Utiliser une IA ne signifie pas disposer d’une automatisation fiable : il faut encore relier la tâche aux bons documents, contrôler ses actions et traiter les échecs. Le rapport final France Num 2026, page 54, distingue 40 % de TPE-PME utilisant l’IA et 9 % déclarant l’automatisation des tâches, sur l’ensemble des entreprises interrogées, et non sur les seuls utilisateurs d’IA.
Pour un dirigeant, la question utile est concrète : le résultat arrive-t-il dans le bon dossier sans que quelqu’un doive reconstituer tout le travail à la main ? Un résumé obtenu dans une conversation peut être utile. Un système exploitable doit aussi permettre de savoir d’où viennent les informations, ce qui a été enregistré et qui reprend les cas incomplets.
Les repères pour décider
- Lire les chiffres comme des usages déclarés, pas comme des preuves de rentabilité.
- Choisir un seul résultat métier et une personne responsable de son acceptation.
- Tester les documents manquants et les interruptions avant de laisser le système agir régulièrement.
Ce que mesure vraiment le baromètre
Le PDF final daté du 2 octobre 2026 présente une enquête de la Direction générale des Entreprises (DGE), réalisée avec le Crédoc, auprès de 9 655 entreprises, menée du 23 mars au 18 avril 2026. Les données sont « redressées » : les réponses reçoivent des poids différents pour tenir compte de la taille, du secteur et de la région des entreprises dans la population étudiée. La page 54 porte sur l’échantillon total : le taux d’automatisation n’est pas calculé seulement parmi les utilisateurs d’IA.
Le même graphique, page 54, attribue 14 % à l’analyse et la classification de documents, 11 % à l’analyse de données, la prévision et l’optimisation des ressources, et 9 % à l’automatisation des tâches. Ce sont trois catégories différentes. Elles ne mesurent ni le nombre d’automatisations autonomes, ni leur fiabilité, ni le résultat financier de chaque entreprise.
L’analyse de documents est la catégorie la plus proche du rapprochement entre un bon de livraison et sa commande décrit plus bas. La page 54 du rapport distingue aussi les PME : 53 % utilisent l’IA, 22 % déclarent analyser ou classer des documents et 15 % automatiser des tâches. Pour un dirigeant de vingt salariés, ces repères sont plus proches de son entreprise que la moyenne regroupant TPE et PME ; ils ne décrivent pas exclusivement les entreprises de vingt salariés.
« Utilisez-vous des outils d’Intelligence Artificielle au sein de votre entreprise, à des fins professionnelles ? »
DGE et Crédoc, Baromètre France Num 2026, question reproduite page 54.
On ne peut pas davantage lire l’écart entre usage et automatisation comme un retard que toutes les entreprises devraient combler. Certaines tâches gagnent à rester manuelles. Le baromètre sert ici à poser une question sur l’organisation du travail, pas à imposer un objectif d’équipement.
Les chiffres de l’Insee présentés dans notre article sur le diagnostic Osez l’IA ne sont pas directement comparables : l’année observée, le champ des entreprises et la formulation de la question diffèrent. Un écart ne prouve donc pas à lui seul une progression ou un retard.
Quatre étapes, avec une preuve à chaque passage
Apport Origin : cette échelle propose de suivre un travail réel plutôt qu’un nombre d’abonnements. Elle décrit une méthode de mise en service ; elle ne constitue pas une classification issue de l’enquête.
- Un résultat produit à la demande. Une personne transmet un document et obtient une réponse. La preuve attendue est simple : elle peut comparer le résultat à la pièce d’origine et expliquer ce qui est correct ou manquant.
- Une préparation reliée aux documents. Le système retrouve les pièces autorisées et prépare le résultat au bon endroit. La preuve devient une référence vers chaque document utilisé, avec les manques signalés.
- Une action après validation. Un responsable vérifie le résultat avant son enregistrement ou son envoi. Pour le bon de livraison, il valide les références et les quantités du brouillon avant son enregistrement. Si une quantité change ensuite, il doit revoir cette nouvelle version.
- Un fonctionnement suivi. Les dossiers incomplets, interruptions et dépenses sont visibles. La personne responsable sait arrêter le traitement et reprendre chaque cas sans répéter une action déjà réalisée.
Ces étapes permettent de formuler une demande de réalisation précise. « Résumer les bons de livraison dans une conversation » et « préparer un rapprochement avec la commande puis l’enregistrer après accord » ne nécessitent pas le même système. Notre décomposition d’un agent utilisé en production développe les éléments à relier.
Cas appliqué fictif : rapprocher une livraison et sa commande
Imaginons une PME qui reçoit des bons de livraison par courriel. Aujourd’hui, une personne copie leur contenu dans une IA pour repérer les différences avec la commande. La cible pourrait être un brouillon de rapprochement dans le dossier fournisseur, avec la commande, le bon reçu et les lignes à vérifier.
Le premier essai utilise des copies de documents autorisées. Il doit faire apparaître une quantité absente, une référence illisible et une livraison partielle. Quand la commande n’est pas retrouvée, le traitement laisse le dossier en attente au lieu d’en déduire que tout est conforme. Aucun stock n’est corrigé et aucun paiement n’est déclenché à ce stade.
La personne responsable compare ensuite le brouillon aux pièces. Si elle accepte l’enregistrement, le système conserve la référence du dossier créé. Une coupure après cet enregistrement pose un autre problème : avant de recommencer, il faut vérifier si le dossier existe déjà. Notre procédure de reprise sans créer de doublon détaille cette situation.
L’équipe peut tenir un relevé simple : dossiers reçus, acceptés sans correction, corrigés, laissés en attente et incidents de reprise. Elle ajoute le temps de contrôle et la dépense des outils. Ce relevé permet de choisir entre poursuivre l’essai, corriger une étape ou conserver le traitement manuel. Aucun gain n’est présumé.
FAQ
Comment lire le chiffre d’automatisation ?
Le PDF final, page 54, affiche 9 % pour l’automatisation des tâches et 11 % pour l’analyse de données, la prévision et l’optimisation. Il faut conserver le libellé associé à chaque chiffre.
Une validation humaine empêche-t-elle d’automatiser ?
Non. La préparation et le classement peuvent être automatisés tout en gardant une décision humaine avant l’action engageante. L’enjeu est de savoir précisément ce qui est validé.
Quand peut-on parler d’un système exploitable ?
Quand l’équipe peut contrôler le résultat, retrouver les actions faites, traiter les exceptions et arrêter le fonctionnement. Une démonstration réussie sur un document ne suffit pas à établir ces conditions.
Sources
- France Num : rapport final du Baromètre 2026, version du 2 octobre 2026, méthodologie page 6 et usages de l’IA page 54, lues le 20 octobre 2026.
Article préparé avec assistance IA. Le cas de livraison est fictif ; aucun résultat client Origin n’est revendiqué.