IA d’entreprise : les cas d’usage qui créent vraiment de la valeur sur SAP.

Rarement une technologie aura été adoptée aussi vite dans les discours et aussi lentement dans les processus. Toutes les directions ont vu des démonstrations impressionnantes. Beaucoup ont lancé des pilotes. Très peu peuvent désigner un processus complet dont la performance a durablement changé. Contrairement à ce qui se dit, ce décalage doit peu à la maturité des modèles ; il tient à la manière dont les entreprises choisissent leurs cas d’usage. Ou, plus exactement, à la manière dont elles ne les choisissent pas.

Pourquoi « l’IA partout » échoue

Saupoudrer de l’IA sur tous les sujets à la fois produit invariablement le même résultat : une collection de pilotes orphelins. À force d’autopsies, nous retrouvons toujours les mêmes mécanismes.

• La démonstration remplace le processus. Un assistant qui brille en comité et un traitement qui tient sa promesse sur des milliers d’opérations réelles, avec leurs exceptions, leurs litiges et leurs données imparfaites, sont deux objets différents. Le premier s’obtient en quelques semaines. Le second exige de refondre le processus qui l’entoure.
• Personne ne possède le résultat. Quand le cas d’usage naît dans un « lab » plutôt que chez un responsable de processus, personne ne répond de l’écart entre la promesse et la production. Le pilote réussit, le déploiement reste orphelin, le sujet s’éteint.
• La donnée se découvre trop tard. L’IA d’entreprise ne raisonne pas sur l’internet, mais sur vos commandes, vos factures, vos référentiels. S’ils sont incomplets ou contradictoires, le modèle industrialise la confusion. Beaucoup de projets IA meurent d’un problème de données qu’un cadrage honnête aurait révélé dès le premier jour.

Ce qui distingue un bon cas d’usage

Notre grille de lecture est volontairement austère. Cinq conditions, toutes nécessaires.

• Un processus fréquent et coûteux en attention humaine. La valeur de l’IA se compte en occurrences ; méfiez-vous des sujets prestigieux à faible volume.
• Un résultat mesurable dans les termes du métier : délai, taux d’erreur, charge évitée. Défini avant le projet. Les indicateurs reconstruits après coup ne prouvent rien.
• Des données accessibles et suffisamment fiables, ou un chantier de fiabilisation explicitement inclus dans le périmètre.
• Un propriétaire métier qui veut le résultat au point d’accepter de modifier son propre processus pour l’obtenir.
• Un chemin vers la production : intégration au système, gestion des exceptions, supervision. Sans plan d’industrialisation, un cas d’usage reste un prototype, quel que soit son budget.

Remplacez « où peut-on mettre de l’IA ? » par « quel processus voulons-nous voir fonctionner autrement dans un an ? » : la moitié du tri est déjà faite.

Sur SAP, ce qui passe le cap de la production

Sur le périmètre SAP, les cas d’usage qui atteignent réellement la production se ressemblent. À l’usage, nous les voyons se regrouper autour de trois terrains.

L’automatisation documentaire

Factures fournisseurs, commandes clients, confirmations, avis de paiement : une part considérable du travail administratif consiste à lire des documents pour en ressaisir le contenu dans SAP. L’extraction, le rapprochement et la comptabilisation assistés forment le terrain le plus sûr de l’IA d’entreprise. Les volumes sont élevés, le résultat se vérifie, et les gains sont visibles pour les équipes elles-mêmes, ce qui change tout pour l’adoption.

Le prédictif ancré dans les opérations

Prévision de la demande, anticipation des retards fournisseurs, projection de trésorerie : le prédictif crée de la valeur quand sa sortie alimente une décision récurrente et outillée, un plan d’approvisionnement ou une revue de risques, plutôt qu’un tableau de bord supplémentaire. Le critère décisif n’a rien à voir avec la sophistication du modèle. Il faut qu’un geste métier change grâce à lui.

Les copilotes et agents

Assistants qui répondent avec la connaissance de l’entreprise, agents qui préparent ou exécutent des transactions sous contrôle humain : la famille la plus prometteuse est aussi, à nos yeux, la plus exigeante. Elle suppose un cadre strict. Périmètre d’action délimité, traçabilité de chaque geste, validation humaine sur tout ce qui engage l’entreprise. Un agent sans gouvernance n’est rien d’autre qu’un risque opérationnel doté d’une bonne interface.

Les prérequis que l’enthousiasme ne remplace pas

Aucune de ces familles ne tient sans deux fondations. La donnée, d’abord : référentiels propres, définitions partagées, accès gouvernés. C’est le chantier ingrat qui conditionne tous les autres, et la raison pour laquelle notre offre SAP Analytics traite la donnée et ses usages ensemble. La gouvernance, ensuite : qui décide de ce que l’IA a le droit de faire, qui supervise ses sorties, qui répond de ses erreurs. Nous refusons d’y voir des freins à l’innovation. C’est ce qui sépare une capacité d’entreprise d’une expérimentation permanente.

Et parce que ces fondations vivent dans le cœur du système, la trajectoire IA ne se pense pas indépendamment de la trajectoire ERP. Un cœur S/4HANA propre, aux processus harmonisés et aux données fiables, reste à notre sens le meilleur investissement IA que la plupart des entreprises puissent faire. Nous l’expliquons dans notre lecture de l’échéance ECC 2027.