L’IA dans les PME belges : ce qui marche vraiment, et ce qui ne sert à rien

Dans une entreprise de cinq à cinquante personnes, l’intelligence artificielle ne produit un résultat que sur trois terrains : retrouver une information dans ses propres documents, préparer un texte répétitif que quelqu’un relira, et transformer un document reçu en données exploitables. Tout le reste — l’agent qui décide seul, le tableau de bord prédictif, le robot qui répond au client sans supervision — coûte à une petite structure davantage de temps d’installation, de correction et de surveillance qu’il ne lui en rend. Cet article explique où passe cette frontière, et comment la situer dans sa propre entreprise avant de signer quoi que ce soit.

Nous écrivons depuis un métier réglementé, le notariat, où l’erreur se paie et où le contrôle du texte n’est pas négociable. C’est une école utile : ce qui tient dans une étude notariale tient dans à peu près n’importe quelle PME belge, alors que l’inverse est faux.

Automatiser, générer, décider : trois choses que l’on confond

Le mot « IA » recouvre trois familles d’outils qui n’ont ni le même coût, ni le même risque, ni le même bénéfice. Les distinguer suffit à écarter la moitié des projets qui échouent.

L’automatisation est une règle écrite d’avance : quand un courriel portant telle référence arrive, le classer dans tel dossier et créer telle tâche. Il n’y a aucune intelligence là-dedans, et c’est précisément sa qualité — le résultat est prévisible, testable, et il ne dérive pas. C’est de loin ce qui rapporte le plus vite dans une petite structure.

La génération produit un texte, un résumé, une traduction, une réponse. Elle est utile quand un humain relit systématiquement, et dangereuse partout où personne ne relit. Un modèle de langue ne sait pas qu’il ignore quelque chose : il produit une phrase plausible plutôt que rien. La question n’est donc jamais « le texte est-il bon ? » mais « qui le relit, et avec quel temps disponible ? ».

La décision — accorder un crédit, prioriser un litige, écarter un candidat — engage la responsabilité de l’entreprise et, dans plusieurs cas, tombe sous les obligations les plus lourdes du règlement européen sur l’intelligence artificielle. Une PME n’a aucune raison d’aller là.

Quels usages de l’IA fonctionnent vraiment dans une PME belge ?

Voici ceux que nous voyons produire un effet vérifiable, c’est-à-dire un effet que l’on peut constater sans y croire d’avance.

Usage	Ce qu’il produit	Ce qu’il exige pour tenir
Recherche dans les documents de l’entreprise	On retrouve une clause, un devis, un échange de 2019 en une requête au lieu d’une fouille	Que les documents soient indexés et que les droits d’accès soient respectés à la recherche
Lecture automatique des documents reçus (OCR et extraction)	Une facture, un extrait, un formulaire scanné deviennent des champs réutilisables	Un contrôle humain sur les champs qui engagent : montants, dates, identités
Rédaction assistée sur modèles	Le brouillon d’un courrier récurrent arrive déjà rempli des données du dossier	Des modèles tenus à jour, et une relecture qui reste obligatoire
Résumé et traduction interne	Un dossier volumineux se lit en dix minutes avant une réunion	Que le résumé renvoie au passage d’origine, pour qu’on puisse vérifier
Classement et acheminement du courrier entrant	Chaque message part vers le bon dossier et la bonne personne	Une nomenclature de dossiers décidée avant, pas pendant
Aide à la recherche documentaire métier	Une réponse accompagnée de ses sources, et l’aveu franc quand il n’y en a pas	Un corpus délimité, et un outil qui distingue « rien trouvé » de « je ne sais pas »

Le point commun de ces six usages : ils travaillent sur les données de l’entreprise, ils rendent un résultat qu’un humain peut vérifier en quelques secondes, et ils ne prennent aucune décision. C’est la définition pratique d’un usage qui tient.

Ce qui ne sert à rien dans une petite structure

Ces projets ne sont pas mauvais en soi. Ils sont mal dimensionnés : ils supposent un volume, une équipe technique ou une qualité de données qu’une PME n’a pas.

• Le robot conversationnel public sans supervision. Il engage l’entreprise sur ce qu’il affirme, il se trompe sur les cas particuliers — qui sont justement ceux qui écrivent — et il faut le surveiller. Une page de questions fréquentes bien écrite rend un meilleur service, pour un centième du travail.
• La prédiction sur ses propres chiffres. Prévoir le chiffre d’affaires ou le risque de départ d’un client demande un historique long, propre et homogène. Une PME dispose rarement des trois. Le modèle apprend alors le bruit, et la prédiction se lit comme un horoscope.
• L’agent autonome qui « fait tout ». Un enchaînement d’actions décidées par une machine sans point d’arrêt humain est ingérable dès qu’une étape échoue : personne ne sait où reprendre. Un enchaînement court, avec une validation au milieu, produit le même effet et se répare.
• Le modèle entraîné maison. C’est un projet d’ingénierie continue, pas un achat. Il vieillit, il demande des données annotées, il exige une équipe. Ce n’est pas le terrain d’une entreprise de vingt personnes.
• L’outil acheté sans propriétaire interne. L’abonnement le plus coûteux est celui que personne n’ouvre. Si aucune personne nommée n’est responsable de l’usage, l’outil est déjà mort.

Deux signaux permettent de reconnaître un mauvais projet avant de le payer : on ne sait pas dire quelle tâche précise il remplace, et on ne sait pas dire qui vérifie son résultat.

Comment intégrer l’IA dans une entreprise en Belgique : la méthode

Nous travaillons toujours dans le même ordre, et cet ordre est la moitié du résultat.

1. Comprendre le métier avant l’outil. Passer une journée à regarder qui fait quoi, avec quels fichiers, à quel moment. Aucune vente ne se décide à cette étape. Une entreprise qui ne se laisse pas observer n’a pas besoin d’un fournisseur, elle a besoin de temps.
2. Identifier les pertes de temps réelles. Elles sont presque toujours ailleurs que là où on les croit : la ressaisie d’un même nom dans quatre systèmes, la recherche d’un document, l’attente d’une validation. Ce sont des tâches, pas des services entiers.
3. Proposer une solution claire, et son coût. Un périmètre écrit, ce qui change pour chaque personne concernée, ce que l’on ne touche pas, et le prix. Si la proposition ne tient pas sur deux pages, elle n’est pas comprise.
4. Former les personnes, pas « les utilisateurs ». Une formation utile apprend à formuler une demande, à reconnaître une réponse fausse et à savoir quand ne pas se servir de l’outil. Cette dernière compétence est la plus rentable.
5. Accompagner après la mise en route. Les vrais obstacles apparaissent à la troisième semaine, quand l’effet de nouveauté est passé. Un fournisseur qui disparaît après l’installation vend un abonnement, pas un résultat.

Nous ne publions volontairement aucun pourcentage de gain de temps : ces chiffres se recopient d’un site à l’autre sans jamais avoir été mesurés chez personne. Ce qui se mesure, en revanche, se mesure dans votre entreprise, sur une tâche que vous choisissez, avant et après.

Ce que le cadre européen impose avant de commencer

Trois obligations concernent déjà la PME belge qui met de l’intelligence artificielle au travail.

La base légale des données. Vos documents contiennent des données à caractère personnel : clients, employés, tiers. Les confier à un outil, c’est un traitement, avec tout ce que le RGPD y attache — finalité, durée de conservation, information des personnes, contrat de sous-traitance. Ce n’est pas une formalité de fin de projet, c’est une contrainte de conception. Nous détaillons ce raisonnement sur la page souveraineté et protection des données.

La transparence sur l’usage de l’IA. Une personne qui interagit avec un système d’intelligence artificielle, ou qui lit un contenu produit par lui, doit pouvoir le savoir. C’est un principe simple à respecter dès le départ, et pénible à rattraper après coup.

La traçabilité. Savoir quel outil a été appelé, quand, sur quel dossier, par qui. Sans journal, aucune question ultérieure n’a de réponse. Notre centre de confiance décrit la façon dont nous instrumentons ce point.

Le cas des métiers réglementés

Certaines professions ne peuvent pas laisser sortir un texte de l’entreprise : un projet d’acte, un dossier médical, un dossier disciplinaire. La réponse paresseuse consiste à renoncer à l’IA. La réponse juste consiste à séparer deux choses : le raisonnement, qui peut être délégué à un modèle, et l’identité des personnes, qui n’a aucune raison de l’accompagner.

C’est le principe que nous avons construit pour le notariat avec Veil™ : les éléments nominatifs sont remplacés avant tout appel à un modèle, et les données les plus sensibles font l’objet d’un refus plutôt que d’un masquage. La présentation de Nota montre ce que cela donne à l’écran. Le même raisonnement s’applique à un cabinet d’expertise comptable, à un service des ressources humaines ou à un bureau d’architectes : la question n’est pas « peut-on utiliser l’IA ? », mais « qu’est-ce qui, exactement, a besoin de sortir ? ». La réponse est presque toujours : beaucoup moins qu’on ne croit.

Par où commencer

Prenez une seule tâche, celle qui agace tout le monde et que personne ne défend. Écrivez en trois lignes ce qu’elle produit aujourd’hui et combien de mains elle traverse. C’est le seul cahier des charges dont vous ayez besoin pour une première conversation sérieuse — et il vous protège du fournisseur qui arrive avec sa solution avant votre problème. Nos réponses aux questions les plus fréquentes sont rassemblées dans la foire aux questions, et le déroulé complet d’une mise en route figure sur la page accompagnement.

Si vous dirigez une étude notariale, la démonstration se fait sur vos cas, pas sur un jeu de données de salon.

Demander une démonstration