L'IA a rendu le prototype gratuit. Pas la mise en production.

L'IA a rendu la construction d'un outil presque gratuite, mais pas ce qui vient après. Une démo se monte aujourd'hui en un après-midi. La faire tourner chaque jour, avec des données fiables, dans le respect de la LPD et avec quelqu'un capable de la réparer, coûte toujours autant qu'avant.

Résultat : en Suisse, près de deux tiers des projets pilotes d'IA s'arrêtent avant la mise en production, selon une étude publiée en juin 2026. Et les PME, qui n'ont ni équipe data ni juriste interne, sont les plus exposées.

Dans les demandes que je reçois, le schéma se répète. Un outil IA a été testé, parfois même développé en interne. Il fonctionne à moitié, personne ne sait vraiment où partent les données, et la seule personne qui le comprend est débordée ou partie.

Ce que disent les chiffres en Suisse

L'IA est déjà dans les entreprises suisses, mais rarement au cœur de leur fonctionnement. Selon une étude d'UBS menée avec l'institut Intervista auprès d'environ 2'500 entreprises, six sur dix utilisent des outils d'IA, mais seules 5 % en font un élément central de leur modèle d'affaires.

Cette étude a un mérite rare : elle inclut les petites structures et les distingue. L'écart est net. Environ 10 % des grandes entreprises utilisent l'IA dans au moins cinq des six domaines analysés, contre 2 % des micro-entreprises.

Le vrai goulet, c'est le passage à la production. Le GenAI Impact Report 2026 d'Adesso estime que près de deux tiers des projets d'IA sont abandonnés après la phase pilote. Plus de la moitié des entreprises interrogées (53 %) constatent une hausse de chiffre d'affaires d'au moins 5 % grâce à l'IA, mais 17 % investissent sans bénéfice mesurable et 5 % ne savent pas le quantifier.

Une précision s'impose : cette enquête repose sur 100 cadres dirigeants, sans indication publique sur la taille de leurs entreprises, et elle est publiée par un prestataire qui vend lui-même des projets d'IA. À lire comme un ordre de grandeur, pas comme une mesure des PME romandes.

Les freins cités racontent la même histoire. Dans l'étude UBS, la protection des données et les décisions erronées dues à des données inexactes pèsent plus lourd que tous les bénéfices attendus.

L'Observatoire suisse des données et de l'IA 2026, mené avec la HEG Genève, arrive au même constat : la difficulté principale n'est plus de croire en l'IA, mais de la mettre à l'échelle, alors même que la qualité des données recule.

Le coût ne disparaît pas, il se déplace

Construire n'a jamais été aussi rapide. Dans l'enquête Adesso, les entreprises du développement logiciel déclarent un gain de productivité moyen d'environ 35 % grâce à l'IA. Un collaborateur motivé peut aujourd'hui assembler un petit outil interne en quelques heures, sans passer par un développeur.

Mais la construction n'a jamais été la partie la plus chère d'un logiciel. Comme le rappelle The New Stack, la maintenance coûte en général plusieurs fois plus que la mise en œuvre initiale. L'IA a fait baisser le prix de la première étape, pas celui des suivantes.

D'où un phénomène que je retrouve dans presque toutes les demandes : des outils internes qui se multiplient plus vite que la capacité de l'entreprise à les comprendre. Quand leur créateur change de poste ou part sans passation, ils deviennent des « applications zombies » : ils tournent encore, mais plus personne ne sait vraiment comment, ni sur quelles données.

Le shadow AI aggrave le tableau. Dans la région DACH, 92 % des responsables sécurité interrogés estiment qu'une partie au moins des collaborateurs utilise des outils comme ChatGPT ou Copilot sans autorisation formelle. Là encore, transparence : l'enquête porte sur des entreprises de plus de 250 collaborateurs. Il serait toutefois surprenant que les PME, avec moins de règles et souvent sans service informatique interne, fassent mieux.

Les cinq choses qui séparent une démo d'un outil en production

Une démo prouve qu'une idée peut marcher. Un outil en production doit marcher tous les jours, pour tout le monde, sans surprise. Entre les deux, il y a cinq éléments que personne ne voit en réunion.

1. Des données fiables. Une démo tourne sur un échantillon propre. En production, l'outil reçoit les vraies données : doublons, champs vides, formats qui changent. Si personne ne s'occupe de leur qualité, les réponses se dégradent sans prévenir.
2. La conformité à la LPD. La Suisse n'a pas encore de loi générale sur l'IA, mais le Préposé fédéral à la protection des données rappelle que la LPD s'applique directement dès qu'une IA traite des données personnelles. Cela implique notamment d'être transparent sur le but et le fonctionnement de l'outil, et de réaliser une analyse d'impact en cas de risque élevé.
3. Un responsable désigné. Chaque outil a besoin d'une personne qui sait ce qu'il fait, sur quelles données, et qui prévenir quand il casse. Sans elle, l'outil devient orphelin au premier départ.
4. La maintenance et l'hébergement. Les modèles changent, les services externes évoluent, les bibliothèques vieillissent. Un outil non maintenu ne s'arrête pas d'un coup : il se dégrade, puis il casse au pire moment.
5. La mesure du résultat. Dans l'enquête Adesso, 17 % des entreprises investissent sans bénéfice mesurable. Définir avant le lancement l'indicateur qui dira si l'outil sert vraiment (heures gagnées, erreurs évitées, délais raccourcis) évite de découvrir la réponse un an plus tard.

Ce que ça change pour une PME romande

Pour une PME, chacun de ces cinq éléments pèse plus lourd. Il n'y a souvent ni équipe data, ni juriste, ni service informatique : une seule personne porte l'outil, en plus de son vrai travail. L'étude UBS le confirme, les PME citent justement le manque de ressources humaines et techniques comme frein à la mise en œuvre.

Il faut aussi être honnête sur les chiffres : la plupart des études disponibles portent sur des entreprises plus grandes, ou ne précisent pas la taille des répondants. Sur les PME romandes de 20 à 100 collaborateurs, on manque de données fiables. Ce qui suit repose donc aussi sur ce que j'observe sur le terrain.

La bonne nouvelle, c'est qu'une PME a un avantage que les grands groupes n'ont pas : la direction est proche des outils. Or c'est un facteur décisif. Selon Adesso, dans 76 % des entreprises interrogées, la direction s'implique activement dans les projets d'IA, et parmi elles, 55 % ont déjà intégré l'IA dans leurs processus essentiels. Un dirigeant de PME peut faire le tri dans ses outils en quelques semaines, là où un grand groupe met des années.

L'objectif n'est donc pas d'utiliser moins d'IA, mais d'avoir moins d'outils, mieux tenus. Un outil IA qui tourne proprement vaut mieux que dix démos abandonnées. Et mieux vaut s'y mettre maintenant : le projet de réglementation fédérale de l'IA doit être mis en consultation d'ici fin 2026, et il sera plus simple d'y répondre avec un parc d'outils déjà ordonné.

Cet article donne des repères généraux et ne constitue pas un avis juridique. Pour une question précise de conformité, adressez-vous à un juriste spécialisé en protection des données.

Par où commencer : six questions à vous poser

Prenez vos outils IA et vos outils internes un par un, et répondez honnêtement à ces six questions. Chaque « non » est un chantier.

1. Savez-vous combien d'outils IA ou d'outils internes sont utilisés dans votre entreprise, y compris ceux créés par vos collaborateurs ?
2. Pour chacun, une personne nommée en est-elle responsable, et une autre sait-elle prendre le relais ?
3. Savez-vous où sont hébergées les données que ces outils traitent, et sous quel droit ?
4. Vos clients et vos collaborateurs sont-ils informés quand une IA traite leurs données ?
5. Existe-t-il une documentation minimale : ce que fait l'outil, sur quelles données, comment le relancer ?
6. Pouvez-vous dire, chiffre à l'appui, ce que chaque outil vous fait gagner ?

Si vous répondez non à plusieurs de ces questions, ne lancez pas de nouveau projet tout de suite. Commencez par un inventaire : listez vos outils, gardez ceux qui servent vraiment, documentez-les et désignez un responsable. C'est moins spectaculaire qu'une nouvelle démo, mais c'est ce qui transforme l'IA en gain durable.

Si vous voulez faire cet exercice avec un regard extérieur, Zelif propose un appel diagnostic d'une heure, gratuit et sans engagement. La suite est décrite dans la méthode et dans l'accompagnement et l'hébergement.

Sources

• ICTjournal, En Suisse, deux tiers des projets IA pilotes restent au stade expérimental, 9 juin 2026 (GenAI Impact Report 2026 d'Adesso, 100 cadres dirigeants et 750 consommateurs).
• ICTjournal, L'IA progresse dans les entreprises suisses, mais sans adoption systématique, 19 mai 2026 (étude UBS / Intervista, env. 2'500 entreprises).
• cmm360, KI-Studie 2026 : Potenzial trifft Skalierungslücken, juin 2026 (Observatoire suisse des données et de l'IA 2026, Colombus Consulting, Oracle et HEG Genève).
• ICTjournal, L'IA accentue les cyberrisques dans la région DACH, 20 août 2026 (enquête Fastly / Sapio Research, entreprises de plus de 250 collaborateurs).
• PFPDT, IA et protection des données.
• ICTjournal, La nLPD est directement applicable à l'intelligence artificielle, 14 novembre 2023.
• Chancellerie fédérale, Réglementation de l'IA.
• The New Stack, Vibe Coding : The Shadow IT Problem No One Saw Coming.