Prenons le dirigeant d’un bureau d’ingénieurs de 45 personnes qui paie depuis un an des licences d’IA. La rédaction va plus vite, quelques collaborateurs utilisent les outils chaque jour, mais la manière dont le travail circule dans l’entreprise n’a pas bougé. Le dirigeant soupçonne qu’il existe une version plus ambitieuse, sans avoir la moindre image de ce qu’elle donne dans une entreprise de taille comparable.
Cette image manquante est le vrai problème, et il se règle à moindre coût que ne le pensent la plupart des dirigeants. Si vous cherchez où l’IA a sa place dans vos opérations, notre travail de stratégie IA commence par l’observation de la façon dont des entreprises comparables organisent leur travail, avant que quiconque choisisse un outil.
Pour repenser le modèle opérationnel avec l’IA, l’apport le plus utile peut être un exemple bien choisi de la manière dont un pair a réorganisé son travail, et une expérience de terrain auprès de 515 startups est l’un des rares tests randomisés qui l’expliquent. Cet article présente ce que cette expérience a fait, ce qu’elle ne peut pas dire à une PME, et une méthode concrète pour réunir et lire des exemples de pairs en Suisse.
Note de périmètre : pour comprendre pourquoi un outil plaqué sur l’existant plafonne, lisez Pourquoi greffer l’IA sur d’anciens processus mène à un plafond. Pour l’exercice de cartographie lui-même, voyez la cartographie des workflows pour l’IA.
Ce que l’expérience de l’INSEAD a réellement fait
L’étude est un document de travail de Hyunjin Kim, Dahyeon Kim et Rembrand Koning, intitulé “Mapping AI into Production: A Field Experiment on Firm Performance” et référencé par l’INSEAD sous le numéro 2026/20/STR. Selon le résumé de l’INSEAD, 515 startups à forte croissance y ont participé.
Les auteurs décrivent la difficulté centrale comme un problème de cartographie : repérer où l’IA crée de la valeur dans la production d’une entreprise est un goulet d’étranglement majeur. Leur traitement visait précisément ce point. Les entreprises traitées ont appris comment d’autres avaient réorganisé leur production autour de l’IA, ce qui les a incitées à chercher des cas d’usage dans davantage de fonctions.
Le protocole, d’après la synthèse du HBS AI Institute
Les détails du protocole ci-dessous proviennent de la synthèse du HBS AI Institute et non de l’article complet. Selon cette synthèse, les deux groupes ont reçu les mêmes crédits API, l’accès aux modèles de pointe et la même formation technique. La seule différence tenait à ce que chaque groupe voyait en plus.
- Groupe traité : des études de cas d’entreprises nées avec l’IA qui réorganisent leurs workflows, leurs équipes et leurs modèles d’affaires.
- Groupe de contrôle : des ateliers d’entrepreneuriat général.
La même synthèse décrit un programme d’environ 10 semaines.
Pourquoi ce protocole compte-t-il ? Parce que le groupe de contrôle n’était pas privé d’IA. Tout le monde disposait des outils et de la formation. Ce qui différait, c’était l’exposition à des exemples de travail réorganisé, soit exactement la variable qu’un dirigeant peut essayer de reproduire.
Ce qui a changé pour les entreprises qui ont vu les exemples
Le résumé de l’INSEAD rapporte les écarts suivants entre entreprises traitées et entreprises de contrôle :
| Résultat | Écart rapporté |
|---|---|
| Cas d’usage de l’IA identifiés | 44 % de plus, concentrés dans le développement produit et la stratégie |
| Tâches accomplies | 12 % de plus |
| Probabilité d’acquérir des clients payants | 18 % plus élevée |
| Chiffre d’affaires | 1,9 fois supérieur |
| Demande de capitaux externes | 39,5 % plus faible |
| Demande de main-d’œuvre | Inchangée |
Deux détails de ce tableau méritent plus d’attention que les chiffres phares. D’abord, les cas d’usage supplémentaires sont apparus dans le développement produit et la stratégie, des fonctions où un fondateur peut remodeler le travail et pas seulement accélérer une tâche. Ensuite, la demande de main-d’œuvre n’a pas changé. Les entreprises n’ont pas recruté moins de monde. Elles ont tiré davantage des mêmes effectifs, ce qui est une affirmation plus mesurée que le « remplacer le personnel » qui domine les titres sur l’IA.
L’effet se concentre dans la queue haute
Selon le résumé, les gains de chiffre d’affaires et d’investissement étaient les plus marqués à partir du 90e centile. Autrement dit, la moyenne cache une dispersion. Un petit nombre d’entreprises ont beaucoup progressé, et beaucoup ont peu bougé.
Cela correspond à un schéma à garder en tête. Voir un exemple donne une idée à l’entreprise. Qu’elle devienne du chiffre d’affaires dépend de l’équipe, du marché et de la constance dans l’exécution. Pour apprendre à lire les distributions et les définitions dans les données sur l’IA en général, voyez Six statistiques sur l’IA que cite votre conseil d’administration, qui applique les mêmes questions (qui a été mesuré, et comment le succès a été défini) aux titres les plus connus.
Ce que l’essai ne montre pas au dirigeant de PME
L’étude est un travail soigné, mais elle répond à une question plus étroite que celle que se pose un dirigeant. Cinq limites comptent.
- L’échantillon est composé de startups. Les startups à forte croissance ont peu d’inertie organisationnelle. Elles n’ont ni ERP hérité du passé, ni commission du personnel, ni chaîne de validation vieille de 20 ans. Une PME suisse a tout cela.
- Le traitement était l’exposition. L’expérience a testé ce qui se passe quand des entreprises voient comment d’autres se sont réorganisées. Elle n’a pas testé si ces entreprises ont elles-mêmes mené une refonte, ni si une refonte fonctionne.
- Le bloc ne se décompose pas. La synthèse du HBS AI Institute décrit les cas comme un seul traitement, si bien que l’étude ne peut pas dire quel cas ou quelle idée a produit l’effet.
- Le contexte est court et encadré. Un programme d’environ 10 semaines est très loin d’un changement opérationnel de trois ans dans une entreprise industrielle.
- Les gains sont concentrés. Les effets sur le chiffre d’affaires et l’investissement étaient les plus marqués à partir du 90e centile. Un dirigeant ne doit pas s’attendre à ce que le résultat moyen soit le résultat typique.
Rien dans l’essai ne montre qu’une PME suisse établie obtiendrait des gains similaires. Ce qu’il étaye, c’est une affirmation modeste et vérifiable : savoir comment des pairs ont organisé leur travail change ce qu’une entreprise cherche. C’est un argument pour réunir des exemples tôt, et une raison de continuer à juger le résultat sur vos propres chiffres avant et après.
Sept façons pour une PME suisse d’obtenir des exemples de pairs
Aucune ne demande de mandat de conseil. Elles diffèrent par leur coût, par le degré de comparabilité des pairs et par la franchise habituelle des réponses.
Programmes et financements
Le programme du canton de Zurich. Le canton de Zurich a mené, avec le Swiss Data Science Center, un programme d’innovation en IA pour les PME, sur un an à partir de juillet 2025. Selon l’annonce publiée sur ahead-zh.ch, il associait apprentissage entre pairs et prototypage, et il était ouvert aux PME dont le siège est dans le canton ou qui y exercent une activité significative. Une prochaine édition n’est pas confirmée : renseignez-vous auprès de l’organisateur avant de bâtir un plan dessus.
Le chèque d’innovation d’Innosuisse. Le chèque s’élève à CHF 15,000 au maximum et s’adresse aux PME de moins de 250 EPT. Il finance des études de faisabilité, exige un partenaire de recherche suisse, et Innosuisse rémunère le partenaire de recherche, non votre entreprise. C’est donc un moyen d’acheter un regard extérieur et structuré sur un processus. Ce n’est pas une fenêtre sur d’autres entreprises, et il faut une question claire avant de déposer la demande. Vérifiez les conditions en vigueur sur la page d’Innosuisse.
Les réseaux que vous avez peut-être déjà
Les associations professionnelles. Les organisations de branche animent des groupes de travail et des conférences où les membres comparent leurs expériences. Les séances utiles sont les petites, où quelqu’un décrit un processus qui a changé, avec assez de détails pour qu’on puisse l’interroger.
Les clients de référence des fournisseurs. Quand un fournisseur de logiciels ou d’IA propose une solution, demandez deux clients de votre taille, dans un secteur proche, qui l’utilisent depuis au moins six mois. Parlez-leur ensuite sans le fournisseur en ligne. Un fournisseur qui ne peut en citer aucun vous a déjà appris quelque chose.
Les tables rondes de dirigeants. Cinq ou six dirigeants d’entreprises non concurrentes qui se retrouvent chaque trimestre, chacun apportant un processus qui a changé ou n’a pas réussi à changer : la formule est peu coûteuse et efficace. La règle qui la garde honnête est de partager ce qui a mal tourné autant que ce qui a marché.
Les visites structurées. Une heure dans les bureaux ou l’atelier d’un pair, à observer comment une transmission se passe réellement, vous apprend plus qu’une présentation. Envoyez vos questions à l’avance pour que la visite ne tourne pas à la promenade guidée.
Votre propre entreprise
Un cas avant et après d’une page. Décrivez un changement que vous avez déjà opéré, même modeste, dans le format présenté plus bas. Cela vous oblige à établir ce qui a réellement changé, et cela donne au reste de votre équipe un exemple concret venu d’une entreprise qu’elle connaît. Notre guide de cartographie des workflows pour l’IA explique comment construire la carte dont part un bon cas.
Comment lire un exemple : interroger les rôles, les transmissions et les pouvoirs de décision
La plupart des dirigeants posent à leur pair la mauvaise première question : quel outil avez-vous utilisé ? La réponse vieillit en quelques mois et dit peu sur la transposabilité de l’approche à votre entreprise. Une meilleure première question porte sur ce qui a changé dans la répartition du travail entre les personnes et les logiciels.
Quatre questions se transposent bien :
- Rôles. Qui fait le travail aujourd’hui, et que faisait cette personne avant ? Une description de poste a-t-elle changé, ou seulement la boîte à outils ?
- Transmissions. Où un dossier attendait-il autrefois, et où attend-il aujourd’hui ? Quelle transmission a disparu, et laquelle est apparue ?
- Pouvoirs de décision. Quelles validations ont été déplacées, réduites ou supprimées ? Qui peut désormais trancher ce qui exigeait auparavant un responsable ?
- Mesures. Que comptait l’équipe avant le changement, et que compte-t-elle après ? Le délai de traitement, le taux d’erreur et le coût par dossier sont les candidats habituels.
Posez ensuite la question qui garde l’exercice honnête : que feriez-vous autrement si vous recommenciez ? Les pairs qui ont mené une refonte ont généralement une réponse claire, et c’est souvent la minute la plus précieuse de l’échange.
Un modèle d’une page pour votre propre cas
Si vous rédigez votre propre page avant et après, gardez-la assez courte pour que vos collègues la lisent. Un format qui fonctionne :
| Champ | Ce qu’il faut écrire |
|---|---|
| Processus | Le nom du processus et l’équipe qui en est responsable |
| Avant | Étapes, rôles, endroits où les dossiers attendaient, un chiffre de référence |
| Ce qui a changé | Rôles, transmissions, pouvoirs de décision, données à l’entrée |
| Après | Le même chiffre de référence, mesuré de la même façon |
| Ce qui exige encore une personne | Les étapes de jugement restées humaines |
| Ce que nous changerions | Une correction franche |
Rédigées une fois pour chaque changement, ces pages forment peu à peu une petite bibliothèque interne. Elle vaut la peine pour une raison pratique : les dirigeants ont tendance à faire plus confiance aux exemples de leur propre maison qu’à tout ce qu’ils entendent depuis la scène d’une conférence, et une bibliothèque de cinq ou six pages donne à un nouveau projet un point de départ qu’aucune étude externe ne peut fournir.
Là où les exemples de pairs induisent en erreur
Les exemples sont un apport bon marché, et les apports bon marché ont leurs modes de défaillance.
Le biais du survivant. Les pairs partagent volontiers ce qui a marché. Interrogez-les explicitement sur le pilote abandonné. Tout ensemble de cas est un échantillon trié.
Le décalage de contexte. Un changement qui réussit dans une entreprise de 12 personnes dirigée par son propriétaire peut échouer dans une entreprise de 90 personnes où les validations passent par trois services. Demandez ce qui, dans la configuration du pair, a rendu le changement possible : une chaîne de commandement courte, des données propres ou un système de référence unique.
La copie de surface. Adopter l’outil d’un pair sans le changement de rôles et de transmissions reproduit le plafond décrit dans notre article sur l’IA plaquée sur l’existant. L’exemple est utile pour ce qu’il a changé dans le travail.
La confiance excessive dans les chiffres. Le nombre d’heures économisées annoncé par un pair est déclaratif et n’a pas été audité. Voyez-y une indication de l’endroit où regarder dans vos propres données.
Ce que les données permettent d’affirmer
L’essai de l’INSEAD étaye une affirmation étroite et une habitude pratique. L’affirmation : les startups qui ont vu comment d’autres ont réorganisé leur travail autour de l’IA sont allées chercher davantage d’endroits où l’employer, et les meilleures ont déclaré des résultats nettement meilleurs. L’habitude : réunir tôt des exemples concrets de travail réorganisé, auprès de pairs que vous pouvez questionner, avant d’engager un budget dans un outil ou un programme.
Pour une PME, la première étape coûte un après-midi : rédigez une page avant et après à partir de votre entreprise, puis demandez la leur à deux pairs. Si la comparaison montre que personne autour de vous n’a changé les rôles, les transmissions ou les pouvoirs de décision dans le moindre processus, c’est aussi une information utile. Elle vous indique que la question de la refonte du modèle opérationnel avec l’IA reste ouverte dans votre secteur, et qu’un changement précoce et mesuré peut devenir un véritable avantage.
Questions fréquentes
Qu'a testé l'expérience de terrain de l'INSEAD sur l'IA ?
Elle a testé si montrer à des startups comment d'autres entreprises ont réorganisé leur production autour de l'IA modifie ce qu'elles font avec l'IA. Dans l'essai auprès de 515 startups à forte croissance, les entreprises traitées ont identifié 44 % de cas d'usage en plus, accompli 12 % de tâches en plus et avaient 18 % de chances supplémentaires de décrocher des clients payants. Le traitement était l'exposition à des exemples de pairs. L'essai n'a pas testé de méthode de refonte.
L'étude de l'INSEAD prouve-t-elle que réorganiser le travail autour de l'IA est rentable ?
Non. Elle montre que savoir comment d'autres entreprises ont réorganisé leur travail a conduit des startups à chercher davantage de cas d'usage de l'IA et à déclarer de meilleurs résultats, surtout parmi les plus performantes. Elle n'isole pas la refonte elle-même, et l'échantillon était composé de startups à forte croissance. Pour une PME établie, c'est une raison de s'intéresser tôt aux exemples de pairs, à condition de vérifier tout gain dans vos propres chiffres.
Où une PME suisse peut-elle trouver des exemples de refonte par l'IA dans des entreprises comparables ?
Commencez par les clients de référence de vos fournisseurs, les associations professionnelles et les tables rondes entre dirigeants, où les pairs racontent ce qui a changé dans leur quotidien. Il existe aussi des voies formelles. Le canton de Zurich a mené depuis juillet 2025 un programme sur l'IA pour les PME avec le Swiss Data Science Center, et le chèque Innosuisse finance une étude de faisabilité avec un partenaire de recherche. Vérifiez auprès de chaque organisateur l'édition et les conditions en vigueur.
Que demander à une entreprise comparable sur son projet d'IA ?
Demandez ce qui a changé dans les rôles, les transmissions et les pouvoirs de décision, plutôt que l'outil acheté. Parmi les questions utiles : qui fait le travail aujourd'hui, quelles validations ont été déplacées ou supprimées, de quelles données le processus a besoin à l'entrée, et ce que l'équipe a mesuré avant et après. Les noms d'outils vieillissent en quelques mois, alors que la façon de répartir le travail entre personnes et logiciels se transpose généralement bien.
Le chèque d'innovation d'Innosuisse permet-il d'apprendre de ses pairs ?
Seulement de façon indirecte. Le chèque s'élève à CHF 15,000 au maximum pour les PME de moins de 250 EPT et finance une étude de faisabilité réalisée par un partenaire de recherche suisse, que rémunère directement Innosuisse. Il apporte une expertise externe et un regard structuré sur votre propre processus, mais pas une vue sur les autres entreprises. Confirmez les conditions en vigueur auprès d'Innosuisse avant de planifier.