IA en PME : l'analyse de 200 projets qui change la donne

Les chiffres qui circulent sur l'IA en PME sont rarement encourageants. 80 % des projets sans impact mesurable. 58 % des entreprises qui n'ont connecté aucun outil IA à leur CRM. Un budget médian inférieur à 5 000 €.

Et puis il y a ce chiffre, qui mérite qu'on s'y arrête : 159,8 % de ROI médian. Sur 200 déploiements réels, documentés, vérifiés.

La première analyse empirique du retour sur investissement de l'IA en PME vient d'être publiée. Elle couvre 200 projets B2B français déployés entre 2022 et 2025. Les données sont en open source, la méthodologie est reproductible, et les résultats sont clairs.

Voici ce qu'il faut retenir.

Le problème concret

Les PME naviguent à vue dans le marché de l'IA. D'un côté, les promesses des éditeurs. De l'autre, l'absence de repères chiffrés. Résultat : on investit peu, on expérimente sans méthode, et on abandonne vite.

Le baromètre France Num 2025, piloté par la Direction générale des Entreprises, confirme le décollage : 26 % des TPE-PME utilisent désormais au moins une solution d'IA, soit un doublement en un an. Les services spécialisés (architectes, bureaux d'études, professions juridiques) mènent la course à 41 % d'adoption.

Mais le même baromètre montre que l'analyse de documents (6 %), l'automatisation de tâches (5 %) et l'analyse de données (5 %) restent des usages très minoritaires. On utilise l'IA pour générer du texte. Rarement pour transformer un processus.

Le piège : confondre adoption et impact.

Ce qui change

Denis Atlan, fondateur d'ENDKOO et CAIO fractionné, a publié en décembre 2025 un jeu de données inédit : 200 projets IA documentés dans des PME et ETI françaises, avec leurs coûts, leurs gains, leurs délais et leurs échecs. Le dataset complet est disponible sur GitHub sous licence CC BY 4.0, accompagné d'un rapport technique et d'un notebook Jupyter reproductible.

Les résultats sont frappants :

• Taux de réussite : 82,5 %, contre 5 à 20 % dans les benchmarks de marché
• ROI médian : 159,8 % sur 24 mois
• Investissement moyen : 22 000 €
• Délai médian de déploiement : 76 jours
• Gain annuel médian : 56 000 € (soit environ 280 heures/mois)
• Secteurs les plus performants : retail (242 %), services financiers, industrie

La bonne nouvelle : ce ne sont pas les projets les plus chers qui performent le mieux. L'investissement médian de 22 000 € est à la portée d'une PME de 35 salariés.

Pourquoi 82,5 % de réussite ?

Le taux de succès de cet échantillon — 82,5 % — contredit frontalement les études qui annoncent 70 à 80 % d'échecs dans les projets IA. La différence tient à trois conditions structurantes, identifiables dans les données.

Condition 1 : un diagnostic avant l'outil

Les projets analysés commencent tous par une phase de diagnostic. Sa durée médiane : 23 jours. Ce n'est pas un audit technique de six mois. C'est une cartographie rapide des processus, des données disponibles et des irritants opérationnels.

Les projets sans diagnostic préalable échouent 3,5 fois plus souvent.

En pratique, ça donne quoi ? Avant de choisir un outil, on identifie la tâche précise qu'on veut automatiser ou accélérer. Pas « améliorer le service client ». Mais « réduire de 40 % le temps de réponse aux demandes de devis ».

Condition 2 : un POC calibré, pas un prototype infini

La phase de preuve de concept dure en médiane 31 jours. Elle mobilise un périmètre réduit — un processus, une équipe, un jeu de données — et produit un résultat mesurable.

Le piège classique : transformer le POC en projet de six mois qui n'atterrit jamais. Les projets qui dépassent 60 jours de POC voient leur probabilité de succès chuter de moitié.

Condition 3 : l'humain dans la boucle, par défaut

Le dataset distingue les projets avec validation humaine systématique de ceux qui visent l'automatisation complète dès le départ. Les premiers affichent un ROI supérieur de 40 % en moyenne.

Ce n'est pas un plaidoyer contre l'automatisation. C'est un constat empirique : dans une PME, les processus comportent trop d'exceptions pour être entièrement délégués à une IA sans supervision. La validation humaine n'est pas un aveu de faiblesse. C'est un amortisseur de risque.

Le catalogue IA souverain : un garde-fou pour les PME

Le 13 mai 2026, le gouvernement français a franchi une étape supplémentaire. La DGE et le Secrétariat général pour l'investissement ont lancé un Appel à Manifestation d'Intérêt pour constituer un catalogue national de solutions IA souveraines à destination des PME et ETI.

L'objectif est simple : offrir aux dirigeants un référentiel de prestataires vérifiés, avec des références clients attestées et un ancrage européen significatif. Les solutions retenues seront mobilisées par Bpifrance dans le cadre de son dispositif Diag Data IA, par les chambres consulaires et par le réseau France Num.

La première relève de candidatures se clôt le 5 juin 2026. Les dépôts suivants se feront au fil de l'eau.

Pour un dirigeant de PME, cela signifie qu'à partir de l'été 2026, lorsqu'un conseiller Bpifrance recommandera un prestataire IA, celui-ci aura été évalué sur des critères transparents : maturité de la solution, déploiements réels en PME, souveraineté des données.

Ce n'est pas une garantie de succès. Mais c'est un filtre qui écarte les « solutions IA » sans substance.

Ce que les PME au Québec peuvent en retenir

Les données portent sur des entreprises françaises. Mais les mécanismes de succès sont transposables au marché québécois.

Les TPE-PME d'ici font face aux mêmes contraintes : budgets serrés, absence d'équipe technique dédiée, difficulté à identifier le bon premier cas d'usage. Les programmes d'accompagnement comme le Passeport numérique PME du gouvernement du Québec ou les crédits d'impôt pour projets innovants peuvent jouer un rôle similaire à celui du dispositif Bpifrance.

La prudence s'impose : la réglementation québécoise, notamment la Loi 25 sur la protection des renseignements personnels, impose des obligations spécifiques dès qu'un outil IA traite des données clients. Toute solution déployée ici doit être évaluée sous cet angle.

Comment démarrer : une checklist en 4 étapes

1. Identifier le processus. Choisissez une tâche répétitive et chronophage : relances clients, rédaction de devis, rapprochement comptable, synthèse d'appels d'offres.
2. Poser un objectif mesurable. Pas « mieux travailler ». Mais « passer de 4 heures à 45 minutes par semaine sur cette tâche ».
3. Tester avec un POC de 30 jours. Un outil, un périmètre, des critères d'arrêt clairs. Si le résultat n'est pas au rendez-vous après un mois, changez d'approche.
4. Garder l'humain dans la boucle. Automatisez 80 % du processus. Gardez une validation humaine sur les 20 % qui comportent des exceptions ou des enjeux sensibles.

Coût estimé pour un premier projet structuré : entre 5 000 € et 15 000 €, selon le secteur et la complexité. C'est moins qu'un recrutement, pour un gain potentiel documenté de 56 000 € par an.

Les limites de l'analyse

L'étude de Denis Atlan porte sur 200 projets dans un contexte B2B français. Les données sont autodéclarées, ce qui peut introduire un biais de sélection — les entreprises qui acceptent de partager leurs résultats sont probablement celles qui ont réussi. Le périmètre exclut les projets purement grand public et les très petites structures de moins de 5 salariés.

Par ailleurs, un ROI positif ne garantit pas la pérennité. Un outil qui génère 56 000 € de gains la première année peut devenir obsolète si les modèles évoluent, si les coûts de licence augmentent ou si les besoins de l'entreprise changent.

Ces limites n'invalident pas les résultats. Elles appellent à la prudence dans l'interprétation.

L'IA en PME n'est ni un miracle annoncé ni un échec programmé. C'est un levier d'efficacité qui fonctionne — mais qui exige de la méthode.

Les 200 projets analysés par Denis Atlan dessinent un chemin reproductible : diagnostic préalable, POC calibré, supervision humaine. Pas de solution magique. Trois conditions simples, documentées, accessibles.

Et à partir de juin 2026, le catalogue national des solutions IA souveraines offrira aux PME un cadre de référence supplémentaire pour choisir leurs prestataires sans avancer à l'aveugle.

Sources :

• Atlan, D. (2025). AI ROI Dataset: 200 B2B Deployments Analysis (2022-2025). ENDKOO / HumaLoop. DOI: 10.5281/zenodo.17795133. github.com/denisatlan/ai-roi-dataset
• ZDNET / Christophe Auffray. « TPE et PME françaises face à l'IA générative : ce qu'il faut retenir du baromètre France Num 2025 ». Juin 2025. zdnet.fr
• Ministère de l'Économie. « France 2030 : Lancement d'un AMI pour identifier des solutions souveraines d'IA pour les PME et ETI ». Communiqué de presse N°665, 13 mai 2026. presse.economie.gouv.fr
• Dargent, C. « IA et PME en mai 2026 : ce qui change vraiment cette semaine ». LinkedIn, mai 2026. linkedin.com
• Bpifrance. Programme « Osez l'IA ». bpifrance.fr