Cas client · SaaS B2B — RH / SIRH
Comment un éditeur SaaS RH français est sorti de la paralysie IA en moins de 2 mois.
6 mois de discussions internes sans décision. Une concurrence US qui annonçait déjà ses fonctionnalités IA. Une équipe avec 30 idées, sans méthode pour trier. C'est l'histoire d'un éditeur SaaS RH français de 30-50 salariés qui a transformé son dilemme stratégique en plan d'action exécuté — sans Big 4, sans recruter de Head of AI, sans dépenser 200 k€.
Secteur
SaaS B2B · SIRH
Taille
PME · 30-50 salariés
CA
1-5 M€
Mission
~4 mois · en cours
Chapitre 1 · Le contexte
Un éditeur français du SIRH historique, face à une concurrence US qui prend une longueur d'avance.
Cet éditeur français est un acteur reconnu du Système d'Information RH — recrutement, gestion des talents, évaluation, formation. Il accompagne depuis plus d'une décennie des centaines d'entreprises françaises et européennes, à travers une plateforme SaaS modulaire utilisée chaque jour par des DRH, des responsables formation, et des consultants RH.
Au début 2026, l'équipe est composée de 30 à 50 collaborateurs : un noyau produit-tech solide, une équipe customer success qui connaît les clients, un département commercial qui suit les renouvellements et l'acquisition. Le CA tourne autour de 1-5 M€. La rentabilité est là, le produit fonctionne, les clients sont fidèles.
Mais le marché change. Vite.
Les concurrents américains — bien financés, plus agressifs sur le marketing — annoncent les uns après les autres leurs fonctionnalités IA générative : analyse automatique des entretiens, chatbots de support, copilots de rédaction de fiches de poste, scoring de candidats. Le positionnement « nous aussi on fait de l'IA » devient rapidement un standard implicite dans les RFP et les démos commerciales.
Côté équipe interne, le sujet est ouvert depuis longtemps. Tout le monde voit passer les démos d'OpenAI, Mistral, Anthropic. Les développeurs expérimentent ChatGPT au quotidien. Le Head of Product a une dizaine d'idées de cas d'usage en tête. Le CEO suit le sujet de loin mais sait qu'il faut « faire quelque chose ».
La plupart des clients DRH commencent à demander, en RDV ou dans les réunions de comité utilisateurs : « et chez vous, qu'est-ce qui est prévu côté IA ? ». Pour l'instant, la réponse oscille entre « on y travaille » et « on a des choses dans les cartons ». Pas de date. Pas de roadmap. Pas de fonctionnalité concrète.
Chapitre 2 · Le déclencheur
6 mois de discussions internes sans décision. Le moment où ils nous ont appelés.
Pendant les 6 mois précédant notre prise de contact, l'équipe a tourné autour du sujet IA sans réussir à trancher. Trois symptômes typiques de la paralysie IA en éditeur logiciel.
Trop d'idées, pas de priorité
Chaque membre de l'équipe avait sa propre liste de cas d'usage. Le Head of Product imaginait un copilot de rédaction. Le CTO voulait automatiser l'analyse des questionnaires. Le commercial parlait de chatbot client. Aucune idée plus crédible qu'une autre — faute de méthode d'évaluation partagée.
Asymétrie d'information
Le CEO ne savait pas ce qui était techniquement faisable — les modèles disponibles, les coûts d'infra, la conformité. La tech ne savait pas ce qui était commercialement vendable — la valeur perçue par les clients. Le produit était au milieu, sans pouvoir trancher en l'absence d'expertise externe.
Risque d'avancer mal
Démarrer sur le mauvais cas d'usage, dépenser 6 mois et 50 k€ pour une fonctionnalité que personne n'utilise — comme tant d'éditeurs SaaS qu'on voit chaque trimestre dans les retours d'expérience LinkedIn. Mieux ne rien faire que faire mal, par défaut.
« On en parle en comité de direction depuis 6 mois. Tout le monde sait qu'il faut bouger. Mais à chaque fois, on revient sur la question : on fait quoi en premier ? Et personne n'a la réponse. On a peur de se tromper, alors on temporise. »
— Le CEO, lors de notre premier appel de cadrage
C'est précisément à ce moment qu'ils nous ont contactés. Pas pour qu'on développe un POC IA — ils savaient déjà comment construire un POC, leur équipe tech est solide. Mais pour débloquer la décision. Mettre une méthode sur la table, qualifier les idées, hiérarchiser, et produire un plan que tout le monde puisse défendre en comité. Pour passer des intuitions au plan d'action.
Notre proposition : un workshop IA structuré sur une journée, suivi d'une roadmap 12 mois et d'un premier projet en production sous 8 semaines. Sans engagement long-terme. Sans cadre Big 4 surdimensionné. Format compatible avec leur taille (PME) et leur vélocité (équipe agile).
Ils ont accepté trois jours après notre proposition.
Chapitre 3 · Le workshop, jour J
Une journée, cinq parties prenantes, trente idées sur la table.
Le workshop a eu lieu sur leur site, dans une salle de réunion équipée d'un grand tableau blanc et d'un écran. Cinq personnes autour de la table côté client. Notre équipe en face : CEO Nymphar.AI + un AI Engineer senior. La journée avait été préparée en amont par un questionnaire de 12 questions envoyé une semaine avant — chacun avait remonté ses pain points et ses idées de cas d'usage.
Qui était dans la salle (côté client)
Le CEO
Vision business, monétisation, positionnement face à la concurrence
Le CTO
Faisabilité technique, intégration plateforme, dette technique
Le Head of Product
Roadmap produit, hiérarchisation des releases, vision UX
Le lead développeur backend
Architecture, capacité de delivery, contraintes techniques réelles
La responsable customer success
Voix du client : ce que les DRH demandent vraiment, ce qui les agace, ce qui les rendrait fans de la plateforme
Cette composition n'est pas un hasard. Pour un workshop IA en éditeur SaaS, il faut les cinq voix critiques : business, tech, produit, delivery, client. Sans une seule, on rate quelque chose. Avec une personne en plus, on dilue la décision et on prolonge inutilement.
Le déroulé de la journée — heure par heure
Tour de table & cadrage des règles du jeu
Présentation des participants, rappel du contexte, validation des objectifs. Surtout : poser le cadre méthodologique. « On va passer en revue toutes vos idées. On ne va en éliminer aucune sans l'avoir évaluée sur 4 axes. À la fin de la journée, on aura un plan partagé, pas un avis. » Cette précision a immédiatement détendu l'équipe — chacun avait peur que ses idées soient balayées.
Brainstorming structuré — sortir toutes les idées de la tête
Chaque participant présente ses pain points opérationnels (à partir du questionnaire amont) et ses idées de cas d'usage IA. On note tout au tableau, sans filtrer. Au bout de 2h30, le tableau contient 30 idées, regroupées en 6 grandes familles : analyse automatique de questionnaires, copilots de rédaction, chatbots, scoring de candidats, automatisation back-office, génération de synthèses. Aucune n'a été éliminée.
Évaluation idée par idée sur 4 axes
Le cœur du workshop. Pour chaque idée, scoring en temps réel sur les 4 axes méthodologiques. C'est notre AI Engineer senior qui apporte l'expertise sur la faisabilité tech et qui démine les fausses bonnes idées (« ce serait possible mais ça demande 6 mois et 80 k€ »), et le CEO Nymphar qui apporte l'expertise sur l'impact business sectoriel (« ce cas d'usage marche bien chez d'autres éditeurs SaaS qu'on accompagne »).
Axe 1
Faisabilité technique
Axe 2
Impact business / monétisation
Axe 3
Effort de développement
Axe 4
Dépendances inter-projets
Hiérarchisation finale & choix du premier projet
Sur les 30 idées, 8 émergent avec un scoring élevé sur les 4 axes. Le reste est soit reporté à plus tard (impact intéressant mais effort démesuré), soit abandonné (faible impact ou redondant). Ensemble, on identifie un premier projet candidat : l'analyse automatique des questionnaires d'évaluation. Validé par les cinq participants en 15 minutes.
Le moment AHA
« Vers 15h, on a tous compris qu'on n'était pas en train de choisir le meilleur cas d'usage. On était en train d'apprendre une méthode pour trancher. »
C'est ce que le CTO a dit à la pause de l'après-midi. Un déclic important : la valeur du workshop ne tient pas à quelle idée on choisit. Elle tient au fait que l'équipe construit ensemble un cadre de décision réutilisable. À l'issue de la journée, l'équipe sait comment évaluer la prochaine idée IA qui arrivera dans 3 mois — sans nous, sans refaire toute la démarche.
Chapitre 4 · La roadmap 12 mois
8 projets IA, classés, datés, chiffrés. Avec un premier projet à démarrer sous 14 jours.
Cinq jours après le workshop, on a remis la roadmap 12 mois. Format : un document Notion partagé de 25 pages, structuré pour servir à la fois de pilotage stratégique pour le comité de direction et de plan d'exécution pour la tech.
La roadmap couvre 8 projets IA prioritaires, organisés en 4 trimestres avec dépendances cartographiées. Chaque projet contient : description fonctionnelle, scoring sur les 4 axes, budget estimatif en jours-homme, ROI attendu, risques techniques, prérequis.
Aperçu de la roadmap (extraits)
Agent IA d'analyse de questionnaires d'évaluation RH
Premier projet retenu. Détaillé chapitre suivant.
Copilot de rédaction de fiches de poste
S'appuie sur l'infrastructure RAG construite au Q1. Génère des fiches conformes aux guidelines client + référentiel ROME.
Synthèses automatiques d'entretiens annuels
Réutilise l'extracteur d'entités du Q1 + ajoute la synthèse comparative multi-entretiens.
Chatbot d'assistance interne pour les administrateurs RH
RAG sur la base de connaissance produit. Réduit le ticket support niveau 1.
4 projets supplémentaires (scoring de candidats, génération de plans de formation, etc.)
Détaillés en sprint planning dès la fin du Q3, en fonction des résultats des trois premiers.
Pourquoi cet ordre ? Trois logiques s'imbriquent :
- Effet réseau : chaque projet utilise une partie de l'infrastructure du précédent (RAG, anonymisation, monitoring). Les coûts marginaux décroissent à chaque cycle.
- ROI cumulatif : le premier projet est celui qui prouve la méthode aux yeux de l'équipe interne. Les suivants capitalisent sur cette confiance.
- Conformité progressive : on commence par le cas d'usage de plus faible risque AI Act, on étend progressivement vers les cas plus encadrés (scoring de candidats = haut risque AI Act).
Chapitre 5 · Le premier projet
Agent IA d'analyse des questionnaires d'évaluation RH. En production en 8 semaines.
Le cas d'usage prioritaire identifié au workshop : automatiser l'analyse des questionnaires d'évaluation RH que la plateforme produit pour ses clients DRH.
Avant nous : les consultants RH (côté client) recevaient les questionnaires bruts — souvent 30 à 100 réponses par campagne, avec des questions ouvertes qui demandaient une lecture attentive. Ils analysaient manuellement, identifiaient les thèmes récurrents, repéraient les signaux faibles (mécontentement, alertes RH), produisaient une synthèse pour le DRH. Délai typique : 3 à 5 jours ouvrés. Subjectivité variable selon le consultant. Pas scalable face à la croissance du nombre de clients.
Après nous : un agent IA produit cette analyse en 30 secondes, avec un niveau de qualité jugé équivalent par les consultants RH eux-mêmes. L'agent extrait les thèmes, identifie les signaux faibles, anonymise les données personnelles avant traitement, et produit la synthèse formatée. Le consultant RH conserve le rôle de validation finale et de contextualisation client — on automatise l'extraction, pas le jugement.
Chapitre 6 · La conformité
RGPD et AI Act intégrés dès la conception. Pas en option, pas en V2.
Pour un éditeur SaaS RH français, la conformité n'est pas un sujet accessoire. Les données traitées (réponses de salariés à des questionnaires d'évaluation) sont par nature sensibles : RGPD strict, vigilance accrue des DPO clients, et bientôt AI Act qui impose la documentation des systèmes IA en contexte RH.
Notre choix : intégrer la conformité dès la première version, pas en patch ex-post. Cela coûte ~15 % d'effort en plus sur le projet initial. Mais ça évite les six mois de refonte qu'on voit chez les éditeurs qui ont commencé par le « MVP rapide » avant d'ajouter la conformité.
RGPD
- Anonymisation native des PII avant tout traitement par le LLM
- Registre de traitement complet, mis à jour à chaque release
- Hébergement zone UE (pas de transfert hors-UE pour les données client)
- Audit log de toutes les transformations + rétention 12 mois
- Mécanisme de droit à l'oubli : suppression sous 30 jours
- DPIA conduite avec le DPO de l'éditeur en amont du delivery
AI Act
- Classification du système (risque limité — obligations de transparence)
- Documentation finalité, base d'entraînement, limites connues
- Mention explicite à l'utilisateur final qu'il interagit avec un système IA
- Mécanisme de supervision humaine (validation par consultant RH)
- Recours utilisateur : possibilité de demander une analyse humaine
- Roadmap conformité pour le passage à l'AI Act haut risque (cas Q4 du scoring de candidats)
Cette conformité native a permis à l'éditeur d'intégrer la fonctionnalité IA dans son argumentaire commercial dès le premier jour de mise en production — y compris auprès de clients DRH dont les DPO exigent des garanties renforcées. Sans cette base de conformité, l'agent IA aurait été un risque commercial autant qu'un atout.
Chapitre 7 · Les résultats
De la paralysie à la production. En moins de 2 mois.
4 sem
pour produire la roadmap 12 mois
Avec scoring ROI sur chaque cas d'usage et premier projet identifié pour exécution immédiate.
< 2 mois
de paralysie → action
Passage d'une discussion bloquée depuis 6 mois à un plan d'action partagé et démarré.
8 sem
premier agent IA en production
Live sur 3 clients pilotes, branché sur la plateforme existante via API REST.
~30 s
vs 3-5 jours auparavant
Pour produire l'analyse d'un questionnaire d'évaluation. Qualité jugée équivalente à l'analyse humaine.
Conformité native
RGPD + AI Act intégrés dès la conception. Argumentaire commercial validé par DPO.
Différenciation produit
Fonctionnalité IA déployée face à la concurrence US, intégrée dans le discours commercial.
Méthode capitalisée
L'équipe interne sait désormais évaluer la prochaine idée IA sans nous.
Chapitre 8 · Pour vous projeter
Vous reconnaissez votre situation dans cette histoire ?
Ce cas n'est pas isolé. Sur les 12 derniers mois, nous avons accompagné plusieurs éditeurs SaaS et PME dans des situations de paralysie IA très similaires. Voici les profils qui se retrouvent typiquement dans ce schéma — et pour qui la méthode produit le plus de valeur.
Vous vous reconnaissez si...
- Vous dirigez un éditeur SaaS, une ETI ou une PME, et l'IA est sur la table de votre comité de direction depuis 3-12 mois sans décision claire
- Votre équipe a des idées (parfois beaucoup), mais aucune méthode pour les hiérarchiser de manière partagée
- Vous avez une asymétrie d'information entre vous (business), la tech, et le produit — chacun voit le sujet sous son angle
- Vous voulez une roadmap actionnable, pas un livrable Big 4 de 120 slides à 200 k€
- La conformité RGPD et AI Act fait partie de vos contraintes fortes (santé, RH, finance, secteur public)
Ce n'est pas pour vous si...
- × Vous êtes un grand groupe CAC 40 avec 50+ data engineers internes et un budget IA de plusieurs millions
- × Vous cherchez un développement à façon sur un cas d'usage déjà cadré (un freelance senior suffira)
- × Votre projet IA prioritaire est déjà en production et vous cherchez juste de l'optimisation ponctuelle
- × Vous voulez de la R&D fondamentale ou du fine-tuning de modèles propriétaires à partir de millions d'exemples
Vous voulez sortir de votre paralysie IA ?
Comme cet éditeur SaaS RH, vous pouvez passer de 6 mois de discussions internes à un plan d'action exécuté en moins de 2 mois. Le workshop découverte est sans engagement et le livrable est exécutable, qu'on travaille ensemble par la suite ou non.
Voir aussi
D'autres transformations livrées
Industrie
Groupe d'ingénierie transport (mondial)
Donner accès aux outils IA générative aux équipes, sans exposer la donnée à un service grand public américain
Lire le casIndustrie — métallurgie zinc
Groupe industriel européen
Fiabiliser et automatiser les décisions opérationnelles d'un site industriel après 40 ans de pilotage Excel
Lire le casLuxe — parfumerie haut de gamme
Maison de luxe internationale
Construire un Référentiel Client Unique 360° pour une maison de luxe omnicanale
Lire le cas