Mon comptable, mon RH et mon commercial bossent déjà avec l'IA (sans le savoir)

Bienvenue dans Impulsion IA, épisode trois. Je suis Sophie, et comme chaque semaine, je retrouve Marc et Julie. La semaine dernière, on a comparé ChatGPT, Copilot et Gemini pour vous aider à choisir votre outil. Aujourd'hui, on va un cran plus loin. On va parler de l'IA que vous utilisez déjà. Oui, déjà. Sans le savoir.

Attends, tu vas pas me dire que mon logiciel de compta fait de l'IA ? Parce que moi, ce que je vois, c'est un tableur glorifié qui plante un vendredi sur deux.

Et pourtant, Julie, c'est exactement ça. Les derniers chiffres montrent que plus de soixante pour cent des logiciels métiers utilisés en PME intègrent désormais des briques d'intelligence artificielle. Du machine learning, de la reconnaissance de patterns, de la prédiction. Sauf que c'est pas marqué en gros sur la boîte.

Soixante pour cent, c'est énorme quand même.

Et encore, c'est une estimation basse. Dans certains secteurs comme la finance ou la logistique, on dépasse les quatre-vingts pour cent. Les éditeurs de logiciels intègrent de l'IA partout parce que c'est devenu un avantage concurrentiel.

Alors justement, on va décortiquer ça domaine par domaine. Et je vous préviens, vous allez avoir des surprises. On commence par le nerf de la guerre : la comptabilité.

OK, la compta, c'est le domaine où l'IA est la plus avancée en PME et c'est aussi celui où personne s'en rend compte. Prenons un truc tout bête : le rapprochement bancaire. Vous savez, quand votre logiciel fait correspondre une ligne de relevé avec une facture ?

Oui, ça c'est juste du matching. Tu compares un montant à un autre montant. C'est pas de l'IA, c'est une formule Excel.

Justement non. Avant, oui, c'était du matching basique montant contre montant. Mais aujourd'hui, sur Pennylane par exemple, le système apprend de tes habitudes. Il voit que chaque mois, tu reçois un virement de ton client Dupont avec un libellé un peu différent à chaque fois, et il fait le rapprochement tout seul. Il gère les écarts de centimes, les paiements groupés, les acomptes. Ça, c'est du machine learning pur.

Et c'est pas que Pennylane. Sage, Cegid, Qonto, tous ces outils font pareil maintenant.

Exactement. Qonto, c'est un bon exemple. Leur catégorisation automatique des dépenses, c'est un modèle d'IA entraîné sur des millions de transactions. Quand tu paies chez un fournisseur, le système le classe automatiquement dans la bonne catégorie comptable. Il se trompe au début, tu corriges, et il apprend. Au bout de deux ou trois mois, il a un taux de précision de plus de quatre-vingt-dix pour cent.

OK, je te l'accorde pour la catégorisation. Mais mon comptable fait ça depuis vingt ans sans IA. Il connaît mes fournisseurs par cœur.

Bien sûr. Mais ton comptable, il traite combien de lignes par mois ? Trois cents ? Cinq cents ? L'IA, elle, elle traite ça en quelques secondes, vingt-quatre heures sur vingt-quatre, sans oublier, sans fatiguer. Et surtout, surtout, elle détecte les anomalies.

Les anomalies, c'est-à-dire ? Genre des erreurs de facturation ?

Erreurs, doublons, mais aussi des choses plus subtiles. Par exemple, un fournisseur qui augmente ses prix de deux pour cent sans prévenir, un abonnement qui passe de mensuel à annuel, une charge qui explose par rapport à la même période l'an dernier. Le système repère les patterns inhabituels et te met une alerte.

OK, ça, j'avoue, c'est utile. On a eu un fournisseur l'année dernière qui nous facturait en double sur certaines lignes. On s'en est rendu compte trois mois après.

Et là on arrive au truc le plus bluffant : la prévision de trésorerie. Des outils comme Agicap ou la fonctionnalité de prévision de Pennylane analysent ton historique de flux, tes délais de paiement clients, la saisonnalité de ton activité, et te projettent ta tréso sur trois, six, douze mois. Avec une précision qui s'améliore au fil du temps.

Mouais. On m'a déjà vendu des prévisions de trésorerie. C'est toujours faux.

C'est pas faux à cent pour cent, c'est jamais une boule de cristal. Mais c'est largement plus fiable qu'un tableur Excel avec trois hypothèses. Parce que le modèle intègre des centaines de variables que toi, humainement, tu peux pas traiter en parallèle.

Oui mais ça coûte combien ces outils de prévision ?

Agicap, c'est à partir de cent cinquante euros par mois pour une PME. C'est pas donné, mais quand tu considères qu'un problème de trésorerie peut tuer une boîte, c'est le prix d'une assurance. Et les prévisions de Pennylane sont incluses dans l'abonnement de base.

Donc si on résume la partie compta : rapprochement bancaire intelligent, catégorisation automatique qui apprend, détection d'anomalies, prévision de trésorerie. Tout ça, c'est de l'IA qui tourne déjà dans vos outils.

Bon, je reconnais que pour la compta, l'argument tient. Mais j'attends de voir pour le reste.

Alors passons aux RH. Et là, Julie, je pense que tu vas être encore plus surprise. Marc, c'est quoi l'IA dans les ressources humaines d'une PME ?

Les RH, c'est le domaine où l'IA a le plus progressé ces dernières années, mais aussi celui qui pose le plus de questions éthiques. On va commencer par le recrutement, parce que c'est là que c'est le plus visible.

Quand tu publies une offre sur LinkedIn ou sur Indeed, et que tu reçois deux cents CV, tu fais quoi ? Tu les lis tous un par un ? Non. Le système de ces plateformes utilise de l'IA pour trier, scorer et classer les candidatures en fonction de leur pertinence par rapport à ton offre.

Attends, attends. Ça veut dire que quand je recrute sur LinkedIn, c'est un algorithme qui décide qui je vois en premier ?

Oui. LinkedIn Recruiter utilise un modèle de matching qui analyse les compétences déclarées, l'expérience, la localisation, mais aussi des signaux comportementaux. Par exemple, si un candidat a récemment mis à jour son profil ou s'il regarde des offres similaires, il remonte dans les résultats.

Et c'est pas que LinkedIn. Les SIRH modernes, les logiciels de gestion RH, font la même chose en interne, non ?

Tout à fait. Des outils comme Lucca, PayFit ou BambooHR intègrent des fonctionnalités d'IA pour la gestion des temps, l'analyse de l'absentéisme, la détection de signaux faibles sur le turnover. Par exemple, PayFit peut identifier qu'un collaborateur accumule des heures supplémentaires depuis trois mois et alerter le manager avant le burn-out.

OK, stop. Là ça me pose un vrai problème. Un logiciel qui surveille les heures de mes salariés et qui envoie des alertes à leur manager ? On est où là, dans Big Brother ?

Je comprends ta réaction, et elle est légitime. C'est exactement le débat qu'on doit avoir. Mais il faut distinguer deux choses. D'un côté, la surveillance intrusive, et de l'autre, l'analyse de données agrégées pour le bien-être des équipes.

La frontière est mince quand même.

Elle est mince, oui. Mais concrètement, ces outils n'analysent pas le contenu des mails ou les conversations. Ils regardent des données objectives : heures pointées, jours d'absence, ancienneté. Et l'objectif, c'est de prévenir, pas de punir. Un outil qui te dit « attention, ton équipe technique a un taux d'absentéisme qui monte depuis quatre mois », c'est de l'information utile pour agir avant qu'il soit trop tard.

Et côté formation, Marc ? Parce que j'ai lu que l'IA personnalisait aussi les parcours de formation.

Oui, et c'est un cas d'usage super concret. Les plateformes de e-learning comme 360Learning ou même les modules intégrés aux SIRH utilisent l'IA pour adapter le contenu au niveau du collaborateur. Si tu fais un quiz et que tu maîtrises déjà les bases, le système saute les modules débutants et te propose directement le niveau avancé. Ça évite que les gens s'ennuient et ça réduit le temps de formation de trente à quarante pour cent.

Trente à quarante pour cent de réduction, c'est considérable.

Ça, je reconnais, c'est intéressant. On a dépensé une fortune en formations l'an dernier et la moitié de mes équipes ont trouvé ça trop basique. Si l'IA peut adapter le niveau, c'est pas bête.

Et le plus malin, c'est que ces systèmes peuvent aussi recommander des formations en fonction de l'évolution du poste. Si ton secteur évolue vers plus de numérique, euh, comment dire, l'IA peut identifier les compétences manquantes et proposer un parcours adapté à chaque collaborateur. Du sur-mesure à grande échelle.

Pour résumer les RH : tri intelligent des candidatures, analyse du turnover et de l'absentéisme, parcours de formation personnalisés. Et tout ça, dans des outils que beaucoup de PME utilisent déjà.

Bon, je concède la compta et les RH. Mais le commercial, là, c'est autre chose. Mes commerciaux, c'est de l'humain, de la relation, du feeling. Ça, un robot peut pas le faire.

Et c'est le moment parfait pour passer à notre troisième partie. Le commercial. Marc, vas-y, convaincs Julie.

Julie, personne dit que l'IA va remplacer tes commerciaux. Mais je parie que tu utilises un CRM. HubSpot, Salesforce, Pipedrive, peu importe.

On est sur HubSpot depuis deux ans, oui.

Parfait. Alors tu utilises déjà de l'IA tous les jours. Le lead scoring de HubSpot, c'est un modèle prédictif qui analyse le comportement de tes prospects. Il regarde quelles pages ils visitent sur ton site, s'ils ouvrent tes mails, s'ils téléchargent tes ressources, et il leur attribue un score. Plus le score est élevé, plus le prospect est chaud.

Oui mais on s'en sert pas vraiment de ce truc. Mes commerciaux font confiance à leur instinct.

Et c'est exactement le problème. L'outil est là, il tourne, il analyse, mais personne l'utilise. C'est comme avoir une Ferrari et rouler en première. Le lead scoring, quand il est bien configuré, il peut augmenter le taux de conversion de quinze à vingt-cinq pour cent. Parce que tes commerciaux arrêtent de perdre du temps avec des prospects froids et se concentrent sur ceux qui sont prêts à signer.

Et au-delà du scoring, il y a aussi la prédiction de churn, non ? Le fait de savoir quels clients risquent de partir ?

Oui, c'est un truc énorme. Salesforce Einstein, par exemple, analyse l'historique des interactions avec tes clients. Fréquence des commandes, tickets de support ouverts, délais de réponse aux mails, engagement sur tes communications. Et il te sort un score de risque de churn. « Attention, ce client qui représente huit pour cent de ton chiffre d'affaires est à risque. »

Ça, en revanche, ça m'intéresse. On a perdu un gros client l'année dernière et personne l'avait vu venir.

C'est exactement ce type de situation que l'IA peut prévenir. Et le troisième volet côté commercial, c'est la rédaction assistée. HubSpot a intégré un assistant IA qui peut rédiger des séquences de mails de prospection, des propositions commerciales, des comptes rendus de rendez-vous. Pas pour remplacer le commercial, mais pour lui faire gagner du temps sur les tâches répétitives.

Oui enfin un mail rédigé par une IA, ça se voit à des kilomètres. C'est lisse, ça manque de personnalité.

Tu as raison si tu laisses l'IA faire tout toute seule. Mais l'idée, c'est de l'utiliser comme point de départ. L'IA te sort un premier jet en trente secondes, ton commercial le personnalise en deux minutes, et au final, au lieu de passer vingt minutes à rédiger un mail, il en passe trois. Multiplié par dix mails par jour, ça fait... euh, une heure quarante de gagnée.

Presque deux heures par jour, c'est le temps d'un rendez-vous client en plus.

Bon, vu comme ça, c'est vrai que c'est pas négligeable.

Et il y a aussi tout l'aspect prospection automatisée. Des outils comme Lemlist ou Waalaxy qui utilisent l'IA pour personnaliser les séquences de prospection à grande échelle.

Exactement. Lemlist peut analyser le profil LinkedIn d'un prospect, son actualité récente, le contenu de son site web, et générer un message personnalisé qui donne l'impression d'avoir été écrit spécifiquement pour cette personne. Le taux de réponse sur ce type de prospection est trois à quatre fois supérieur à un mail générique.

On est quand même dans un truc un peu flippant là, non ? Des robots qui écrivent des mails en se faisant passer pour des humains, qui traquent tes comportements en ligne... C'est pas un peu la définition de la manipulation ?

C'est une question importante. Je dirais que la frontière, c'est la transparence. Si ton mail de prospection apporte de la valeur au destinataire et que le contenu est honnête, que ce soit écrit par un humain ou assisté par l'IA, ça ne change pas grand-chose. Ce qui serait problématique, c'est de tromper sur la nature du produit ou du service.

Bon, récap commercial : lead scoring pour prioriser les prospects, prédiction de churn pour anticiper les départs clients, rédaction assistée pour gagner du temps, prospection personnalisée à grande échelle. L'IA est partout dans la chaîne commerciale.

D'accord, d'accord. Je suis convaincue que l'IA est déjà dans mes outils. Mais concrètement, qu'est-ce que je fais maintenant ? Parce que savoir que c'est là, c'est bien, mais en tirer parti, c'est mieux.

Et c'est exactement notre quatrième partie. Maintenant qu'on sait que l'IA est déjà là, comment on en tire le meilleur ? Marc, par où on commence ?

Première chose, et c'est la plus simple : allez fouiller dans les paramètres de vos outils. La plupart des fonctionnalités IA dont on a parlé existent déjà dans vos abonnements, mais elles sont souvent désactivées par défaut ou cachées dans un sous-menu. Prenez une heure, un café, et explorez.

Oui enfin, qui a le temps de faire ça ? Moi je gère une boîte de quarante-cinq personnes, j'ai pas une heure à consacrer à explorer des menus.

Alors délègue. Demande à chaque responsable de service de faire l'audit de ses propres outils. Le responsable compta regarde Pennylane ou Sage, le RH regarde PayFit, le directeur commercial regarde HubSpot. Chacun fait son heure et revient avec une liste de fonctionnalités IA disponibles mais pas utilisées.

Et après l'audit, on fait quoi ?

Deuxième étape : activer et tester. Commencez par les fonctionnalités à faible risque. La catégorisation automatique des dépenses, le lead scoring, les suggestions de formation. Des trucs où, si l'IA se trompe, c'est pas grave, un humain peut corriger facilement.

Ça, c'est pragmatique. On commence par ce qui peut pas casser.

Exactement. Et troisième étape : former les équipes. Pas une formation de trois jours sur l'intelligence artificielle avec des slides de vingt pages. Non. Un atelier d'une heure avec chaque équipe, sur leur outil à eux. « Voilà ce que fait l'IA dans votre logiciel, voilà comment l'utiliser, voilà ce que ça change pour vous. »

D'ailleurs, le budget et le coût réel de tout ça, c'est un sujet tellement vaste qu'on y consacre l'épisode quatre en entier.

Et dernière étape : mesurer le ROI. C'est capital. Avant d'activer une fonctionnalité IA, notez vos chiffres actuels. Combien de temps pour faire un rapprochement bancaire ? Combien de CV triés par heure ? Quel taux de conversion commercial ? Et six semaines après, recomptez. C'est le seul moyen de savoir si ça vaut le coup.

Six semaines ? C'est court pour mesurer un vrai impact, non ?

Six semaines, c'est un premier point de contrôle. Pas un verdict final. Si tu vois déjà des gains à six semaines, tu continues et tu affines. Si tu vois rien, tu te poses les bonnes questions : est-ce que l'outil est bien configuré, est-ce que les équipes l'utilisent vraiment, est-ce que le cas d'usage était pertinent.

Et si les résultats sont pas probants, on peut toujours revenir en arrière ?

Bien sûr. C'est le gros avantage des fonctionnalités IA dans les logiciels existants : tu peux tout désactiver d'un clic. C'est pas comme un projet à cent mille euros où tu es engagé. Tu testes, et si ça te convient pas, tu coupes.

Et c'est important de rappeler un truc : dans l'épisode un, on avait parlé de commencer par identifier sa douleur. C'est pareil ici. L'IA embarquée dans vos outils, elle sert à rien si elle répond pas à un vrai problème métier.

Cent pour cent d'accord. Et j'ajouterais un truc : vérifiez votre abonnement. Beaucoup d'éditeurs proposent des fonctionnalités IA dans des tiers premium. Parfois, passer de l'offre basique à l'offre pro, c'est cinquante euros de plus par mois, mais ça débloque des fonctionnalités qui peuvent faire gagner des heures chaque semaine.

Évidemment, c'est toujours dans l'offre premium. Le business model classique : tu goûtes gratos, et après tu paies.

C'est vrai, mais c'est aussi logique. L'IA coûte cher en infrastructure. Ce qui compte, c'est de calculer : est-ce que les cinquante euros par mois me font gagner plus que ce qu'ils coûtent ? Si ta comptable gagne deux heures par semaine grâce à la catégorisation automatique, à quarante euros de l'heure, le calcul est vite fait.

OK, ça je peux pas contester. Trois cent vingt euros de gain pour cinquante de coût, le ratio est bon.

Pour résumer cette partie : audit des outils existants, activation progressive des fonctionnalités IA, formation ciblée des équipes, et mesure du ROI. Quatre étapes simples.

Bon, on arrive à la fin de cet épisode et je voudrais qu'on fasse un grand récap. Marc, si tu devais retenir trois choses de cet épisode, ce serait quoi ?

Premièrement : l'IA n'est pas que ChatGPT et compagnie. Elle est déjà dans vos logiciels métiers du quotidien, de la compta au CRM en passant par les RH. Deuxièmement : ces fonctionnalités sont souvent sous-utilisées. Les entreprises paient pour des outils dont elles n'exploitent qu'une fraction du potentiel. Et troisièmement : le premier pas, c'est pas d'acheter un nouveau truc. C'est d'auditer ce qu'on a déjà.

Et Julie, toi qui étais sceptique au début, quel est ton take final ?

Honnêtement, je suis à moitié convaincue. Je reconnais que l'IA est dans mes outils et que je m'en servais pas consciemment. La partie compta et la prédiction de churn, ça m'a vraiment parlé. Par contre, sur les RH, je reste vigilante. L'analyse des données des salariés, c'est un terrain glissant et il faut des garde-fous solides.

Et c'est une position très saine. L'enthousiasme sans esprit critique, c'est dangereux. Les meilleurs dirigeants que j'accompagne sont exactement comme toi : ils testent, mais ils questionnent.

Allez, le défi de la semaine. Et celui-là, il est concret.

Cette semaine, on vous demande de faire l'audit IA de vos outils. Prenez votre logiciel de compta, votre CRM, votre outil RH. Allez dans les paramètres, cherchez les mots « intelligence artificielle », « automatique », « prédiction », « suggestion ». Notez tout ce que vous trouvez. Et activez au moins une fonctionnalité que vous n'utilisiez pas.

Moi, je vais commencer par HubSpot. Le lead scoring, ça m'intrigue. Je vais en parler à mon directeur commercial dès lundi.

Parfait. Et partagez vos découvertes sur les réseaux avec le hashtag Impulsion IA, on adore lire vos retours.

La semaine prochaine, épisode quatre : « Combien ça coûte vraiment ? Le budget IA d'une PME de trente personnes ». Parce que maintenant qu'on sait que l'IA est partout dans nos outils, la question c'est : combien on paye vraiment pour tout ça, et est-ce que le retour sur investissement est au rendez-vous ? On va parler chiffres concrets, coûts cachés, et ROI réaliste.

Ça tombe bien, parce que moi, mon directeur financier, il va vouloir voir les chiffres. Combien ça coûte tout ça, et est-ce que ça rapporte vraiment ?

Spoiler : les chiffres vont te surprendre. On décortique tout ça la semaine prochaine.

Merci Marc, merci Julie. Et merci à vous qui nous écoutez. Si cet épisode vous a plu, n'oubliez pas de vous abonner sur votre plateforme préférée. On se retrouve la semaine prochaine pour l'épisode quatre. D'ici là, allez fouiller dans vos paramètres. Vous allez avoir des surprises.

Salut tout le monde, et bonne exploration !

À la semaine prochaine. Et promis, je vous dis si le lead scoring marche vraiment.

On compte sur toi, Julie. Allez, c'était Impulsion IA, épisode trois. À très vite !