Ce que cette PME industrielle nous a appris en trois mois

Quand la vraie valeur de l'IA commence bien avant le premier outil déployé

Vue en plongée d'une table de réunion dans un atelier industriel, avec des plans techniques et des notes manuscrites étalés, entourés de collaborateurs en discussion.

Il y a des missions qui redéfinissent ce qu'on croit savoir faire.

Celle-ci a commencé par une phrase du directeur général, lors de notre première réunion : « On veut que l'IA nous fasse gagner du temps sur les devis. » Simple. Légitime. Et, comme souvent, largement insuffisant pour comprendre ce qui se passe vraiment dans une organisation.

Nous étions en janvier. Trois mois plus tard, la question des devis était résolue. Mais ce n'était pas ce qu'on avait réparé.

Une PME solide, un vrai problème caché

L'entreprise : fabricant de sous-ensembles mécaniques, 180 collaborateurs, deux sites en région. Bonne santé financière, carnet de commandes rempli, clients fidèles depuis dix ans. De l'extérieur, tout va bien.

De l'intérieur, quelque chose grince. Les devis prennent entre cinq et huit jours selon le commercial. Le même devis. Pour le même type de pièce. L'écart ne vient pas des compétences. Il vient de la connaissance.

Chaque commercial a ses propres fichiers. Ses propres méthodes de calcul. Ses propres raccourcis. Certains savent que telle matière première subit une majoration selon le fournisseur. D'autres ne le savent pas encore, ou l'ont appris autrement. La connaissance métier est dans les têtes, dispersée, non formalisée, non gouvernée.

💡 Point d'attention

Déployer un outil IA dans ce contexte n'aurait pas accéléré les devis. Cela aurait accéléré l'incohérence.

Ce qu'on a fait avant de toucher au moindre outil

Les six premières semaines ont servi à cartographier. Pas à déployer. Pas à paramétrer. À comprendre.

On a mené des entretiens individuels avec chaque commercial, avec les techniciens méthodes, avec les achats. On a posé des questions très simples : comment tu construis un devis ? À quoi tu te réfères ? Qu'est-ce que tu sais que ton collègue ne sait probablement pas ? Où tu bloques ?

Ce qu'on a recueilli était précieux et fragile à la fois. Des années d'expérience stockées dans des têtes, des tableurs personnels, des fils de mails jamais archivés. Une connaissance réelle, profonde, non transmissible en l'état.

L'enjeu n'était pas technologique. Il était épistémologique : faire sortir ce que ces personnes savent sans toujours savoir qu'elles le savent.

L'élicitation, l'étape que personne ne voit venir

💡 Définition : Élicitation de connaissance

Processus structuré qui consiste à extraire et formaliser les savoirs tacites détenus par des experts métier — des connaissances souvent non conscientes, non écrites, et non transmissibles en l'état.

C'est toujours à ce moment que les équipes sont surprises. Elles s'attendaient à des démonstrations d'outils. On leur pose des questions sur leur métier.

Nous avons organisé des ateliers de restitution croisée : un commercial expérimenté explique sa méthode devant ses collègues. On facilite. On note. On reformule. On identifie les zones d'accord, les zones de flou, les zones de désaccord non dits.

Il y a eu des tensions. Pas de conflits, mais des étonnements. « Tu calcules comme ça, toi ? » « Depuis quand on applique ce coefficient ? » Ces questions en apparence banales révèlent quelque chose de sérieux : l'organisation fonctionnait sur des bases non partagées, non écrites, non opposables.

Le directeur général l'a reconnu lui-même : il ne savait pas que ses équipes ne parlaient pas le même langage métier.

La codification : ancrer, pas seulement écrire

Une fois la connaissance élicitée, il fallait l'ancrer. Pas simplement la mettre dans un document Word qui dormirait quelque part. L'ancrer dans un système qui vit avec l'organisation.

On a structuré une base de connaissance métier : règles de calcul validées, logique de majoration, cas particuliers documentés, seuils de déclenchement d'une validation technique. Chaque règle portait une date, une source, un responsable de mise à jour.

Ce n'est qu'à ce stade que la question de l'outil est revenue sur la table. Pas avant. Parce que l'outil, maintenant, avait de la matière à traiter. Une matière cohérente, gouvernée, vérifiable.

Le copilote déployé en troisième phase s'appuyait sur cette base. Il pouvait suggérer un prix, signaler une anomalie, proposer une ligne de devis. Pas parce qu'il était intelligent au sens magique du terme. Parce qu'on lui avait donné une connaissance structurée à amplifier.

Ce que les chiffres ont montré

Trois mois après le début de la mission, le délai moyen de production d'un devis était passé de six jours à deux jours. L'écart entre commerciaux était tombé à moins d'un jour.

Mais ce n'est pas le chiffre qui nous a le plus marqués.

Le directeur général a mentionné, lors du bilan, que deux commerciaux seniors approchaient de la retraite. Avant la mission, leur départ aurait emporté avec eux une part significative de la connaissance métier de l'entreprise. Désormais, cette connaissance est codifiée. Elle reste.

On ne lui avait pas vendu ça. On ne savait pas que c'était là, au fond, le vrai risque.

Ce que cette mission nous a confirmé

L'IA n'a pas résolu le problème des devis. La structuration de la connaissance l'a résolu. L'IA a ensuite rendu cette connaissance opérationnelle à grande vitesse.

La séquence compte. Elle n'est pas interchangeable. Déployer avant de structurer, c'est automatiser le désordre. Structurer avant de déployer, c'est donner à l'outil les conditions de son efficacité.

Cette PME n'avait pas un problème d'IA. Elle avait un problème de connaissance non gouvernée. L'IA a été la révélation du problème autant que l'une des réponses.

Combien d'organisations déploient aujourd'hui des outils sans avoir posé cette question : sur quelle connaissance allons-nous les faire fonctionner ?

❓ Questions fréquentes

Comment savoir si notre connaissance métier est suffisamment structurée pour déployer un outil IA ?
Un signal révélateur : si deux collaborateurs expérimentés produisent le même livrable avec des méthodes et des résultats sensiblement différents, la connaissance n'est pas gouvernée. Avant tout déploiement, il est nécessaire d'identifier, d'éliciter et de codifier ces savoirs tacites — c'est cette base qui conditionne l'efficacité de l'outil.
Combien de temps faut-il prévoir pour la phase de structuration avant de toucher aux outils ?
Dans le cas présenté, six semaines ont suffi pour une PME de 180 personnes avec des processus concentrés sur la fonction commerciale. La durée dépend du périmètre ciblé, du nombre d'expertises à éliciter et du niveau de formalisation existant — mais cette phase ne doit jamais être sacrifiée au profit d'un déploiement rapide.
Que risque-t-on concrètement à déployer un copilote IA sans avoir structuré la connaissance en amont ?
L'outil amplifiera ce qu'il trouve : si les règles métier sont incohérentes, non partagées ou implicites, il produira des suggestions elles-mêmes incohérentes — plus vite. On obtient alors une automatisation du désordre, qui peut éroder la confiance des équipes dans l'outil et bloquer toute adoption durable.

🔍 Votre connaissance métier est-elle prête pour l'IA ?

Avant de choisir un outil, Decisions & Co vous aide à cartographier et structurer la connaissance qui le fera fonctionner. C'est cette séquence qui détermine si votre projet IA produit un effet réel — ou accélère le désordre existant.

Chez Decisions & Co, nous accompagnons les dirigeants dans l'adoption raisonnée et performante de ces nouvelles technologies IA.

Découvrez notre diagnostic IA ROIste →

À propos de Decisions & Co : Cabinet de conseil spécialisé dans l'accompagnement des dirigeants sur les enjeux d'intelligence artificielle, nous proposons des diagnostics IA ROIste, des missions de gouvernance IA et des programmes d'acculturation pour les équipes dirigeantes.