En bref : en 2026, les cas d'usage de l'intelligence artificielle qui tiennent en PME suisse sont surtout linguistiques (traduction 47 %, correspondance 42 %), puis opérationnels (processus 35 %, analyse de données 34 %). Le service client stagne à 17 %. Ce catalogue détaille 8 usages, avec pour chacun un avant/après chiffré et la condition qui le fait marcher : une tâche répétitive, un format d'entrée stable et une relecture humaine.

Vous avez testé ChatGPT pour reformuler un e-mail, et la question devient : à quoi d'autre ça sert dans une PME de 5 à 50 personnes ? Les cas d'usage de l'intelligence artificielle en PME ne manquent pas sur le papier ; ceux qui tiennent dans la durée sont moins nombreux, et bien documentés.

La dernière étude AXA sur le marché du travail des PME, réalisée par Sotomo auprès de 336 PME alémaniques et romandes entre le 11 et le 18 mars 2026, donne l'état des lieux : 35 % des PME intègrent l'IA de façon ciblée dans leurs processus, 39 % la testent et 26 % ne l'utilisent pas encore. L'adoption a fait son grand bond entre 2024 et 2025 (de 55 % à 71 % d'entreprises qui testent ou utilisent l'IA), puis s'est stabilisée.

Ce catalogue décrit, cas par cas, ce que les PME suisses font déjà et ce qui reste sous-exploité. Pour la vue d'ensemble (droit, données, budget), voir notre guide 2026 de l'IA pour PME romandes.

Quels usages de l'IA les PME suisses ont-elles déjà adoptés ?

Les PME suisses utilisent d'abord l'IA pour la langue : traduction (47 %), correspondance (42 %) et contenus publicitaires (35 %). Les progressions les plus fortes depuis 2024 concernent l'optimisation des processus (de 23 % à 35 %) et l'analyse de données (de 22 % à 34 %). Le service client et la publicité personnalisée n'ont pas progressé.

Ces chiffres viennent du communiqué AXA du 15 septembre 2026. Précision de lecture : pour l'analyse de données et les images, le communiqué compare 2024 à 2025 (22 % puis 34 %, 21 % puis 28 %). Le tableau reprend les 8 cas de cet article.

#Cas d'usagePart des PME (AXA 2026)Gain typique observéCondition de réussite
1Traduction47 %Premier jet en minutes, relecture humaineGlossaire métier fixé
2Correspondance42 %Environ 40 % de temps en moins sur la rédaction (étude MIT)Modèles de réponse validés
3Contenus publicitaires et images35 % et 28 %Déclinaisons multiples d'un même messageCharte de marque écrite
4Devis et offresInclus dans « processus » (35 %)Offre assemblée depuis un cataloguePrix et conditions structurés
5RelancesInclus dans « processus » (35 %)Rappels envoyés sans saisie manuelleDonnées de facturation propres
6Analyse de données et reporting34 %Synthèse hebdomadaire automatiqueSources de données stables
7Service client17 %, en stagnation+14 % de demandes traitées par heure (étude NBER)Humain dans la boucle
8Tri des e-mails et documentsInclus dans « processus » (35 %)Classement et extraction à la voléeCatégories définies à l'avance

L'IA est entrée dans les bureaux, mais surtout comme assistant individuel. En juin 2026, BDO observe que de nombreuses PME peinent à dépasser le stade pilote, et leur recommande de se concentrer sur quelques cas d'usage mesurables.

Pourquoi la traduction et la correspondance sont-elles le socle ?

Parce que ce sont des tâches fréquentes, à faible risque et faciles à relire. Une PME romande qui travaille avec la Suisse alémanique traduit chaque semaine des offres, des conditions et des e-mails. L'IA produit un premier jet exploitable en quelques secondes ; le collaborateur passe de l'écriture à la relecture.

Cas 1 : la traduction

Avant : une offre de deux pages en français part chez un traducteur externe ou attend qu'un collègue germanophone ait une heure libre. Après : le premier jet allemand est généré immédiatement, le collègue relit en un quart d'heure les termes techniques et le ton. La traduction cesse d'être un goulot d'étranglement.

Ce qui reste sous-exploité : le glossaire. Sans liste fixe de vos termes (noms de prestations, formules juridiques de vos conditions générales), chaque traduction réinvente le vocabulaire. Une page de glossaire, fournie à l'outil à chaque demande, suffit à stabiliser le résultat.

Cas 2 : la correspondance

C'est l'usage le mieux mesuré. Dans une expérience publiée dans Science et présentée par le MIT, 453 professionnels ont rédigé des e-mails, des lettres et des notes de 20 à 30 minutes : ceux qui disposaient de ChatGPT ont terminé environ 40 % plus vite, avec une qualité jugée supérieure de 18 % par des évaluateurs indépendants.

Exemple de calcul, à adapter à votre cas : une assistante qui consacre 1 heure par jour à des réponses écrites récupère environ 24 minutes par jour si l'on applique ce 40 %, soit près de 2 heures par semaine. L'effet réel dépend de la part de rédaction dans la tâche et du temps de relecture.

Cas 3 : les contenus publicitaires et les images

35 % des PME utilisent l'IA pour leurs contenus publicitaires et 28 % pour générer des images, contre 21 % en 2024 selon AXA. Avant : une annonce, un post, une newsletter, chacun rédigé à partir de zéro. Après : un message validé, décliné en cinq formats. La limite est connue : sans charte écrite (ton, mots interdits, promesses à éviter), les textes se ressemblent et ressemblent à ceux de vos concurrents.

Comment l'IA accélère-t-elle les devis, les offres et les relances ?

L'IA assemble une offre à partir de votre catalogue de prestations et d'une demande client, puis l'automatisation prend le relais pour les relances. Le gain vient moins du texte que de la suppression des ressaisies. Prérequis : des prix, des conditions et des données de facturation structurés.

Cas 4 : les devis et les offres

Avant : le dirigeant relit la demande, ouvre le dernier devis similaire, copie, adapte, recalcule. Après : la demande (e-mail ou formulaire) est lue par l'IA, qui propose les lignes du catalogue correspondantes et un texte d'accompagnement ; le dirigeant valide les prix et envoie. L'IA ne fixe jamais le prix seule : elle prépare, l'humain engage l'entreprise.

Si vos prix vivent dans la tête du patron ou dans dix fichiers Excel, le premier chantier n'est pas l'IA, c'est la liste de prix.

Cas 5 : les relances

Les relances relèvent plus de l'automatisation que de l'IA générative : une règle (échéance dépassée de 10 jours) déclenche un rappel, l'IA adapte le ton selon l'historique du client. Avant : une demi-journée par mois à croiser les paiements reçus et les factures ouvertes. Après : la liste se met à jour seule et seuls les cas litigieux remontent. Côté données, la base est désormais plus propre : depuis novembre 2025, seule l'adresse structurée est admise dans la QR-facture, ce qui facilite le rapprochement automatique.

Que peut faire l'IA pour l'analyse de données et le reporting ?

L'IA lit des exports (ventes, réservations, heures facturées) et en tire une synthèse en langage courant : tendances, écarts, points à vérifier. Selon AXA, 34 % des PME l'utilisent déjà pour l'analyse de données, contre 22 % en 2024. Le gain est réel si les sources restent stables d'une semaine à l'autre.

Cas 6 : le reporting hebdomadaire

Avant : chaque lundi, quelqu'un exporte trois tableaux, les fusionne et rédige un résumé. Après : les exports partent automatiquement vers l'IA, qui produit une note d'une demi-page (chiffre d'affaires, écart au budget, trois anomalies). La personne ne fabrique plus le rapport ; elle vérifie les anomalies.

Le piège : l'IA calcule mal dans le texte. Laissez les calculs au tableur ou à la base de données, et réservez à l'IA la lecture et la mise en mots. Toute anomalie signalée doit se retrouver dans la source.

Pourquoi le service client par IA stagne-t-il à 17 % ?

Parce que l'erreur y est visible et coûte de la réputation. AXA relève que le service client par IA (17 %) n'a pas progressé depuis 2024, et y voit l'effet possible du risque réputationnel et de la crainte des hallucinations. L'usage qui fonctionne : l'IA assiste l'agent humain au lieu de répondre seule au client.

Cas 7 : l'assistance aux réponses client

Dans le communiqué AXA, Kathrin Braunwarth, responsable DTI d'AXA Suisse, rappelle le principe du « human in the loop » : l'être humain reste l'ultime instance de contrôle, surtout dans les interactions directes avec la clientèle, où la confiance des PME dans la technologie reste insuffisante.

Les données plaident pour ce modèle assisté. Une étude du NBER sur 5 179 agents de support mesure environ 14 % de demandes résolues en plus par heure avec un assistant IA, et environ 34 % pour les agents débutants ou moins qualifiés. Avant : un nouveau collaborateur met des semaines à connaître les réponses types. Après : l'assistant lui propose une réponse sourcée dans votre base de connaissances, qu'il adapte et envoie.

Si vous allez jusqu'au chatbot en contact direct, une règle suisse s'applique : selon le PFPDT, la loi sur la protection des données s'applique directement à l'IA, et les personnes ont le droit de savoir qu'elles échangent avec une machine. Face à une décision automatisée, elles peuvent aussi exiger qu'un humain la réexamine.

Comment trier les e-mails et les documents entrants avec l'IA ?

L'IA lit chaque e-mail ou pièce jointe entrante, la classe dans une catégorie définie à l'avance (demande de devis, facture fournisseur, réclamation, candidature) et en extrait les champs utiles. L'humain traite ensuite une file déjà triée. C'est souvent le cas le plus rentable, et le plus négligé.

Cas 8 : le tri et l'extraction

Avant : une boîte info@ que trois personnes ouvrent, chacune lisant les mêmes messages pour savoir s'ils la concernent. Après : chaque message arrive classé, avec un résumé d'une ligne et les données clés (montant, échéance, numéro de dossier) prêtes à être reportées. Exemple de calcul : si trois personnes passent chacune 20 minutes par jour à trier la même boîte, c'est une heure par jour de lecture en double, soit environ 5 heures par semaine.

Ce cas touche directement des données personnelles et parfois sensibles (candidatures, réclamations). Le choix de l'outil compte : par exemple, Infomaniak indique que son assistant Euria est hébergé exclusivement sur ses serveurs en Suisse et que les contenus générés ne servent ni à la publicité ni à l'entraînement de modèles. La question de la juridiction du fournisseur est traitée dans notre guide de l'IA pour PME romandes.

Qu'ont en commun ces 8 cas d'usage ?

Les 8 cas partagent trois traits : une tâche répétitive et fréquente, une entrée dans un format prévisible (e-mail, export, demande type) et une sortie relue par un humain avant d'engager l'entreprise. Quand l'un des trois manque, le gain s'effondre ou le risque grimpe.

Un quatrième point commun, moins visible : les règles d'usage. En 2025, seul un tiers des PME utilisatrices d'IA avait fixé des règles claires de protection des données, et 23 % seulement parmi les plus petites (5 à 9 collaborateurs). Un cas d'usage sans règle écrite (quelles données entrent dans l'outil, qui relit, qui valide) reste un usage individuel, impossible à mesurer et à étendre.

Enfin, le temps gagné ne se transforme pas tout seul en valeur. Selon AXA, 47 % des PME qui ont expérimenté l'IA s'attendent à des gains de temps sans effet sur le nombre d'emplois, et 12 % pensent pouvoir se passer d'une partie de leur personnel. Le défi, selon Kathrin Braunwarth d'AXA Suisse, est de regrouper ces fragments d'efficacité individuels pour en faire une valeur ajoutée réelle. D'où l'intérêt de mesurer chaque cas avant et après.

Marche à suivre

Mesurer l'avant/après d'un cas d'usage IA en deux semaines

Méthode simple pour savoir si un cas d'usage de l'intelligence artificielle fait réellement gagner du temps dans votre PME, sans outil de mesure dédié.

  1. Choisir une tâche précise

    Nommez une tâche unique et répétitive (par exemple : répondre aux demandes de devis entrantes), pas un domaine entier.

  2. Mesurer la semaine sans IA

    Pendant une semaine, notez pour chaque occurrence le temps passé et le nombre d'allers-retours. Une simple feuille suffit.

  3. Fixer les règles du test

    Écrivez en cinq lignes quelles données peuvent entrer dans l'outil, qui relit la sortie et qui valide avant envoi.

  4. Mesurer la semaine avec IA

    Refaites la même mesure en comptant le temps de relecture et de correction, pas seulement le temps de génération.

  5. Comparer et décider

    Comparez le temps total et le nombre d'erreurs corrigées. Si le gain net est faible ou si les corrections sont fréquentes, changez de cas plutôt que d'outil.

Quel type d'outil pour quel cas ?

Trois niveaux suffisent à couvrir les 8 cas : un assistant conversationnel pour les tâches individuelles, un outil hébergé en Suisse dès que des données clients entrent en jeu, et une automatisation reliée à vos logiciels quand la tâche se répète chaque jour. Le niveau se choisit selon la donnée traitée, pas selon la mode.

  • Pas de donnée personnelle, usage ponctuel (texte marketing, page publique) : un assistant conversationnel suffit, avec une règle sur ce qu'on n'y colle pas.
  • Données clients ou internes (correspondance, tri des e-mails, réponses client) : privilégiez un outil dont vous connaissez le lieu de traitement et la politique d'entraînement, et documentez ce choix.
  • Tâche quotidienne entre plusieurs logiciels (devis, relances, reporting) : l'IA seule ne suffit pas ; il faut une automatisation qui relie votre messagerie, votre facturation et vos tableaux, avec l'IA comme étape au milieu.

Combien vaut le temps gagné par un cas d'usage ?

Le calcul tient en une ligne : heures récupérées par semaine, multipliées par le coût horaire chargé du poste et par 46 semaines travaillées environ. Deux heures par semaine sur un poste à CHF 60 de l'heure chargée représentent environ CHF 5 500 par an. C'est un ordre de grandeur, pas un résultat garanti.

Ce calcul ne vaut que si le temps libéré est réaffecté (plus de devis envoyés, des clients rappelés plus vite). Soustrayez-en le coût de l'outil, la mise en place et la relecture mesurée. Les résultats varient selon la qualité de vos données, l'adoption par l'équipe et la maturité de vos processus.

Comment passer de la liste à l'usage ?

Les cas d'usage de l'IA qui tiennent en PME combinent répétition, format prévisible et relecture humaine. Les usages linguistiques sont acquis ; la marge se trouve dans les processus (devis, relances, tri, reporting), là où l'IA s'insère entre vos logiciels. Et un cas non mesuré reste une impression : deux semaines suffisent pour savoir.

Ces 8 cas ne demandent ni gros budget ni équipe technique pour être testés. Choisissez-en un, mesurez-le avec la méthode ci-dessus, et si vous voulez le passer en production sans perdre le contrôle de vos données, parlons-en : nous construisons ce type d'automatisation pour des PME romandes, avec un hébergement en Suisse.