oui, c'est important de le rappeler.
Speaker #1
Les professionnels qui décident d'adopter ces aides travaillent peut-être déjà différemment. Rien ne prouve que l'outil seul permet cette rapidité.
Speaker #2
C'est clair. Mais ça montre bien que l'outil ne remplace pas la compétence, il interagit avec elle.
Speaker #1
Exact. D'ailleurs, le domaine des achats offre une illustration parfaite de cette interaction. Prenons un distributeur de pièces détachées pour l'automobile. Il confie la gestion de ses commandes à un outil de prévision.
Speaker #2
Outil de prévision, d'accord.
Speaker #1
Oui, je souligne un point technique ici, ce n'est pas une intelligence artificielle générative. C'est un programme classique de calcul fondé sur les données. Les acheteurs travaillaient avec ce système.
Speaker #2
Et comment s'organise cette collaboration du coup ?
Speaker #1
Dans une première expérience, on regarde le résultat final. L'outil calcule les quantités à commander. Les acheteurs examinent ces commandes et peuvent les modifier.
Speaker #2
Et que se passe-t-il ?
Speaker #1
Quand les acheteurs corrigent les commandes de l'outil, ils font perdre de l'argent à l'entreprise.
Speaker #2
Donc l'intervention humaine en bout de chaîne dégrade la rentabilité.
Speaker #1
Exactement. Mais dans une seconde expérience, menée dans le même secteur, on change la méthode. Les acheteurs ne touchent plus aux commandes finales.
Speaker #2
Ils font quoi, là ?
Speaker #1
Ils ajustent les prévisions. Ils apportent leur connaissance sur certains produits avant que la machine ne lance ses calculs.
Speaker #2
Ah, en amont ?
Speaker #1
Oui. Quand ils ajustent ses prévisions sur les produits à forte marge avant le calcul, ils font gagner près de 5% de profit.
Speaker #2
Ce qui n'est pas rien.
Speaker #1
Non. C'est une augmentation financière notable sur les références importantes. L'humain n'intervient plus pour corriger un calcul complexe, il intervient en amont.
Speaker #2
Donc, l'humain rapporte vraiment quand il agit au bon endroit. S'il se concentre sur les paramètres de départ, il crée de la valeur.
Speaker #0
Deux précisions sur les stocks. D'abord, le gain de près de 5% est une moyenne. Il compare l'outil seul et l'outil dont les acheteurs ajustent les prévisions. L'essentiel de ce gain vient des produits à forte marge. Ensuite, les acheteurs modifient parfois les commandes calculées par l'outil. En moyenne, l'entreprise y perd de l'argent. Une exception, les produits nouveaux, dont les ventes montent. Là, les acheteurs font mieux que l'outil. Un repère pour la suite. Nos deux experts vont comparer deux enquêtes publiques. Elles ne comptent pas les mêmes entreprises. L'INSEE compte toute entreprise qui utilise l'intelligence artificielle. La Banque de France ne compte que celles qui l'utilisent de façon soutenue. Elle ne place donc pas la France au même niveau.
Speaker #1
Et puisque l'humain et l'activité choisie comptent tant, la question du rythme se pose. Faut-il se précipiter ?
Speaker #2
Eh bien, là encore, j'ai des éléments qui renforcent mon argument de l'attente. Des économistes ont suivi des sociétés australiennes cotées en bourse. Ils ont observé celles qui adoptaient rapidement ces technologies.
Speaker #1
Et le bilan pour ces pionniers ?
Speaker #2
Les premières sociétés australiennes adoptant ces technologies perdent de la rentabilité.
Speaker #1
Ah oui, quand même !
Speaker #2
Oui. Et celles qui arrivent ensuite, plus tard, ne perdent rien.
Speaker #1
Donc les suiveurs s'en sortent mieux.
Speaker #2
L'adoption devient plus simple avec le temps. Il faut toutefois préciser que les chercheurs préviennent que cet écart reste à la limite de ce que leurs calculs permettent d'affirmer.
Speaker #1
C'est fragile statistiquement.
Speaker #2
Oui. On est vraiment à la limite de la validation.
Speaker #1
Mais cette limite, elle nous pousse à introduire une réserve super importante sur l'ensemble des observations qu'on explore aujourd'hui. Presque tout repose sur des déclarations.
Speaker #2
Oui. Les réponses des dirigeants aux enquêtes.
Speaker #1
Exactement. L'expression « utiliser l'outil » ou « utiliser l'IA » change de sens d'une enquête à l'autre.
Speaker #2
Et l'écart des enquêtes illustre parfaitement cette réserve. Si on prend les grandes entreprises, l'Institut National de la Statistique place la France un peu devant ses voisines.
Speaker #0
Et de l'autre côté ?
Speaker #2
Et la Banque Centrale la place loin derrière. Ils ne mesurent simplement pas la même chose. Mais au fil de toutes ces observations, je crois que nos deux visions trouvent un point d'accord très précis. Ni la taille de l'entreprise, ni la date. d'adoption ne décide du gain.
Speaker #1
Absolument. Ce qui en décide, c'est l'activité choisie et la place laissée à l'humain. Laquelle de vos activités mérite d'être transformée en premier et laquelle peut attendre ?
Speaker #0
Cet épisode vous est proposé par Spentia. Une perspective pour finir. Choisir, c'est décider où l'outil travaille et où l'humain décide. C'est aussi décider ce qui peut attendre. Ce choix revient à la direction. Un logiciel apporte l'outil, il ne dit pas où l'utiliser. Les sources sont dans les notes de l'épisode. Si cet épisode vous a été utile, partagez-le. A bientôt pour un prochain signal.

About Les signaux du changement

Découvrez Les Signaux du Changement, un tout nouveau podcast qui explore les stratégies de transformation des entreprises et leur impact critique sur le capital humain.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

About Les signaux du changement

Découvrez Les Signaux du Changement, un tout nouveau podcast qui explore les stratégies de transformation des entreprises et leur impact critique sur le capital humain.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Embed