Intégrer l’IA en entreprise : 7 exemples concrets et chiffrés

Intégrer l’IA en entreprise n’est plus un sujet réservé aux groupes technologiques. Une mutuelle, un transporteur, un industriel du bâtiment, un service public : tous publient aujourd’hui des résultats mesurés. Pour un responsable de formation ou un manager, la question a changé. Elle porte sur le premier usage à choisir, et sur la façon de le mener sans y laisser six mois. Vous trouverez ici sept cas réels avec leurs chiffres et leurs sources, les critères pour sélectionner le vôtre, et un plan sur 90 jours.

Cet article complète notre guide sur la stratégie IA en entreprise, notre méthode pour cartographier vos cas d’usage IA et notre article sur le ROI de l’IA générative.

En bref

• En 2025, 18 % des entreprises françaises de 10 salariés ou plus utilisent au moins une technologie d’IA, selon l’Insee. C’est 8 points de plus qu’en 2024.
• L’écart selon la taille est massif : 15 % des entreprises de 10 à 49 salariés, 58 % de celles de 250 salariés ou plus.
• Le premier frein déclaré par celles qui n’utilisent pas l’IA est l’absence d’utilité perçue, citée par 71 % d’entre elles. Le manque de compétences suit, à 54 %.
• Les sept exemples de cet article couvrent le support client, l’assistant interne, le recrutement, le commerce, les réclamations, le marketing et le développement.
• Leur point commun : un périmètre étroit au départ, un humain qui garde la main, un indicateur fixé avant le lancement.
• Notre verdict : commencez par un seul processus et un seul chiffre à améliorer. Les projets qui visent « l’IA partout » sont ceux qui s’enlisent.
• Pour préparer vos équipes, voyez notre formation à l’IA générative en entreprise, construite sur vos cas d’usage.

Où en sont vraiment les entreprises françaises

En octobre 2023, Gartner prévoyait que plus de 80 % des entreprises auraient utilisé des API d’IA générative ou déployé des applications qui en intègrent d’ici 2026, contre moins de 5 % en 2023. Nous sommes en 2026. La mesure française raconte une autre histoire.

Selon l’Insee (Insee Première n° 2120, juillet 2026), 18 % des entreprises de 10 salariés ou plus implantées en France déclarent utiliser au moins une technologie d’intelligence artificielle en 2025. La progression est rapide : 8 points gagnés en un an, 12 en deux ans. Elle reste loin de la prévision.

Le détail compte plus que la moyenne. Les entreprises de 10 à 49 salariés sont 15 % à utiliser l’IA, celles de 50 à 249 salariés 31 %, celles de 250 salariés ou plus 58 %. Le secteur de l’information et de la communication atteint 59 %, les transports 9 %.

Les freins sont instructifs. Parmi les entreprises qui n’utilisent pas l’IA, 71 % disent ne pas en voir l’utilité et 54 % citent le manque de compétences. Chez celles qui l’utilisent déjà, 53 % déclarent que ce même manque de compétences limite leurs usages. Le blocage est donc double : savoir à quoi l’IA peut servir, puis savoir s’en servir. Les exemples qui suivent répondent au premier. La formation répond au second.

Cinq critères pour choisir un premier usage

Beaucoup d’entreprises choisissent un outil parce qu’il est connu, sans vérifier qu’il répond à un besoin de métier. Le pilote s’essouffle, l’équipe se lasse. Pour éviter ce scénario, passez chaque idée d’usage au crible de cinq questions.

1. L’usage sert-il un objectif précis de l’entreprise : réduire un délai, absorber un volume, améliorer une qualité ?
2. Les données nécessaires sont-elles propres, rangées et accessibles, ou dispersées dans cinq outils sans règle commune ?
3. L’équipe concernée est-elle prête à changer sa façon de travailler, et quelqu’un y est-il volontaire pour commencer ?
4. Pouvez-vous fixer un indicateur et sa valeur de départ avant le lancement ?
5. La solution se branche-t-elle sur vos logiciels actuels sans chantier informatique lourd ?

Un usage qui répond « non » à la quatrième question ne doit pas démarrer. Sans mesure de départ, vous ne saurez jamais si le projet a servi à quelque chose, et vous ne pourrez ni le défendre ni l’arrêter.

Les tâches à regarder en premier sont répétitives, chronophages ou sources d’erreurs. Notre article sur la cartographie des cas d’usage IA donne la méthode complète pour les recenser et les classer.

7 exemples concrets d’IA en entreprise

Chaque cas ci-dessous repose sur une source publiée par l’organisation elle-même ou par son fournisseur. Quand aucun chiffre n’est public, nous le disons.

1. Support client : Alan automatise une partie des contacts

Alan, l’assureur santé français, a construit son propre assistant pour répondre aux questions de ses membres. Dans un article technique publié en janvier 2025, l’un de ses ingénieurs indique que l’entreprise automatisait en 2024 près de 20 % des contacts reçus dans son application mobile, avec un score de satisfaction client inchangé. L’objectif annoncé pour 2025 était de porter cette part à 40 % de l’ensemble des contacts.

La méthode vaut autant que le chiffre. Alan n’a pas lancé un assistant généraliste. L’entreprise a bâti plusieurs agents spécialisés : un pour les questions de garanties, un pour les réponses tirées du centre d’aide, des agents de procédure pour les demandes qui suivent un arbre de décision. Un sélecteur oriente chaque question vers le bon agent. La bascule vers un conseiller humain reste possible à tout moment, et une batterie de tests tourne chaque jour pour vérifier les réponses.

Ce que vous pouvez en retenir : commencez par les demandes simples et fréquentes, et mesurez la satisfaction avant et après. Une automatisation qui dégrade la satisfaction n’est pas un gain. Pour aller plus loin sur la relation client, voyez notre article sur l’IA et l’expérience client.

À ne pas confondre avec un simple assistant. Le dispositif d’Alan relève des agents IA : plusieurs programmes spécialisés qui se répartissent les demandes et enchaînent des étapes. Leur conception obéit à d’autres règles, que nous détaillons dans notre article sur l’agent IA de service client et dans notre formation aux agents IA.

2. Assistant interne : la SNCF équipe plus de 100 000 collaborateurs

Le groupe SNCF a fait le choix inverse du cas spécialisé : un assistant généraliste et sécurisé pour tous. D’après la page que Mistral AI consacre à ce client, l’outil baptisé Groupe SNCF GPT est déployé auprès de plus de 100 000 collaborateurs pour les tâches du quotidien, et les équipes informatiques utilisent en plus un assistant de programmation.

Aucun gain de productivité n’est publié. L’intérêt du cas est ailleurs. En fournissant un outil interne, l’entreprise donne une alternative aux assistants grand public que les salariés utiliseraient de toute façon avec leur compte personnel. C’est la réponse la plus directe au risque de fuite de données.

Ce que vous pouvez en retenir : une PME n’a pas besoin de construire son propre outil. Une offre d’équipe d’un assistant du marché, avec une règle écrite sur les données autorisées, remplit la même fonction. Notre guide de ChatGPT au travail décrit ce type de déploiement.

3. Recrutement : France Travail raccourcit le délai pour pourvoir une offre

France Travail n’est pas une entreprise, mais son retour d’expérience est l’un des mieux documentés en France. L’opérateur public a publié ses chiffres en juin 2026, à l’occasion d’un sommet à Lille.

Trois résultats ressortent. ChatFT, l’assistant conversationnel interne, a été adopté par plus de 94 % des agents un an après son lancement. MatchFT, qui met en relation offres et candidats, réduit de 3,5 jours le délai nécessaire pour pourvoir une offre. Trad’Emploi a traité près de 560 000 traductions en 130 langues sur douze mois. La version de MatchFT consacrée à la formation obtient une note de satisfaction de 4,75 sur 5 et une hausse de 17 % des candidatures.

Ce que vous pouvez en retenir : l’IA appliquée au recrutement produit des gains mesurables, mais c’est aussi le terrain le plus encadré. Le tri de candidatures figure parmi les usages que l’AI Act classe à haut risque. Avant tout projet de ce type, lisez notre article sur l’IA dans le recrutement et notre guide de l’IA dans les RH.

4. Commerce : Saint-Gobain gagne 10 % de taux de conversion

Dans un communiqué du 28 juillet 2026, Saint-Gobain détaille trois usages déjà en place. L’analyse des appels d’offres par l’IA a augmenté de 10 % le taux de conversion commercial. La mise sur le marché de certaines formulations s’est accélérée, jusqu’à 40 % en recherche et développement. Et 250 points de vente en France utilisent chaque jour des devis personnalisés par IA.

Le premier chiffre est le plus transposable. Lire un appel d’offres de cent pages, en extraire les exigences, repérer les clauses à risque et préparer une trame de réponse : c’est un travail long, répétitif, où l’erreur d’inattention coûte cher. Un assistant le fait en quelques minutes, et le commercial garde son temps pour la stratégie de réponse.

Ce que vous pouvez en retenir : si votre entreprise répond à des appels d’offres ou produit des devis complexes, vous tenez sans doute votre premier usage. L’indicateur est simple à suivre : le nombre de réponses déposées et le taux de succès. Notre article sur l’impact de l’IA sur les équipes de vente prolonge le sujet.

5. Réclamations et documents : CMA CGM investit 100 millions d’euros

Le groupe de transport maritime CMA CGM a annoncé en avril 2025 un partenariat de cinq ans avec Mistral AI, doté de 100 millions d’euros. Les usages cités sont précis : traitement automatisé des réclamations des clients, gestion des documents, outils de commerce en ligne et, pour la branche médias du groupe, vérification des faits.

Le montant n’est pas à la portée d’une PME. Le second volet de l’annonce l’est davantage. CMA CGM précise que son centre de formation interne peut former jusqu’à 3 000 collaborateurs par an. L’investissement dans l’outil s’accompagne d’un investissement dans les compétences, annoncé en même temps.

Ce que vous pouvez en retenir : les réclamations et les documents administratifs sont de bons candidats, parce que le volume est élevé et les règles de traitement connues. Prévoyez le budget de formation dès le chiffrage du projet, pas après le déploiement.

6. Marketing : Orange personnalise ses messages promotionnels

Orange utilise des modèles de langage pour rédiger des messages promotionnels adaptés au profil de chaque destinataire. D’après la page que Mistral AI consacre à ce cas, la campagne ainsi construite a obtenu un taux de conversion en hausse. Le pourcentage n’est pas publié.

Faute de chiffre, la leçon tient au choix de l’usage. Orange n’a pas confié à l’IA sa stratégie marketing. L’opérateur lui a confié la déclinaison : produire cent variantes d’un même message, là où une équipe en écrirait trois. C’est la partie du travail où la machine est la plus rapide et où l’erreur se rattrape le mieux, puisque chaque variante peut être relue avant envoi.

Ce que vous pouvez en retenir : dans une petite structure, le même principe s’applique à une lettre d’information ou à une relance commerciale. Rédigez le message de référence vous-même, faites décliner, relisez.

7. Développement logiciel : Doctolib migre en heures au lieu de semaines

Doctolib a testé un assistant de programmation auprès de 30 ingénieurs. Selon le retour d’expérience publié par Anthropic, l’équipe a remplacé une infrastructure de tests vieillissante en quelques heures, là où ce type de chantier se compte en semaines. L’intégration d’un développeur sur une partie du code qu’il ne connaît pas est passée de plusieurs semaines à quelques jours.

Ce que vous pouvez en retenir : le développement est le domaine où les gains sont les plus rapides à constater, parce que le résultat se vérifie tout de suite. Le code fonctionne ou non. Le pilote de Doctolib a démarré avec 30 personnes, pas avec toute l’ingénierie.

Ce que ces sept cas ont en commun

Relisez les sept exemples. Quatre constantes apparaissent, quelle que soit la taille de l’organisation.

Le périmètre de départ est étroit. Alan commence par les contacts dans l’application, Doctolib par 30 ingénieurs, Saint-Gobain par l’analyse des appels d’offres. Personne ne commence par « transformer l’entreprise ».

Un humain garde la main. Chez Alan, la bascule vers un conseiller est prévue dès la conception. Dans les autres cas, l’IA prépare une analyse, une mise en relation ou une variante de message, et une personne décide.

L’indicateur existait avant le projet. Taux de conversion, délai pour pourvoir une offre, part de contacts automatisés, satisfaction : ces chiffres étaient déjà suivis. L’IA s’est greffée sur une mesure existante, ce qui rend la comparaison possible.

La formation fait partie du projet. CMA CGM l’annonce dans le même communiqué que l’investissement. France Travail obtient 94 % d’adoption de son assistant, un niveau rarement atteint sans accompagnement.

Et dans une PME : RH, management, formation

Les grands groupes ont des équipes dédiées. Une PME peut obtenir des résultats avec un assistant du marché et une demi-journée de méthode. Voici les usages que nous voyons fonctionner le plus vite en formation.

En ressources humaines, la rédaction d’une fiche de poste, la préparation d’une trame d’entretien et la synthèse d’un compte rendu font gagner du temps dès la première semaine. Le parcours d’intégration d’un nouveau salarié peut s’appuyer sur un assistant alimenté par vos documents internes, qui répond aux questions pratiques des premiers jours.

En management, l’IA aide à préparer un entretien annuel, à structurer un plan d’action ou à reformuler un message délicat. Elle n’évalue personne à votre place. Notre article sur le rôle de l’IA dans le management 5.0 traite de cette évolution du rôle du manager.

En formation, les gains sont immédiats : mises en situation, études de cas, quiz adaptés au niveau de chaque groupe. C’est l’un des usages les plus rapides à mettre en place et les mieux accueillis par les participants. Notre guide de l’IA générative pour les formateurs le détaille, et notre article sur les applications IA du quotidien recense d’autres cas simples.

Deux limites s’imposent. Les décisions qui touchent une personne, comme l’embauche, l’évaluation ou la sanction, restent humaines. Et aucune donnée nominative de salarié n’entre dans un compte individuel d’assistant.

Les erreurs qui font échouer l’intégration

Les projets qui échouent ne manquent pas de technologie. Ils manquent d’accompagnement.

L’erreur la plus fréquente consiste à traiter l’intégration de l’IA comme un projet informatique. On installe l’outil, on montre les fonctions en une heure, on attend les résultats. Or l’IA change les habitudes de travail, la répartition des tâches, parfois l’image que chacun a de son métier. Sans conduite du changement, la résistance s’installe, souvent en silence : l’outil est là, personne ne s’en sert.

La deuxième erreur est de vouloir tout mesurer, donc de ne rien mesurer. Un indicateur suffit pour un pilote.

La troisième est d’oublier les données. Un assistant branché sur des documents contradictoires ou périmés répond avec assurance des choses fausses. Le rangement des sources vient avant l’outil.

La dernière tient à la culture de l’organisation. Une entreprise habituée à expérimenter adoptera l’IA plus vite qu’une structure où chaque initiative remonte trois niveaux hiérarchiques. Ce constat n’est pas un jugement. Il fixe simplement le rythme réaliste de votre projet.

Intégrer l’IA en entreprise : le plan sur 90 jours

Trois mois suffisent pour savoir si un usage mérite d’être étendu.

Jours 1 à 15 : choisir. Retenez un seul processus à l’aide des cinq critères. Fixez l’indicateur et relevez sa valeur actuelle. Nommez un responsable du pilote.

Jours 16 à 30 : préparer. Écrivez la règle sur les données que l’on peut saisir et celles que l’on ne saisit jamais. Choisissez l’outil, de préférence sur une offre d’équipe. Constituez un groupe de volontaires et formez-le sur ses propres documents.

Jours 31 à 75 : piloter. Le groupe utilise l’outil chaque jour sur le processus choisi. Chaque production est relue par une personne avant de sortir de l’équipe. Un point hebdomadaire de vingt minutes recueille ce qui marche, ce qui échoue, et les consignes qui donnent les meilleurs résultats.

Jours 76 à 90 : décider. Mesurez l’indicateur, recueillez l’avis de l’équipe, puis tranchez : étendre, corriger ou arrêter. Arrêter un pilote qui ne donne rien est une bonne décision. Le laisser traîner n’en est pas une.

Pour chiffrer le résultat, notre article sur le ROI de l’IA générative fournit la méthode de calcul.

Former les équipes : la condition que tous les cas partagent

L’Insee le montre : le manque de compétences freine autant les entreprises qui utilisent l’IA que celles qui ne l’utilisent pas. La formation n’est donc pas une étape facultative placée en fin de projet.

Elle répond aussi à une exigence réglementaire. L’article 4 de l’AI Act demande aux organisations qui déploient l’IA de veiller à sa maîtrise par les personnes qui l’utilisent. Notre article sur l’article 4 et le plan de formation explique ce que cela implique, et celui sur le financement OPCO d’une formation IA précise les prises en charge possibles.

Nous accompagnons les entreprises dans le développement des compétences depuis douze ans. Notre parcours de formation IA générative pour vos équipes métier part de vos processus et de vos documents, pas d’exercices génériques.

Questions fréquentes sur l’intégration de l’IA en entreprise

Un premier usage vaut mieux qu’un grand plan

Intégrer l’IA en entreprise ne demande ni un budget de grand groupe ni une équipe de spécialistes. Les sept exemples le montrent : ceux qui obtiennent des résultats ont commencé petit, mesuré, et formé leurs équipes en même temps qu’ils déployaient l’outil. Les chiffres de l’Insee disent le reste. La majorité des entreprises françaises n’a pas encore démarré, et celles qui ont démarré butent sur les compétences. Choisissez un processus cette semaine, fixez un indicateur, donnez-vous 90 jours. Et si vous voulez gagner du temps sur la méthode, nous pouvons préparer vos équipes avec une formation à l’IA générative.