Beaucoup de dirigeants de PME ont essayé ChatGPT, ont été impressionnés, et en ont conclu que leur entreprise utilisait l'IA. Quelques mois plus tard, le constat est plus nuancé : les employés copient-collent encore des documents dans une fenêtre de chat, les gains restent individuels, et personne ne sait vraiment ce qui a été automatisé. Le problème, ce n'est pas ChatGPT. C'est l'usage qu'on en fait. Entre ouvrir un onglet sur chat.openai.com et déployer une vraie intégration IA dans une PME, il y a un fossé que la majorité des entreprises ne franchissent jamais.
Ce fossé n'est pas technologique. Les capacités existent. OpenAI propose une API mature avec des Structured Outputs en JSON et des Custom GPTs munis d'Actions qui peuvent appeler vos systèmes. Anthropic offre des protocoles comme MCP pour connecter Claude à des sources de données. Google propose les Gemini Extensions, Mistral son propre écosystème. Les architectures diffèrent, mais le constat est le même : la question n'est pas "quel modèle choisir", c'est "comment ces capacités sont assemblées dans votre entreprise".
Le mode conversationnel a un plafond rapide
Quand un employé utilise ChatGPT via l'interface web, chaque conversation repart de zéro ou presque. Des fonctions comme la mémoire et les instructions personnalisées peuvent retenir certaines préférences d'usage, mais elles ne donnent pas accès à votre catalogue, à vos clients, à vos devis passés ou à vos politiques internes. Pour obtenir un résultat utile sur un cas réel, l'employé doit recoller à la main des extraits de documents, des fragments de courriels, des données exportées d'un ERP. C'est du travail humain pour préparer le travail de l'IA, et ce travail se répète à chaque tâche.
Les gains restent donc individuels : un employé qui rédige plus vite, un autre qui résume des courriels. C'est utile, mais ça reste de l'optimisation personnelle. Multiplié par dix employés, ça ne devient pas une stratégie d'entreprise; ça devient dix usages parallèles, non documentés, non gouvernés.
Les vrais gains passent par l'intégration
Une intégration IA connecte le modèle à vos sources : CRM, ERP, base documentaire, dossiers clients. Le modèle peut interroger ces sources via une couche RAG (Retrieval-Augmented Generation), retrouver l'information pertinente et générer une réponse appuyée sur vos données réelles. Ces patterns sont documentés par OpenAI comme par Anthropic, et des plateformes d'orchestration comme n8n ou Make permettent de les déployer sans repartir de zéro.
C'est à ce niveau que les heures économisées commencent à se compter en jours-personne par mois : automatiser le pré-remplissage de devis à partir d'un courriel entrant, classifier des factures pour les router vers la bonne personne, extraire des champs structurés de bons de commande PDF, générer des réponses de support brouillon basées sur l'historique client. Tous ces cas sont accessibles via les API existantes — certains connecteurs grand public commencent même à offrir des capacités d'écriture limitées (HubSpot a élargi son intégration en mai 2026). Ce qui change avec une intégration sur mesure, c'est la profondeur du couplage avec vos systèmes et le travail d'orchestration qu'aucun abonnement ne livre prêt à l'emploi.
La confidentialité dépend de la configuration, pas de l'outil
Il faut distinguer deux produits OpenAI souvent confondus. L'interface grand public chat.openai.com (versions Free et Plus) entraîne par défaut les modèles sur les conversations, sauf si l'utilisateur va manuellement désactiver cette option dans les paramètres. L'API OpenAI, elle, n'entraîne pas sur les données soumises par défaut et retient les inputs/outputs jusqu'à 30 jours pour le monitoring d'abus. ChatGPT Team et Enterprise n'entraînent pas non plus les modèles, mais conservent les conversations jusqu'à 30 jours après suppression (la "rétention nulle" complète, ou ZDR, doit être demandée séparément pour les entreprises éligibles).
Cette distinction compte au Québec. La Loi 25, via l'article 17 de la Loi sur la protection des renseignements personnels dans le secteur privé, exige qu'avant de communiquer des renseignements personnels à l'extérieur du Québec, l'entreprise réalise une évaluation des facteurs relatifs à la vie privée tenant compte de la sensibilité des données, de la finalité, des mesures de protection et du régime juridique applicable. OpenAI traite ses données aux États-Unis. Un employé qui colle un courriel client dans ChatGPT sans cadre n'est pas, en soi, un "projet" au sens de la loi — mais c'est un transfert non encadré de renseignements personnels hors Québec, ce qui relève des mêmes obligations sous-jacentes. La direction ne peut pas répondre "ça va, c'est juste ChatGPT" si personne n'a documenté le flux, choisi le plan, ni encadré ce qui peut y être saisi.
L'ampleur du risque n'est pas théorique. Selon les études, entre 11 % et près de 35 % des saisies d'employés dans des outils IA grand public contiennent des données sensibles. La fourchette varie selon les secteurs et les méthodes, mais le signal est clair : sans politique d'usage, ça finit par fuir.
La gouvernance, c'est l'écart visible
Une intégration IA dans une PME implique des décisions qu'aucun outil ne prend pour vous : qui a accès à quoi, quelles données entrent dans le modèle, quels résultats sont validés humainement avant action, quelles traces sont gardées. Ces décisions ne se prennent pas dans une fenêtre de chat. Elles se prennent au moment d'un déploiement, dans le code, dans les workflows et dans la documentation.
L'écart se voit quand un client important demande "comment vous gérez l'IA chez vous". Une PME qui a intégré l'IA peut répondre : voici les processus concernés, voici les modèles utilisés, voici où les données vont, voici qui valide quoi. Une PME qui utilise ChatGPT en libre-service découvre qu'elle ne sait pas répondre. Et cet écart ne se rattrape pas en six mois.
Le bon point de départ, c'est un cas d'usage, pas un outil
La meilleure façon de commencer, ce n'est pas de choisir entre ChatGPT, Claude, Gemini ou Mistral. C'est d'identifier un processus qui consomme du temps, qui est répétitif, qui repose sur du texte ou des documents, et qui ne demande pas un jugement irremplaçable. Traitement de devis, qualification de leads, classification de tickets, analyse de contrats fournisseurs.
Une fois le cas d'usage défini, on peut estimer un vrai retour sur investissement : combien d'heures par semaine aujourd'hui, combien après automatisation, quel coût d'API, quel coût d'intégration. Le choix du modèle, de l'infrastructure et des connecteurs devient alors une question technique solvable. Sans ce cadrage, l'IA dans la PME reste un sujet de conversation. Avec ce cadrage, elle devient un projet finançable.
Conclusion
ChatGPT en mode conversationnel est un excellent assistant personnel. Ce n'est pas, en soi, une stratégie d'entreprise. Tirer un vrai bénéfice de l'IA dans une PME exige d'aller au-delà de l'abonnement : connecter un modèle à vos données, encadrer la confidentialité selon votre juridiction, automatiser des processus réels, documenter votre gouvernance. C'est plus exigeant qu'ouvrir un compte, mais c'est la version où l'IA arrête d'être une expérience individuelle et devient une infrastructure d'entreprise.
