Cas d’usage IA : la méthode pour les cartographier en entreprise

Dans la plupart des entreprises, l’IA générative est arrivée par les collaborateurs avant d’arriver par la direction. Résultat : des usages partout, une liste nulle part. Tant que les cas d’usage IA en entreprise ne sont pas recensés, décrits et classés, personne ne peut dire lesquels méritent un budget, lesquels posent un risque et lesquels ne servent à rien. Cet article détaille une méthode en cinq étapes, tenable en quatre semaines dans une PME, pour passer d’une collection d’essais dispersés à une liste courte de projets que l’on peut défendre devant un comité de direction.

Il prolonge notre guide stratégie IA en entreprise, qui pose le cadre d’ensemble, et s’appuie sur nos exemples concrets d’intégration de l’IA en entreprise.

En bref

• 71 % des entreprises françaises de 10 salariés ou plus qui n’utilisent pas l’IA disent ne pas en voir l’utilité pour leur activité, selon l’Insee (juillet 2026). Le premier frein est un défaut d’identification des usages, avant le coût ou la technique.
• 67 % des entreprises d’au moins 20 salariés déclarent un usage de l’IA générative, « principalement limité ou expérimental », d’après la Banque de France (septembre 2026).
• 14 cas d’usage sont identifiés en moyenne par diagnostic IA mené en PME, selon le livre blanc de Bpifrance (avril 2025) : la matière existe, le tri fait la différence.
• Un cas d’usage IA se décrit en une phrase : un métier, une tâche, des données, un résultat attendu et une personne qui vérifie.
• La méthode tient en cinq étapes : cadrer, recenser l’existant, animer des ateliers par processus, rédiger une fiche par cas, noter puis choisir.
• Notre verdict : trois cas lancés et mesurés valent mieux que trente cas listés. Pour les équipes qui les porteront, voyez notre formation IA générative pour cadrer vos premiers cas d’usage.

Pourquoi cartographier les cas d’usage IA avant de choisir un outil

Le réflexe courant consiste à acheter des licences, puis à chercher quoi en faire. Les chiffres publiés depuis juillet montrent où mène ce chemin.

L’Insee mesure que 18 % des entreprises françaises de 10 salariés ou plus utilisaient au moins une technologie d’IA en 2025, soit 8 points de plus qu’en 2024. Le plus instructif se trouve du côté de celles qui n’en utilisent aucune : 71 % évoquent l’absence d’utilité, 54 % le manque d’expertise (Insee Première n° 2120, 21 juillet 2026). Sept entreprises non utilisatrices sur dix n’ont donc pas trouvé à quoi l’IA leur servirait. C’est un problème de repérage.

Chez les entreprises équipées, le constat est voisin. L’enquête de la Banque de France, menée de fin février à début avril 2026 auprès d’environ 7 000 entreprises, relève que 67 % des entreprises d’au moins 20 salariés déclarent un usage de l’IA générative, « principalement limité ou expérimental », avec des effets économiques observés qui « demeurent limités » (Bulletin n° 266, 3 septembre 2026). Beaucoup d’essais, peu de résultats mesurés.

Dans les plus petites structures, le baromètre France Num 2026 de la Direction générale des Entreprises (28 septembre 2026, plus de 9 000 entreprises interrogées) indique que 40 % des TPE et PME utilisent des solutions d’IA, mais que « 19 % utilisent des solutions payantes ». L’usage est répandu. Il reste peu outillé et rarement piloté.

Une cartographie répond à trois questions que ces enquêtes laissent ouvertes dans chaque entreprise : que fait-on déjà avec l’IA, que pourrait-on faire d’utile, et par quoi commencer. Elle évite aussi deux dépenses classiques : les licences attribuées à des équipes qui n’ont pas de tâche à leur confier et le projet vitrine choisi parce qu’il impressionne en démonstration.

Ce qu’est un cas d’usage IA, et ce qui n’en est pas un

Le mot circule beaucoup et désigne souvent n’importe quoi. « Utiliser ChatGPT au marketing » est une intention. « Mettre de l’IA dans la relation client » est un slogan. Ni l’un ni l’autre ne peut être chiffré, testé ou refusé.

Un cas d’usage IA tient en une phrase construite sur cinq éléments : qui fait quoi, à partir de quelles données, pour obtenir quel résultat, vérifié par qui. Par exemple : « Les six chargés d’affaires rédigent le premier jet du mémoire technique d’une réponse à appel d’offres à partir du cahier des charges et de nos trois dernières réponses gagnantes ; le responsable commercial relit et valide. »

Cette phrase rend tout le reste possible. Elle dit combien de personnes sont concernées, quelle tâche change, quels documents entrent dans l’outil, ce que l’on attend en sortie et où se situe le contrôle humain. Si l’un des cinq éléments manque, la fiche n’est pas prête.

Trois tests permettent d’écarter les faux cas d’usage dès la collecte :

1. La tâche existe-t-elle aujourd’hui, avec une fréquence que l’on peut compter ? Un cas d’usage améliore un travail réel, il ne crée pas une activité pour justifier un outil.
2. Quelqu’un dans l’équipe est-il capable de juger si le résultat est bon ? Sans relecteur compétent, les erreurs passent, y compris les hallucinations de l’IA.
3. Le gain attendu peut-il s’exprimer en heures, en délai, en taux d’erreur ou en chiffre d’affaires ? « Gagner en efficacité » ne suffit pas.

Étape 1 : cadrer la démarche en une demi-journée

Une cartographie sans cadre devient un inventaire sans fin. Quatre décisions suffisent, et elles se prennent en une réunion de direction.

Le périmètre d’abord : toute l’entreprise si elle compte moins de 50 personnes, deux ou trois directions au-delà. Mieux vaut cartographier correctement l’administration des ventes et le service client que survoler dix services.

Le pilote ensuite. Il faut une personne nommée, avec du temps dégagé : comptez quatre à six jours de travail répartis sur le mois pour une PME (estimation). Ce pilote vient de préférence des opérations ou de la direction générale. Confier le sujet à la seule informatique oriente la liste vers les outils plutôt que vers le travail.

Le calendrier tient en quatre semaines, avec une date de restitution fixée dès le départ. Au-delà, l’élan retombe et les outils ont changé avant la fin de l’exercice.

Restent les règles du jeu, soit deux engagements à annoncer aux équipes : personne ne sera sanctionné pour un usage déjà en place et déclaré pendant le recensement, et tout cas proposé recevra une réponse, même négative.

Étape 2 : recenser les usages déjà en place

Vos collaborateurs ont une longueur d’avance sur votre plan. Certains résument leurs réunions, d’autres font relire leurs e-mails ou reformuler des procédures, souvent avec un compte personnel gratuit. Ce shadow IA est à la fois un risque et votre meilleure source d’information : il montre où le besoin est assez fort pour que les gens se débrouillent seuls.

Un questionnaire anonyme de six questions, ouvert une semaine, suffit :

1. Dans quel service travaillez-vous ?
2. Utilisez-vous un outil d’IA générative pour votre travail (jamais, parfois, chaque semaine, chaque jour) ?
3. Lequel ou lesquels, et avec quel type de compte (fourni par l’entreprise, personnel gratuit, personnel payant) ?
4. Pour quelles tâches précises ? Citez-en trois au maximum.
5. Quels types de documents ou d’informations y collez-vous ?
6. Quelle tâche aimeriez-vous lui confier sans oser ou sans savoir comment ?

Les questions 4 et 6 alimentent directement la cartographie. La question 5 sert à repérer les expositions de données, sujet que nous traitons dans RGPD et ChatGPT.

L’anonymat compte. Un questionnaire nominatif recueille les usages présentables et masque les autres, ceux qu’il faut justement connaître. Ajoutez à ce recensement les fonctions d’IA déjà incluses dans vos logiciels (suite bureautique, CRM, outil de visioconférence, logiciel comptable) : beaucoup d’entreprises paient des fonctions que personne n’a activées.

Étape 3 : identifier les cas d’usage IA en atelier, par processus

C’est le cœur de la démarche. Pour identifier les cas d’usage IA qui comptent, la consigne tient en une ligne : on part du travail, jamais du logiciel. Un atelier qui commence par « que pourrait-on faire avec Copilot ? » produit des idées de démonstration. Un atelier qui commence par « où perdez-vous du temps chaque semaine ? » produit des cas d’usage.

Le déroulé d’un atelier de 90 minutes

Réunissez cinq à huit personnes d’un même processus (traitement d’une commande, recrutement, clôture mensuelle, réponse à un appel d’offres), avec des opérationnels et pas seulement des managers.

• 20 minutes pour dérouler le processus : le groupe liste les étapes dans l’ordre, du déclencheur au livrable, sur un tableau.
• 25 minutes pour repérer les irritants : chaque participant marque les étapes lentes, répétitives, sources d’erreurs ou d’attente. On note la fréquence et la durée, même approximatives.
• 30 minutes pour formuler les cas : pour chaque irritant retenu, le groupe rédige la phrase à cinq éléments vue plus haut.
• 15 minutes pour un premier tri : chacun dispose de trois votes pour désigner les cas qui changeraient le plus son quotidien.

Pour relancer un groupe à court d’idées, la grille de Bpifrance est utile. Son livre blanc « Réussir son projet d’IA » propose de rapprocher chaque processus peu efficace de quatre familles de promesses : accélérer les tâches chronophages à faible valeur ajoutée, reconnaître et classer des données, optimiser un processus, prévoir un résultat pour aider à décider. Passez chaque étape du processus au crible de ces quatre familles et les angles morts apparaissent.

Un prompt pour préparer l’atelier

L’IA générative aide à préparer la séance, à condition de ne lui donner aucune donnée confidentielle. Ce prompt fonctionne avec l’assistant que vous utilisez déjà :

Tu es consultant en organisation. Je prépare un atelier de 90 minutes avec
[nombre] personnes du service [service] d'une entreprise de [secteur, taille].
Le processus étudié est : [processus, du déclencheur au livrable].

1. Propose une décomposition du processus en 8 à 12 étapes typiques.
2. Pour chaque étape, pose une question ouverte qui aide les participants
   à dire où ils perdent du temps ou commettent des erreurs.
3. N'invente aucun chiffre. Ne propose aucun outil ni aucune solution d'IA :
   l'atelier porte sur le travail, pas sur les logiciels.
Présente le résultat dans un tableau à deux colonnes.

La décomposition produite est une base de discussion. Le groupe la corrigera, et c’est précisément ce qui lance l’échange. La qualité de ce que vous obtenez dépend de la précision de la consigne : notre guide du prompt engineering détaille les règles à suivre.

Comptez deux à quatre ateliers pour une PME. À la sortie, vous devriez recueillir entre vingt et quarante formulations brutes (ordre de grandeur), dont une partie fera doublon.

Étape 4 : rédiger une fiche par cas d’usage

Chaque cas retenu reçoit une fiche d’une page, toujours sur le même gabarit. Ce formalisme a une raison simple : on ne compare que ce qui est décrit de la même façon.

Les valeurs de la colonne de droite sont un exemple illustratif, pas un cas client.

Deux rubriques sont régulièrement bâclées. La première concerne les données en entrée : écrire « documents internes » ne dit rien, alors que « contrats clients avec coordonnées et conditions tarifaires » change l’analyse de risque. La seconde est l’indicateur de réussite. Si personne ne sait ce qui sera mesuré dans trois mois, le cas sera déclaré réussi par habitude ou abandonné sans bilan.

Une fois les notes d’atelier saisies, un assistant peut mettre en forme les fiches à votre place. Donnez-lui le gabarit et vos notes anonymisées, puis demandez-lui de laisser vide toute rubrique que les notes ne renseignent pas. Il ne doit rien compléter de lui-même.

Étape 5 : noter chaque cas sur la valeur, la faisabilité et le risque

Trois lectures, dans cet ordre. Les deux premières donnent une note de 1 à 5. La troisième est un filtre : elle ne se compense pas.

La valeur

Le calcul le plus simple reste le meilleur : fréquence de la tâche, multipliée par le temps gagné, multipliée par le nombre de personnes. Prenons un cas de comptes rendus de réunion (exemple illustratif) : 12 personnes, 3 comptes rendus par semaine chacune, 20 minutes gagnées par compte rendu. Cela représente 12 heures par semaine, soit environ 550 heures sur 46 semaines travaillées.

Le temps n’est pas la seule mesure. Un cas peut valoir par la réduction d’un délai client, par la baisse d’un taux d’erreur ou par un travail que l’on ne faisait pas faute de moyens. Donnez 5 à un cas qui touche le cœur de l’activité avec un gain chiffrable, 1 à un cas agréable mais marginal.

La faisabilité

Quatre questions, un point retiré par réponse négative en partant de 5 :

• Les données nécessaires existent-elles, sont-elles accessibles et dans un état correct ?
• L’outil est-il déjà dans l’entreprise, ou accessible sans projet d’intégration ?
• L’équipe concernée a-t-elle les compétences pour s’en servir, ou peut-elle les acquérir en quelques jours ?
• Un relecteur compétent a-t-il le temps de vérifier les résultats ?

La première question élimine plus de cas que les trois autres réunies. Un assistant branché sur une base documentaire mal rangée, pleine de versions périmées, répond avec assurance à partir de documents faux.

Le risque, un filtre et non une note

Pour chaque cas, trois vérifications avant toute décision.

Les données personnelles, pour commencer. Si le cas en traite, il entre dans le registre des activités de traitement, dont la CNIL rappelle qu’il est obligatoire pour tout organisme qui traite des données personnelles. Dans les situations les plus sensibles, une analyse d’impact est à prévoir : la fiche de la CNIL consacrée à l’analyse d’impact des systèmes d’IA (8 avril 2024) renvoie aux neuf critères du Comité européen de la protection des données. Un traitement qui en remplit au moins deux est présumé soumis à l’obligation, sauf à établir qu’il n’expose pas les personnes à un risque élevé.

Vient le niveau de risque au sens du règlement européen sur l’IA. La plupart des usages bureautiques relèvent du risque minimal ou limité. D’autres non : le tri de candidatures, par exemple, figure dans les domaines à haut risque de l’annexe III du règlement (UE) 2024/1689. Un tel cas reste possible, mais ses obligations sont sans commune mesure avec celles d’un usage bureautique. Notre article sur les niveaux de risque de l’AI Act détaille le classement.

Dernière vérification, la confidentialité et l’erreur : que se passe-t-il si un document sort de l’entreprise, ou si une réponse fausse part chez un client ? Lorsque la conséquence est grave et que le contrôle humain n’est pas garanti, le cas est écarté ou redessiné.

Les fiches pratiques de France Num, conçues avec la CPME et la CNIL et diffusées par cette dernière sous le titre « Utiliser l’IA générative dans les TPE et PME », illustrent bien cette lecture : elles passent en revue trois cas (rédaction d’offres d’emploi, gestion des commandes et des stocks, traduction de vidéos) avec, pour chacun, les gains et les points de vigilance.

Prioriser les cas d’usage IA avec la matrice valeur-faisabilité

Prioriser les cas d’usage IA revient à lire deux notes ensemble : elles placent chaque cas sur une matrice valeur-faisabilité à quatre zones. Le risque, lui, se signale par un marquage à part.

Les gains rapides (valeur forte, faisabilité forte) partent en premier. Ils financent la suite et donnent des preuves.

Les paris structurants (valeur forte, faisabilité faible) demandent des données à remettre en ordre, une intégration ou un budget. Un seul à la fois. En lancer trois de front est la façon la plus sûre de n’en finir aucun.

Les usages de confort (valeur faible, faisabilité forte) n’ont pas besoin de projet. Laissez-les aux équipes dans le cadre de votre charte d’usage de l’IA, sans réunion de suivi.

Les cas à écarter (valeur faible, faisabilité faible) sortent de la liste. Gardez les fiches, car la faisabilité évolue vite, et relisez-les dans un an.

Combien de cas retenir ? Les données de Bpifrance donnent un ordre de grandeur. Dans son livre blanc d’avril 2025 sur l’IA dans les PME, sa Direction Conseil indique que 14 cas d’usage sont identifiés en moyenne par diagnostic, que 55 % des projets priorisés sont chiffrés à moins de 50 000 euros et que plus des deux tiers devraient rapporter plus de 50 000 euros de gains annuels. Les fonctions les plus souvent touchées par les cas identifiés sont la production et les opérations (77 %), devant le marketing et les ventes (68 %). Ces chiffres datent de dix-huit mois et portent sur des entreprises accompagnées, mais la leçon tient : quatorze idées, quelques projets.

Notre recommandation est nette. Trois cas pour commencer : deux gains rapides dans deux services différents, pour multiplier les témoins internes, et un pari structurant. Chaque cas reçoit un responsable, un indicateur et une date de bilan à trois mois. Ce bilan est l’objet de notre article sur la mesure du ROI de Copilot, dont la méthode vaut pour tout assistant.

Les erreurs qui font échouer une cartographie

Six travers reviennent souvent. Aucun n’est technique.

Partir du catalogue d’un éditeur

Les listes de « 100 cas d’usage par métier » décrivent ce que l’outil sait faire, pas ce dont votre entreprise a besoin. Elles servent à relancer un atelier, jamais à le remplacer.

Confier l’exercice à un comité sans opérationnels

Les managers connaissent le processus tel qu’il est écrit. Ceux qui l’exécutent connaissent les contournements, les ressaisies et les attentes, c’est-à-dire l’endroit exact où se trouvent les cas d’usage.

Tout noter 4 sur 5

Une grille où tous les cas se valent ne tranche rien. Imposez une répartition : pas plus d’un tiers des cas au-dessus de 3 en valeur.

Oublier le relecteur

Un gain de temps calculé sans compter la vérification est faux. Si la relecture prend autant de temps que la rédaction, le cas ne vaut rien.

Choisir le cas qui impressionne

L’agent qui répond seul aux clients fait une belle démonstration et un mauvais premier projet. Le compte rendu de réunion ne fait rêver personne. Il fonctionne dès la première semaine.

À ne pas confondre avec un agent IA. Les cas décrits ici reposent sur un assistant qui répond à une demande à la fois, sous contrôle d’une personne. Si un cas suppose qu’un système enchaîne seul plusieurs actions dans vos outils, il relève des agents IA, avec d’autres exigences de conception et de supervision : voir notre formation aux agents IA.

Ne jamais refermer la boucle

Les équipes qui ont proposé des cas et n’ont reçu aucune réponse ne proposeront plus rien la fois suivante.

Faire vivre la cartographie après le premier tri

Une cartographie figée est périmée en six mois. Trois habitudes suffisent à l’entretenir.

Tenez un registre unique, dans un simple tableur partagé : une ligne par cas, son statut (proposé, retenu, en test, déployé, arrêté), son responsable, sa note et la date du prochain bilan. Ce registre devient le document de référence pour la direction, le DPO et l’informatique. Il facilite aussi le choix des solutions, pour lequel notre grille d’audit en 12 points prend le relais.

Prévoyez une revue par trimestre, d’une heure. On y regarde les indicateurs des cas en cours, on arrête ceux qui ne tiennent pas leurs promesses et on réexamine deux ou trois cas écartés. Arrêter un cas est une décision normale. C’est même le signe que la mesure fonctionne.

Reliez enfin la cartographie au plan de formation. Chaque cas retenu désigne des personnes et des compétences précises : rédiger une consigne, vérifier une réponse, savoir quelles données ne jamais saisir. C’est aussi la façon la plus concrète de répondre à l’article 4 de l’AI Act sur la maîtrise de l’IA, que nous détaillons dans AI Act et plan de formation. Former tout le monde à tout coûte cher et laisse peu de traces. Mieux vaut former les équipes qui porteront vos cas d’usage prioritaires, sur leurs propres documents et leurs propres tâches.

FAQ sur la cartographie des cas d’usage IA

Trois cas mesurés plutôt qu’une longue liste

Les enquêtes de 2026 décrivent des entreprises qui utilisent l’IA sans toujours savoir pour quoi, et d’autres qui s’en tiennent éloignées faute d’y voir une utilité. Dans les deux situations, le manque est le même : une liste écrite, discutée et classée des tâches à confier à l’IA. La méthode décrite ici ne demande ni budget ni logiciel, seulement un pilote, quatre semaines et de la rigueur dans la notation. Notre conviction : la valeur d’une cartographie se juge au nombre de cas arrêtés autant qu’au nombre de cas lancés, car une entreprise qui sait dire non à un usage est une entreprise qui mesure. Lorsque vos trois premiers cas sont choisis, la suite se joue dans les mains des équipes, et c’est là qu’intervient une formation à l’IA générative construite à partir de votre cartographie.