En 2024, 10 % seulement des entreprises françaises d'au moins 10 salariés utilisaient l'intelligence artificielle, contre 6 % un an plus tôt — la France restant sous la moyenne de l'Union européenne, autour de 13 % (INSEE, enquête TIC entreprises 2024). À l'autre bout du spectre, le MIT Project NANDA documente que 95 % des projets d'IA générative en entreprise ne produisent aucun retour mesurable sur le compte de résultat (The GenAI Divide, juillet 2025). Entre ces deux chiffres se joue la décision la plus répandue de 2026 : déployer un assistant IA à ses équipes — ChatGPT, Microsoft Copilot, Google Gemini, Mistral Le Chat — et considérer que, désormais, « l'entreprise est équipée ».
Ce guide ne traite pas de la question « quel assistant IA choisir ». Cette question, pour une PME ou une ETI, compte beaucoup moins qu'on ne le croit. Il documente ce qui sépare un assistant IA réellement utilisé au quotidien — et qui déplace une ligne du compte de résultat — d'un abonnement de plus qui s'ajoute à la pile des logiciels sous-employés. Il s'appuie sur les chiffres officiels 2025-2026 (INSEE, France Num, Bpifrance Le Lab, MIT NANDA, Gartner, McKinsey, S&P Global) et sur une méthode bottom-up qui part des process avant de partir de l'outil. Pour le volet diagnostic — cartographier vos usages avant d'investir — voir notre méthode d'audit IA pour PME.
Assistant IA, agent IA, copilote : poser les mots avant de signer
Le vocabulaire 2026 est devenu un piège commercial. Trois termes circulent, et chacun désigne une réalité — et une facture — différentes.
- L'assistant IA répond à une demande : il reformule, résume, traduit, rédige, cherche dans des documents. Il agit dans une conversation, sous le contrôle de l'utilisateur. ChatGPT, Copilot, Gemini, Le Chat, Claude relèvent de cette catégorie.
- L'agent IA exécute une tâche de bout en bout sans supervision continue : il déclenche des actions dans d'autres systèmes, enchaîne des étapes, prend des micro-décisions. C'est plus puissant, et beaucoup plus risqué à déployer sans cadre.
- Le copilote est un assistant intégré à un logiciel précis (la suite Microsoft 365 pour Copilot, par exemple), qui agit dans le contexte de cet outil.
Pour la grande majorité des PME et ETI, le point d'entrée pertinent en 2026 est l'assistant IA — moins risqué qu'un agent autonome, plus universel qu'un copilote enfermé dans une seule suite logicielle. La confusion entre les trois n'est pas innocente : un prestataire qui vend un « agent IA » à 500 € par mois pour ce qui est, en réalité, un assistant générique surfacturé profite du flou. Savoir nommer ce qu'on achète est la première protection. Pour le détail tarifaire d'un assistant comme ChatGPT, nous l'avons traité dans notre analyse du déploiement de ChatGPT en entreprise ; pour Copilot, dans celle du coût réel de Microsoft 365 Copilot.
Citation à retenir. Le choix de l'assistant IA — ChatGPT, Copilot, Gemini ou Mistral — détermine 10 % du résultat. Les 90 % restants se jouent sur ce que vous lui donnez à voir de vos données et sur les process que vous décidez d'attaquer en premier.
Sur le terrain : ce que les praticiens observent en 2026
Avant de poser une méthode, il vaut la peine d'écouter ceux qui déploient des assistants IA cette année, à grande échelle. Un constat revient, formulé de plusieurs manières.
Le premier porte sur l'écart entre la technologie et le travail réel. Un praticien qui suit le marché des déploiements s'interroge publiquement sur le nombre d'entreprises ayant réellement engagé une stratégie IA « non pas pour coder ou pour des chatbots, mais des applications d'assistant pour les tâches quotidiennes » — en notant que les nouveaux développements, en particulier les agents, sautent par-dessus la façon dont on travaille réellement. Autrement dit : la course à la fonctionnalité a pris de l'avance sur la question, plus prosaïque, de l'usage quotidien.
Le deuxième porte sur l'ancrage dans les workflows existants. Des spécialistes de la data résument l'observation qui revient le plus souvent : l'IA d'entreprise fonctionne le mieux quand elle s'insère dans les flux de travail que les gens utilisent déjà. Le même mouvement s'observe chez tous les éditeurs : les assistants qui gagnent du terrain sont ceux branchés directement sur les outils que les équipes utilisent chaque jour — le CRM, l'ERP, la messagerie, l'outil de tickets — et non ceux qui imposent un onglet de plus à ouvrir.
Le troisième est le plus concret pour un dirigeant : un assistant utile commence par les données de l'entreprise. Un architecte de ces déploiements en environnement Microsoft décrit la structure qui marche, et elle n'a rien de mystérieux : on part des sources de données et de connaissances métier — bases SQL, SharePoint, documents internes, API maison, données ERP et CRM, bibliothèques de procédures, systèmes de tickets. L'assistant ne crée pas la valeur ; il la révèle, à condition d'avoir accès à ce que l'entreprise sait déjà.
Ces trois signaux convergent vers un constat sobre : même les organisations dotées de moyens considérables ne tirent de valeur d'un assistant IA qu'à partir du moment où elles le branchent sur leurs données et l'insèrent dans des process identifiés. Une PME, qui n'a ni la DSI ni le budget d'un grand groupe, a tout intérêt à apprendre cette leçon avant d'acheter deux cents licences.
Pourquoi neuf assistants sur dix finissent en logiciel fantôme
L'adoption brute, elle, n'a jamais été aussi élevée. France Num (baromètre DGE 2025, 11 021 répondants) mesure que 26 % des TPE-PME utilisent l'IA en 2025, contre 13 % en 2024 — un doublement en un an. Bpifrance, dans sa note de conjoncture de janvier 2026, va plus loin : 55 % des TPE-PME déclarent utiliser l'IA générative fin 2025, contre 31 % fin 2024. Mais derrière ces chiffres se cache une réalité moins flatteuse : dans l'immense majorité des cas, cet « usage » se résume à quelques collaborateurs qui ouvrent un assistant dans un onglet pour reformuler un mail ou résumer un compte rendu. Utile, mais sans effet sur un compte de résultat.
Quatre études publiées entre juillet 2025 et début 2026 cernent le même écart.
- MIT Project NANDA — The GenAI Divide (juillet 2025). Sur 300 déploiements analysés, 95 % n'apportent aucun retour mesurable. Surtout, le taux de succès atteint 67 % pour les solutions achetées chez un spécialiste contre 33 % pour les développements internes — deux fois plus de chances de réussir en s'appuyant sur un partenaire qu'en bricolant seul.
- Gartner (juillet 2025). Au moins 30 % des projets GenAI seront abandonnés après le POC d'ici fin 2025, et plus de 40 % des projets d'IA agentique d'ici fin 2027.
- S&P Global (2025). 42 % des entreprises ont abandonné la majorité de leurs initiatives IA en 2025, contre 17 % un an plus tôt — un effondrement de la patience d'exécution en douze mois.
- McKinsey — State of AI 2025 (1 993 répondants, 105 pays). 88 % des organisations utilisent l'IA, mais seules 39 % constatent un impact mesurable sur l'EBIT et 5,5 % un impact supérieur à 5 %.
Le dénominateur commun ? Le projet a démarré par l'outil disponible, pas par le process à améliorer. Distribuer un assistant IA à toute l'entreprise reproduit cette erreur à grande échelle : chaque salarié reçoit un outil puissant, mais personne ne lui dit quelle tâche coûteuse et répétitive attaquer en priorité, ni comment on saura que ça a marché. Le résultat n'est pas l'échec spectaculaire — c'est le logiciel fantôme : 8 % d'adoption réelle, beaucoup de reformulation de mails, et aucune ligne du P&L qui bouge.
La vraie ligne de partage : l'assistant générique contre l'assistant ancré
Un assistant IA générique — celui qu'on obtient en activant un abonnement et rien de plus — ne connaît rien de votre entreprise. Il ne sait pas comment vous calculez une marge, quelles sont vos conditions de paiement fournisseurs, où se trouve la dernière version d'un contrat-cadre, ni quelle procédure s'applique à une réclamation client. Il répond donc de façon plausible mais générale, et l'utilisateur, après quelques essais décevants, retourne à ses habitudes. C'est le mécanisme exact du logiciel fantôme.
L'assistant qui change la donne est celui ancré dans le patrimoine de l'entreprise : ses documents, ses bases, ses procédures, ses systèmes métier. Techniquement, cela passe par des connexions sécurisées à vos sources (ce que les éditeurs appellent RAG, retrieval-augmented generation, ou par des connecteurs vers vos applications). Concrètement, cela transforme l'assistant : il cesse de réciter des généralités et commence à répondre sur votre réalité — « voici les trois contrats arrivant à échéance ce trimestre », « voici l'écart de marge sur cette gamme par rapport à l'an dernier », « voici la procédure applicable, datée du mois dernier ».
Citation à retenir. Un assistant IA générique répond sur le monde ; un assistant ancré répond sur votre entreprise. C'est tout l'écart entre un gadget que personne ne rouvre et un outil que vos équipes réclament.
C'est ce que nous appelons chez Nymphar.AI la logique bottom-up : on ne part pas du modèle d'IA le plus impressionnant, on part des process opérationnels et des données qu'ils produisent. Un assistant qui aide réellement un magasin, un atelier ou une direction financière n'est pas un assistant « plus intelligent » — c'est un assistant qui a accès au bon contexte. Nos clients du retail l'ont déployé sur des cas précis : une plateforme IA interne branchée sur leurs données métier, ou un assistant IA en magasin qui répond aux équipes terrain sur les procédures, les stocks et les gammes. Dans les deux cas, l'assistant n'a pas remplacé l'humain — il lui a donné, en quelques secondes, une réponse qui prenait avant plusieurs minutes de recherche.
La méthode bottom-up pour un assistant IA réellement utilisé
Faire d'un assistant IA un outil adopté ne tient pas à la technologie ; cela tient à l'ordre dans lequel on procède. Voici la séquence que nous appliquons.
1. Cartographier les process, pas les fonctionnalités
On part des tâches qui coûtent du temps et de l'argent : où vos équipes cherchent-elles de l'information, recopient-elles des données, attendent-elles une réponse ? Cette cartographie identifie en général entre cinq et quinze tâches où un assistant ancré ferait une différence mesurable. C'est exactement l'objet de notre méthode et d'un audit IA : produire une roadmap chiffrée plutôt qu'une intention.
2. Choisir trois à cinq cas, pas trente
L'erreur inverse du déploiement massif est la dispersion. On retient trois à cinq cas à fort retour, on les sert correctement, on mesure — puis on étend. La discipline du périmètre restreint est ce qui distingue les déploiements qui survivent au POC de ceux que Gartner voit abandonnés.
3. Ancrer l'assistant dans vos données
Pour chaque cas retenu, on connecte l'assistant aux sources pertinentes — et seulement à celles-là, avec les bons droits d'accès. C'est l'étape que la licence ne fournit jamais et qui fait toute la valeur. C'est aussi celle qui réclame le plus de soin côté sécurité (voir plus bas).
4. Mesurer, puis industrialiser
Un cas n'est validé que s'il déplace une métrique : temps de traitement, taux d'erreur, délai de réponse, coût. Sans mesure, on ne sait pas distinguer l'usage tiède de l'usage utile — et c'est précisément ce que 95 % des projets ne font pas.
Cette progression — cartographie, périmètre restreint, ancrage, mesure — n'est pas un projet informatique lourd. C'est ce que nous déroulons dans un Workshop Découverte d'une journée (2 500 €) qui produit la cartographie et la roadmap, puis, pour les organisations qui veulent installer l'usage dans la durée, dans des Sessions d'intelligence IA mensuelles (800 € par mois) — parce que l'adoption d'un assistant est un apprentissage continu, pas un POC ponctuel.
Sécurité, souveraineté et le cas Mistral
Ancrer un assistant dans les données de l'entreprise déplace immédiatement la question de la sécurité au premier plan. Trois risques se cumulent.
D'abord, la fuite de données : un assistant grand public peut, selon le forfait, exploiter les contenus saisis. La bascule minimale pour un usage professionnel est un forfait Business ou Enterprise, où les données ne servent pas, par contrat, à entraîner les modèles. Ensuite, le sur-partage (oversharing) : un assistant branché trop largement sur vos systèmes peut exposer à un collaborateur des informations auxquelles il n'a normalement pas accès — d'où l'importance des droits d'accès, cas par cas. Enfin, la dépendance : confier l'ensemble de son patrimoine informationnel à un fournisseur unique, souvent extra-européen, est une décision stratégique qui mérite mieux qu'un clic.
C'est là qu'intervient le mouvement de souveraineté qui structure le marché français en 2026. L'émergence d'acteurs européens comme Mistral, avec Le Chat et ses offres entreprise, répond précisément à cette inquiétude : disposer d'un assistant IA performant dont les données restent en Europe, sous un cadre juridique maîtrisé. Pour une PME ou une ETI qui manipule des données sensibles — RH, juridique, R&D —, ce critère pèse autant que la performance brute. Nous l'avons développé dans notre guide sur la souveraineté numérique pour PME et ETI : le bon assistant n'est pas le plus connu, c'est celui dont vous contrôlez la donnée.
Citation à retenir. Choisir un assistant IA souverain n'est pas un acte militant : c'est une décision de gestion des risques. La donnée que vous lui confiez ne revient jamais en arrière.
Combien coûte un assistant IA en entreprise, et en combien de temps voit-on un effet ?
Quel assistant IA choisir pour une PME ?
Celui qui se branche le plus simplement sur vos outils existants et dont vous maîtrisez le traitement des données. Pour une entreprise déjà sous Microsoft 365, Copilot réduit les frictions ; pour un besoin de souveraineté, Le Chat de Mistral mérite l'examen ; pour un usage conversationnel polyvalent, ChatGPT Business reste une référence. Le choix de la marque importe moins que la qualité de l'ancrage : un assistant moyen bien connecté à vos données bat un assistant excellent qui ne connaît rien de vous.
Combien ça coûte vraiment ?
La licence (de l'ordre de 20 à 30 € par utilisateur et par mois pour les forfaits professionnels) n'est que la partie visible. Le coût réel d'un assistant qui crée de la valeur inclut la cartographie des cas d'usage, l'ancrage dans les données, le paramétrage des droits d'accès et la conduite du changement. C'est précisément parce que ce coût « caché » est le vrai déterminant du ROI qu'un audit préalable évite d'acheter cher un usage qui ne décollera pas.
En combien de temps voit-on un effet ?
Sur un cas bien choisi et bien ancré, les premiers gains mesurables apparaissent en quelques semaines — le temps de connecter les bonnes sources et de roder l'usage auprès des équipes. Ce qui prend du temps, ce n'est pas la technologie ; c'est l'adoption. D'où l'intérêt d'un accompagnement dans la durée plutôt que d'un déploiement « big bang » suivi d'un silence.
Ce que Nymphar.AI apporte concrètement
Notre conviction tient en une phrase : le client n'achète pas un assistant IA, il achète une capacité à faire mieux, plus vite ou moins cher. Là où un cabinet Big Four facture un audit IA 150 000 à 300 000 € sur trois à six mois pour livrer un PowerPoint, nous tenons un Workshop d'une journée (2 500 €) qui produit une roadmap chiffrée, puis nous installons l'usage : Sessions mensuelles (800 € par mois) pour ancrer l'adoption, expertise Better Call à la demande (1 500 € par mois) quand un sujet précis bloque, et, pour ceux qui veulent exécuter et non seulement analyser, un retainer tout-en-un avec ingénieur dédié.
Le point commun de ces formats : ils partent de vos process et de vos données, pas d'une démonstration d'outil. Un assistant IA n'a de valeur que branché sur votre réalité — et c'est ce branchement, pas l'abonnement, qui sépare un investissement rentable d'une dépense de confort. Si vous hésitez sur le point de départ, parlons-en : une heure suffit souvent à distinguer les deux ou trois cas qui valent la peine du reste qui peut attendre.
Pour aller plus loin sur le « par où commencer », voir aussi notre guide comment utiliser l'IA en entreprise.
Sources et signaux
Sources institutionnelles. INSEE, enquête TIC entreprises 2024 (taux d'usage de l'IA). France Num / DGE, baromètre 2025. Bpifrance Le Lab, juin 2025 ; Bpifrance, note de conjoncture janvier 2026. MIT Project NANDA, The GenAI Divide, juillet 2025. Gartner, communiqués juillet 2025. S&P Global Market Intelligence, 2025. McKinsey, The State of AI 2025.
Signaux praticiens (2026). Observations publiques de praticiens et de spécialistes data sur l'écart entre fonctionnalités et usage quotidien, l'ancrage dans les workflows existants et la nécessité de partir des données métier — recueillies en juin 2026 et liées en hypertexte dans la section « Sur le terrain ».