Mettre l'IA dans un ERP : du pilote à la production

La majorité des entreprises utilisent déjà l'IA quelque part, mais très peu à grande échelle. Selon McKinsey, une large part reste bloquée au stade du pilote. Le blocage n'est presque jamais le modèle. C'est le passage du pilote à la production, là où l'IA rencontre des données réelles, des process non documentés et un système d'information existant.

Pourquoi tant de pilotes IA ne passent jamais en production ?

Le scénario est devenu un classique : une démonstration impressionnante en quelques heures, puis plus rien pendant six mois. Le pilote marchait, la production ne suit pas. Ce n'est pas un problème de modèle, c'est un problème de terrain.

Le mythe du modèle

On croit souvent que la difficulté est de choisir le bon modèle. En réalité, les modèles disponibles sont largement assez bons pour la quasi-totalité des cas d'usage d'une PME. Ce qui coince est ailleurs : la donnée et le process.

Les vrais points de friction

Quatre obstacles reviennent systématiquement quand on veut industrialiser un pilote :

• La qualité des données : un copilote ne vaut que ce que valent les données qu'il interroge. Champs vides, doublons, référentiels incohérents font dérailler la production alors que la démo, sur un échantillon propre, fonctionnait.
• Les process non documentés : la connaissance métier vit dans la tête des gens. L'IA doit l'expliciter pour la fiabiliser.
• L'intégration au système d'information : un agent utile est un agent branché sur l'ERP, le CRM, la messagerie, pas un chatbot isolé.
• L'adoption : sans accompagnement des équipes, l'outil le plus performant reste inutilisé. C'est aussi pour cela que la formation compte (voir comment financer un projet IA en PME).

Où se joue vraiment la valeur de l'IA ?

Dans vos outils métier. Un agent IA n'a d'intérêt que branché sur vos vraies données. Dans un environnement Microsoft, cela passe par Copilot Studio et Power Platform, posés sur Dataverse, donc directement sur les données de votre ERP et de votre CRM. Dynamics 365 embarque déjà des copilotes par domaine (ventes, service client, finance, supply chain).

L'environnement Microsoft, brique par brique

Pour une entreprise déjà équipée Microsoft, l'IA s'assemble à partir de composants qui parlent à vos données :

• Microsoft 365 Copilot : l'assistant sur vos documents, mails et réunions, via Microsoft Graph.
• Copilot Studio : l'atelier pour créer des agents sur mesure et les brancher sur vos données et vos actions.
• Power Platform et AI Builder : l'automatisation et les modèles prêts à l'emploi, posés sur Dataverse.
• Dynamics 365 Copilot : les copilotes métier intégrés à l'ERP et au CRM.
• Microsoft Foundry (ex-Azure AI Foundry) : la plateforme pour les agents et modèles plus avancés.

Le choix entre copilote natif, agent Copilot Studio et agent sur mesure mérite un article à lui seul : je le détaille dans Copilot Studio ou agent sur mesure, lequel choisir.

Quels cas d'usage concrets dans un ERP ?

Les usages qui passent réellement en production sont précis et mesurables. Les plus fréquents :

• Un copilote en langage naturel sur vos données ERP, pour interroger les stocks, les commandes ou la marge sans connaître les écrans ni savoir écrire une requête.
• La lecture documentaire : factures fournisseurs, bons de livraison, contrats, avec extraction et saisie automatisées. C'est souvent le premier cas d'usage rentable, car il supprime une saisie manuelle pénible.
• La prévision : demande, niveaux de stock, trésorerie, à partir de l'historique de l'ERP.
• Le reporting automatisé et l'assistance au paramétrage, qui font gagner un temps considérable aux équipes back-office. Côté pilotage, l'IA appliquée à vos tableaux de bord prolonge directement la donnée de l'ERP.

Ce ne sont pas des hypothèses. Dans mon propre ERP e-commerce, ces briques tournent en production : lecture des factures, catégorisation, aide à la décision sur les prix et les réassorts.

Quel est le bon mode de travail ?

Embarqué. Un métier émerge autour de cette logique : le Forward Deployed Engineer, popularisé par Palantir puis repris par OpenAI et Anthropic. L'idée : s'embarquer chez le client pour livrer l'IA en production sur ses vraies données, en jours ou en semaines, plutôt que de rendre un rapport de conseil que personne ne met en oeuvre.

Ce que je conseille, je le fais tourner d'abord chez moi : l'IA est intégrée dans mon propre ERP e-commerce.

Concrètement, cela veut dire travailler sur un cas d'usage cadré, avec vos données, et viser une mise en production rapide plutôt qu'une étude. On boucle, on mesure, on étend. C'est ce qui distingue un déploiement qui tient d'un pilote de plus.

Et le contrôle des données dans tout ça ?

La souveraineté reste native à cette approche : on choisit le bon niveau de contrôle des données (résidence européenne, modèle européen ou auto-hébergé) selon la sensibilité du contexte. Embarquer l'IA dans un ERP ne signifie pas envoyer toutes vos données à un tiers, c'est un point que je détaille dans utiliser l'IA sans perdre le contrôle de ses données.

Pour les intégrateurs ERP et les ESN

Beaucoup d'intégrateurs ont les clients et le cadre, mais pas encore la compétence IA en interne. J'interviens alors en co-delivery : vous gardez la relation client et le projet, j'apporte la brique IA et sa mise en production. C'est un moyen d'embarquer l'IA dans vos livrables sans recruter ni vous disperser, en gardant la maîtrise de la relation.

Que vous soyez une PME équipée Dynamics ou un intégrateur qui veut muscler son offre, le point de départ est le même : un cas d'usage réel, vos données, une mise en production rapide.