L’IA en entreprise : ce que l’engouement cache et les PME…

10 min. de lecture

Les points clés en bref

700 employés licenciés, réintégrés – et la valeur boursière a baissé des milliards. Ce qui a été vécu par Klarna avec son expérience IA est un cas isolé, mais un signal d’alarme pour tout entreprise qui considère l’IA comme une réponse rapide à la pression de coûts. Pendant que les esprits technologiques américains débattent de la question de savoir si l’IA prendra toute la charge cognitive dans 1 à 5 ans, les entreprises de taille intermédiaire allemandes luttent avec la migration vers le cloud, la documentation des processus et le manque de compétences IT. Ces deux mondes sont très éloignés. Ils ne sont pas.

Car le développement de l’IA change les conditions de concurrence pour tous qui travaillent avec le travail de connaissance – indépendamment de la taille de l’entreprise, de 50 à 50 000 employés. Qui les accepte sans filtre, court dans le piège Klarna.

Deux mondes, un sujet

La débat entre l’investisseur Matt Shumer et le neuroscientifique Gary Marcus est au cœur d’une débat américaine. Shumer a affirmé dans son essai largement discuté «Something Big Is Happening» – relayé par Fortune, CNN et CNBC – que l’IA prendrait en charge la totalité des tâches cognitives dans un horizon de un à cinq ans. Marcus a répondu avec le reproche de «hypnose armée». Deux extrémismes. Ces deux parties tirent sur la réalité quotidienne des entreprises moyennes européennes.

Le monde des entreprises moyennes allemandes est dans une réalité différente. De nombreux entreprises se posent encore des questions fondamentales : comment migrerons-nous nos systèmes sur site vers le cloud ? Comment digitaliserons-nous des processus qui fonctionnent depuis vingt ans sur papier et Excel ? Comment trouverons-nous des professionnels IT qui peuvent mener à bien cette transformation ? L’idée que l’IA remplacera dans quelques années des départements entiers semble surréaliste dans ce contexte.

C’est exactly là que se trouve la menace. La vitesse avec laquelle les capacités de l’IA s’améliorent affecte non seulement les startups du Silicon Valley. Elle change les conditions de concurrence pour chaque entreprise qui exploite le travail des connaissances – et ce sont presque tous les entreprises moyennes. Celui qui ignore cela risque plus qu’une simple perte d’efficacité à court terme. Les modèles structuraux qui prégnent dans l’industrie en 2026 sont analysés dans l’article Intelligence décentralisée comme thème directeur : ce qui prévaut l’industrie en 2026.

Qu’apprend Klarna de la gestion des risques liés au hype

Pour comprendre ce qui se passe lorsque les entreprises transforment sans filtrer l’hype autour de l’IA en décisions opérationnelles, il faut examiner le cas de Klarna. Le service de paiement suédois était longtemps considéré comme le modèle de réussite de l’intégration de l’IA. Le PDG Sebastian Siemiatkowski a annoncé publiquement que des chatbots IA avaient remplacé le travail de 700 employés du service à la clientèle. L’effectif a été réduit drastiquement, et les nouvelles embauches ont été interrompues.

L’écriture suivit rapidement. La qualité du service a baissé de manière mesurable. Les clients se plaignaient de réponses erronées, de problèmes non résolus et de la possibilité d’atteindre une personne. Klarna a dû reculer – et a commencé à reprendre en charge des employés humains. Dans un marché du travail que l’entreprise avait elle-même étréssé.

Le cas de Klarna est instructif car il montre un modèle qui se répète dans de nombreuses branches d’activité. Les entreprises qui positionnent l’IA comme un remplacement direct de l’ouvrage humain plutôt qu’un outil de support s’exposent à une erreur. La technologie impressionne dans les démos, mais elle n’est pas encore suffisamment fiable pour gérer de manière durable des tâches complexes et contextuelles sans supervision humaine. Cela est vrai au début 2026 tout comme au moment du désastre Klarna.

Pour les décideurs du monde des PME, il y a une leçon importante à tirer : La question n’est pas de savoir si l’on devrait utiliser l’IA, mais comment et avec quelle espérance. Pourquoi tant de entreprises hésitent malgré des signaux d’alarme comme ceux-ci, explique l’article L’IA dans les PME : Pourquoi tant d’entreprises hésitent – et ce qui compte maintenant.

Développement actuel 2026 : Les agents IA déplacent la discussion

Au début de 2026, l’image s’est encore une fois profondément transformée. Jusqu’à présent, les grandes modèles de langage et les chatbots dominent le débat, mais maintenant les agents IA autonomes occupent le centre. Des systèmes tels que Devin (Cognition AI) ou Microsoft Copilot Studio permettent aux IA de ne pas seulement répondre, mais d’exécuter des tâches sur plusieurs étapes – écrire du code, exécuter des tests, créer des documents.

En même temps, OpenAI met en avant la fonction d’opérateur pour des agents autonomes de navigateur qui, au nom des utilisateurs, remplissent des formulaires, effectuent des réservations et mènent des recherches Web. Google DeepMind a développé Project Mariner. Ce qui était encore considéré comme une zone expérimentale en 2024 est maintenant prêt pour la production et atteint également les environnements des entreprises de taille intermédiaire.

Cela change considérablement la calcul des risques. Les systèmes IA agens approfondissent davantage les processus des entreprises que n’importe quel simple chatbot. Les erreurs évoluent plus rapidement, car aucun humain ne vérifie chaque étape intermédiaire. En même temps, les gains d’efficacité pour les entreprises qui utilisent ces systèmes avec soin augmentent. La scission entre les premiers adoptants et les retardataires s’ouvre encore plus rapidement que la débatte Shumer-Marcus l’avait suggéré.

Pour les PME, le principe fondamental – d’abord créer les fondations, puis automatiser – est plus important que jamais en 2026. Celui qui ne comprend pas et ne documente pas ses processus ne pourra pas contrôler l’intégration d’agents IA. Une utilisation non contrôlée coûte au final plus cher que le retard initial de la digitalisation.

Les budgets cloud sont soumis à un nouveau poids

La débat sur l’IA a des impacts directs sur les budgets IT et les stratégies cloud. Les grands hyperscalers – Microsoft, Google, Amazon – intègrent de plus en plus leurs services IA à leurs plateformes cloud. Quiconque souhaite utiliser productivement des modèles tels que GPT-4o ou des modèles similaires, est rarement en dehors d’Azure, Google Cloud ou AWS. Cela change significativement la computation pour les migrations cloud.

De nombreux entreprises ont planifié leurs budgets cloud sur la base d’hypothèses qui sont de deux ans ou plus anciennes. Depuis, les services IA sont devenus un facteur de coût qui n’était pas prévu dans les calculs initiaux. Les appels d’API aux grands modèles de langage, le fine-tuning des modèles personnalisés sur les données d’entreprise, l’infrastructure nécessaire pour la sécurité des données et la conformité – tout cela influe sur les coûts. Avec les systèmes agents, les dépenses en jetons par tâche augmentent encore plus : les observateurs du secteur estiment que les coûts supplémentaires sont de 5 à 10 fois plus élevés par rapport aux interactions de chatbots simples.

Parallèlement, le stress sur les départements IT pour mettre en œuvre rapidement des projets IA augmente. Les dirigeants, qui ont lu des articles comme celui de Shumer ou des contributions similaires, attendent des résultats. La écart entre l’attente et la réalité de la mise en œuvre s’ouvre – et les responsables IT tombent dans une position ingrate, d’avoir à fournir de l’innovation tout en respectant les budgets.

Une stratégie cloud réaliste devrait donc expliciter les coûts IA – non comme des postes vagues, mais comme un domaine de budget concret avec des cas d’utilisation définis, des objectifs mesurables et des critères d’arrêt clairs. Les entreprises qui démarrent des projets IA sans cette structure risquent des surpannes de budget qui menacent d’autres investissements stratégiques.

La sécurité devient plus complexe, non plus simple

Un aspect qui reste chroniquement sous-exploité dans le débat public sur l’IA est la dimension de la sécurité. Chaque service IA intégré dans les processus d’entreprise augmente la surface d’attaque. Les grands modèles de langage peuvent être manipulés par des attaques appelées prompt injection. Les données d’entreprise utilisées pour le training ou l’utilisation des modèles IA doivent être protégées – non seulement contre les attaquants externes, mais aussi contre les fournisseurs eux-mêmes.

Les exigences réglementaires s’intensifient en parallèle. L’AI Act de l’UE prend progressivement effet et met les entreprises face à la tâche de classer, de documenter et, dans certains cas, d’être audités pour leur utilisation de l’IA. Pour les PME, cela représente un surcoût supplémentaire dans un domaine qui est déjà peu bien doté en personnel.

Les responsables de la sécurité font face à la challenge d’intégrer des systèmes IA dans les architectures de sécurité existantes sans laisser la complexité s’échapper de contrôle. Cela nécessite non seulement une compétence technique, mais aussi la capacité de communiquer clairement des limites aux dirigeants. Tous les cas d’utilisation IA ne sont pas sécurisés – et la capacité de dire non fondamentalement devient une compétence de leadership sous-estimée. Le fait que Lloyd’s of London propose des assurances spécifiques contre les hallucinations IA montre que la branche des risques prend cette dimension très au sérieux. Pour plus de détails : Lloyd’s of London assure contre les dommages dues aux hallucinations IA.

Qu’est-ce que la direction signifie aujourd’hui

La vraie question derrière le débat Shumer-Marcus n’est pas technologique. Elle est stratégique : comment les dirigeants prennent-ils des décisions sous une incertitude extrême ? Ni les optimistes, ni les sceptiques ne peuvent aujourd’hui être fidèles à la performance des systèmes IA dans trois ou cinq ans. L’évolution ne suit ni une courbe linéaire, ni un schéma prévisible.

Pour les dirigeants d’entreprise et les conseils d’administration, cela signifie développer une position qui ne tombe ni dans l’activisme aveugle, ni dans la passivité attendrée. En détail : lancer des projets pilotes, mais avec des critères de succès clairs. Investir dans l’acquisition de compétences avant que des consultants externes ne remplacent la capacité de jugement interne. Former les employés, plutôt que de les remplacer précipitamment par la technologie. Et : comprendre la valeur ajoutée propre avant de la automatiser.

Les entreprises qui ne peuvent pas décrire clairement leurs processus de base ne pourront pas optimiser efficacement ces processus avec l’IA. La digitisation des fondamentaux – données structurées, processus documentés, infrastructure IT moderne – reste la condition préalable à tout ce qui suit. Celui qui saute cette étape et s’attaque directement à l’IA, bâtit sur le sable. Ce que cela signifie pour l’agenda stratégique 2026, est discuté dans l’article Business Trends 2026 : Comment les entreprises vivent la prochaine phase de l’IA.

«La plupart des projets IA agenciels sont actuellement des expériences de phase préliminaire, qui sont souvent utilisés de manière incorrecte. Cela peut masquer les coûts réels et la complexité de l’échelonnement pour les entreprises.»
– Anushree Verma, Senior Director Analyst, Gartner, juin 2025

La scie s’ouvre

La vérité incommoditeuse de la débat actuel : La scie entre les entreprises qui utilisent la IA de manière stratégique et celles qui luttent encore avec leur équipement numérique fondamental va s’aggraver drastiquement dans les prochaines années. Cela touche non seulement l’efficacité et les coûts, mais aussi la capacité à attirer des experts, à fidéliser des clients et à rester compétitif sur les marchés globaux.

Matt Shumer peut être trop optimiste dans son horizon temporel. Gary Marcus peut avoir raison que la technologie actuelle a des limites fondamentales. Mais la direction de l’évolution est claire – et la vitesse augmente. Pour le Mittelstand allemand, cela signifie agir maintenant, mais agir avec discernement. Créer les fondations, comprendre les risques, embarquer ses propres personnes. Ni par le biais de l’enthousiasme ni par la skepsis.

C’est une tâche non simple. Mais c’est exactement le type de tâche qui caractérise une bonne gestion d’entreprise.

Lectures complémentaires

• Agentic AI dans le mittelstand – MyBusinessFuture
• Private Cloud pour l’IA – cloudmagazin
• Change Management dans la transformation IA – Digital Chiefs

Source image de couverture : Pexels / Pixabay