Maturité IA des PME françaises 2025-2026

Préambule — la fenêtre étroite

Au deuxième trimestre 2026, 58 % des TPE-PME françaises déclarent recourir à l'IA — dont près de la moitié quotidiennement — contre 55 % fin 2025^[1]. Ce chiffre, issu des baromètres Bpifrance Le Lab – Rexecode, marque un basculement historique. En l'espace de trois années, l'intelligence artificielle est passée d'un sujet de R&D pour grands groupes à un outil quotidien de l'économie réelle.

Mais derrière cette adoption massive, une autre statistique fait peu de bruit : environ 11 % seulement des entreprises utilisatrices documentent une vraie valeur mesurée — estimation construite par croisement des données McKinsey de novembre 2025 (~39 % mesurent un effet sur le résultat, ~5,5 % seulement un impact supérieur à 5 % de l'EBIT) et des retours terrain^[2][8]. MIT NANDA enfonce le clou : 95 % des projets d'IA générative n'ont aucun impact mesurable sur le compte de résultat^[11]. Sur 100 PME équipées, l'écrasante majorité saupoudre ; une sur dix récolte ; une poignée transforme vraiment. La fenêtre est étroite — mais elle est encore ouverte.

Ce livre blanc s'adresse aux dirigeants qui ne se contentent pas d'adopter l'IA pour dire qu'ils l'ont fait. Il propose une grille de lecture en cinq paliers, une méthode, des chiffres terrain — issus de plus de trente missions documentées en PME et ETI françaises depuis 2024^[8].

La thèse est simple : l'IA en PME ne se gagne pas sur la technologie. Elle se gagne sur la méthode. Les 11 % qui réussissent ne sont pas mieux outillés. Ils sont mieux organisés. Les moins de 0,5 % qui définissent leur secteur ne sont pas plus innovants — ils sont mieux gouvernés.

L'édition Mai 2026 intègre quatre éléments nouveaux par rapport à l'édition initiale d'avril 2026 :

1. L'extension de l'Échelle Méthode Junyr™ à 5 niveaux — Spectateur et Pionnier ajoutés en amont et en aval, conformes aux frameworks « golden standard » 2025-2026 (Gartner 5 levels, PwC AI-Native, Microsoft Agentic L100→L500).
2. Le calendrier AI Act actualisé — décalage post-Digital Omnibus du 7 mai 2026^[15].
3. Deux chapitres nouveaux — souveraineté & infrastructure (chap. 4), maîtrise du coût de l'IA & FinOps (chap. 5).
4. L'intégration du context engineering — « commander l'IA » plutôt qu'« écrire des prompts », dans la méthodologie en 5 phases (chap. 6).

Chapitre 1 — État des lieux des PME françaises 2025-2026

1.1 Adoption de surface, valeur de profondeur

Le baromètre Bpifrance Le Lab de fin 2025 indique 55 % d'usage déclaré de l'IA générative par les TPE-PME, en croissance d'environ 30 points en dix-huit mois^[1]. Trois usages dominent : la rédaction de contenus marketing, la synthèse de documents et l'aide à la rédaction d'emails. Trois usages qui partagent une caractéristique : ils sont individuels, hors processus, non mesurés.

Le Baromètre France Num 2025 (DGE, septembre 2025) précise la lecture : 26 % seulement des PME utilisent l'IA de manière régulière — 34 % pour les entreprises de 10 à 249 salariés^[12]. Le reste, soit ~74 %, en est encore aux usages sporadiques ou à l'abstinence pure.

Quand on creuse le résultat, on obtient un autre chiffre, beaucoup moins flatteur : environ 11 % des entreprises documentent une création de valeur réelle liée à l'IA — estimation croisée des indicateurs McKinsey 2025 (~5,5 % d'impact EBIT supérieur à 5 %, ~39 % d'effet mesuré, le plus souvent inférieur à 5 %) et MIT NANDA^[2][11]. Le reste, l'écart béant entre l'usage déclaré et la valeur mesurée, c'est la zone du saupoudrage. MIT NANDA va plus loin dans son étude State of AI in Business 2025 : 95 % des pilotes d'IA générative n'ont aucun impact P&L mesurable^[11]. C'est ce que les chercheurs appellent désormais le « GenAI Divide ».

1.2 Les angles morts du COMEX

L'INSEE et Bpifrance Le Lab convergent sur deux indicateurs préoccupants^[3][1] :

• 43 % des dirigeants n'ont aucune stratégie IA formalisée. L'IA est perçue comme une question d'outils, pas comme un sujet de direction générale.
• 43 % des entreprises ne réalisent aucune analyse de leurs données. Pas de tableau de bord transverse, pas d'équipe data, pas de gouvernance — donc pas de matière première pour une transformation IA crédible.

À cela s'ajoute le phénomène du Shadow AI dirigeant : Microsoft Work Trend Index 2025 documente que la majorité des dirigeants utilisent l'IA générative en personnel avant que l'entreprise n'en ait formalisé l'usage^[13]. Le phénomène n'est pas en soi un problème — il devient un risque quand il s'installe durablement sans cadre : exfiltration de données sensibles, dépendance à des outils non auditables, décisions opaques.

Le chiffre le plus parlant vient de la RAND Corporation (Ryseff, De Bruhl & Newberry, 2024) : plus de 80 % des projets IA échouent — deux fois le taux des projets informatiques classiques^[5]. Gartner confirmait la tendance en avril 2026 : au moins la moitié des projets d'IA générative sont abandonnés après la phase pilote^[4]. Ce n'est pas l'IA qui ne marche pas — ce sont les projets qui ne sont pas tenus.

1.3 Le coût de l'attentisme

Les leaders, eux, documentent un ROI médian de 159,8 % mesuré sur 24 mois sur les projets IA bien cadrés^[7]. Le chiffre, issu du Baromètre IA & ROI PME France 2022-2025 de Denis Atlan (plus de 200 déploiements B2B analysés, taux de succès de 73 %), recoupe les remontées de plus de trente missions documentées en France^[8].

La question n'est donc plus « faut-il y aller ». Elle est devenue « faut-il y aller maintenant ou dans deux ans ». Et la réponse est simple : les retardataires de 2026 seront les disparus de 2030. Pas par disruption brutale — par érosion de marges et perte de compétitivité.

Le plan Osez l'IA, lancé par Bpifrance en juillet 2025 (200 M€ d'enveloppe initiale, dynamique globale 10 Md€), fixe la cible : 80 % des PME et ETI françaises au niveau Orchestre ou supérieur d'ici 2030^[14].

1.4 Contexte réglementaire — l'AI Act post-Digital Omnibus

Le 7 mai 2026, le Conseil et le Parlement européens ont adopté l'accord politique du Digital Omnibus^[15]. Ce paquet de simplification réorganise le calendrier de plusieurs grands textes — RGPD, NIS2, Data Act, et notamment l'AI Act (Règlement UE 2024/1689^[9]).

Pour les PME, trois implications concrètes :

1. Décalage des obligations pour les systèmes haut risque. L'application des obligations principales pour les systèmes d'IA classés à haut risque, initialement prévue au 2 août 2026, est repoussée à fin 2027 / 2 août 2028 selon les catégories. Le calendrier de l'édition d'avril 2026 du présent livre blanc est donc obsolète sur ce point.
2. Allègement administratif annoncé. Le Digital Omnibus prévoit une réduction de 35 % de la charge administrative pour les PME d'ici 2029, notamment via un guichet unique de conformité numérique.
3. L'obligation de littératie IA est maintenue. L'article 4 de l'AI Act, qui impose un niveau suffisant de maîtrise par les utilisateurs, reste applicable depuis février 2025 — sans changement, sans seuil.

À retenir. Le report des obligations haut risque ne change pas la trajectoire — il change le rythme. Les PME qui auront installé une gouvernance Architecte (Junyr-4) avant le 2 août 2028 seront en conformité par construction. Les autres devront rattraper en urgence, dans un climat de pénurie de compétences déjà documenté.

Chapitre 2 — L'Échelle Méthode Junyr™ — les 5 niveaux

2.1 Pourquoi un référentiel dédié aux PME françaises

La plupart des modèles de maturité IA empruntent leur grille aux grands groupes. Gartner, Microsoft, PwC, BCG, McKinsey, Deloitte — chacun y va de son cadran^{[16][17][18][19][20]}. Tous ont en commun un défaut majeur pour un dirigeant de PME : ils ont été conçus pour des grands groupes.

L'Échelle Méthode Junyr™ corrige ce travers. Elle a été conçue à partir de plus de trente missions documentées en PME et ETI françaises depuis 2024^[8]. Cinq marches, chacune associée à une métaphore mémorisable et à une question simple. La grille à 5 niveaux est conforme aux frameworks « golden standard » 2025-2026 (Gartner, PwC AI-Native, Microsoft Agentic L100→L500) tout en restant spécifique aux PME françaises. Aucune grille officielle française à 5 niveaux n'existe à ce jour ; la Méthode Junyr™ vient combler ce vide.

2.2 Les cinq paliers — vue d'ensemble

Total niveaux 3+ : ~16-18 %, cohérent avec le « GenAI Divide » MIT NANDA (5 % ont vraiment franchi le pas^[11]) et avec McKinsey « high performers » 6 %^[2].

2.3 Niveau 1 — Spectateur

« L'IA, on regarde de loin — est-ce qu'on rate quelque chose ? »

L'entreprise est consciente de l'existence de l'IA générative. Le dirigeant en a entendu parler ; quelques collaborateurs ont peut-être essayé ChatGPT à titre personnel, une fois. Mais aucun outil officiel n'est en place, aucun usage métier n'est identifié, aucune ligne au budget. Le danger n'est pas d'y être en mai 2026 ; il est d'y être encore en mai 2028.

~50 % des PME françaises, ancré sur le Baromètre France Num 2025 (74 % n'utilisent pas l'IA régulièrement), stratifié pour distinguer ceux qui n'utilisent pas du tout de ceux qui ont des usages sporadiques individuels^[12].

2.4 Niveau 2 — Artisan

« Mes collaborateurs utilisent-ils l'IA chacun dans leur coin ? »

L'entreprise abrite des usages individuels, non coordonnés. Le territoire du Shadow AI : chacun s'est abonné à son outil, parfois sur compte personnel, sans cadre. Trois risques concrets : exfiltration de données, hallucinations non détectées, dépendance personnelle. ~30 % des PME françaises — différentiel entre adoption Bpifrance (58 % d'usage déclaré au T2 2026) et valeur réellement mesurée (≈11 %, estimation), affiné par Microsoft Work Trend Index 2025^[13].

2.5 Niveau 3 — Orchestre

« L'IA est-elle inscrite dans nos processus, pilotée et mesurée ? »

L'entreprise a identifié 2 à 5 cas d'usage métier prioritaires, les a déployés avec une vraie démarche projet, et mesure leurs effets. Charte d'usage validée en COMEX, 2 à 4 référents métier, politique de données, comité IA trimestriel, registre AI Act. C'est ici que se loge le ROI médian de 159,8 % sur 24 mois documenté sur les projets IA bien cadrés^[7]. ~13-15 % des PME françaises — valeur réellement mesurée (≈11 %, estimation) et Bpifrance Le Lab (15-20 % pilotage).

2.6 Niveau 4 — Architecte

« L'IA est-elle un avantage compétitif structurel ? »

L'IA est un attribut de l'entreprise. Base de connaissance propriétaire (5 à 10 ans d'archives métier nettoyées), agents sous supervision sur périmètres définis, registre AI Act en temps réel^[9][15], gouvernance ISO 42001 amorcée^[21], LLM gateway, FinOps mature. L'avantage est structurel : un concurrent qui voudrait répliquer mettrait 18 à 24 mois^[8]. ~2-3 % des PME françaises — référence BCG « Future-Built » 5 % au global^[19] ajustée à la baisse pour la PME française.

2.7 Niveau 5 — Pionnier

« Sommes-nous en train de définir le standard de notre secteur ? »

Workflows AI-first reconçus autour des capacités des agents. Agents autonomes mesurés en heures puis en jours d'opération, sous supervision asynchrone. ISO 42001 certifiée, FinOps IA mature, literacy IA des trois étages dirigeants-managers- opérationnels. Microsoft parle de « Frontier Firms »^[13], PwC d'« AI-Native »^[17], BCG de « Future-Built »^[19]. < 0,5 % des PME françaises. Le Pionnier 2026 sera la référence sectorielle 2030.

2.8 La règle d'or : aucun niveau ne se saute

Une PME au niveau Artisan qui investit 200 000 € pour bâtir une plateforme d'agents autonomes échoue dans 9 cas sur 10^[4][5] — pas par manque de technologie, par manque de fondations. MIT NANDA le quantifie : 95 % des pilotes ne franchissent pas le « GenAI Divide »^[11].

Durées et budgets de transition (PME 50-500 salariés)^[8] :

• Spectateur → Artisan : 3 à 6 mois · 5 à 15 k€
• Artisan → Orchestre : 6 à 12 mois · 30 à 80 k€
• Orchestre → Architecte : 12 à 24 mois · 80 à 250 k€
• Architecte → Pionnier : 24 à 36 mois · investissement structurant

Une transformation Spectateur → Architecte prend 3 à 4 ans. Spectateur → Pionnier prend 5 à 7 ans. Durée incompressible de la maturation organisationnelle, indépendante de la rapidité de la technologie.

À retenir. Aucun niveau ne se saute. Une PME Artisan qui investit 200 000 € dans une plateforme d'agents échoue dans 9 cas sur 10 — non par manque de technologie, mais par manque de fondations^[8]. Spectateur → Architecte prend 3 à 4 ans : c'est le rythme des humains, des processus et des données, pas celui des outils.

Détail complet et grille d'auto-diagnostic en 12 points : l'article dédié →

Chapitre 3 — Les 5 erreurs fatales

Selon la RAND Corporation, plus de 80 % des projets IA échouent^[5]. Gartner, MIT et McKinsey convergent sur des constats voisins^[4][6][2]. MIT NANDA : 95 % des pilotes GenAI sans impact P&L^[11]. Cinq erreurs en sont responsables^[8]. Aucune n'est technologique. Toutes sont des erreurs de discipline d'exécution.

Erreur 1 — Le syndrome du gadget

Choisir un outil avant d'avoir formulé un problème. Six mois plus tard, l'abonnement coûte plus qu'il ne rapporte.
Antidote : ne jamais acheter un outil avant d'avoir nommé le processus, les utilisateurs cibles, et le bénéfice attendu chiffré.

Erreur 2 — Le piège du POC perpétuel

70 % des POC IA restent lettre morte^[5][6].
Antidote : définir les critères de bascule en production avant le démarrage. Pas de POC sans plan de production.

Erreur 3 — L'illusion du dirigeant solitaire

Le dirigeant porte le sujet seul. Personne ne reprend le flambeau.
Antidote : désigner 2 à 4 référents internes opérationnels métier dès le démarrage.

Erreur 4 — Le mirage du ROI immédiat

L'IA ne crée pas de valeur en sortie d'usine. Elle en crée dans des processus reconçus.
Antidote : chaque cas d'usage commence par une simplification de processus. Le process audit précède toujours la tool selection.

Erreur 5 — La cécité aux données

Sans carburant fiable, le moteur le plus sophistiqué ne démarre pas.
Antidote : auditer la qualité des données avant de choisir le cas d'usage. Si les données sont absentes ou trop bruitées, le cas d'usage ne se fait pas.

Chapitre 4 — Souveraineté & infrastructure

L'adoption de l'IA générative en PME pose trois questions de souveraineté qui étaient absentes ou marginales du débat il y a deux ans. En 2026, elles sont devenues structurantes pour le choix d'architecture.

4.1 Le CLOUD Act et ce qu'il signifie pour une PME

Le Clarifying Lawful Overseas Use of Data Act (CLOUD Act, États-Unis, 2018, §2713)^[22] permet aux autorités américaines de réquisitionner des données détenues par un fournisseur de services états-unien, même si elles sont stockées physiquement en Europe. Pour une PME française qui manipule des données B2B confidentielles, des prix, des marges ou de la propriété intellectuelle, cette accessibilité crée un risque juridique et commercial — particulièrement dans les secteurs santé, défense, énergie, finance.

La règle pratique Junyr : classifier les données avant de choisir le fournisseur.

4.2 On-premise vs cloud souverain — grille de décision

Le ROI on-premise : selon les retours terrain Junyr^[8], une PME industrielle qui passe 80 % de ses appels en on-premise (Mistral ou Llama-class) amortit son investissement en 18 à 30 mois si les volumes dépassent 5 M tokens/mois.

4.3 Le calendrier PQC de l'ANSSI (2027-2035)

L'ANSSI^[23] a publié son calendrier de migration vers la cryptographie post-quantique : 2027 pour les systèmes traitant des informations à confidentialité longue (au-delà de 2030), 2030 pour tous les nouveaux systèmes critiques, 2035 pour la sortie des anciens algorithmes (RSA, ECC). Les choix d'architecture IA faits aujourd'hui doivent être compatibles avec cette migration.

4.4 NIS2 et Data Act — obligations concrètes

NIS2 (Directive UE 2022/2555)^[24] étend les obligations de cybersécurité à un périmètre élargi. Pour une PME, deux situations à clarifier : être entité essentielle/importante au titre de NIS2, ou être fournisseur de chaîne d'approvisionnement d'une telle entité (obligations contractuelles renforcées). Le Data Act (Règlement UE 2023/2854)^[25] entré en application en septembre 2025 réorganise les droits sur les données générées par les objets connectés.

4.5 Recommandation pratique — la matrice 2×2

La règle Junyr : commencer simple, segmenter progressivement.

Chapitre 5 — Maîtriser le coût de l'IA : FinOps & gouvernance

Le coût de l'IA générative n'est pas linéaire. Sans gouvernance, il s'emballe. Une PME au niveau Artisan peut consommer 2 à 10 k€/mois sans en mesurer la valeur. Une PME au niveau Architecte qui maîtrise son FinOps consomme 1,5 à 3 k€/mois — et en tire mesurablement plus de valeur. La différence n'est pas dans la technologie ; elle est dans la gouvernance.

5.1 Pourquoi les coûts IA explosent en PME

1. Multiplication des comptes individuels — aucune visibilité consolidée.
2. Appels redondants — pas de cache, pas de routing intelligent.
3. Absence de baseline et de seuils — personne ne sait combien on dépense.

5.2 LLM Gateway — le levier principal

Un LLM Gateway (proxy centralisé entre les utilisateurs/applications et les modèles) est le levier opérationnel n°1. Solutions open-source en mai 2026 : LiteLLM, Portkey, Helicone, Langfuse. Solutions SaaS : Portkey payant, TrueFoundry, Cloudflare AI Gateway. Bénéfices observés en mission Junyr^[8] : réduction de coût de 30 à 60 %, logging centralisé, rate limiting, contrôle d'accès et secret management.

5.3 ISO 42001 — le cadre de gouvernance

La norme ISO/IEC 42001:2023^[21] est le premier référentiel international d'AI Management System. Pour une PME, ce n'est pas un préalable mais une cible à 18-36 mois pour les niveaux Architecte et Pionnier. Quatre principes applicables immédiatement dès Orchestre : politique IA documentée, registre des systèmes IA, évaluation des risques, revue de direction semestrielle. ~40 % des appels d'offres IA en mid-2026 intègrent l'ISO 42001 dans leurs critères^[8].

5.4 TCO et ROI — la bonne équation

ROI = gains de productivité mesurés + revenu additionnel attribuable + risques évités quantifiables. Mesurer mensuellement, agréger trimestriellement, ne jamais sortir un chiffre de ROI sans la méthodologie qui le sous-tend.

5.5 La gouvernance budgétaire mensuelle

1. Dashboard mensuel : coût total, par cas d'usage, par utilisateur, ratio coût/valeur.
2. Alertes seuil automatiques par cas d'usage.
3. Revue trimestrielle en comité IA.
4. Bilan annuel intégré au budget de l'année suivante.

À retenir. Le report des obligations AI Act post-Digital Omnibus (§1.4) ne signifie pas report de la gouvernance interne — au contraire. C'est une fenêtre de 18 à 24 mois pour installer les pratiques FinOps et ISO 42001 avant que la compliance ne devienne contraignante.

Chapitre 6 — La méthodologie en 5 phases

La démarche Méthode Junyr™ enchaîne cinq phases sur 12 mois. Conçue pour une PME-ETI de 50 à 500 salariés, accompagnée par un manager de transition externe. Budget total (accompagnement + licences + outils) : 30 à 80 k€ pour un passage Artisan → Orchestre^[8].

Phase 1 — Diagnostic 360° (semaines 1 à 3)

Cartographie des processus métier critiques, audit data, posture du dirigeant et du COMEX. Livrable : rapport de 15-25 pages, restitué en COMEX, conclu par 3 à 5 cas d'usage prioritaires classés par ratio impact/effort.

Phase 2 — Cadrage des cas d'usage (semaines 4 à 6)

Pour chaque cas : périmètre, utilisateurs cibles, données, outils candidats, budget, ROI attendu, risques, plan de bascule. Une heure de cadrage économise vingt heures de déploiement^[8].

Phase 3 — Préparation des fondations (semaines 7 à 12)

Charte d'usage IA, politique de données, plan de formation à trois niveaux (COMEX, managers, opérationnels), architecture cible (cloud, hébergement, LLM gateway), structuration des données prioritaires, premiers éléments ISO 42001.

Phase 4 — Déploiements pilotes (semaines 13 à 26)

Sprints de 4 à 6 semaines, un cas d'usage par sprint. Utilisateur final identifié, indicateurs de succès définis avant lancement, revue mensuelle COMEX. Pas de bascule en production sans atteinte des indicateurs.

Phase 5 — Consolidation et gouvernance (mois 7 à 12)

Industrialisation, registre AI Act, comité IA trimestriel piloté par un membre du COMEX, dashboard FinOps mensuel, roadmap année 2.

Commander l'IA — du prompt au context engineering

Une compétence transverse aux cinq phases a émergé en 2025-2026 et structure désormais la pratique : le context engineering, ou « commander l'IA ». Là où 2023 demandait d'apprendre à écrire des prompts, 2026 demande de construire le contexte dans lequel l'IA opère : choix du modèle, structure de la requête, intégration de connaissances métier, contrôles de qualité, garde-fous, mesure de la sortie. Pour une PME au niveau Orchestre ou supérieur, le context engineering n'est pas une compétence individuelle. C'est une discipline d'équipe avec trois étages : literacy IA des dirigeants, capacité de cadrage des managers, maîtrise des outils des opérationnels^[26].

Chapitre 7 — Étude de cas INDUSTEC

INDUSTEC (nom anonymisé) est une PME industrielle française de 78 collaborateurs, 23,5 M€ de chiffre d'affaires^[10]. Mission démarrée en avril 2025, mesure à 9 mois (janvier 2026).

Point de départ — niveau Artisan

Trois usages individuels, non coordonnés : un commercial sur ChatGPT, la responsable communication sur LinkedIn, le directeur technique sur Mistral. Aucun outil partagé, aucun processus impacté, aucune mesure^[10]. Profil typique du niveau Artisan.

Cas d'usage prioritaire — rédaction des devis techniques

600 à 800 devis par an, 2 à 4 heures de rédaction chacun. Cadrage : assistant interne s'appuyant sur référentiel produits, templates, historique de 1 800 devis depuis 2022. Indicateur : réduction d'au moins 50 % du temps de rédaction^[10].

Résultats à 9 mois

• 275 heures économisées par mois (1,7 ETP libéré, redéployé sur le commercial).
• +18 % de chiffre d'affaires sur le périmètre commercial concerné. Conversion devis → commande : 38 % → 44 %.
• ROI de 182 % documenté à 9 mois de mission, consolidé sur 12 mois. Coût total 44 k€ rentabilisé au 5ᵉ mois^[10].

Bascule confirmée vers Orchestre stabilisé

Au-delà des chiffres : passage d'une curiosité personnelle (Artisan) à un processus inscrit, mesuré, extendable (Orchestre). Deux cas d'usage cadrés pour 2026 : veille concurrentielle, comptes rendus de visite client. Trajectoire vers Architecte tracée pour 2027-2028 (base de connaissance technique propriétaire).

Étude de cas anonymisée. Les résultats sont issus d'une mission spécifique et ne constituent pas une garantie pour d'autres organisations. Le ROI dépend du contexte sectoriel, de la maturité initiale, de l'engagement des équipes et de la qualité d'exécution. Les performances passées ne préjugent pas des résultats futurs.

Chapitre 8 — Feuille de route 12 mois

Squelette type d'une mission Artisan → Orchestre. À adapter avec les cas d'usage retenus en phase 1.

Trimestre 1 — Diagnostic et fondations

• Diagnostic 360° et cadrage des 3 à 5 cas d'usage prioritaires.
• Charte d'usage IA validée en COMEX.
• Désignation des 2 à 4 référents internes.
• Plan de formation à trois niveaux validé.
• Premiers éléments ISO 42001 (politique, registre minimal).

Trimestre 2 — Premier déploiement pilote

• Sprints 1 et 2 sur les cas d'usage prioritaires.
• LLM gateway et dashboard FinOps initial.
• Première revue mensuelle COMEX.

Trimestre 3 — Industrialisation et extension

• Sprints 3 et 4.
• Industrialisation du cas trimestre 2.
• Registre AI Act complet.
• Optimisations FinOps mesurables (-15 à -25 % vs. trajectoire initiale).

Trimestre 4 — Consolidation et roadmap année 2

• Mesure consolidée des bénéfices sur 12 mois.
• Comité IA trimestriel constitué.
• Roadmap année 2 validée, incluant trajectoire ISO 42001 et plan Architecte.

Chapitre 9 — Conclusion & passer à l'action

La fenêtre est encore ouverte

La transformation par l'IA n'est pas un sujet technologique. C'est un sujet de discipline d'exécution. Les outils sont disponibles, les méthodes sont documentées. Ce qui manque dans la plupart des PME, ce ne sont pas les moyens — c'est le cadre qui permet de transformer ces moyens en résultats.

L'Échelle Méthode Junyr™ en 5 niveaux et la démarche en 5 phases présentées dans ce livre blanc sont une réponse à ce manque. Elles ne sont pas magiques : elles ne dispensent ni du travail de cadrage, ni de l'engagement du COMEX, ni de l'investissement en formation. Mais elles tracent un chemin praticable, mesuré, et reproductible.

Le calendrier post-Digital Omnibus (§1.4) offre une fenêtre — 18 à 24 mois — pour installer une gouvernance proprement, avant que les obligations haut risque ne deviennent contraignantes fin 2027 / mi-2028. Les PME qui utiliseront cette fenêtre pour passer Artisan → Orchestre, puis Orchestre → Architecte, prendront un avantage de gouvernance que les retardataires ne pourront rattraper qu'en urgence.

Et après ? Du diagnostic à l'industrialisation

Ce livre blanc répond à la première question : où en êtes-vous ? La suivante arrive vite : comment passer des premiers pilotes à l'usage quotidien, mesuré, gouverné ? C'est l'objet du second livre blanc de la collection, « Du POC à l'industrialisation : conduire le changement IA dans les PME européennes » (édition juin 2026, FR + EN). Il documente les sept frictions du « dernier kilomètre », les cinq leviers de conduite du changement et l'AgentOps — car 88 % des POC IA n'atteignent jamais la production^[27], et ce mur est à 70 % humain, pas technologique^[28].

→ Lire le livre blanc n°2 : Du POC à l'industrialisation

Diagnostic IA Express — le premier pas

Pour positionner votre entreprise sur l'Échelle Méthode Junyr™ et tracer une feuille de route à 90 jours, le Diagnostic IA Express est conçu comme un premier pas calibré :

• 60 minutes en visioconférence, sans engagement.
• Positionnement de votre PME sur les 5 niveaux.
• Identification de 3 cas d'usage prioritaires.
• Première feuille de route à 90 jours, livrée par écrit dans la semaine.

C'est ce premier pas, court mais engageant, qui fait souvent la différence entre les projets qui démarrent et ceux qui restent au stade de l'intention. La démarche est conforme au cadre Osez l'IA (Bpifrance)^[14] et peut s'inscrire dans une trajectoire de financement public.