Dans une PME industrielle, les exemples d'intelligence artificielle qui tiennent en production ne touchent presque jamais la machine. Ils touchent les papiers qui tournent autour. Un devis client lu et chiffré sur l'historique de fabrication. Un bon de commande extrait et déposé dans l'ERP. Une notice technique interrogée en langage courant par un technicien. Un mail de SAV classé et traité avant l'ouverture de l'atelier.
La maintenance prédictive occupe toute la place dans les articles sur le sujet. Elle demande des capteurs, un historique de pannes et un budget que la plupart des PME n'engageront pas cette année. Tandem accompagne plus de 50 entreprises sur l'automatisation de leurs processus, dont des fabricants. Les projets qui se remboursent le plus vite partent du bureau avant de gagner la ligne de production.
Quels exemples d'IA tournent vraiment dans une PME industrielle ?
Cinq flux concentrent l'essentiel de la valeur chez un fabricant. Ils partagent une caractéristique. Leur matière première est un document qui arrive déjà tous les jours, par mail, par formulaire ou par portail, et qu'une personne lit puis recopie ailleurs.
- Les devis entrants. L'IA lit la demande, la rapproche du catalogue et propose un premier chiffrage appuyé sur les affaires passées.
- Les commandes et l'administration des ventes. Elle extrait les lignes d'un bon de commande ou d'une facture et les dépose dans l'outil de gestion.
- La documentation technique. Elle retrouve la bonne procédure dans des milliers de plans et de notices, en citant le document d'origine.
- Le support et le service après-vente. Elle répond aux demandes répétitives et prépare le dossier des cas techniques.
- La veille appels d'offres. Elle surveille les portails publics, repère les avis pertinents et les résume pour la décision.
Pourquoi l'industrie démarre par le bureau avant l'atelier
Le retard de l'industrie manufacturière se comble vite. Dans l'enquête TIC de l'Insee publiée en juillet 2026, la part des entreprises manufacturières utilisant au moins une technologie d'IA passe de 7 % à 17 % en un an. La moyenne française est à 18 %, tous secteurs confondus. L'industrie a donc plus que doublé en douze mois tout en restant sous la moyenne, ce qui veut dire que les premiers déploiements sont encore des différenciateurs.
La taille compte autant que le secteur. L'Insee mesure 15 % d'usage chez les entreprises de 10 à 49 salariés et 31 % chez celles de 50 à 249 salariés. De son côté, le baromètre France Num a été publié en septembre 2026 par la Direction générale des Entreprises, sur plus de 9 000 répondants. Il relève 40 % de TPE et PME utilisatrices, et 53 % chez les seules PME. Seules 19 % passent par une solution payante. Beaucoup d'entreprises industrielles sont donc entrées par l'outil gratuit du quotidien, sans projet structuré derrière.
Le devis, premier chantier d'une PME industrielle
Le devis est le flux le plus souvent cité par les dirigeants de PME industrielles, pour une raison simple. Il est long, il demande un sachant, et une réponse tardive coûte l'affaire. Chiffrer une pièce sur mesure mobilise des heures de bureau d'études avant même de savoir si le client achètera.
EIST, une entreprise lyonnaise de chaudronnerie, de tôlerie et d'équipements industriels sur mesure, a réduit ce temps de deux heures à dix minutes. Dans son témoignage France Num publié en juin 2026, son dirigeant raconte un projet mené sur six à huit mois, piloté en interne avec son assistante, avec un accompagnement de la Région Auvergne-Rhône-Alpes. L'outil analyse les fichiers 3D des pièces et prédit les phases de fabrication, les temps de production, les coûts matière et le prix final à partir de l'historique de l'entreprise.
Nous avons déployé la même logique en sens inverse chez un fabricant de menuiseries. Dans le cas de FPV Industries, chaque devis PDF entrant est lu, rapproché du catalogue, puis transformé en fichier d'intégration pour l'ERP maison. Trente secondes par devis, pour environ 15 centimes de coût de traitement, sur une grille de près de mille lignes de règles métier. Le parti pris mérite d'être souligné, car le workflow ne recalcule aucun prix. La tarification reste dans l'ERP du fabricant, qui en garde la maîtrise. Nous avons détaillé la mécanique dans notre guide sur l'automatisation des devis.
Commandes et ADV, lire le document puis remplir l'ERP
Une PME industrielle reçoit chaque jour des bons de commande, des accusés de réception, des factures fournisseurs et des bordereaux de livraison. Les formats changent d'un client à l'autre. Une personne lit, comprend et ressaisit. C'est le poste où le copier-coller est le plus visible et le plus facile à chiffrer.
La stack que nous déployons sur ce cas est stable depuis deux ans. Un déclencheur se pose sur la boîte mail ou le dossier partagé. Un moteur de lecture transforme le document en texte exploitable. Un petit modèle extrait les champs utiles, puis les envoie vers l'outil cible. Je détaillais cette architecture dans mon édition de newsletter consacrée aux cas d'usage classiques en entreprise. Le coût de traitement unitaire tombe sous les 5 centimes par document sur une extraction simple.
Retrouver une information dans la documentation technique
Un fabricant accumule des plans, des gammes, des fiches de sécurité, des procédures qualité et des notices de machines achetées il y a vingt ans. Un technicien qui cherche la bonne révision d'un plan perd un temps considérable. Les études situent autour de 30 % la part du temps de travail consacrée à chercher de l'information.
La réponse tient en un assistant interne connecté aux dossiers partagés, à l'outil de gestion et à la messagerie, qui répond en citant le document source et sa date. Le respect des droits d'accès existants conditionne l'acceptation. Une personne ne doit pas voir par l'assistant ce qu'elle ne voit pas dans le dossier. Comptez autour de 29 euros par mois et par utilisateur pour une solution du marché, relevé en octobre 2026. Le temps de recherche se divise par dix sur les questions courantes.
Le support client et les demandes entrantes d'un fabricant
Un industriel qui vend à des distributeurs ou à des installateurs reçoit beaucoup de questions répétitives. Disponibilité d'une référence, délai de fabrication, pièce détachée compatible, état d'une commande. Sur l'ensemble de nos missions de support, une demande sur trois environ relève de ce registre simple.
Le calcul se pose avant le déploiement, et il se pose en coût par demande. Une équipe de support qui traite plus d'un millier de demandes par mois arrive à un coût unitaire de l'ordre de quelques dizaines d'euros, charges comprises. Une résolution par un agent IA se compte en dizaines de centimes. Le ratio se voit à l'œil nu, mais il ne vaut que sur les demandes dont la réponse existe déjà quelque part. Une question d'application produit sur un chantier repart vers un technicien, toujours.
Faut-il un agent IA ou un simple workflow ?
C'est la question qui fait perdre le plus de temps aux PME industrielles. La réponse est presque toujours le workflow. Je l'écrivais dans mon post sur les agents en octobre 2025 : la quasi totalité des cas d'usage déployés en entreprise sont des workflows, et c'est très bien ainsi. Un agent autonome est non déterministe, difficile à tester sans un jeu de données exhaustif et peu contrôlable. Dans une usine, ces trois caractéristiques posent un problème de responsabilité avant de poser un problème technique.
| Niveau | Ce qui décide | Exemple dans l'usine |
|---|---|---|
| Automatisation simple | Des règles écrites, aucun modèle | Un accusé de réception envoyé à chaque commande |
| Workflow IA | Des règles, et un modèle sur une étape précise | La lecture d'un bon de commande avant saisie |
| Agent IA | Le modèle choisit lui-même ses étapes | La préparation d'un dossier d'appel d'offres |
L'agent garde sa place quand la tâche est réellement ouverte et que le résultat se relit. La réponse à un appel d'offres en fait partie, nous en avons décrit le fonctionnement dans notre article sur l'agent IA d'appel d'offres. Pour tout le reste, un workflow piloté coûte moins cher, se teste et se corrige.
Ce qu'un industriel doit préparer avant de commencer
Le travail préalable porte sur la donnée, et il dure plus longtemps que la mise en place de l'outil. Chez EIST, il a fallu nettoyer les données issues de l'ERP, structurer les nomenclatures, associer les fichiers 3D aux historiques de production et consolider les gammes de fabrication. Le dirigeant le résume en une phrase que tout industriel devrait afficher au mur : « Si la donnée n'est pas propre, l'outil ne sera pas fiable. » Le financement existe pour amortir cette phase, nous avons détaillé le Diag Data IA de Bpifrance et ses conditions.
Le second réflexe est d'accepter de changer de cible en cours de route. Setic Pourtier, fabricant roannais de machines pour l'industrie du câble qui emploie 85 personnes, a démarré son projet sur la maintenance prédictive. Le retour des clients a été mitigé. L'entreprise a fait pivoter le projet vers le suivi de la qualité des câbles produits, et c'est cette version qui a trouvé son marché. Sophie Rondepierre, chef de service, raconte le parcours dans un témoignage vidéo réalisé avec la DREETS Auvergne-Rhône-Alpes. Le sujet le plus vendu du secteur servait mal cette entreprise.
Quels exemples d'IA dans l'industrie engager en premier ?
Commencez par le document qui arrive le plus souvent et qui repart en saisie manuelle. Dans neuf PME industrielles sur dix, c'est le devis ou le bon de commande. Le volume est mesurable, la règle de validation est évidente, et le résultat se voit en semaines plutôt qu'en trimestres.
Gardez la maintenance prédictive pour plus tard, quand l'historique de pannes sera exploitable. Gardez l'agent autonome pour les tâches réellement ouvertes. Et traitez la préparation des données comme le vrai projet, parce que c'est elle qui décide du résultat. Tandem construit ces flux en automatisation sur mesure et intervient régulièrement sur des chaînes documentaires proches de celles du bâtiment, décrites sur notre page secteur BTP.
