L'IA en entreprise : le véritable défi n'est peut-être pas celui que vous imaginez
Stephen Diamond
Directeur principal, Technologie
Juillet 2, 2026
Impossible d'y échapper. L'intelligence artificielle est partout. Elle s'invite dans les réunions, les plans stratégiques, les démonstrations de logiciels et les conversations entre dirigeants. Les promesses sont nombreuses : gagner en productivité, automatiser des tâches, améliorer la prise de décision ou encore transformer l'expérience client.
Pourtant, une réalité est souvent oubliée : nous n'entendons pas tous la même chose lorsque nous parlons d'intelligence artificielle.
On utilise souvent le terme « IA » comme s'il désignait une seule technologie capable de tout faire. En réalité, il regroupe plusieurs approches, chacune ayant ses propres forces, ses limites et ses cas d'utilisation. Cette confusion entraîne parfois des attentes irréalistes. Certaines entreprises espèrent, par exemple, qu'un assistant conversationnel pourra produire des prévisions de ventes ou remplacer des analyses complexes, alors que ce n'est tout simplement pas son rôle.
L'autre idée reçue consiste à croire que l'IA finira par remplacer les ERP. En pratique, le véritable enjeu est ailleurs. Plus les organisations adoptent l'intelligence artificielle, plus elles doivent s'interroger sur la qualité de leurs données, la sécurité de leurs informations, le contrôle des coûts et la gouvernance qui encadrera ces nouveaux outils.
Autrement dit, le défi n'est pas seulement technologique. Il est aussi organisationnel.
Pour comprendre cet enjeu, encore faut-il distinguer les différentes formes d'intelligence artificielle.
Résumé de l’article
L'IA n'est pas une solution universelle. Les organisations qui réussiront leurs projets d'intelligence artificielle seront celles qui commenceront par définir un objectif d'affaires clair, choisiront la bonne approche technologique et mettront en place une gouvernance solide pour protéger leurs données, maîtriser leurs coûts et générer une valeur durable.
L'IA n'est pas une technologie. C'est une famille de technologies.
Prenons un exemple.
Une entreprise possède trois années d'historique de ventes dans son CRM. Son objectif est simple : prévoir la demande pour les prochains mois. Elle décide alors d'utiliser un assistant comme ChatGPT ou Copilot, convaincue que l'intelligence artificielle pourra produire des prévisions fiables.
Le problème? Ce n'est pas le bon outil.
C'est probablement l'une des plus grandes sources de confusion aujourd'hui. Lorsqu'on parle d'intelligence artificielle, on utilise souvent un seul terme pour désigner des technologies qui remplissent pourtant des fonctions très différentes.
L'IA générative, celle qui s'est popularisée avec ChatGPT, Microsoft Copilot ou Claude, excelle lorsqu'il s'agit de créer du contenu : rédiger un courriel, résumer un document, générer une image, écrire du code ou répondre à une question.
À l'inverse, lorsqu'une entreprise souhaite prévoir ses ventes, détecter des anomalies, anticiper une panne d'équipement ou optimiser ses stocks, elle entre dans un tout autre domaine. Ces scénarios reposent davantage sur des modèles prédictifs et du machine learning, qui analysent les données historiques pour identifier des tendances et produire des prévisions.

Cette distinction est loin d'être anodine. Une organisation qui choisit la mauvaise technologie risque surtout d'avoir de mauvaises attentes. Avant de lancer un projet d'IA, mieux vaut donc commencer par définir clairement le problème d'affaires à résoudre.
« L'IA n'est pas une technologie. C'est une famille de technologies. Choisir la bonne approche commence par bien définir le problème à résoudre. »
L'ERP ne disparaît pas. Son rôle évolue.
Depuis l'arrivée des assistants conversationnels, une question revient souvent : si une IA peut répondre à nos questions, analyser des documents et même exécuter certaines tâches, aurons-nous encore besoin d'un ERP?
À première vue, la question semble légitime. Après tout, si un employé peut simplement demander à une IA « Quels sont mes meilleurs clients? » ou « Quel est le niveau de stock de ce produit? », pourquoi continuer à naviguer dans des dizaines d'écrans?
En réalité, l'ERP et l'intelligence artificielle sont complémentaires plutôt que concurrents.
L'ERP demeure le système qui centralise les données de l'entreprise, orchestre les processus d'affaires et assure l'intégrité des opérations. C'est lui qui gère les commandes, les achats, la production, les stocks, les finances ou encore les ressources humaines. Il reste le point de référence sur lequel repose l'organisation.
L'intelligence artificielle, elle, vient enrichir cette base. Elle facilite l'accès à l'information, automatise certaines tâches répétitives, résume des données, génère du contenu ou accompagne les utilisateurs dans leur travail quotidien. Autrement dit, elle exploite les données de l'entreprise, mais elle ne les remplace pas.
On peut voir cette relation comme celle d'un GPS et d'une voiture. Le GPS vous aide à trouver le meilleur itinéraire, mais sans la voiture, vous n'irez nulle part. De la même façon, une IA peut interpréter et présenter l'information de façon plus naturelle, mais elle dépend toujours d'un système fiable pour produire des résultats pertinents.
Et c'est précisément là que se trouve le véritable enjeu. Plus l'intelligence artificielle prend de place dans les entreprises, plus la qualité des données, la solidité des processus et la gouvernance deviennent déterminantes. Une IA ne crée pas de bonnes données. Elle amplifie simplement ce qui existe déjà.
Autrement dit, avant de réfléchir aux capacités de l'IA, il faut s'assurer que les fondations sur lesquelles elle repose sont solides.
Le véritable défi : la gouvernance avant la technologie
Lorsqu'une entreprise amorce sa réflexion sur l'intelligence artificielle, elle cherche souvent à identifier le meilleur outil. Pourtant, le véritable enjeu apparaît un peu plus loin : la manière dont son utilisation sera encadrée.
C'est souvent à ce moment que les premiers défis apparaissent. Les équipes commencent à utiliser ChatGPT, Copilot ou d'autres assistants pour accélérer leur travail. Les initiatives se multiplient, les projets pilotes se lancent rapidement et chacun expérimente de son côté. Cette effervescence est normale. Elle fait même partie du processus d'innovation.
Mais sans cadre clair, cette adoption devient rapidement difficile à contrôler.
Qui peut utiliser quels outils? Quelles données peuvent être partagées? Comment mesure-t-on les bénéfices? Qui est responsable des résultats? Et surtout, comment s'assurer que les coûts restent sous contrôle?
Une stratégie IA ne devrait pas commencer par le choix d'une plateforme. Elle devrait commencer par une vision claire des objectifs d'affaires, soutenue par un modèle de gouvernance.
Concrètement, cela signifie définir les objectifs recherchés, établir des règles d'utilisation, encadrer l'accès aux données, suivre les dépenses, mesurer les gains obtenus et créer un environnement où l'expérimentation est encouragée, sans pour autant perdre le contrôle.
Cette approche permet également d'éviter un piège fréquent : lancer des projets d'IA simplement parce que la technologie est disponible. Un bon projet commence toujours par un problème d'affaires clairement identifié. Si l'objectif est difficile à expliquer en quelques phrases ou si les bénéfices attendus demeurent flous, il est souvent préférable de revoir le projet avant d'investir davantage.
En d'autres mots, la gouvernance ne ralentit pas l'innovation. Elle lui donne les meilleures conditions pour produire des résultats durables.
Les risques ne sont pas toujours ceux que l'on imagine
Lorsque les entreprises parlent des risques liés à l'intelligence artificielle, la conversation tourne souvent autour d'un même sujet : la confidentialité des données.
Bien sûr, cette préoccupation est légitime. Mais elle ne représente qu'une partie de l'équation.
Dans la pratique, les premiers défis apparaissent souvent ailleurs.
Le coût invisible de l'IA
Dans plusieurs organisations, les équipes sont encouragées à intégrer l'IA dans leur quotidien. Elles rédigent des documents, analysent des données, automatisent certaines tâches ou développent des agents pour accélérer leurs processus. L'adoption progresse rapidement... parfois même plus rapidement que prévu.
Puis vient le moment de faire les comptes. Une organisation avait prévu quelques milliers de dollars par mois pour ses outils d'IA. Quelques semaines plus tard, les usages se multiplient, les équipes adoptent différents assistants et la facture dépasse largement le budget prévu. Sans gouvernance ni suivi des coûts, cette situation peut arriver beaucoup plus vite qu'on ne le pense.
C'est pourquoi mesurer le retour sur investissement d'un projet IA est essentiel. Dans certains cas, une automatisation traditionnelle répondra parfaitement au besoin pour une fraction du coût. L'intelligence artificielle n'est pas nécessairement la solution la plus rentable à chaque étape d'un processus.
L'objectif n'est donc pas d'utiliser l'IA partout, mais de l'utiliser là où elle apporte une valeur réelle.
Des accès à maîtriser
Le risque ne vient pas uniquement des plateformes d'IA publiques. Il dépend aussi des autorisations accordées aux outils que l'on déploie. Un agent qui peut consulter une boîte courriel, modifier des documents ou interagir avec plusieurs systèmes possède un niveau d'accès qui mérite d'être soigneusement encadré. Plus ses privilèges sont importants, plus les conséquences d'une mauvaise configuration peuvent être significatives.
Des données à protéger
Les versions gratuites de certains outils d'IA peuvent utiliser les informations soumises par les utilisateurs pour entraîner leurs futurs modèles. Même si le risque de voir un document reproduit intégralement demeure faible, les entreprises doivent comprendre où leurs données sont envoyées, comment elles sont conservées et quelles protections sont réellement offertes. Les versions professionnelles proposent généralement des garanties supplémentaires, mais encore faut-il connaître les conditions d'utilisation avant d'intégrer ces outils aux activités de l'entreprise.
En définitive, les risques liés à l'IA ne concernent pas seulement la technologie. Ils touchent aussi la façon dont elle est déployée, gouvernée et utilisée au quotidien. C'est précisément ce qui distingue une expérimentation prometteuse d'une stratégie durable.
À retenir
L'IA ne remplace pas une mauvaise gouvernance. Elle en révèle simplement les faiblesses beaucoup plus rapidement.
Les 5 piliers d’une stratégie IA bien encadrée
Objectif d’affaires clair
Données bien encadrées
Accès et permissions contrôlés
Coûts suivis en continu
ROI mesurable
Avant de lancer un projet IA, commencez par une stratégie
L'intelligence artificielle évolue rapidement. Les outils se multiplient, les fonctionnalités changent et de nouveaux modèles apparaissent presque chaque mois. Dans un tel contexte, il peut être tentant de vouloir suivre le rythme en testant toutes les nouveautés.
Pourtant, les meilleurs résultats viendront d'organisations qui savent clairement ce qu'elles cherchent à accomplir avant même de choisir leurs outils.
Avant de lancer un nouveau projet, quelques questions méritent d'être posées :
- Quel problème d'affaires cherchons-nous à résoudre?
- L'intelligence artificielle est-elle réellement la meilleure approche ou une automatisation plus traditionnelle répondrait-elle au besoin?
- Comment mesurerons-nous les bénéfices obtenus?
- Quels seront les coûts réels de la solution, aujourd'hui comme dans un an?
- Notre gouvernance est-elle suffisamment solide pour encadrer son utilisation?
L'objectif n'est pas de ralentir l'innovation. Au contraire. Une stratégie claire donne aux équipes la confiance nécessaire pour expérimenter, apprendre et faire évoluer leurs pratiques, tout en conservant une vision d'ensemble.
En fin de compte, les entreprises qui tireront le meilleur parti de l'IA ne seront pas celles qui adopteront les technologies les plus rapidement. Ce seront celles qui sauront les intégrer de manière réfléchie, avec une vision claire, des objectifs précis et une gouvernance adaptée à leur réalité.
L'intelligence artificielle continuera d'évoluer, tout comme les ERP qui l'accompagnent. Mais les fondations, elles, resteront les mêmes : des données fiables, des processus solides, une gouvernance adaptée et des objectifs d'affaires clairement définis. C'est sur cette base que les organisations pourront transformer le potentiel de l'IA en résultats concrets et durables.
Vous préparez votre stratégie IA?
Discutez avec nos experts afin d'évaluer les impacts sur vos ERP, vos données et votre architecture technologique.
Parler à un expert
Stephen Diamond
Directeur principal, Technologie
Stephen Diamond est architecte principal, technologie chez Groupe conseil Era, avec plus de 25 ans d'expérience en architecture, en leadership technologique et en stratégie. Il se concentre sur l'accompagnement des clients et les équipes afin de leur permettre de comprendre comment la technologie influence la performance de l'entreprise et comment des innovations telles que l'IA peuvent transformer et rationaliser les opérations.
Suivre Stephen Diamond




