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 et 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 organisations sont des « AI leaders » qui tirent une valeur métier claire de l'IA. C'est la part mesurée par le KPMG Global AI Pulse du premier trimestre 2026 (2 110 dirigeants, 20 pays), où 82 % de ces leaders rapportent une valeur significative contre 62 % des autres^[2]. Le Stanford AI Index 2026 le confirme par l'autre bout : 88 % des organisations utilisent l'IA dans au moins une fonction, mais moins de 10 % l'ont réellement passée à l'échelle dans une seule d'entre elles^[29]. 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 Juin 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, 11 021 entreprises : donnée la plus récente publiée, la 7ᵉ édition étant attendue à l'automne 2026) précise la lecture : 26 % des TPE-PME déclarent utiliser au moins un outil d'IA en 2025 (le double de 2024), mais la part monte avec la taille : 23 % pour les 1-4 salariés, 35 % pour les 20-49, jusqu'à 42 % pour les 50-249 salariés^[12]. L'usage régulier, lui, reste minoritaire.

Quand on creuse le résultat, on obtient un autre chiffre, beaucoup moins flatteur : environ 11 % seulement des organisations sont des « AI leaders » qui tirent une valeur métier claire de l'IA. C'est la mesure du KPMG Global AI Pulse du premier trimestre 2026 (2 110 dirigeants, 20 pays) ; 82 % de ces leaders rapportent une valeur significative, contre 62 % des autres^[2]. C'est-à-dire un effet visible en compte d'exploitation, sur le chiffre d'affaires, sur les coûts ou sur la productivité. Le constat international recoupe le terrain : selon le Stanford AI Index 2026, 88 % des organisations utilisent l'IA dans au moins une fonction, mais moins de 10 % l'ont réellement passée à l'échelle dans une seule d'entre elles^[29] ; et l'OCDE relève que 29 % seulement des PME utilisatrices d'IA générative l'emploient dans leur cœur de métier^[30]. Le reste, l'écart béant entre l'usage déclaré et la valeur mesurée, c'est la zone du saupoudrage.

Deloitte va plus loin dans son State of AI in the Enterprise 2026 (janvier 2026, 3 235 dirigeants, 24 pays) : 30 % seulement des organisations reconçoivent leurs processus clés autour de l'IA, tandis que 37 % l'emploient en surface, sans rien changer au fond. Et un quart à peine constatent un effet réellement transformateur^[20]. C'est le « fossé de l'industrialisation » : la frontière qui sépare la minorité qui transforme réellement ses opérations de la majorité qui reste en mode pilote permanent.

1.2 Les angles morts du COMEX

L'étude Bpifrance Le Lab « L'IA dans les PME et ETI françaises » (terrain fin 2024, 1 209 dirigeants) met au jour deux angles morts du COMEX^[3] :

• Près de six dirigeants sur dix voient l'IA comme un enjeu de survie, mais une proportion équivalente n'a 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 l'échelle nationale, l'INSEE confirme l'ampleur du chantier : seulement 10 % des entreprises de 10 salariés ou plus utilisaient une technologie d'IA en 2024^[3].)

À cela s'ajoute le phénomène du Shadow AI dirigeant : le Microsoft Work Trend Index 2026 documente un écart persistant entre dirigeants et employés dans l'usage de l'IA (67 % des dirigeants familiers des agents contre 40 % des employés), les dirigeants adoptant souvent l'IA en personnel avant que l'entreprise n'en ait formalisé l'usage^[13]. Ce 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.

L'usage de fond, lui, reste prudent en France. Selon ADP (People at Work 2026, près de 40 000 actifs dans 36 pays), 11 % seulement des salariés français utilisent l'IA presque quotidiennement et 29 % jamais, l'un des taux les plus bas des pays étudiés, là où la moyenne mondiale est de 20 % d'usage quasi quotidien^[11]. La diffusion en profondeur, et non l'adoption de surface, reste le vrai chantier.

Le chiffre le plus parlant est désormais celui de l'exécution : 43 % des grandes initiatives IA sont jugées vouées à l'échec, faute de préparation organisationnelle plus que de technologie (HCLTech, mai 2026, enquête auprès de 467 dirigeants d'entreprises de plus d'un milliard de dollars de chiffre d'affaires)^[5]. Gartner confirme la tendance dans son Hype Cycle for Agentic AI d'avril 2026 : au moins la moitié des projets d'IA générative sont abandonnés après la phase pilote, et plus de 40 % des projets d'IA agentique le seront d'ici 2027^[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 Stanford AI Index 2026 (moins de 10 % ont passé l'IA à l'échelle dans une fonction^[29]) et avec la part d'« AI leaders » mesurée par KPMG au T1 2026 (~11 %)^[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 : estimation Junyr ancrée sur le Baromètre France Num 2025 (74 % des TPE-PME ne déclarent aucun outil d'IA), croisée avec les mesures d'usage Bpifrance pour distinguer celles qui n'utilisent réellement pas l'IA de celles 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 % d'« AI leaders », KPMG T1 2026), affiné par Microsoft Work Trend Index 2026^[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 : part d'« AI leaders » (≈11 %, KPMG T1 2026) 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 AI Radar 2026 : 15 % de dirigeants « Trailblazers » au global^[19], ajustée à la baisse pour la PME française ; cohérent avec les ~16 % de professionnels « Frontier » qui orchestrent des agents (Microsoft, Work Trend Index 2026)^[13].

2.7 Niveau 5 : Pionnier

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

Processus AI-first et équipes hybrides humains + agents en production : agents autonomes multi-étapes supervisés en asynchrone (heures puis jours), budgets en tokens et indicateurs de qualité contractuels, orchestrés entre eux et avec les collaborateurs. Gouvernance IA pilotée par la direction générale (ISO 42001 certifiée / Responsible AI), valeur démontrée au compte de résultat, et capitalisation sur un savoir et des données propriétaires (« Owned Intelligence »). Microsoft parle de « Frontier Firms »^[13], PwC d'« AI-Native »^[17], BCG, dans son AI Radar 2026, de dirigeants « Trailblazers »^[19].

Mise au point anti-hype sur deux marqueurs souvent présentés comme « golden standard » : la souveraineté des données (cloud souverain SecNumCloud ou on-premise) est un choix de déploiement selon les contraintes sectorielles, non un palier de maturité : aucun cadre mondial 2026 ne hisse le lieu d'hébergement au sommet ; et le business « agent-to-agent » (A2A) se lit sur deux couches : la couche d'interopérabilité (protocole A2A « production-ready » à 150+ organisations, MCP, exposition des processus par API) est déjà réalisable : rendre son SI agent-ready, ouvert à ses propres agents comme à ceux de ses clients et fournisseurs, est un objectif d'action 2026-2027 ; la couche transactionnelle des deux côtés (commerce et paiement inter-agents généralisés) reste, elle, une frontière émergente, horizon 2028. < 0,5 % des PME françaises. McKinsey, dans son État de la confiance dans l'IA 2026 (mars 2026), mesure une maturité moyenne de 2,3 sur 4 et une organisation sur trois seulement au niveau 3 ou plus^[6] ; rapporté au tissu PME français, la fraction pleinement « pionnière » est encore moindre. Le Pionnier 2026 sera la référence sectorielle 2030.

Au sommet, neuf dimensions définissent la cible « golden standard 2030 » du Pionnier (grille complète ci-dessous) : IA souveraine maîtrisée (RAG + fine-tuning ciblé, option locale / on-premise), résilience insensible au splinternet (redondance multi-cloud + bascule on-premise), ~100 % de collaborateurs augmentés et ~100 % d'acculturation, gouvernance ISO 42001 certifiée, dette technique < 1 % et security score > 99,5 %. Ce sont des seuils d'apex assumés : c'est leur conjonction, atteinte par moins de 0,5 % des PME, qui définit le standard sectoriel.

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 plus d'une fois sur deux, pas par manque de technologie, par manque de fondations. C'est exactement la définition du « cimetière des POC » que Gartner documente^[4]. Le CIO Playbook 2026 (IDC-Lenovo, janvier 2026) le quantifie : seuls 46 % des POC atteignent la production. La moitié reste bloquée au stade pilote^[27].

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 plus d'une fois sur deux, 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.

Les 9 dimensions de la maturité, niveau par niveau

Le positionnement global se décompose en neuf dimensions. Chacune progresse de Spectateur à Pionnier ; le Niveau 5 décrit la cible « golden standard 2030 », atteinte aujourd'hui par moins de 0,5 % des PME, ce qui en fait la rareté. Les seuils chiffrés (≈100 %, < 1 %, > 99,5 %) sont des cibles d'apex, pas des moyennes de marché.

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

Chapitre 3 : Les 5 erreurs fatales

43 % des grandes initiatives IA sont jugées vouées à l'échec, faute d'exécution (HCLTech, mai 2026)^[5]. Gartner, Deloitte et McKinsey convergent sur des constats voisins^[4][20][6]. Et le CIO Playbook 2026 (IDC-Lenovo) enfonce le clou : seuls 46 % des POC atteignent la production^[27]. 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

Plus de la moitié des POC IA restent lettre morte : seuls 46 % atteignent la production (CIO Playbook 2026, IDC-Lenovo)^[27].
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. La quantization (chap. 4.4) réduit la composante capex et peut rapprocher ce retour de la borne basse pour les usages étroits à fort volume, mais le facteur déterminant reste l'adoption, pas le matériel.

4.3 L'open-weight a rattrapé le frontier : ce que ça change pour la souveraineté

Pendant deux ans, l'argument « souveraineté » butait sur une objection technique : les modèles ouverts étaient nettement en retard sur les modèles propriétaires américains. En 2026, cette objection est tombée, et l'écart a continué de se réduire mois après mois.

• L'écart de capacité s'est réduit à quelques points. Il y a un an, le meilleur modèle à poids ouverts (DeepSeek V3 0324) plafonnait à 22 sur l'Artificial Analysis Intelligence Index, à 13 points du meilleur modèle propriétaire ; au 30 avril 2026, les meilleurs modèles ouverts (Kimi K2.6, MiMo V2.5 Pro) atteignaient 54 contre 60 pour GPT-5.5, un écart de 6 points^[33]. Et la dynamique ne faiblit pas : le 16 juin 2026, GLM-5.2 (laboratoire Z.ai, licence MIT) est devenu le premier modèle open-weight de l'index et fait jeu égal avec GPT-5.5 sur le sous-benchmark agentique GDPval-AA^[33].
• Un laboratoire français reste dans la course frontier sous licence permissive. Mistral Large 3 (2 décembre 2025) est un modèle Mixture-of-Experts de 675 milliards de paramètres (41 Md actifs), publié sous licence Apache 2.0^[31] : une PME peut légalement le télécharger, l'affiner et l'exécuter sur son propre matériel, sans redevance et sans qu'aucune donnée ne quitte ses murs. Mistral a depuis livré Mistral Medium 3.5 (30 avril 2026, 128 Md, open-weight), de gamme intermédiaire et sous licence MIT modifiée, mais utile pour des déploiements souverains à coût maîtrisé^[31].
• Le plancher matériel s'est effondré. Google a publié en avril 2026 Gemma 4 (licence Apache 2.0) : les poids non quantifiés tiennent sur un seul GPU de 80 Go, et les versions quantifiées tournent hors ligne sur un téléphone, un Raspberry Pi ou une carte NVIDIA Jetson^[32]. Le débat « ouvert contre fermé » n'est plus idéologique.
• Le prix d'usage s'effondre aussi. En API hébergée, un modèle ouvert de premier plan comme DeepSeek V4-Flash s'affiche à ~0,14 $ / 0,28 $ par million de tokens (entrée/sortie)^[43]. Caveat à garder en tête : les modèles ouverts restent plus faibles en mémoire factuelle (test SimpleQA), d'où l'importance de l'ancrage (RAG) et de la vérification, qui sont des sujets de méthode, pas de modèle.

Lecture dirigeant. Les poids des modèles sont devenus une commodité : la capacité brute s'achète, se loue ou se télécharge. Dès lors, l'avantage durable d'une PME ne peut plus venir du modèle : il vient de la façon dont elle s'organise autour de lui (données propres, processus reconçus, gouvernance). La souveraineté, hier un compromis coûteux sur la performance, est aujourd'hui une option réellement disponible.

4.4 Le matériel ne suffit plus à justifier l'attentisme : la quantization

Deux objections historiques à l'on-premise, la perte de qualité et le coût du matériel, ont été largement levées en 2025-2026 par la quantization (réduction de la précision numérique des poids du modèle).

• La qualité tient en basse précision. Les mesures 2026 (vs pleine précision BF16) sont sans appel : en 4 bits, la dégradation tombe à −1,2 à −2,5 % seulement sur les grands benchmarks (MMLU, HumanEval, MATH), pour une qualité retenue d'environ 95 % en INT4 (AWQ/GPTQ), 97-98 % en INT8 et ~99 % en FP8^[34]. Un modèle 70B passe ainsi de ~140 Go à 36-40 Go en INT4^[35]. La dégradation est sensible sur le raisonnement complexe, acceptable sur le résumé ou la classification : un arbitrage qui relève, encore, de la méthode.
• Le coût d'hébergement a chuté. Un modèle 70B quantifié en 4 bits tient sur ~48 Go de VRAM, soit une station de travail à carte unique de gamme professionnelle (ordre de grandeur 3 000-3 500 €, sources fournisseurs). L'argument « nous n'avons pas les moyens d'un data center » ne tient plus.

La difficulté se déplace donc du matériel vers l'intégration, la sécurité et la conduite du changement, ce qui confirme, plutôt qu'il ne contredit, la thèse de ce livre blanc : la transformation se gagne sur la méthode.

4.5 Où en est l'infrastructure souveraine européenne

Soyons lucides sur le rapport de force : l'Europe ne gagnera pas la course à la puissance de calcul brute. Les États-Unis concentrent ~74,5 % de la performance des supercalculateurs IA, la Chine ~14,1 %, et l'ensemble de l'Union européenne ~4,8 % (Epoch AI, mai 2025, dernière mesure disponible)^[36] ; en avril 2026, le Sovereign AI Index du CNAS résume la même concentration : États-Unis et Chine contrôlent à eux deux ~90 % de la puissance de calcul nécessaire à l'IA de frontière^[36]. Côté marché, les hyperscalers américains contrôlent plus de 85 % du marché cloud européen^[37]. C'est précisément pour cela que l'avantage d'une PME est organisationnel, et que le choix d'une brique européenne est un acte de gestion du risque, pas de militantisme.

Cet acte est aujourd'hui praticable, et le marché souverain monte en charge à grande vitesse : selon Gartner (février 2026), les dépenses mondiales de cloud souverain (IaaS) atteindront 80 Md$ en 2026 (+35,6 %), et l'Europe bondit de +83 % (de 6,9 à 12,6 Md$), au point de dépasser l'Amérique du Nord dès 2027^[48].

• Fournisseurs commerciaux disponibles maintenant. OVHcloud AI Endpoints propose en API plus de 40 modèles à poids ouverts, hébergés en Europe, avec rétention de données nulle et réversibilité ; Scaleway opère des clusters NVIDIA H100 et des API génératives compatibles OpenAI, données stockées en Europe^[38]. La compatibilité OpenAI rend le coût de migration faible.
• Une trajectoire d'infrastructure financée. Mistral vise 200 MW de calcul en 2027 et 1 GW en 2030 (plan de 4 Md€), avec un data center souverain à Bruyères-le-Châtel (44 MW, ~13 800 GPU NVIDIA GB300, mise en service mi-2026) adossé à une levée de dette de 830 M$ menée par Bpifrance (mars 2026)^[39]. Au niveau européen, l'initiative InvestAI mobilise ~200 Md€ vers 2030, dont 20 Md€ pour 4 à 5 « AI Gigafactories » ; en juin 2026, un consortium français, AION (Scaleway, EDF, Orange, iliad, Capgemini…), s'est constitué pour candidater à l'une d'elles^[40][49].

Lecture dirigeant. La capacité souveraine immédiatement utilisable vient des fournisseurs commerciaux (OVHcloud, Scaleway, Mistral) ; les gigafactories sont un horizon 2027+. Une PME Orchestre peut donc démarrer dès aujourd'hui sur un cloud souverain européen, en gardant la réversibilité vers l'on-premise pour ses données les plus critiques.

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

L'ANSSI^[23] a publié dès 2022 son avis sur la migration vers la cryptographie post-quantique (PQC), mis à jour en 2024. Le calendrier est désormais explicite : 2027, fin des certifications et qualifications pour les produits dépourvus de PQC (confirmé en juin 2026) ; 2030, les administrations et entreprises ne devraient plus acquérir que des produits intégrant la PQC ; 2035, transition complète attendue, échéance fixée par la feuille de route PQC coordonnée de l'UE (juin 2025), que la position nationale de l'ANSSI anticipe^[23]. Les choix d'architecture IA faits aujourd'hui (chiffrement des bases de connaissance, des canaux d'appel, des journaux) doivent être compatibles avec cette migration.

4.7 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], dont les dispositions principales s'appliquent depuis le 12 septembre 2025, réorganise les droits sur les données générées par les objets connectés et impose des obligations d'interopérabilité et de portabilité.

4.8 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.

Le paradoxe FinOps de 2026. Le prix du token s'effondre : à performance constante, une étude révisée en mars 2026 (Gundlach et al., The Price of Progress) mesure une baisse de ~5 à 10× par an pour les modèles de frontière (et jusqu'à 31× par an sur le segment le plus performant), l'efficience algorithmique seule contribuant pour ~3×^[41]. En juin 2026, le tarif réellement payé par les entreprises tournait autour de 0,72 $ par million de tokens en moyenne pondérée, les modèles les plus légers descendant à 0,07 $^[42]. Et pourtant, les factures IA explosent : entre janvier 2025 et avril 2026, la consommation de tokens a bondi de +1 001 % quand la dépense progressait de +497 % (Ramp, juin 2026)^[42], parce que les workflows agentiques multiplient les appels (une tâche agentique consomme 5 à 30× plus de tokens qu'une requête de chatbot). Le symptôme est connu : début 2026, Uber avait épuisé l'intégralité de son budget IA annuel dès le mois d'avril^[42]. Des tokens moins chers ne donnent pas une facture plus basse : ils donnent une facture plus difficile à piloter. Le levier n'est donc plus le prix unitaire : c'est 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.

Le bon réflexe 2026 : router vers des petits modèles. Le consensus 2026 défend une architecture hétérogène : on confie les tâches simples ou bien cadrées à un petit modèle de langage (SLM) et on n'escalade vers un grand modèle que les requêtes complexes. Pour les tâches répétitives à fort volume, ce routage réduit le coût d'inférence jusqu'à 90 % tout en offrant une latence quasi instantanée, au point que NVIDIA qualifie désormais les SLM d'« avenir de l'IA agentique » (InfoWorld, mai 2026)^[44]. La discipline consiste à réserver le modèle frontier (cher) au raisonnement difficile, et à confier le reste à un SLM économique, souvent à poids ouverts et hébergeable en interne (chap. 4.3). C'est de l'orchestration, donc de la méthode.

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.

Où va la frontière ? Ce que disent ceux qui la construisent

Un dirigeant a le droit de se demander si tout cela ne sera pas balayé par la prochaine vague. Voici ce que déclarent, sans qu'on puisse en garantir le calendrier, ceux qui construisent la frontière, en juin 2026 :

• Demis Hassabis (Google DeepMind, mai 2026) a resserré sa fenêtre pour une IA de niveau humain (« AGI ») à 2029-2030, contre 2030-2035 un an plus tôt^[45].
• Dario Amodei (Anthropic, janvier 2026) estime qu'une « IA puissante » pourrait n'être qu'à un ou deux ans, « même si cela pourrait aussi être nettement plus loin », précise-t-il lui-même^[46].
• Côté mesures, le Stanford AI Index 2026 documente une accélération réelle : la performance sur le benchmark de codage SWE-bench est passée de ~60 % à près de 100 % du niveau humain en un an^[29].

Mais la même édition de l'AI Index pose le contrepoids honnête : ces modèles qui décrochent l'or à l'Olympiade internationale de mathématiques ne lisent correctement une horloge analogique que 50,1 % du temps^[29]. La capacité est « en dents de scie » : surhumaine sur une tâche, défaillante sur la voisine.

Quelle conclusion pour un dirigeant ? La date de l'AGI est contestée ; sa trajectoire ne l'est pas : la capacité brute s'accélère et se banalise. Or, plus la technologie devient une commodité que tout le monde peut acheter, plus le seul avantage durable est organisationnel. BCG le chiffre : une entreprise dotée d'une stratégie IA claire capte +25 points d'impact, contre +5 points seulement pour celle qui se contente d'acheter de meilleurs outils^[47]. La bonne réponse à l'incertitude n'est pas d'attendre. C'est d'être prêt : monter en maturité maintenant, méthodiquement.

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 seuls 46 % des POC IA atteignent la production^[27], et ce mur est à 70 % humain, pas technologique^[28].

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

L'audit de maturité IA : le premier pas

Pour positionner votre entreprise sur l'Échelle Junyr™, le réseau Junyr.eu propose un audit de maturité IA conçu comme un premier pas calibré :

• 30 minutes en visioconférence, gratuit, sans engagement.
• Mené par un accompagnateur du réseau, avec la même trame pour chacun.
• Un livrable d'une page envoyé après la séance : votre position sur l'échelle, ce qui bloque le passage au niveau suivant, et le premier chantier qui a du sens.

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.