Le cadre de référence pour l’adoption de l'IA par les PME

Contexte

Contexte

Lorsque les dirigeants du G7 se sont réunis à Kananaskis, en Alberta, au Canada, en juin 2025, ils se sont engagés à promouvoir la prospérité économique en soutenant les petites et moyennes entreprises (PME), y compris les micro-entreprises, dans l'adoption de l'intelligence artificielle (IA). Il existe un large consensus sur le fait que l'adoption de l'IA peut stimuler la productivité, libérer l'innovation et favoriser la croissance économique. L'IA est une technologie d'usage général transformative, qui, comme l'électricité ou la machine à vapeur, peut être appliquée à de nombreuses activités économiques différentes et devrait donc avoir un impact économique et social considérable. Accélérer et élargir l'adoption de l'IA pour améliorer la productivité et la prospérité est une priorité clé des pays du G7.

L'adoption de l'IA par les PME est une pierre angulaire des efforts déployés pour réaliser son potentiel économique. Dans l'ensemble, l'adoption de l'IA en est encore à ses débuts, le taux de diffusion de la technologie restant faible par rapport à d'autres technologies numériques. Bien qu'un nombre croissant de PME adoptent l'IA, dans tous les pays du G7, leur taux d'adoption est inférieur à celui des grandes entreprises. Les différences sectorielles sont également prononcées. L'adoption est principalement concentrée dans les secteurs à forte intensité de connaissances, les technologies de l'information et de la communication (TIC) et les services professionnels étant en tête de l'adoption, suivis par les secteurs des activités professionnelles, scientifiques et techniques.

Figure 1 : Les taux d'adoption de l'IA ont augmenté dans tous les pays du G7

Derniers taux d'adoption de l'IA disponibles provenant de sources nationales, pays du G7

Taux d'adoption inégaux au sein du G7

Les grandes entreprises sont constamment en tête^{Note de bas de page 3}

• En Allemagne, 28,2 % des entreprises de taille moyenne (50 à 249 employés) utilisent l'IA, contre seulement 16,9 % des petites entreprises (10 à 49 employés), tandis qu'en France et en Italie, les taux sont encore plus bas, avec un taux en dessous de 10 % pour les petites entreprises et autour de 14 à 15 % pour les entreprises de taille moyenne.
• Au Japon, environ 16 % des PME déclarent utiliser l'IA, tandis qu'au Royaume-Uni, l'adoption parmi les petites et moyennes entreprises varie d'environ 8 à 10 % jusqu'à 23 à 26 %, selon la méthodologie de l'enquête.
• Au Canada, environ 12,5 % des petites entreprises ont déclaré utiliser l'IA, tandis qu'aux États-Unis, les dernières données officielles indiquent que l'adoption est de 3,4 % parmi les très petites entreprises (10 à 19 employés) et de 4,8 % parmi les entreprises de taille moyenne (100 à 249 employés).
• En comparaison, les grandes entreprises (250 employés et plus) ont un taux d'adoption plus élevé. Par exemple, de grandes entreprises en Allemagne, en France et en Italie adoptent l'IA à 48,2 %, 32,7 % et 32,5 %, respectivement. Au Royaume-Uni, le taux d'adoption varie de 13 % à 28 %, selon la méthodologie de l'enquête, et aux États-Unis, il est de 7,2 %. Pour le Canada, il est de 17,9 % pour les entreprises de 100 employés et plus.

Les divisions sont également sectorielles

1. Les services professionnels et les TIC affichent des taux d'adoption bien supérieurs à la moyenne, tandis que la construction, l'hôtellerie et le transport restent dans les chiffres inférieurs à 10.
2. La fabrication, le transport, la construction et l'agriculture ont des niveaux d'adoption plus faibles en raison des systèmes anciens, d'une maturité numérique limitée et d'un manque d'expertise interne en IA.
3. Les secteurs des TIC, des logiciels, de la santé et des services financiers sont en tête de l'adoption de l'IA en raison de leur infrastructure numérique, de leur expertise technique interne et d'une culture expérimentée dans l'adaptation de l'innovation aux pratiques commerciales.

Figure 2 : Les écarts en matière d'adoption de l'IA entre les grandes et les petites entreprises

Figure 3 : Part des entreprises utilisant l'IA dans les pays de l'OCDE par secteur

Pour réaliser pleinement le potentiel de l'IA, il est important non seulement d'augmenter l'adoption de l'IA par les PME, mais aussi d'assurer son intégration efficace au niveau de l'entreprise, afin que l'adoption se traduise par des gains de productivité significatifs. Les PME qui adoptent des stratégies internes solides qui alignent l'adoption de l'IA avec leurs modèles d'affaires et leurs capacités organisationnelles peuvent obtenir un avantage distinct. Trop souvent, l'adoption reste à un stade naissant ou pilote : les entreprises expérimentent des outils d'IA, mais rencontrent des obstacles pour les intégrer à leurs opérations principales, ce qui empêche les gains de productivité de se concrétiser. Des plans structurés reliant les outils d'IA aux tâches, fonctions, objectifs et résultats commerciaux adaptés à la taille et au secteur de chaque entreprise sont essentiels pour tirer le meilleur parti de l'adoption de l'IA. De plus, les PME qui donnent à leurs employés les moyens d'utiliser, d'interagir et d'innover efficacement avec les systèmes d'IA peuvent en tirer profit dans un large éventail d'applications. Avec le bon soutien, les PME peuvent aider leurs travailleurs à concevoir conjointement et activement des stratégies d'adoption de l'IA, en veillant à ce que l'intégration soit en adéquation avec leurs fonctions quotidiennes et qu'elle valorise leurs rôles. Cependant, si la planification stratégique au niveau de l'entreprise n'est pas prête, l'IA risque de rester un outil périphérique plutôt qu'un moteur de compétitivité.

Pour créer les conditions propices à la prospérité des PME dans cet environnement en constante évolution, il est indispensable de relever les principaux défis. Au niveau de l'écosystème, les PME restent contraintes par des obstacles de longue date, tels que des lacunes en matière d'infrastructure, un accès limité aux talents, au capital et à la capacité, ainsi qu'une incertitude réglementaire et de gouvernance. Ces conditions ralentissent leur capacité à expérimenter, à se développer et à intégrer l'IA dans les opérations essentielles. Au niveau de l'entreprise, de nombreuses PME manquent de données prêtes pour l'IA ou rencontrent des difficultés à préparer leurs données pour une utilisation avec l'IA. Elles rencontrent également des défis pour définir des cas d'utilisation, évaluer les retours sur investissement et gérer les risques, ce qui peut les empêcher d'aller au-delà des projets pilotes. Pour beaucoup, les barrières culturelles et la résistance interne compliquent encore l'adoption.

Les obstacles à l'adoption de l'IA sont aggravés par les défis quotidiens des PME. L'augmentation des loyers commerciaux, l'inflation, la réduction des dépenses des consommateurs et l'incertitude du commerce mondial exercent des pressions immédiates qui entrent en concurrence avec les plans d'innovation à long terme. Confrontées à ces réalités, de nombreuses PME manquent de temps, de capital ou de capacité pour se consacrer à des processus qui comportent de l'incertitude ou qui nécessitent beaucoup de ressources.

Les petites entreprises font face à des désavantages importants

• Il existe des preuves que les petites entreprises rencontrent des désavantages notables dans l'adoption de l'IA par rapport aux grandes entreprises.
• De nombreuses études internationales confirment que si les PME et les grandes entreprises reconnaissent la valeur potentielle de l'IA pour leurs opérations commerciales, les PME rencontrent davantage de difficultés liées aux contraintes financières, à la résistance organisationnelle, à la complexité des systèmes et à la pénurie de compétences.
• Contrairement aux grandes entreprises, les petites entreprises sont souvent incapables de répartir les coûts de l'IA sur des volumes de vente plus importants afin de réduire les coûts unitaires.
• Les petites entreprises manquent souvent de ressources suffisantes pour offrir des salaires compétitifs qui aident à attirer et à retenir les talents. Dans un marché du travail compétitif, cela les désavantage par rapport aux plus grandes entreprises qui peuvent investir dans les talents.

Défis rencontrés par les PME

Résumé des principes clés

1. Concevoir des politiques larges et flexibles adaptées aux différents profils des PME

Les PME varient selon le secteur, la taille, la maturité numérique, le stade d'intégration de l'IA et les besoins et ambitions.

Les politiques devraient être larges et suffisamment flexibles pour tenir compte de cette diversité, et la mise en œuvre devrait être adaptée aux besoins spécifiques en utilisant des outils comme la « Taxonomie des adoptants de l'IA » (Taxonomy of AI Adopters) de l'OCDE.

2. Mobiliser tous les acteurs de l'écosystème

Le succès de l'adoption de l'IA dépend de la collaboration.

Les PME, les communautés d'affaires et les gouvernements ont chacun un rôle à jouer : de la sensibilisation et du renforcement de leurs capacités à la mise en commun des ressources, en passant par la facilitation de l'accès aux ressources et l'instauration de conditions équitables.

3. Favoriser des écosystèmes d'IA dynamiques et inclusifs

Des écosystèmes dynamiques avec des effets multiplicateurs peuvent façonner positivement la préparation et la résilience en matière d'IA.

Investir dans les infrastructures, les compétences et les entreprises en démarrage peut réduire les coûts en amont pour les développeurs d'IA, accroître la disponibilité des outils d'IA et réduire les risques et les coûts d'adoption pour les PME utilisatrices finales.

4. Promouvoir une IA sécurisée, responsable et digne de confiance

Une IA sécurisée, responsable et digne de confiance renforce la confiance et protège les intervenants.

Les stratégies d'adoption devraient s'aligner sur les principes de sécurité, de responsabilité et d'atténuation des risques, au bénéfice des travailleurs et en maintenant la confiance du marché.

5. Tenir compte des pressions économiques plus larges exercées sur les PME

Les PME font face à des défis accrus et à des risques relatifs plus importants que les grandes entreprises.

La conception des politiques devrait tenir compte des contraintes du monde réel telles que l'inflation, les perturbations commerciales et les limitations de capital qui ont un effet sur les PME plus que sur les grandes entreprises.

Principes clés

Dans l'élaboration de stratégies pour accélérer l'adoption de l'IA par les PME, les pays du G7 devraient garder à l'esprit les principes suivants :

1. Les profils des PME sont divers et varient considérablement selon le secteur, la taille, les ressources, la maturité numérique et les aspirations de croissance, ce qui signifie que leurs parcours d'adoption de l'IA peuvent varier largement en matière de complexité et d'ambition. Pour certaines, la première étape peut être aussi simple que d'acquérir un produit d'IA générative prêt à l'emploi pour automatiser une fonction commerciale routinière; pour d'autres, cela peut impliquer le développement de solutions personnalisées spécifiques au secteur qui nécessitent des ensembles de données spécialisés, des équipes techniques internes et un investissement à long terme. De même, alors que de nombreuses PME n'ont besoin que d'un niveau de base de connaissances en IA et de l'adhésion de leur direction et de leur personnel pour commencer à expérimenter en toute sécurité, d'autres doivent développer et maintenir des capacités internes étendues, notamment en intégrant de manière holistique des scientifiques des données, des ingénieurs et des spécialistes en IA appliquée dans l'ensemble de leurs opérations. Cette diversité de voies d'adoption met en évidence deux implications clés pour la conception de politiques et de mesures efficaces visant à soutenir l'adoption de l'IA par les PME.
   • Tout d'abord, les politiques devraient être larges et flexibles pour tenir compte de l'hétérogénéité des PME et permettre une adaptation à travers différents secteurs et parcours d'affaires.
   • Deuxièmement, la mise en œuvre des politiques devrait être adaptée pour s'aligner sur les profils, les besoins et les ambitions spécifiques des entreprises, plutôt que de suivre un modèle universel. À cet égard, des cadres tels que la Taxonomie des adoptants de l'IA, élaborée par l'Organisation de coopération et de développement économiques (OCDE), peuvent être des instruments précieux pour éclairer l'adaptation des politiques (voir l'encadré ci-dessous).
2. Les entreprises, les communautés d'affaires et les gouvernements ont tous un rôle clé à jouer dans la création de conditions gagnantes pour les PME. Les mesures prises pour lever les obstacles tant au niveau de l'écosystème qu'au niveau de l'entreprise peuvent permettre aux PME d'accéder à l'IA, de l'adopter et de la maîtriser de manière à stimuler la valeur et la croissance de la productivité. Une large mobilisation peut améliorer la conception des politiques et des mesures soutenant l'adoption de l'IA par les PME, afin de s'assurer qu'elles sont ancrées dans les réalités vécues par les PME et qu'elles sont pratiques et efficaces.
   • Entreprises. Les PME sont au cœur de la transformation économique que les applications d'IA peuvent apporter, mais elles font face à des défis distincts. À mesure que les PME développent leur sensibilisation et leurs capacités internes pour adopter l'IA en accord avec leurs stratégies opérationnelles, les pays du G7 devraient chercher des moyens de faciliter leur transition. Elles devraient être pleinement intégrées à chaque étape de la chaîne de valeur de l'IA – depuis l'adoption de solutions d'IA et le développement de produits adaptés aux PME, jusqu'à la promotion de stratégies d'adoption et l'élaboration de cadres de gouvernance de l'IA.
   • Communautés d'affaires, telles que les organisations de soutien aux entreprises et les associations sectorielles et industrielles. Les communautés d'affaires sont particulièrement bien placées aux niveaux sectoriel et régional pour coordonner les efforts des PME ayant des intérêts alignés. Elles peuvent aider à regrouper des ressources, à sensibiliser, à créer des programmes d'apprentissage partagé et à établir des réseaux entre pairs pour soutenir l'adoption de l'IA. Ces initiatives peuvent générer des économies de coûts pour les PME fonctionnant avec des marges limitées, tout en leur donnant accès à des ressources précieuses, sectorielles et spécifiques à leur profil, pour guider l'intégration de l'IA.
   • Gouvernements. Les gouvernements à divers niveaux peuvent fournir un soutien institutionnel à l'adoption de l'IA par le biais d'investissements et de programmes, y compris ceux qui favorisent et soutiennent les entreprises, ainsi que des cadres de gouvernance qui garantissent des conditions équitables pour tous les acteurs économiques, quelle que soit leur taille. Ils peuvent également gérer des cadres qui favorisent la confiance dans l'IA et l'expérimentation, le déploiement et l'adoption sûrs et responsables.
3. Avec l'adoption de l'IA encore à ses débuts, l'émergence d'écosystèmes dynamiques, autonomes et résilients sera essentielle pour combler les lacunes des PME et réaliser le potentiel de la technologie. En développant des offres innovantes, en comblant les lacunes en matière de compétences et en construisant des chaînes de valeur alignées sur les besoins des PME, les écosystèmes favoriseront leur succès. Les PME elles-mêmes peuvent jouer un rôle déterminant dans la construction de ces écosystèmes – en adoptant l'IA tôt, en partageant les leçons apprises et en aidant à commercialiser des solutions ciblées au sein de leurs secteurs. À court terme, des mesures ayant des effets multiplicateurs connus peuvent être efficaces pour catalyser le développement de l'écosystème. Par exemple, les investissements dans l'infrastructure, les données et les talents en IA peuvent, à leur tour, accroître la disponibilité et l'abordabilité et réduire les coûts en amont pour les développeurs d'IA cherchant à proposer des solutions novatrices, telles que les entreprises en démarrage. Ces investissements peuvent également favoriser la création d'entreprises en démarrage et promouvoir l'émergence d'offres riches et diversifiées qui répondent aux lacunes des marchés spécialisés, garantissent une concurrence saine et créent une pression à la baisse sur les prix perçus par les utilisateurs finaux. Lorsqu'il y a un effet significatif sur la disponibilité de solutions d'IA prêtes à l'emploi, adaptées au secteur et correspondant aux besoins des PME, le résultat sera un risque d'adoption réduit – créant ainsi de la demande et dynamisant l'écosystème global de l'IA.

   Les pays du G7 mènent des efforts pour créer des écosystèmes favorables à l'adoption de l'IA, soutenus par des stratégies nationales bien financées et des cadres politiques multidimensionnels.

4. Des approches sécurisées, responsables et dignes de confiance en matière d'innovation et d'adoption de l'IA sont essentielles pour réaliser son potentiel d'une manière qui profite aux personnes, y compris aux travailleurs, atténue les risques et les externalités négatives, favorise une confiance continue du marché et promeut la sécurité. À cet égard, les PME auront tout intérêt à aligner leurs efforts sur ces principes.
5. Pour les gouvernements qui conçoivent des interventions politiques et des programmes ciblant les PME, le contexte plus large des défis auxquels les PME sont confrontées devrait être pris en compte. Par exemple, les PME sont confrontées à un risque relatif plus élevé que les grandes entreprises en raison de la hausse des coûts, de l'incertitude économique, des perturbations du commerce mondial et de l'incertitude géopolitique sur divers marchés et secteurs.

Taxonomie des adoptants de l'IA^{Note de bas de page 4}

Cette taxonomie représente la population des PME en fonction de la complexité des outils d'IA qu'elles utilisent et de l'étendue dans laquelle ces outils sont appliqués. Elle reconnaît que l'adoption de l'IA n'est pas linéaire, mais itérative, et que les PME varient considérablement dans leur maturité numérique. Sur la base de ces trois dimensions, la taxonomie classe les entreprises en quatre profils :

• Les novices en IA sont des entreprises qui commencent tout juste à expérimenter l'IA, souvent par le biais de fonctionnalités intégrées ou d'outils prêts à l'emploi appliqués à des fonctions de travail isolées.
• Les optimisateurs d'IA sont des PME qui utilisent de manière plus systématique des outils d'IA dans l'ensemble des flux de travail, coordonnant l'adoption pour améliorer l'efficacité et la productivité.
• Les explorateurs de l'IA sont des entreprises qui expérimentent des applications d'IA personnalisées ou spécifiques à un secteur, souvent dans des contextes intensifs en données, bien que généralement à une échelle limitée.
• Les transformateurs de l'IA sont des entreprises de pointe qui intègrent l'IA dans la plupart de leurs opérations et processus décisionnels, soutenues par une infrastructure unifiée, des données et une expertise interne.

En capturant ce spectre d'adoptants de l'IA, la taxonomie montre clairement que différentes catégories d'entreprises sont confrontées à des obstacles et des opportunités distincts, et que les politiques doivent tenir compte de ces différences et fournir un soutien adapté parallèlement à des mesures d'accompagnement générales.

Bien que ce cadre ne soit pas conçu comme une approche universelle ou permanente, il montre comment une évaluation active des caractéristiques des PME adoptant l'IA peut contribuer à renforcer ou à orienter l'élaboration, la conception et l'application des politiques. Par exemple :

• Les novices en IA sont peu susceptibles de bénéficier de structures d'incitation complexes s'ils manquent de bases numériques fondamentales; ce dont ils ont le plus besoin, ce sont des mesures de sensibilisation, un accès abordable à la connectivité et aux services infonuagiques, ainsi qu'une formation de niveau débutant qui peut les aider à faire leurs premiers pas.
• Les optimisateurs d'IA, en revanche, expérimentent déjà à travers plusieurs flux de travail et nécessitent un soutien pour renforcer la coordination – des politiques qui encouragent l'intégration interfonctionnelle, promeuvent des cadres de gouvernance et fournissent des conseils pratiques sur une utilisation sûre et efficace.
• Les explorateurs de l'IA font face à un défi différent : leur ambition de personnaliser les solutions d'IA ou de les adapter à des contextes sectoriels spécifiques dépasse souvent leur accès à la puissance de calcul, aux données de haute qualité et aux talents spécialisés. Pour eux, les interventions politiques qui ouvrent des voies vers des infrastructures partagées, des partenariats de recherche appliquée et une expertise technique sont particulièrement précieuses.
• Enfin, les transformateurs de l'IA, qui intègrent l'IA dans leurs opérations, bénéficient de cadres avancés qui soutiennent l'évolutivité et protègent l'innovation responsable.

De cette manière, la taxonomie fournit non seulement une carte descriptive de la diversité des PME, mais aussi un outil pratique pour adapter les leviers politiques aux profils adéquats, garantissant ainsi que les interventions soient proportionnées, ciblées et efficaces.

Recommandations politiques

1. Connectivité

Principaux défis

Un obstacle majeur à l'adoption de l'IA est le manque d'accès à une connectivité haute vitesse à large bande fiable, un élément fondamental de toute forme de transformation numérique. Dans le domaine spécifique de l'IA, l'accès à une infrastructure haut débit de haute qualité permet aux entreprises d'accéder à l'infrastructure informatique et d'utiliser l'analyse des mégadonnées. Ce n'est qu'avec les capacités de calcul et d'analyse activées que les PME peuvent déployer des applications d'IA. Les PME manquent souvent d'accès au service Internet haute vitesse à large bande; des défis qui sont prononcés dans les zones rurales, éloignées et mal desservies qui peuvent continuer à faire face à des vitesses de connexion Internet inadéquates ou instables et des coûts élevés. Cette fracture numérique limite la capacité de certaines PME à expérimenter, mettre en œuvre et développer des solutions d'IA.

Recommandations

• Les pays du G7 devraient poursuivre leurs investissements publics et privés dans les infrastructures à large bande, en accordant une attention particulière aux zones rurales, isolées et mal desservies. De telles initiatives devraient établir des objectifs clairs en matière de vitesses minimales, d'abordabilité et de fiabilité des connexions, qui correspondent aux besoins d'exploitation des outils d'IA et infonuagiques.
• Dans la mesure du possible, des efforts devraient être déployés pour réduire les coûts et améliorer les options pour les PME afin d'accéder aux connexions de haute qualité nécessaires au déploiement de l'IA. Il pourrait être envisagé d'intégrer de telles initiatives aux stratégies de développement régional et industriel existantes, afin de contribuer à rationaliser le processus de mise en œuvre des politiques.

2. Infrastructure de l'IA

Principaux défis

Les PME font face à des limitations importantes en ce qui concerne l'accès à des infrastructures critiques en matière d'IA, comme les ressources de calcul et d'infonuagique en IA. Le manque de concurrence dans ce domaine a conduit à une dépendance excessive envers les hyperscalers, ce qui peut rendre les conditions d'utilisation de ces ressources restrictives et les coûts relativement élevés pour les PME et les entreprises en démarrage. Les PME manquent également souvent d'accès à des ensembles de données de qualité pour former et utiliser efficacement des systèmes d'IA. Les données internes d'une entreprise ne sont pas toujours facilement disponibles et une PME peut ne pas disposer des ressources nécessaires pour collecter ou préparer des ensembles de données d'un volume et d'une qualité suffisants, adaptés à ses besoins et à son contexte. L'obtention de données de haute qualité est un défi, mais elle est essentielle, et il ne faut pas négliger le coût et les efforts nécessaires au développement d'ensembles de données prêts pour l'IA. Dans l'ensemble, pour que l'écosystème de l'IA soit propice à l'adoption et à l'expérimentation de l'IA par les PME, il est important d'assurer un accès abordable aux solutions de calcul et d'infonuagique de l'IA, et de promouvoir la disponibilité de jeux de données de haute qualité.

Recommandations

• Les pays du G7 devraient renforcer l'accès des PME à l'infrastructure de calcul d'IA. Cela peut inclure des investissements ciblés axés sur le développement d'une capacité de calcul haute performance qui est accessible et abordable grâce à des installations partagées (comme des « usines » d'IA) pour les PME ainsi que pour les entreprises en démarrage. La suppression ou la réduction des coûts initiaux prohibitifs peut alors permettre aux PME et aux entreprises en démarrage d'expérimenter, de développer et de déployer des solutions d'IA, ce qui non seulement augmente la productivité, mais favorise également l'innovation tout au long de la chaîne de valeur.
• Là où cela est approprié, les pays du G7 devraient améliorer l'accès et le partage des données du secteur public et privé sur une base volontaire, y compris les ensembles de données spécifiques à des secteurs, en particulier dans des domaines à haut risque. Ces ensembles de données devraient être de haute qualité, préserver la vie privée et respecter la propriété intellectuelle, et devraient être correctement dépersonnalisés et anonymisés lorsque cela est pertinent. Les données créées dans un domaine et un secteur peuvent être utiles et offrir une valeur supplémentaire lorsqu'elles sont appliquées dans un autre domaine ou secteur, notamment dans ceux où la disponibilité des données est limitée ou restreinte. L'accès à des données spécifiques à un secteur est particulièrement précieux dans des domaines à haut risque – tels que la santé, la finance et les infrastructures critiques – où les préoccupations relatives à l'exactitude, à la fiabilité et à la protection de la vie privée sont importantes. Sans des données d'entraînement robustes et représentatives, même les modèles les plus sophistiqués risquent d'amplifier les biais, d'être moins performants et d'éroder la confiance du public. L'investissement dans des ensembles de données de haute qualité grâce à des collaborations public-privé peut favoriser un terrain de jeu équitable tout en préservant la confidentialité et la sécurité.
• Les pays du G7 devraient développer des environnements infonuagiques robustes et de confiance. Pour les PME, l'infrastructure infonuagique est un moyen pratique et rentable d'accéder à des capacités avancées en IA. Contrairement aux grandes entreprises, les PME manquent souvent de capacité de calcul, de stockage ou d'équipes techniques internes nécessaires pour gérer une infrastructure complexe. Ainsi, les plateformes infonuagiques, telles que celles offrant l'IA en tant que service, des modèles préentraînés et des environnements de déploiement flexibles (qui permettent aux utilisateurs de ne pas être liés à un seul fournisseur), peuvent jouer un rôle crucial dans l'égalisation des chances et permettre aux petites entreprises d'expérimenter, de se développer et de rivaliser dans l'économie numérique. Les gouvernements peuvent s'associer au secteur privé pour soutenir le développement de systèmes basés sur l'infonuagique sûrs qui garantissent une gestion sécurisée des données, le respect des réglementations locales et l'interopérabilité entre les plateformes. Dans certains contextes, le financement public peut jouer un rôle incitatif pour faciliter l'accès des PME, par exemple par le biais de crédits pour l'infonuagique et le calcul. Les mesures prises devraient viser à développer un marché de confiance où les PME peuvent accéder à des outils, des ensembles de données et des services d'IA certifiés. De plus, l'intégration avec le calcul en périphérie de réseau et les modèles hybrides devrait être soutenue pour répondre aux besoins spécifiques du secteur, en particulier là où la faible latence et la sensibilité des données sont essentielles.
• Les pays du G7 devraient explorer comment l'IA de sources ouvertes et respectueuse de la propriété intellectuelle peut aider à réduire les obstacles et la charge administrative liés à son adoption et à son expérimentation par les PME. Les approches d'IA de sources ouvertes – pouvant inclure des codes de sources ouvertes et des modèles de pondération, des ensembles de données ouvertes de haute qualité et de la documentation, des cadres et des outils logiciels ouverts, ainsi que des méthodes pour garantir des écosystèmes de sources ouvertes sûrs et responsables – promettent de réduire les coûts d'accès aux ressources clés pour le développement, le déploiement et l'utilisation de l'IA. Les solutions normalisées et libres de droits sont particulièrement bien positionnées pour soutenir ces objectifs. Pour garantir la confiance et la pertinence continue, l'évaluation des approches d'IA de sources ouvertes peut prendre en compte si et comment ces approches et les écosystèmes qui les soutiennent sont gouvernés de manière responsable et sont continuellement maintenus. En particulier, les pays du G7 devraient explorer comment les gouvernements et les entreprises peuvent s'associer pour soutenir des initiatives visant à construire et à maintenir de tels écosystèmes, pour contribuer à égaliser les chances pour les PME – en leur fournissant des outils d'IA abordables et fiables pour expérimenter et innover.

3. Stratégie et culture d'entreprise

Les PME cherchent souvent une feuille de route claire pour l'adoption qui leur permette d'aligner stratégiquement les systèmes d'IA avec les processus commerciaux existants et les capacités de la main-d'œuvre, et de progresser de l'expérimentation à la production à grande échelle. De nombreuses entreprises commencent leur parcours en IA avec optimisme grâce à des projets pilotes à portée limitée ou des applications à petite échelle, mais elles peuvent avoir du mal à étendre ces expériences ou à les traduire en une intégration profonde. Une raison clé à cela est la nouveauté relative des technologies d'IA et leur horizon d'application en évolution. Sans connaissances de base en IA, il peut être difficile de déterminer et de prioriser des cas d'utilisation à forte valeur ajoutée, de mobiliser des ressources ou de construire des structures de gouvernance pouvant évoluer. Ce manque de sensibilisation technique peut créer des obstacles, rendant difficile pour les PME de reconnaître où l'IA peut réellement ajouter de la valeur ou améliorer leurs opérations principales. Dans ce contexte, les entreprises pourraient demeurer dans l'incertitude quant aux risques et aux retours potentiels sur investissement, ce qui entraînerait une hésitation et un sous-investissement dans l'adoption de l'IA.

Cette incertitude résonne également dans la culture organisationnelle. De nombreuses PME fonctionnent avec une maturité limitée en matière de données, une infrastructure héritée et une main-d'œuvre qui n'est peut-être pas préparée aux nouveaux modes de collaboration. Sans des stratégies de gestion du changement robustes et un soutien pratique pour instaurer la confiance et doter les employés de nouvelles compétences, l'IA peut apparaître comme un perturbateur plutôt qu'un habilitant. De ce fait, les solutions d'IA risquent de rester cloisonnées et de s'ajouter aux processus existants, passant ainsi à côté d'opportunités d'intégration plus poussée susceptibles de transformer les modèles commerciaux, les flux de travail et la prise de décision entre les différentes fonctions. Pour réaliser pleinement le potentiel de l'IA, les PME doivent acquérir la capacité de la considérer comme un outil transformateur. Des ressources internes et externes peuvent être exploitées pour mieux intégrer l'IA dans le leadership, la stratégie et la culture des PME, afin que la technologie puisse jouer son rôle dans une feuille de route d'affaires cohérente pour la croissance et l'innovation.

Recommandations

• Les pays du G7 devraient aider les PME à développer une solide culture de l'IA à tous les niveaux de l'organisation, de la direction aux employés, afin de permettre une prise de décision éclairée. Ceci peut être réalisé grâce à des programmes ciblés qui favorisent la culture technologique et sa diffusion, notamment par le biais d'apprentissages fréquents (par exemple, des séminaires et des ateliers), de mentorat et de pratiques d'échange qui aident les dirigeants à mieux identifier les occasions offertes par l'IA, à prioriser les flux de travail spécifiques d'intégration de l'IA, à allouer les ressources appropriées et à développer les talents pour une croissance organisationnelle à long terme.
• Les pays du G7 devraient encourager les entreprises à élaborer des feuilles de route pour l'adoption de l'IA. Les feuilles de route au niveau de l'entreprise peuvent apporter de la cohérence aux stratégies d'intégration de l'IA à travers l'organisation. Une feuille de route devrait s'aligner sur les objectifs globaux de l'entreprise et articuler où, pourquoi et comment l'IA sera utilisée pour générer de la valeur. Cela peut inclure la définition de l'étendue et l'établissement des priorités d'adoption, l'évaluation de la préparation des données, la définition des structures de gouvernance, la mise en évidence du retour sur investissement attendu et la clarification de l'allocation des ressources. Le cas échéant, les entreprises devraient envisager une mise en œuvre progressive, notamment dans les domaines sensibles, afin de réduire les risques et de permettre une intégration graduelle de l'IA dans les flux de travail existants, tout en renforçant la confiance et la fiabilité dans l'adoption de l'IA. Les projets pilotes, en particulier, peuvent aider à valider les cas d'utilisation et à réduire les risques liés aux efforts de mise à l'échelle dans l'entreprise. En fin de compte, les feuilles de route peuvent aider les entreprises à passer d'un intérêt général pour l'IA à un plan de mise en œuvre concret et systématique qui favorise une intégration significative.
• Les PME elles-mêmes peuvent avoir besoin de favoriser une culture interne d'expérimentation, de collaboration interfonctionnelle, d'opérations commerciales et de prise de décision axées sur les données, ainsi que d'apprentissage continu. À cet égard, la gestion du changement est essentielle pour guider les équipes à travers les transitions d'intégration de l'IA, faire face à l'opposition, faciliter le perfectionnement des compétences, outiller les employés et intégrer l'IA dans les flux de travail quotidiens d'une manière qui améliore efficacement les fonctions de travail existantes. D'un point de vue de la main-d'œuvre, diverses organisations publiques et privées peuvent contribuer à instaurer la confiance dans les applications d'IA pour les opérations quotidiennes, aidant les travailleurs à voir l'IA comme un outil pour améliorer — et non remplacer — leurs rôles et comme un moyen d'innover dans leurs activités routinières.
• Là où cela est pertinent, les entreprises et les communautés d'affaires devraient envisager de créer conjointement et d'organiser des feuilles de route spécifiques au secteur pour l'adoption de l'IA qui mettent les besoins des PME au premier plan. Le processus de développement de feuilles de route encouragerait les entreprises à rejoindre ou à défendre l'adoption de l'IA et à apprendre de leurs pairs, à trouver des applications spécifiques à l'industrie de l'IA, à partager des conseils essentiels et à comprendre comment les voies d'adoption convergent et diffèrent selon les contextes. Les initiatives d'apprentissage entre pairs, y compris les ateliers, les conférences et les événements intersectoriels, peuvent aider à diffuser les meilleures pratiques parmi les PME et les entreprises en démarrage.

4. Acquisition de compétences, reconversion, perfectionnement et développement des talents

Une barrière à l'intégration efficace de l'IA est le manque de talents suffisamment qualifiés au sein d'une organisation. À mesure que les technologies d'IA continuent d'évoluer, les PME ont souvent du mal à perfectionner ou à trouver des travailleurs possédant les compétences nécessaires en termes techniques, analytiques et spécifiques au domaine pour mettre en œuvre et utiliser efficacement l'IA. Sans l'acquisition de compétences, la reconversion, le perfectionnement et une forte culture de l'apprentissage continu, les entreprises risquent de sous-utiliser l'IA, de mal interpréter ses analyses ou de faire face à l'opposition des travailleurs en raison de l'incertitude et de la peur du déplacement. Les investissements dans le talent sont essentiels et peuvent viser à doter un large éventail d'employés des connaissances et de la confiance nécessaires pour déployer l'IA, adapter leurs rôles et stimuler l'innovation dans les flux de travail. Ces efforts offrent également des opportunités naturelles pour donner aux travailleurs les moyens de co-diriger l'intégration de l'IA au lieu d'être de simples objets des efforts d'adoption de l'IA.

Recommandations

• Les pays du G7 devraient investir dans des mesures favorisant l'acquisition de compétences, la reconversion et le perfectionnement visant à la fois des compétences fondamentales et ciblées. Une formation d'initiation à l'IA de base peut permettre à chacun d'acquérir une compréhension élémentaire du fonctionnement de l'IA et de la manière dont elle enrichit les rôles quotidiens, tandis que des approches ciblées peuvent adapter les programmes aux besoins spécifiques des différents secteurs, rôles et niveaux au sein de l'organisation. Des compétences solides permettent de garantir que tous les employés soient en mesure d'utiliser l'IA de manière productive dans leur contexte de travail, tout en évitant un programme universel qui ne répond pas aux besoins spécifiques de la main-d'œuvre.
• Les pays du G7 devraient soutenir des programmes de formation groupés ou conjoints qui peuvent servir de ressources partagées et réduire le coût et la complexité de l'acquisition de compétences, de la reconversion et du perfectionnement pour chaque PME. Cela peut inclure des programmes qui répondent aux besoins opérationnels et techniques uniques de secteurs ou d'industries spécifiques, des programmes qui approfondissent les liens des PME, des communautés d'affaires et des organisations de soutien aux entreprises avec des bassins de talents tels que les universités et les centres de recherche, et des programmes qui intègrent directement des talents en IA au sein des PME par le biais de stages ou de projets collaboratifs. De plus, les initiatives de mentorat peuvent mettre en relation les PME avec des réseaux de conseillers experts du secteur possédant une expertise en IA, leur donnant ainsi accès à une expertise technique et à des conseils personnalisés, soutenant le renforcement et la sophistication de leurs capacités internes au fil du temps. Par conséquent, en combinant des formations groupées et des réseaux d'experts, les entreprises aux ressources limitées sont capables de développer un capital humain doté d'une compréhension approfondie de l'IA pour une intégration pertinente dans leur contexte commercial.
• Les pays du G7 devraient rechercher des moyens de promouvoir l'apprentissage continu et d'améliorer les pratiques permettant aux employés des PME de percevoir l'IA comme une force positive, afin qu'ils soient responsabilisés et non remplacés à l'ère de l'IA. Dans certains cas, cela peut être réalisé par le biais de la formation en cours d'emploi et de la formation modulaire. Les entreprises peuvent intégrer l'apprentissage continu à leur culture organisationnelle, en faisant de la maîtrise de l'IA une composante régulière de leurs programmes de formation destinés à leur personnel. Cela peut inclure des possibilités de formation modulaires et flexibles – telles que par le biais de l'apprentissage en ligne, de séminaires et d'ateliers – qui s'intègrent dans l'horaire de l'employé. Cela peut également inclure le leadership et le partenariat avec des institutions, telles que les collèges communautaires et les universités locales, pour développer des programmes éducatifs. Au fil du temps, l'apprentissage continu peut permettre aux employés de concevoir conjointement des approches pour intégrer l'IA et l'utiliser pour stimuler l'innovation et la croissance professionnelle. Si elles sont fructueuses, de telles pratiques entraîneront un changement culturel dans la façon dont l'IA est perçue dans le monde du travail.

5. Mécanismes de soutien financier

L'accès au capital et d'autres contraintes financières demeurent l'un des obstacles les plus importants et persistants à l'adoption de l'IA. Contrairement aux grandes entreprises, les PME fonctionnent souvent avec des marges limitées, ce qui rend difficile l'allocation de ressources à l'expérimentation, à l'infrastructure et au développement de la main-d'œuvre en matière d'IA. Les coûts associés à l'acquisition d'une infrastructure prête pour l'IA, à l'octroi de licences de logiciels, à l'embauche de talents qualifiés et à la formation du personnel peuvent souvent être prohibitifs. Ces défis sont aggravés par les défis de longue date auxquels les PME sont confrontées pour accéder au capital, tels que les prêts bancaires et le capital-risque. Des garanties limitées, un risque perçu plus élevé, des antécédents de crédit plus courts et un manque de clarté sur le rendement anticipé des investissements sont quelques-unes des raisons qui rendent plus difficile l'attraction d'investissements par rapport à leurs homologues plus importants. Les entreprises en démarrage font également face à des défis spécifiques pour accéder au capital, étant donné leur concentration sur l'innovation à haut risque et la croissance rapide. L'accès au capital est également essentiel pour développer des marchés concurrentiels pour les solutions d'IA, notamment pour créer des offres d'IA nouvelles et innovantes qui profitent aux PME. Les gouvernements, les entreprises et les associations d'entreprises peuvent tous jouer un rôle pour faciliter le financement des PME, tant pour les adoptants que pour les développeurs de solutions d'IA, et la promotion du développement d'écosystèmes d'IA compétitifs exige une collaboration étroite.

Recommandations

• Les pays du G7 devraient prendre des mesures pour améliorer davantage l'accès des PME au capital et aux services de conseil afin de permettre l'adoption de l'IA. La disponibilité croissante d'instruments financiers appropriés, tels que les prêts et le capital-risque, peut permettre de mieux comprendre les avantages que l'IA apporte aux PME du secteur financier. Là où des lacunes subsistent, des garanties publiques et des modèles de co-investissement peuvent être structurés pour réduire le risque pour les prêteurs et les investisseurs, en particulier pour les PME innovantes ou plus récentes. Les outils et plateformes numériques pour l'évaluation du crédit peuvent également atténuer les obstacles en tirant parti de la présence en ligne des PME pour démontrer leur santé financière. De plus, les services de conseil en matière d'adoption de l'IA et de littératie financière peuvent aider les PME à mieux comprendre les coûts et les impacts productifs de cette adoption et à avoir confiance en leurs investissements. Cela peut notamment leur permettre de préparer des analyses de rentabilité solides pour leurs investissements dans l'adoption et de s'orienter dans le paysage du financement. Ensemble, ces solutions peuvent faciliter l'accès au capital et aider à surmonter les obstacles pour permettre aux PME de réaliser des investissements à long terme dans l'adoption de l'IA.
• Les pays du G7 devraient également soutenir le développement de nouveaux produits et services d'IA innovants ou à faible coût. Des mesures peuvent être ciblées pour promouvoir l'émergence de nouveaux produits et solutions en matière d'IA, couvrant une gamme de prix, qui répondent aux besoins commerciaux spécifiques des PME. Par exemple, un financement public progressif pour la recherche et le développement précommerciaux et un soutien aux pôles d'innovation et aux incubateurs axés sur les PME.
• Les pays du G7 devraient encourager, sur une base volontaire, les initiatives et les réseaux du secteur qui s'efforcent de regrouper les ressources des PME pour créer des économies d'échelle – par exemple, par le biais de modèles de services partagés, d'achats collaboratifs, d'achats groupés de licences d'IA et d'accès à l'infrastructure infonuagique ou de l'embauche conjointe d'experts spécialisés. Le cas échéant, ces initiatives et réseaux devraient être incités à offrir des ressources centralisées à leurs communautés de PME, telles que les dernières informations sur les subventions disponibles, des outils d'IA à faible coût ou gratuits, des guides de conformité et les meilleures pratiques pour l'adoption. Cela peut non seulement réduire les coûts pour les PME individuelles, mais aussi promouvoir la collaboration et le partage des connaissances, sur une base volontaire, entre les PME, renforçant ainsi leur capacité à innover et à être compétitives.
• Dans les cas pertinents, les pays du G7 devraient encourager le regroupement des services de conseil avec le soutien financier lié à l'IA destiné aux PME. Ils devraient tirer parti d'intermédiaires de confiance – tels que les chambres de commerce, les centres de recherche et d'innovation, les associations industrielles et sectorielles, les coopératives de crédit et les banques de développement locales – qui peuvent non seulement distribuer des prêts et des subventions, mais aussi des conseils, aux PME. Un point de contact unique et accessible, capable d'accompagner les PME à travers les différentes étapes de l'adoption, depuis l'évaluation des besoins de l'entreprise et l'obtention de financement jusqu'à l'élaboration de plans d'intégration stratégiques et la mise en relation avec des fournisseurs d'IA de confiance, peut accélérer la préparation des PME à l'IA.

Le rôle stratégique des banques locales dans l'accélération de l'adoption de l'IA par les PME

Les banques locales et régionales sont particulièrement bien placées pour agir en tant que catalyseurs de l'adoption de l'IA par les PME. Au-delà de leur rôle de canaux de financement, ils peuvent agir comme des partenaires de confiance, combinant proximité, expertise financière et connaissance de l'écosystème pour aider les PME à s'orienter sur la voie de la transformation numérique. Les rôles clés qu'ils peuvent jouer incluent les suivants :

• Financement prêt pour l'IA : Développer et offrir des produits de prêt dédiés, des garanties de crédit et des régimes de remboursement flexibles conçus pour les investissements liés à l'IA.
• Conseil et soutien à la préparation : Intégrer des évaluations de préparation à l'IA et des services de conseil numérique dans les processus de prêt.
• Organisateurs d'écosystèmes : Tirent parti de leurs réseaux communautaires pour mettre en relation les PME avec des fournisseurs d'IA, des entreprises de technologie financière, des pôles d'innovation locaux et des programmes de soutien gouvernementaux.
• Renforcement des capacités : Équiper les conseillers bancaires de compétences de base en IA pour mieux guider les PME dans leurs décisions de financement et d'adoption.
• Partenariats en données : Dans le cadre de gouvernance et de protection de la vie privée approprié, explorer les possibilités de collaborations sur des données anonymisées qui peuvent améliorer les modèles d'évaluation du crédit et éclairer les applications d'IA des PME en matière de prévision, de productivité et de gestion financière.

6. Orientation réglementaire et de gouvernance

Des orientations réglementaires et de gouvernance claires et pratiques sont essentielles pour une adoption efficace de l'IA par les PME. Lorsque l'incertitude réglementaire s'ajoute à la capacité limitée des PME à gérer des exigences de conformité complexes – par exemple en matière de confidentialité des données, de responsabilité algorithmique, de sécurité et de transparence – cela peut soit rendre les entreprises hésitantes à adopter l'IA en raison des risques juridiques et de réputation, soit conduire à un déploiement de l'IA de manière dangereuse ou inappropriée. Sans un soutien en matière de gouvernance adapté aux PME, les entreprises pourraient décider de ne pas adopter l'IA, ou de l'intégrer d'une manière non conforme aux cadres existants. Cela les exposera à un risque de conformité inutile ou à un risque de sous-performance par rapport aux concurrents qui adoptent l'IA avec plus de confiance.

Recommandations

• Les pays du G7 devraient élaborer des directives de gouvernance de l'IA et des ressources en matière de conformité favorables aux PME. Les gouvernements et les organismes de réglementation peuvent créer des ressources pratiques et accessibles, telles que des listes de conformité simplifiées, des guides d'évaluation de la protection de la vie privée, des boîtes à outils et des guides de meilleures pratiques pour l'utilisation responsable des données et de l'IA. Lorsque cela est pertinent, ces ressources devraient être éclairées par les meilleures pratiques, telles que celles reconnues par le processus d'Hiroshima en matière d'IA (Hiroshima AI Process). Elles devraient être élaborées en collaboration avec les associations sectorielles et commerciales concernées afin d'aider les PME à comprendre les meilleures pratiques pertinentes à leur domaine ainsi que leurs obligations en vertu des lois existantes.
• Les pays du G7 devraient promouvoir le dialogue entre les organismes de réglementation, les PME et les associations d'entreprises axées sur les PME afin d'éclairer la création de réglementations et de normes compatibles avec les besoins des PME. Les associations sont bien placées pour faire entendre les perspectives des petites entreprises dans les discussions réglementaires et de normalisation dirigées par le gouvernement, où les perspectives des plus grandes sociétés peuvent dominer. L'engagement permet de garantir que les perspectives des PME soient prises en compte dans les décisions relatives à la gouvernance de l'IA et promouvoir des réglementations qui sont pratiques, flexibles et évolutives pour les plus petites entreprises.
• Les pays du G7 devraient continuer à collaborer pour améliorer la compatibilité entre les cadres de gouvernance de l'IA — tant au sein de leurs économies respectives que, le cas échéant, au sein du G7 et au-delà — afin d'alléger les contraintes liées à la conformité. Des approches compatibles en matière de protection des données, de responsabilité algorithmique et de flux de données transfrontaliers peuvent réduire la fragmentation, augmenter la prévisibilité des environnements de conformité et diminuer les coûts de conformité pour les PME opérant à l'international.

Annexe : cas d'utilisation de l'IA dans les pays du G7

Une variété de cas d'utilisation de l'IA organisés par profils d'adoptants de l'IA^{Note de bas de page 5}

(Basés sur la Taxonomie des adoptants de l'IA)

Novices en IA

1. Petite entreprise de torréfaction

Une petite entreprise de torréfaction utilise des produits d'IA prêts à l'emploi pour optimiser ses processus.

L'entreprise comptait déjà sur des outils numériques pour les ventes en ligne. Avec l'essor de l'IA générative, l'entreprise a franchi une étape supplémentaire – en utilisant des produits prêts à l'emploi comme ChatGPT pour plusieurs fonctions. Cela inclut « la création de descriptions de produits, la mise à jour du référencement naturel, la rédaction de courriels de marketing et l'analyse des coûts d'expédition. » L'entreprise utilise également ChatGPT pour explorer des moyens d'automatiser l'élimination de l'électricité statique accumulée lors du broyage du café, un processus qui peut s'avérer long et fastidieux.

Optimisateurs d'IA

2. Fabricant de petits sacs

Un petit fabricant de sacs utilise des produits d'IA prêts à l'emploi pour simplifier les processus.

Cette PME utilise des outils d'IA prêts à l'emploi, tels que ChatGPT, Gemini et Co-Pilot, ainsi que des modèles d'apprentissage automatique pour automatiser certaines parties de ses flux de travail. Ces outils ont permis à l'entreprise d'améliorer l'analyse de ses capacités de production, de rationaliser les processus et d'automatiser les flux opérationnels. Bien que l'entreprise ait dû relever certains défis, tels que l'intégration de l'IA dans l'écosystème plus large et une meilleure formation des travailleurs en matière d'IA, elle a bénéficié du soutien du gouvernement dans l'adoption de l'IA.

Explorateurs de l'IA

3. Micro-entreprise de commerce de gros

Une micro-entreprise de commerce de gros interentreprises utilise des agents d'IA personnalisés pour simplifier les communications et les ventes.

L'entreprise a relevé plusieurs obstacles qui empêchent les fabricants locaux de vendre à l'échelle mondiale, notamment « un manque de ressources, des barrières linguistiques et des délais de réponse trop longs ». Pour combler ces lacunes, l'entreprise a créé des agents d'IA sur mesure pour gérer les questions et réponses, faciliter les négociations de projets et alimenter une fonction de clavardage traduite en plusieurs langues. Le résultat a été positif : les vendeurs ont constaté une augmentation de leurs revenus et un gain de temps pour leurs employés, tandis que les acheteurs consacrent moins de temps aux études de marché, au développement de produits et aux cycles de négociation grâce à des réponses plus rapides et une communication améliorée.

Transformateurs d'IA

4. Petite entreprise de biotechnologie

Une petite PME de biotechnologie utilise des outils d'IA personnalisés pour la découverte de médicaments contre les maladies rares, afin d'optimiser ses propres processus et de proposer des traitements efficaces aux patients atteints de maladies rares.

La PME a construit ses propres modèles d'apprentissage automatique (AA) pour prédire des opportunités thérapeutiques cachées pour les maladies rares. Ces modèles sont basés sur les « systèmes de graphes et de bases de connaissances propres à l'entreprise pour les maladies rares, capables d'intégrer plus de 50 sources de données structurées et non structurées pertinentes, ainsi que des données sélectionnées sur les maladies et les médicaments concernés ».

Leur personnel d'ingénierie et scientifique utilise également « de manière extensive des assistants de codage basés sur le langage LLM (Co-Pilot, Sonnet, Gemini, etc.) et des outils de développement (Claude Code, Codex) », citant des gains d'efficacité et de productivité. Plus récemment, ils ont commencé à « développer des agents et des outils d'IA pour les aider à identifier les données pertinentes [pour leurs] programmes de découverte de médicaments ». Pour l'usage interne de l'entreprise, ils ont également développé des interfaces de clavardage basées sur le langage LLM pour faciliter la documentation et l'accès aux données internes pour l'ensemble de l'organisation.

Une variété de cas d'application de l'IA à travers les secteurs et les industries^{Note de bas de page 6}

Aviation

Une compagnie aérienne de charters commerciaux de taille moyenne déploie le grand modèle de langage (LLM) pour traiter les rapports de sécurité et les enquêtes.

La compagnie aérienne s'est associée à une organisation nationale d'expertise en IA pour un projet de recherche appliquée en IA. Ensemble, ils ont développé un système d'IA en deux phases. Tout d'abord, ils utilisent le LLM pour traiter les rapports de sécurité des employés afin d'évaluer la gravité des résultats et l'efficacité des barrières. Deuxièmement, ils utilisent l'IA agentique pour mener des enquêtes complètes. Le système signale toute lacune nécessitant une vérification humaine, assurant ainsi le maintien d'une approche centrée sur l'humain. Cela a permis de réduire considérablement le temps de travail manuel, ce qui a permis aux enquêteurs de valider et d'améliorer les rapports au lieu de se concentrer sur les tâches administratives. Compte tenu de ce succès, la compagnie aérienne lance un modèle dérivé pour apporter la solution à l'industrie aéronautique au sens large.

Agriculture

Une micro-PME a développé un système robotique qui automatise la récolte des fraises avec une précision de 95 %, réduisant les coûts de main-d'œuvre et faisant progresser l'agriculture numérique.

L'entreprise a collaboré avec un pôle d'innovation numérique infranational pour développer un système robotisé d'automatisation de la récolte des fraises dans l'agriculture hydroponique. Grâce à une solution intégrant la perception alimentée par l'IA, des pinces de précision, une surveillance en temps réel et une planification de mouvement avancée, le système robotique a atteint une précision de détection de 95 %, réduit les dommages aux fruits de 20 % et réduit les coûts de main-d'œuvre de 30 %. Au-delà des gains opérationnels, le projet a fait progresser la maturité numérique de l'entreprise, favorisé l'innovation en agriculture numérique, promu l'agriculture durable et démontré le potentiel de l'IA et de la robotique dans l'agriculture de précision.

Fabrication

Une entreprise de fabrication de taille moyenne a testé le contrôle de qualité basé sur l'IA pour les plaquettes de frein, améliorant la détection des défauts et l'efficacité, tout en réduisant l'effort manuel.

Une entreprise a mis en place un système de contrôle de la qualité alimenté par l'IA pour optimiser son processus de production de plaquettes de frein. Le projet visait à réduire les efforts d'inspection manuelle et à améliorer la qualité des produits grâce à la reconnaissance d'images automatisée soutenue par l'IA des surfaces de frottement. Le prototype a confirmé la faisabilité de l'utilisation de l'IA pour la détection fiable des défauts, améliorant l'objectivité et la cohérence dans l'assurance qualité. Cette approche aide non seulement à résoudre une pénurie de main-d'œuvre qualifiée, mais positionne également l'entreprise pour une plus grande innovation et une meilleure concurrence dans le secteur manufacturier.

Construction

Une PME au service des industries énergivores a appliqué l'IA aux systèmes de chauffage, de ventilation et de conditionnement d'air (CVCA) pour la maintenance prédictive et l'efficacité énergétique, ce qui a permis de réaliser d'importantes économies et d'ouvrir de nouvelles opportunités de marché.

Une PME a lancé un projet habilité par l'IA et l'Internet des objets (IdO) pour améliorer l'efficacité et la fiabilité des systèmes CVCA. La solution d'IA est capable de prédire les pannes du système et la surconsommation d'énergie, ce qui aide les clients à passer d'une maintenance réactive à une maintenance prédictive, contribuant ainsi à réduire les temps d'arrêt, les coûts de réparation et la consommation d'énergie. Le système s'adapte également de manière dynamique à différents environnements et à une utilisation saisonnière, prolongeant la durée de vie de l'équipement et soutenant la conformité réglementaire. Cette initiative a permis de réduire les réparations imprévues jusqu'à 40 %, de diminuer considérablement la consommation d'énergie et de prolonger la durée de vie des équipements, tout en permettant une expansion sur les marchés du bâtiment tertiaire et en prévoyant une augmentation annuelle de la croissance des revenus.