12 automatisations IA pour PME : par où commencer concrètement

La PME française moyenne en 2026 a un compte ChatGPT Team, deux comptables qui s'arrachent les cheveux sur des saisies de factures, et un dirigeant qui sait qu'il "devrait s'y mettre". Entre les deux, rien. Ou presque rien. Je vois cette situation dans à peu près toutes les missions de l'année, et la cause est la même à chaque fois : on confond "faire de l'IA" avec "mettre un outil IA en prod". L'un demande une vision. L'autre demande 25 minutes et une carte bleue.

Voilà 12 chantiers que ton équipe peut démarrer cette semaine. Pas de CTO IA, pas de budget à 5 chiffres, pas de réécriture de SI. Pour chacun : le problème vécu, l'outil, la mise en place en 5 minutes, le résultat. Tout sort de missions réelles.

1. Réponse automatique aux emails entrants

Le mail reste le canal numéro un de friction pour un dirigeant. Sur les 80 à 120 emails reçus par jour, 60 % environ sont des accusés de réception, des relances polies, des questions répétitives ("c'est bien reçu ?", "vous avez le PDF ?", "on se voit toujours mardi ?"). Le coût caché : 1h30 par jour, soit 7 jours pleins par mois pour une équipe de 5 personnes.

Outil concret : Gmail (ou Outlook) + Make.com (free tier, suffisant jusqu'à 1000 ops/mois) + OpenAI API. Coût total réaliste : 5 à 12 € par mois pour 1000 emails traités.

Mise en place 5 min :

1. Crée un compte Make.com, connecte Gmail en OAuth.
2. Crée un scénario "New email matching filter" avec un filtre simple (label "À répondre" par exemple, que tu poses à la main au début).
3. Ajoute une étape OpenAI Chat Completion avec un prompt court ("Tu es Anis, dirigeant de SolidScale. Réponds en 3 lignes max, ton direct, signe 'Anis'."), puis une étape "Create draft Gmail".

Résultat attendu : la première semaine, tu valides les drafts en 10 secondes au lieu d'écrire en 2 minutes. Au bout d'un mois, tu peux activer l'envoi direct sur les patterns les plus stables (confirmation rendez-vous, accusé réception devis). Compte 40 à 60 % de temps inbox gagné après calibrage.

2. Catégorisation automatique des tickets support

Le support client de PME en croissance fait toujours le même geste : trier à la main. Demande de remboursement, question avant-vente, bug technique, plainte, demande de feature. Chaque ticket reçoit une étiquette, parfois deux, et l'agent qui prend la main perd 30 secondes à 2 minutes juste à comprendre où ça va. Sur 300 tickets/jour, ça fait une demi-personne à temps plein.

Outil concret : Zendesk, Intercom ou Freshdesk (selon ton stack existant) + Make + GPT-4o-mini en classifier. Compte 0,001 € par classification, soit moins de 1 € par jour pour 300 tickets.

Mise en place 5 min :

1. Récupère ta liste de tags existante (la vraie, pas celle du wiki, fais un export CSV).
2. Crée un Make scénario "New ticket" vers OpenAI avec un prompt qui force le choix dans une liste fermée ("Réponds uniquement par un tag de cette liste : facturation, bug, question, plainte, autre").
3. Branche le retour vers l'API de ton outil support pour appliquer le tag.

Résultat attendu : 85 à 92 % de précision sur les tags principaux dès la première semaine, sans entraînement. Le 8-15 % restant est corrigé à la main, et le prompt s'améliore en regardant les erreurs. Gain équipe : 1 ETP de tri sur 300 tickets/jour.

3. Génération de comptes-rendus de réunion

Personne ne veut écrire le compte-rendu. Personne ne le lit non plus si tu mets 4 jours à le sortir. Et c'est probablement là que l'écart entre la pratique actuelle (rien) et le résultat IA (un CR structuré dans Notion 5 minutes après la fin de la réunion) saute le plus aux yeux.

Outil concret : Otter.ai (29 $/mois) ou Fireflies (18 $/mois) pour la transcription, + Make + GPT pour la structuration, + Notion (ou Teams, ou Slack) pour le stockage. Si tu utilises déjà Microsoft Teams ou Google Meet Enterprise, la transcription est incluse, tu n'as plus que la structuration à automatiser.

Mise en place 5 min :

1. Active la transcription automatique dans ton outil de visio (Teams, Meet, ou installe Fireflies en bot invité Zoom).
2. Crée un webhook Make qui se déclenche quand la transcription est prête.
3. Prompt GPT type : "Résume cette réunion en 3 sections : Décisions, Actions (avec responsable et deadline), Questions ouvertes. Format Markdown.", puis push vers Notion.

Résultat attendu : -90 % de temps de rédaction CR, +100 % du taux de CR effectivement produits (parce que personne ne les écrivait avant). Et tes actions ont des owners et des dates, donc d'une réunion à l'autre, tu peux vraiment suivre.

4. Devis personnalisés depuis un brief client

Un devis bien rédigé prend 2 à 4 heures en B2B services. Sur cette durée, 80 % est de la recopie : reformuler le brief client, dérouler ta méthodo standard, plaquer les tarifs, mettre en forme. L'IA est exactement faite pour ce ratio.

Outil concret : Make + GPT + une lib de génération PDF (PDFMonkey, DocRaptor, ou un template Google Docs avec l'API Docs). Compte 20 à 40 € par mois pour quelques dizaines de devis. Le formulaire d'entrée peut être un simple Typeform ou Tally.

Mise en place 5 min :

1. Crée un Typeform avec 8 à 10 questions clés (secteur, taille, besoin, budget estimé, urgence, contraintes).
2. Webhook Make qui passe les réponses dans un prompt GPT structuré ("Génère un devis SolidScale avec sections Contexte, Approche, Livrables, Planning, Tarif HT. Tarifs : Scan 0€, Solve à partir de 4500€, Scale sur devis.").
3. Push le résultat dans un template PDFMonkey ou un Google Doc, puis envoie au client.

Résultat attendu : 3 heures gagnées par devis. Pour une PME qui sort 8 devis par mois, c'est 24 heures par mois, soit l'équivalent de 3 jours de commercial débloqués sur de la vente vraie.

5. Résumés hebdomadaires Slack et Discord

Tu rentres de vacances. 4000 messages Slack non lus. Tu sais qu'il y a 3 ou 4 décisions importantes dedans, noyées dans les memes du #random et les debugs du #dev. Tu vas en lire 200, abandonner, et demander à ton associé. Multiplie par 10 personnes, tu as l'image.

Outil concret : Slack ou Discord API + Make (cron weekly) + GPT-4o-mini. Coût marginal : 1 à 3 € par mois.

Mise en place 5 min :

1. Connecte ton workspace Slack à Make (via l'app officielle).
2. Crée un scénario cron "Every Friday 17h" qui fetch les 7 derniers jours de #general, #produit, #commercial.
3. Prompt : "Résume cette semaine en 5 bullets max par canal : décisions prises, blocages identifiés, sujets chauds à suivre."

Résultat attendu : un email "Récap de la semaine SolidScale" dans ta boîte chaque vendredi soir. 90 % du contenu utile capturé en 2 minutes de lecture. Bonus pas prévu au départ : l'équipe se met à mieux structurer ses messages, parce qu'elle sait qu'ils vont passer dans le résumé.

6. Tri intelligent des CV pour le recrutement

C'est la section où je marche sur des œufs, parce que le sujet est légalement et éthiquement sensible. L'IA peut t'aider à trier 200 CV en 10 minutes au lieu de 4 heures. Elle peut aussi reproduire à grande échelle les biais que tu essaies justement d'éviter. Les deux choses sont vraies en même temps, c'est ce qui rend le sujet inconfortable.

Outil concret : un dossier Google Drive en input + Make + GPT pour l'extraction structurée (pas le scoring final, on y revient).

Mise en place 5 min :

1. Crée un dossier "CVs reçus" sur Drive, watchable par Make.
2. À chaque nouveau PDF, déclenche une extraction GPT : "Extrais années d'expérience, technos maîtrisées, niveau de poste actuel, dispo annoncée. JSON strict."
3. Push dans un Airtable ou Notion avec une colonne "Match score" à 3 niveaux (à voir / peut-être / pas pour ce poste) que tu remplis ensuite à la main.

Résultat attendu : tu passes de 2 minutes par CV (lecture + tri) à 20 secondes (validation de l'extraction). Le score final reste humain. Important : ne jamais demander à GPT de scorer sur des attributs corrélés à des critères discriminatoires (nom, photo, école, âge). La loi française est claire, et un fail RGPD sur ce sujet se paye en image avant de se payer en sanction.

7. Génération de descriptions produit e-commerce

Si tu as 500 références produit dans Shopify ou WooCommerce, tu as 500 descriptions qui se ressemblent toutes ("produit de qualité, livraison rapide..."). Google sanctionne ça en SEO depuis 2024, et tes conversions stagnent parce que personne ne lit vraiment.

Outil concret : Shopify ou WooCommerce + Make + GPT + un prompt qui force la longueur et le ton. Compte 0,003 € par description, soit 1,50 € pour 500 fiches.

Mise en place 5 min :

1. Export CSV de tes produits avec titre, catégorie, attributs principaux (matière, taille, usage).
2. Make scénario en batch : pour chaque ligne, prompt GPT "Génère une description en 80 mots, 2 paragraphes, ton [direct / chaleureux / technique selon ta marque], inclus 1 bénéfice client + 1 détail technique vérifiable."
3. Push retour vers Shopify via l'API (champ description_html).

Résultat attendu : descriptions uniques sur 100 % du catalogue, en une après-midi. Effet SEO mesurable entre 3 et 6 semaines. Gain conversion : +5 à +15 % observé sur les fiches produit qui passaient de description générique à description spécifique.

8. Réponses automatiques au formulaire de contact qualifié

Quelqu'un remplit ton formulaire de contact à 23h un samedi. Tu réponds lundi matin. Le prospect a déjà demandé 2 autres devis entre-temps. C'est la vie commerciale standard d'une PME, et c'est aussi 100 % évitable.

Outil concret : formulaire de contact (Typeform, Tally, ou natif site) + Make + GPT + ton CRM.

Mise en place 5 min :

1. Branche le webhook du formulaire vers Make.
2. Prompt GPT : "Écris une réponse en 5 lignes max, accuse réception, propose un créneau Calendly dans les 48h, signe 'Anis'. Adapte le ton si le brief mentionne urgence."
3. Envoie via Gmail ou ton ESP, et crée la fiche prospect dans Pipedrive / HubSpot en parallèle.

Résultat attendu : -22h de délai de première réponse en moyenne (pour les leads du soir et du week-end). Conversion mesurée : +15 à +30 % de leads qui acceptent le créneau proposé. Quand tu réponds en 5 minutes, ça envoie un signal très différent que quand tu réponds 48h après, et les prospects le sentent.

9. Veille concurrentielle automatisée

La veille manuelle, personne ne la fait. On a tous l'onglet "à lire" qui grandit. Pendant ce temps, ton concurrent a sorti une feature, baissé un prix, recruté ton ancien commercial.

Outil concret : Google Alerts (gratuit) + Make + GPT digest + un canal Slack ou un email récap. Compte 0 à 5 € par mois selon le volume.

Mise en place 5 min :

1. Crée 5 à 8 Google Alerts sur tes 3 concurrents principaux + 2 ou 3 mots-clés sectoriels.
2. Récupère les alertes dans Make (via RSS, Google Alerts les expose en flux).
3. Cron quotidien ou hebdo : "Résume ces 10 articles en 3 sections : Mouvements concurrents, Tendances sectorielles, À investiguer cette semaine."

Résultat attendu : 15 minutes par semaine de veille passive vs 0 minute aujourd'hui. La valeur se voit sur 6 mois : tu détectes les signaux faibles (recrutement de profil clé chez un concurrent, levée de fonds, nouveau partenariat) avec 3 à 8 semaines d'avance.

10. Onboarding client automatisé

Tu signes un nouveau client. Bravo. Maintenant : créer le compte Slack, l'inviter au workspace Notion, planifier le kickoff, lui envoyer le brief template, créer le dossier Drive partagé, le push dans le CRM en statut "actif"... Tu fais ça en 45 minutes la première fois, en 30 quand tu connais, et tu en oublies systématiquement deux étapes.

Outil concret : ton CRM en trigger (statut "signé" par exemple) + Make + APIs Slack, Notion, Google Drive, Calendly.

Mise en place 5 min :

1. Définis un statut clair dans ton CRM ("Contrat signé") qui déclenche le scénario.
2. Make en cascade : crée channel Slack avec le nom du client, ajoute les membres internes + l'invité externe, duplique le template Notion projet, crée le dossier Drive partagé avec les bons droits.
3. Envoie un email "Welcome to SolidScale" avec les liens et un Calendly de kickoff pré-rempli.

Résultat attendu : -40 minutes par client onboardé, et surtout 0 oubli d'étape. Côté client, le premier email arrive 2 minutes après la signature au lieu de 2 jours. Ça raconte beaucoup sur ton niveau d'opérations, et les clients le remarquent.

11. Pricing dynamique pour services récurrents

Si tu vends de l'abonnement ou de la régie au mois, ton prix est probablement le même depuis 18 mois. L'inflation a mangé 6 à 10 % de ta marge, tes coûts de prod ont monté, et tu n'as pas augmenté parce que c'est inconfortable. L'IA ne va pas négocier à ta place. Elle peut par contre te dire combien ça coûte de ne rien faire et à qui parler en priorité.

Outil concret : ton outil de facturation (Pennylane, Stripe Billing, ou un export Excel) + Make + GPT + Notion ou Airtable pour le suivi.

Mise en place 5 min :

1. Export mensuel ou trimestriel de tes clients récurrents : prix actuel, date dernier ajustement, ARPU, marge estimée.
2. Prompt GPT : "Pour chaque client, calcule l'érosion de marge sur 18 mois d'inflation cumulée. Liste les 3 clients à prioriser pour révision de tarif (montant absolu en jeu)."
3. Génère un brief par client : justification du nouveau prix, points d'ancrage de la conversation, alternatives si refus.

Résultat attendu : 5 à 12 % de revenus supplémentaires sur la base installée en 6 mois, sans nouveau client. Aucun levier en PME services n'est aussi sous-utilisé que celui-là. Et c'est aussi le moins glamour, c'est pour ça que personne ne le fait.

12. Analyse de NPS et feedback texte

Tu envoies un NPS. Tu récupères 200 réponses. Le score est 42. Et maintenant ? Le score seul ne te dit rien d'actionnable. Ce qui compte, c'est ce qui se cache dans les verbatims. Sauf que lire 200 verbatims et les coder à la main, c'est 4 à 6 heures de boulot que personne ne fait.

Outil concret : ton outil NPS (Typeform, Delighted, ou Google Form) + Make + GPT classifier + un tableau Notion ou Airtable de synthèse.

Mise en place 5 min :

1. Webhook Make sur chaque nouvelle réponse NPS.
2. Prompt GPT : "Classe ce feedback en 1 sentiment (positif / neutre / négatif) et 2 thèmes max (produit, support, prix, onboarding, autre). JSON strict."
3. Agrège dans un tableau, avec une vue "top thèmes négatifs des 30 derniers jours".

Résultat attendu : tu sais en temps réel pourquoi tes détracteurs sont détracteurs. Sur 6 missions où j'ai déployé ce type d'analyse, le top thème négatif était à chaque fois différent de ce que l'équipe pensait avant analyse. Voilà ce que tu vas chercher en faisant tourner ce script : casser une intuition fausse avec de la donnée que personne ne contestait.

Et maintenant ?

Chacune de ces 12 automatisations vaut entre 30 minutes et une journée de mise en place propre. Mises bout à bout, elles libèrent l'équivalent d'1,5 jour de productivité par semaine pour un dirigeant PME, et bien plus pour les équipes. C'est la première vague. L'IA générative va continuer de s'enfoncer dans tous les outils SaaS que tu utilises déjà, et les automatisations qui demandent Make aujourd'hui seront natives dans 18 mois.

La question utile aujourd'hui, ce n'est plus "faut-il automatiser". Tout le monde sait que oui. C'est plutôt : par où commencer pour ne pas se planter sur le premier chantier. Parce que rater le premier coûte rarement de l'argent. Ça coûte de l'élan. Et l'élan, c'est ce qui décide si tu lances un deuxième chantier dans la foulée, ou si tu reposes le sujet pour 6 mois.

C'est exactement ce qu'on fait dans le Scan du framework S3 : 30 minutes pour identifier les 3 chantiers IA les plus pertinents dans ton contexte précis, sans pitch, sans engagement. On regarde ensemble ce que tu fais déjà, ce qui te coûte, et où l'IA peut entrer sans casser l'existant. Si on identifie une mission ensemble derrière, tant mieux. Si tu repars avec un plan de 3 chantiers à attaquer en interne, c'est très bien aussi.