38 % des dirigeants d’ETI ont déjà lancé des programmes de formation à l’IA. Le signal est clair : la phase d’exploration cède la place aux déploiements concrets, avec des premières vagues d’industrialisation dans la relation client et le SAV. Deux cas d’usage, chez Garance et Fermob, illustrent ce basculement, épaulés par Salesforce, tandis que l’écosystème public et privé français se structure pour accélérer.

L’IA dans les ETI françaises : cap sur les compétences et le passage à l’échelle

Après plusieurs années d’initiatives pilotes menées par de grands groupes, les ETI françaises basculent dans une approche plus opérationnelle. D’après le baromètre Future Ready du METI et d’EY, 38 % des dirigeants d’ETI ont enclenché des programmes de formation dédiés. Cette priorité pédagogique n’est pas anecdotique : elle conditionne le passage à l’échelle, surtout lorsque les ressources humaines et financières ne sont pas illimitées.

La trajectoire observée dans les ETI est pragmatique. Les équipes évitent le big bang technologique au profit de chantiers ciblés : automatisations à fort effet de levier, intégrations rapides sur des processus clients ou de maintenance, et rationalisation des flux de données. L’objectif n’est pas l’expérimentation pour l’expérimentation, mais la création de valeur mesurable, à court et moyen terme.

Ce mouvement s’accompagne d’une montée en compétences transversale. Les directions métiers se familiarisent avec les outils augmentés, les DSI renforcent les capacités d’intégration et de sécurité, et la gouvernance se professionnalise. Les partenaires technologiques, à l’image de Salesforce, jouent un rôle d’appui sur l’orchestration des cas d’usage, l’interopérabilité via MuleSoft et l’introduction d’agents conversationnels avec Agentforce.

Chiffres à retenir en France

• 38 % des dirigeants d’ETI ont lancé des formations à l’IA.
• 10 % des entreprises établies en France utilisaient au moins une technologie d’IA en 2024, +4 points sur un an (INSEE, Insee Première n°2061).
• 590 start-up IA identifiées, dont 16 licornes, et 1,5 Md€ d’aides publiques en 2022, selon la DGE.

Écosystème et soutien public : capteurs de croissance pour l’IA made in France

La dynamique des ETI s’inscrit dans un environnement national structuré. La Direction générale des Entreprises</strong recense un vivier de 590 start-up dédiées à l’IA, dont 16 licornes, et mentionne 1,5 milliard d’euros d’aides publiques en 2022 pour soutenir l’innovation. Cette profondeur de marché facilite l’accès à des briques technologiques adaptées aux besoins sectoriels, de la vision par ordinateur à l’automatisation des tâches répétitives.

En septembre 2025, la DGE a lancé le programme Pionniers de l’intelligence artificielle, afin d’accélérer l’intégration de l’IA dans le tissu productif avec une attention particulière portée aux ETI et aux PME. L’objectif est de stimuler des premières industrialisations sur des périmètres ciblés, et de consolider la compétitivité industrielle en France (DGE).

La diffusion de l’IA est particulièrement visible dans la production, la maintenance et la supply chain, segments où la réduction des délais, la qualité opérationnelle et la maîtrise des coûts constituent des vecteurs immédiats de compétitivité. Les analyses économiques publiées récemment par Les Echos soulignent cette adoption progressive, tirée par des gains opérationnels observables et par la nécessité de résilience des chaînes d’approvisionnement.

Dans les entreprises, « utiliser l’IA » recouvre une grande variété d’usages. Exemples courants :

  • Classification et extraction d’informations sur documents pour accélérer KYC, souscription ou facturation.
  • Agents conversationnels pour orienter ou résoudre des demandes clients, internes ou partenaires.
  • Recommandations personnalisées basées sur l’historique d’achats, de tickets ou d’interactions.
  • Détection d’anomalies en maintenance ou en qualité, à partir de séries temporelles ou d’images.
  • Aide à la décision via la synthèse automatisée de données hétérogènes, présentée aux équipes.

Ces cas d’usage s’implantent rapidement lorsqu’ils reposent sur des données fiables et une intégration soignée avec le SI existant.

Cas d’usage opérationnels dans les ETI : relation client, SAV et intégration

Deux ETI françaises illustrent la priorité donnée aux cas d’usage à forte visibilité client et au traitement industrialisé des flux. Le point commun : une chaîne outil-procédés-données alignée, afin de mesurer l’impact sur les délais, la qualité de service et l’efficience des équipes.

Garance : stratégie et résultats

Garance, mutuelle d’épargne, a déployé des automatisations sur des étapes critiques du parcours client, appuyée par les solutions Salesforce. Les composants mobilisés, dont MuleSoft et Agentforce, structurent un enchaînement de processus qui accélère la souscription et fiabilise les opérations courantes.

  • Reconnaissance documentaire automatisée sur les pièces de souscription, avec extraction d’informations pertinentes pour réduire les délais de vérification.
  • Changement de RIB intégralement pris en charge par l’IA, sans intervention humaine, pour limiter les erreurs et fluidifier la mise à jour des moyens de paiement.
  • Agent de qualification des demandes entrantes, qui oriente chaque requête en fonction de sa complexité et du meilleur canal de traitement.

Résultat : un gain de temps tangible pour les conseillers et une expérience client plus fluide, comme le confirment des communications récentes de Salesforce et les analyses publiées par Maddyness le 23 octobre 2025. La logique d’industrialisation s’appuie sur un socle de données maîtrisé, afin d’éviter les dérives de qualité et de simplifier la traçabilité des décisions algorithmiques.

La qualification en amont évite l’engorgement et le ping-pong entre équipes. Trois apports concrets :

  • Routage intelligent vers le bon niveau de traitement pour accélérer la résolution.
  • Prise en compte du contexte client et de l’historique pour personnaliser les réponses.
  • Capacité à détecter les cas sensibles ou réglementaires, à prioriser et à alerter.

En pratique, c’est la meilleure assurance pour tenir des SLA sans multiplier les ressources.

Fermob : transformation du SAV

Fermob, fabricant de mobilier outdoor design, a fait évoluer son service après-vente avec Agentforce de Salesforce. L’entreprise a déployé un agent conversationnel dédié au SAV, couvrant l’entretien et les réparations, avec une volumétrie désormais supérieure à 500 conversations par mois, contre 80 via les formulaires traditionnels auparavant.

  • Agent SAV pour capter et résoudre les demandes courantes, documenter les cas et orienter les sollicitations plus complexes.
  • Assistant de recommandation produit pour guider les choix des consommateurs, en complément des canaux existants.
  • Module interne de suggestions aux équipes SAV, fondé sur l’historique des cas similaires, afin d’accélérer le traitement et d’harmoniser les réponses.

Cette réorganisation place le canal digital au centre de la relation de service. Les résultats, présentés par Maddyness le 7 octobre 2025, confirment le rôle pionnier de Fermob parmi les ETI qui s’approprient l’IA sur des cas d’usage concrets, avec des indicateurs de charge et d’adoption faciles à suivre dans le temps.

Pourquoi ces deux cas parlent aux ETI

• Processus ciblés, avec un volume suffisant pour justifier l’investissement et mesurer rapidement l’impact.
• Intégrations maîtrisées dans le SI via MuleSoft, limitant les ruptures de données.
• Agents IA encadrés pour des tâches bien définies, assortis d’un dispositif de supervision métier.

Gouvernance, conformité et risques : sécuriser les projets IA en entreprise

La montée en cadence met la gouvernance au premier plan. Une ETI ne peut pas multiplier les pilotes sans cadre de contrôle. Les directions juridiques, DPO et DSI consolident des référentiels qui concilient innovation et maîtrise des risques, avec des règles robustes sur la qualité et la traçabilité des données. La confidentialité et la sécurité s’ancrent dans l’architecture même des projets.

Sur le plan réglementaire, le référentiel s’articule autour de la CNIL, de l’ANSSI et de la conformité à La RGPD. Les principes clés restent stables : minimisation des données, information des personnes, sécurité adaptée aux risques, documentation de la logique de traitement. La gouvernance d’IA implique aussi des mécanismes d’auditabilité pour reconstituer une décision algorithmique si nécessaire, en particulier dans les interactions clients.

La contractualisation avec les fournisseurs technologiques doit anticiper la réversibilité, la localisation des données et la gestion des sous-traitants. Des SLA précis, assortis d’indicateurs de disponibilité et de support, protègent l’exploitation en régime de croisière. Les ETI qui réussissent cette étape gagnent en sérénité pour accélérer ensuite les déploiements.

Pour des agents IA en contact client, trois éléments facilitent l’audit :

  • Journalisation des versions de modèles et des prompts utilisés, avec horodatage.
  • Conservation des sources de données consultées, dans le respect des politiques internes.
  • Approbation humaine en surplomb pour les actions sensibles, assortie d’un workflow de validation.

Ces garde-fous réduisent le risque opérationnel et facilitent la conformité, sans freiner l’innovation.

Modèle opérationnel et ROI : comment les ETI structurent leurs déploiements

La clé d’un ROI défendable tient à l’alignement entre la donnée, le process et l’outil. Les ETI qui avancent vite ont mis en place des boucles courtes : un cas d’usage priorisé, une source de données fiable, une intégration SI propre et un retour d’expérience mesurable.

Dans la pratique, trois chantiers s’avèrent décisifs :

  • Qualité et disponibilité de la donnée : référentiels à jour, gestion des droits d’accès, enrichissement ciblé plutôt que massif.
  • Intégration et orchestration : interconnexions stables avec le CRM, l’ERP et les référentiels, pour éviter les silos et les ressaisies.
  • Supervision et amélioration continue : métriques d’usage, suivi de la satisfaction, revue régulière des prompts et des règles de routage.

Parce qu’elles opèrent avec des équipes resserrées, les ETI privilégient des partenaires capables d’outiller rapidement ces chaînes. Les plateformes qui offrent un continuum données-process-agents, à l’image de Salesforce avec Agentforce et MuleSoft, fluidifient la phase d’industrialisation.

KPI utiles pour piloter un projet IA en production

• Taux d’automatisation par type de demande, avec seuils de déclenchement d’une revue humaine.
• Délai médian de traitement avant/après intégration, distingué par canal.
• Taux d’escalade vers un conseiller et taux de résolution au premier contact.
• Volume de données consultées par agent IA et conformité aux politiques d’accès.

Avant un déploiement, une due diligence contractuelle ciblée s’impose :

  • Clauses de SLA détaillant disponibilité, support, pénalités et continuité d’activité.
  • Réversibilité et portabilité des données, avec format de restitution documenté.
  • Localisation des données et listing des sous-traitants, avec leurs responsabilités.
  • Mécanismes d’audit et de remontée d’incidents de sécurité, délais de notification.
  • Politique de mises à jour et de compatibilité ascendante, calendrier de fin de vie.

Ce socle sécurise l’exploitation, tout en préservant la capacité à arbitrer ou à changer d’échelle.

Impacts sectoriels : production, maintenance et supply chain en première ligne

Au-delà de la relation client et du SAV, la diffusion de l’IA s’accélère sur les métiers industriels. La priorisation se fait là où l’effet de levier est le plus net : maintenance conditionnelle, détection d’écarts qualité, prévision de charge, suivi logistique. Le résultat recherché est double : fiabilité accrue et réduction des coûts non productifs.

Dans les ateliers et entrepôts, les cas d’usage à l’étude ou en déploiement s’articulent généralement autour de quatre axes :

  • Prédiction et alerte sur des signaux faibles, grâce à l’analyse de capteurs et de séries temporelles.
  • Vision par ordinateur pour le contrôle qualité, la sécurité ou l’inventaire.
  • Optimisation du planning et de l’ordonnancement, compatibilisée avec les contraintes matérielles et humaines.
  • Assistance aux opérateurs par des interfaces qui contextualisent les procédures et la documentation.

Les contributions des médias économiques rappellent que ces chantiers, engagés par des entreprises françaises, visent des résultats mesurables dans la production et la chaîne logistique. Les ETI, contraintes par des marges de manœuvre financières plus étroites que celles des grands groupes, sélectionnent quelques processus clés pour capter rapidement les gains, avant d’étendre.

Pourquoi l’écosystème public compte pour les ETI

• Les aides et appels à projets réduisent le coût d’entrée sur des sujets comme l’automatisation et la maintenance prédictive.
• Les programmes dédiés, tels que « Pionniers de l’intelligence artificielle », accélèrent l’émergence de pilotes industrialisables.
• La cartographie DGE des start-up IA facilite le sourcing de solutions au plus près des besoins métiers.

Un nouvel équilibre entre technologie et compétitivité

Les initiatives menées par Garance et Fermob confirment le tournant pris par les ETI : l’IA devient un levier de performance opérationnelle, activé par des cas d’usage ciblés et soutenu par des partenaires technologiques capables d’intégrer et de sécuriser rapidement les déploiements. L’écosystème français, porté par la DGE et une communauté d’acteurs spécialisés, densifie l’offre et ouvre des voies d’industrialisation.

La prochaine étape se jouera sur la capacité à standardiser les bonnes pratiques, à maintenir un haut niveau de qualité de données et à consolider des indicateurs de résultat partagés entre DSI et métiers. C’est à ce prix que les ETI pourront transformer l’essai et ancrer durablement l’avantage compétitif lié à l’IA.

Les ETI françaises ne se contentent plus d’explorer l’IA : elles l’exécutent, la mesurent et la gouvernent, pour gagner en vitesse et en fiabilité.