Automatisation IA pour les PME suisses : un guide pratique

Pour une PME suisse, l'automatisation IA n'est ni un chatbot épinglé à la page d'accueil ni un assistant générique vendu au poste. C'est un petit nombre de workflows dans lesquels un modèle de langage, connecté à vos systèmes existants, supprime des décisions répétitives et de la saisie manuelle.

Lire les e-mails entrants et préparer des réponses structurées. Extraire des champs de PDF avant qu'ils n'entrent dans l'ERP. Répondre aux questions internes en s'appuyant sur vos propres documents. La valeur se mesure en heures rendues à l'équipe, pas en fonctionnalités livrées.

Trois schémas couvrent la majorité des automatisations utiles que nous construisons pour les PME.

Le premier est le triage entrant : e-mails, soumissions de formulaires et demandes classifiés, orientés et pré-rédigés avant même qu'un humain ne les lise. Il réduit le temps de réponse et supprime la question 'à qui cela revient-il'.

Le second est le traitement documentaire : factures, contrats, bons de livraison et rapports transformés en données structurées propres qui alimentent directement les systèmes déjà en place. La saisie manuelle est la source la plus courante de coûts silencieux dans les PME.

Le troisième est la connaissance interne sourcée : un assistant privé entraîné sur vos procédures, décisions passées et documentation, avec citations vers la source. Le personnel cesse de poser les mêmes questions aux collègues. Les nouveaux arrivants deviennent opérationnels plus vite.

Les PME suisses sont soumises à la nLPD et, souvent, au RGPD. La posture par défaut de la plupart des fournisseurs d'IA, à savoir envoyer vos données à une API d'inférence américaine avec des conditions de rétention opaques, est incompatible avec une conformité sérieuse.

La réponse pratique n'est pas d'éviter l'IA. C'est d'exiger une résidence des données en Suisse ou en UE par défaut, une rétention à zéro lorsque possible, des contrôles d'accès stricts et une traçabilité complète de chaque prompt et de chaque réponse. C'est un travail d'ingénierie, pas une case à cocher. Cela doit être réglé avant la première mise en production, pas après.

La plus grande erreur que nous voyons est de commencer par le workflow le plus visible plutôt que par le plus répétitif. Un chatbot orienté client est enthousiasmant mais risqué, sensible au ton et difficile à mesurer. Un extracteur de factures interne est peu spectaculaire et se rentabilise en quelques semaines.

Construisez d'abord les workflows à fort volume, à faible ambiguïté, aujourd'hui manuels et sous la responsabilité d'une seule équipe. Différez tout le reste. Une automatisation ennuyeuse mais qui fonctionne apporte la crédibilité et les données pour tenter ensuite l'ambitieuse.

Un bon premier projet IA se cadre en une seule conversation. Il a une personne responsable nommée, un workflow précis, une base mesurable (combien d'heures ou d'erreurs par semaine aujourd'hui), une cible de déploiement (dans quel système il s'intègre) et un critère go/no-go (à quoi ressemble un 'suffisamment bon' en production).

Si l'un de ces cinq éléments manque, le projet n'est pas prêt à être construit. La plupart des initiatives IA échouent silencieusement au cadrage, pas à la mise en oeuvre. C'est pour cela que nous commençons chaque collaboration par une discovery à périmètre fixe, pas par une proposition.