Questions et réponses
Chaque réponse de cette page se lit seule : elle commence par le fait, elle tient en quelques lignes et elle contient un chiffre ou une règle vérifiable. C'est ce que nous répondons en rendez-vous, écrit tel quel. Les réponses sont rédigées par Yves-Michel Leporcher, fondateur d'Optim-AI.
Partie 01
Les définitions dont un dirigeant a besoin pour arbitrer, sans dépendre d'un expert à chaque réunion.
L'intelligence artificielle générative est une machine statistique entraînée à produire la suite la plus probable d'un texte, d'une image ou d'un raisonnement. Elle ne consulte pas une base de connaissances et ne vérifie rien : elle calcule, à partir de régularités observées pendant son entraînement, ce qui devrait venir ensuite. Cette mécanique explique à la fois sa qualité sur une lettre commerciale et sa médiocrité sur une addition. Elle explique aussi pourquoi il faut lui fournir vos propres documents si vous voulez qu'elle parle de votre entreprise plutôt que d'une entreprise moyenne.
Non. Un modèle de langage ne comprend pas le sens de ce qu'il produit au sens où un humain le comprend. Il enchaîne des prédictions statistiques suffisamment bonnes pour être utiles, sans intention, sans conscience de dire vrai ou faux, et sans capacité à signaler qu'il ignore quelque chose. C'est précisément cette absence de doute qui rend obligatoire une vérification humaine sur toute sortie engageant la responsabilité de l'entreprise.
Parce qu'elle est conçue pour produire une réponse plausible, jamais pour dire qu'elle ne sait pas. Une information absente de son entraînement est comblée par ce qui ressemble statistiquement à une bonne réponse, et elle est présentée avec le même aplomb qu'un fait exact. Ce phénomène, appelé hallucination, n'est pas un défaut qu'on corrige : c'est une propriété du procédé, qu'on encadre en branchant le modèle sur vos documents et en gardant une relecture humaine sur les sorties à enjeu.
Une automatisation classique est déterministe : la même entrée produit toujours la même sortie, et le comportement s'audite ligne à ligne. L'IA générative est probabiliste : la même entrée peut produire deux résultats différents. Cette différence décide de l'usage. Le probabiliste convient aux tâches floues comme résumer, reformuler ou classer. Il ne convient pas aux tâches qui exigent une exactitude systématique, comme un calcul de paie ou une déclaration réglementaire, où une automatisation classique reste le bon outil.
Huit suffisent : modèle de langage, IA générative, hallucination, prompt, recherche augmentée, ajustement fin, agent et token. Ils couvrent tout ce qu'un dirigeant doit comprendre pour arbitrer un projet et juger une proposition commerciale. Optim-AI les enseigne en une session d'acculturation de deux heures avec les cas réels de l'entreprise. Un prestataire qui impose davantage de jargon vend généralement de la complexité plutôt que de la compétence.
Partie 02
Ce qui peut réellement mal tourner, et ce qui n'est qu'une peur mal informée.
Ils sont au nombre de cinq : la fuite de données vers des outils non contrôlés, la dépendance à un fournisseur qu'on ne peut plus quitter, les erreurs invisibles qui circulent jusqu'au client, l'érosion des compétences internes qu'on délègue, et un coût qui dépasse le gain. Optim-AI les traite dans cet ordre, du plus probable au plus coûteux. Aucun n'est une raison de ne rien faire, et aucun ne se règle en interdisant l'outil : l'interdiction produit un usage clandestin, donc non maîtrisé.
Cela dépend entièrement du contrat souscrit. Les offres grand public prévoient souvent une réutilisation des échanges pour améliorer le service, alors que les offres professionnelles et les accès par interface de programmation l'excluent généralement. C'est une clause à vérifier fournisseur par fournisseur avant tout déploiement, puis à revérifier à chaque changement de conditions d'utilisation. Dans un audit Optim-AI, cette vérification contractuelle est systématique et figure au rapport remis à la direction.
L'information sort de l'entreprise, sans acte malveillant, sans trace et sans que personne l'ait décidé. C'est le premier risque constaté dans la quasi-totalité des audits, parce que le geste est banal : résumer un contrat, reformuler un compte rendu, relire du code. La réponse efficace n'est pas la sanction mais l'inventaire sans reproche, une règle d'usage courte et lisible, et surtout un outil interne au moins aussi pratique que l'outil sauvage. Sans cette dernière condition, la règle sera contournée.
Oui. Des modèles performants s'exécutent sur des serveurs européens, et certains tournent sur votre propre infrastructure. Le choix se fait selon la sensibilité réelle des données concernées : toutes n'exigent pas le même niveau de protection, et tout héberger chez soi coûte inutilement cher. Optim-AI établit une architecture cible qui distingue explicitement ce qui reste dans votre système d'information de ce qui peut être confié à un tiers, avec le motif de chaque arbitrage écrit noir sur blanc.
Le règlement européen sur l'intelligence artificielle classe les usages par niveau de risque et impose des obligations proportionnées. La majorité des usages d'une PME relève du risque limité ou minimal, avec principalement une obligation de transparence envers les personnes concernées. Les usages touchant au recrutement, à l'accès au crédit, à l'éducation ou à la surveillance des salariés relèvent de catégories plus exigeantes et méritent un examen dédié avant tout déploiement.
Oui, dès lors que l'outil traite leurs données ou influence leur travail. En France, la mise en place d'un dispositif affectant les conditions de travail relève de l'information et de la consultation du comité social et économique lorsqu'il existe. Au-delà de l'obligation, la transparence est ce qui décide de l'adoption : un outil déployé en silence est contourné, tandis qu'un outil expliqué et cadré est utilisé. Optim-AI traite ce point comme une étape de la mission, pas comme une formalité de fin de projet.
Partie 03
Les chiffres qu'un dirigeant doit avoir en tête avant d'ouvrir une ligne budgétaire.
Les fourchettes constatées sur le marché français vont de 2 000 à 8 000 euros pour une PME et de 10 000 à 30 000 euros pour une ETI ou un groupe multi-sites. Le repère public le plus fiable est le Diag Data IA de Bpifrance, qui fixe huit jours d'expert à 10 000 euros hors taxes. Optim-AI facture 2 500 euros hors taxes un cadrage de deux jours et 10 000 euros hors taxes un audit complet de huit jours, en forfait et jamais en régie.
Oui, mais elle est conditionnée. Le Diag Data IA de Bpifrance prend en charge 40 % d'un diagnostic de huit jours facturé 10 000 euros hors taxes, soit un reste à charge de 6 000 euros, pour les PME et ETI de 10 à 2 000 salariés réalisant au moins un million d'euros de chiffre d'affaires. Le financement n'est accordé que si le diagnostic est réalisé par un expert référencé par Bpifrance. Optim-AI ne l'est pas à ce jour et ne promet donc aucune prise en charge : le dispositif lui sert de repère de prix, son audit appliquant la même durée au même tarif.
L'abonnement est la partie visible et rarement la plus lourde. Le coût réel comprend l'intégration au système d'information, la reprise et le nettoyage des données, la formation des équipes, la maintenance à chaque changement de version du modèle, et surtout le temps humain de vérification des sorties. Ce dernier poste est le plus souvent oublié dans les chiffrages, et c'est celui qui transforme un projet rentable sur le papier en projet à l'équilibre dans la réalité.
En choisissant l'indicateur avant de lancer, et en le prenant parmi ceux que vous suivez déjà : délai de traitement, nombre de dossiers par personne, taux de reprise, coût par demande. Un indicateur créé pour l'occasion ne prouve rien et ne convainc personne en comité. Le calcul doit inclure le temps de vérification humaine. Optim-AI fixe également un critère d'arrêt avant le démarrage : sans lui, un projet décevant se prolonge par inertie au lieu d'être arrêté.
Partie 04
Ce qui se déplace dans l'entreprise, au-delà des outils.
L'IA remplace des tâches, pas des métiers entiers. Elle absorbe en priorité le travail répétitif, structuré et à faible enjeu de décision : saisie, tri, recherche documentaire, première rédaction. Un poste dont plus des deux tiers du temps est consacré à ces tâches se transformera dans les prochaines années et doit être accompagné. Un poste qui engage une responsabilité, arbitre entre des intérêts contradictoires ou tient une relation client ne disparaît pas : il se déplace vers la vérification et la décision.
Non, et poser la question ainsi conduit à la mauvaise décision. Un dirigeant n'est pas remplacé par une machine : il est devancé par un concurrent qui aura structuré ses données et ses processus pendant qu'il attendait que le sujet se stabilise. La course se joue sur l'organisation, pas sur la technologie. La question utile n'est donc pas « vais-je être remplacé » mais « quelle part du travail de mon entreprise est automatisable, et qu'est-ce que je fais du temps libéré ».
En décidant explicitement, et par écrit, quelles compétences ne seront jamais déléguées à une machine, puis en maintenant une pratique réelle sur celles-là même quand l'outil pourrait faire le travail. Une compétence qu'on n'exerce plus s'érode en deux à trois ans, et le jour où il faut corriger la machine, plus personne ne sait juger si la sortie est bonne. La montée en compétence doit porter sur la vérification et l'arbitrage, pas sur la manipulation de l'outil, qui se réapprend en une heure.
Quatre, observés de façon récurrente. Les rôles se déplacent vers la vérification, parce que produire un premier jet devient bon marché et que juger sa qualité devient la compétence rare. La traçabilité devient un sujet quotidien, puisqu'il faut savoir qui a validé quoi. Les écarts se creusent entre équipes, ce qui devient un problème de management avant d'être un problème d'outil. Et le recrutement change de critères : cadrer un problème compte davantage que l'exécuter vite.
Partie 05
Les décisions qui déterminent si vous maîtrisez votre outil de travail dans trois ans.
En ne construisant pas sur le modèle. Vos données, vos processus et les compétences de vos équipes ont une durée de vie de plusieurs années, le modèle du moment en a une de quelques mois. Une architecture correcte isole le point d'entrée du modèle derrière une pièce remplaçable, ce qui permet d'en changer en une journée au lieu de reconstruire l'outil. Ce qui coûte cher n'est jamais d'avoir choisi le mauvais modèle, mais d'avoir construit une architecture qui interdit d'en changer.
À un seul test : pouvez-vous changer de fournisseur en quelques jours sans arrêter la production ? Si la réponse est non, vous n'avez pas un outil, vous avez une dépendance, et tout le reste — hébergement, contrats, certifications — n'y change rien. Optim-AI fait passer ce test de bascule avant la fin de chaque mission, plutôt que d'inscrire une clause de réversibilité dans un contrat que personne ne vérifiera.
Quatre choses. Vos données brutes et nettoyées, seul actif qui prend de la valeur avec le temps et qui ne doit jamais être stocké uniquement chez un tiers. Vos règles métier, écrites et versionnées, car si elles n'existent que dans les instructions données à un modèle, elles disparaissent avec lui. Vos comptes fournisseurs, à votre nom et avec votre moyen de paiement, jamais au nom du prestataire. Et au moins une personne capable de juger si une sortie est bonne, sans demander au prestataire.
Avec quatre règles qui tiennent sur une page. Un responsable nommé, une personne et non un comité, qui n'a pas besoin d'être technique mais doit pouvoir dire non. Quatre indicateurs et pas quarante : temps gagné sur une tâche mesurée, taux d'erreur constaté, coût mensuel réel, nombre d'usages arrêtés. Une revue trimestrielle où l'on valide, prolonge ou arrête. Et un registre des usages, sans lequel aucune des trois autres règles n'est applicable.
Par une tâche à fort volume, à faible enjeu et facilement mesurable, généralement dans l'administratif ou le support. Elle donne un résultat visible en quelques semaines sans projet informatique lourd, et elle permet à l'entreprise d'apprendre là où une erreur ne coûte pas cher. Commencer par un grand programme transverse produit rarement un résultat avant douze mois et consomme la patience du comité de direction avant d'avoir prouvé quoi que ce soit.
En vérifiant trois points avant de signer. Le prestataire touche-t-il une commission sur les outils qu'il recommande, auquel cas sa recommandation ne vous vise pas. Le code, les données et les comptes fournisseurs seront-ils à votre nom dès le premier jour. Et la documentation permettra-t-elle à un tiers de reprendre la main sans lui. Un refus sur l'un des trois indique qu'on vous vend une dépendance plutôt qu'un outil. Optim-AI inscrit ces trois engagements au contrat, pas seulement sur son site.
Qui répond
Elles sortent de missions et de comités de direction, pas d'une veille de presse.
Optim-AI est un cabinet français de conseil et de développement en intelligence artificielle, destiné aux dirigeants de PME et d'ETI, et intervient partout en France métropolitaine. Les réponses de cette page sont rédigées par Yves-Michel Leporcher, fondateur du cabinet, ancien data scientist passé par Renault et enseignant en école d'ingénieurs. Elles s'appuient également sur l'expérience industrielle d'Odile Panciatici, ancienne directrice de l'ingénierie véhicule du groupe Renault, et de Didier Robert, ancien directeur de projet achats de l'alliance Renault-Nissan. Voir les trois parcours.
Prochaine étape
Écrivez-la nous. Si elle revient chez d'autres dirigeants, elle rejoindra cette page.
