Bilan 2024 : Comment Basalt Studio a Révolutionné l'Implémentation IA pour les PME
Eliott Ardisson
Founder & CEO - Basalt Studio
Bilan 2024 de Basalt Studio : retour sur une année d'implémentation d'agents IA pour les PME, les enseignements terrain et les tendances qui façonnent 2025.
En bref
- L’adoption de l’IA par les PME a franchi un cap réel en 2024 : la question n’est plus “faut-il y aller ?” mais “par où commencer et comment éviter les erreurs courantes ?”
- Les agents IA spécialisés — qualification de leads, traitement de dossiers, automatisation de flux métier — ont produit des gains mesurables dans des secteurs comme l’immobilier, la comptabilité et le recrutement.
- La principale limite à l’adoption reste l’implémentation, pas la technologie : la plupart des PME n’ont ni le temps ni les compétences internes pour passer du prototype au déploiement stable.
- Un audit structuré des processus existants reste la meilleure entrée : il permet d’identifier rapidement les deux ou trois automatisations à fort impact avant d’investir davantage.
- 2025 s’annonce comme l’année des agents autonomes multi-étapes — mais le prérequis reste le même : des données propres, des processus documentés, et un partenaire qui comprend le contexte métier.
Ce que 2024 a réellement changé pour les PME et l’IA
Il y a deux ans, parler d’agents IA à un dirigeant de PME provoquait deux réactions : soit de l’enthousiasme flou, soit de la méfiance. En 2024, les conversations ont changé de nature. Les fondateurs arrivent avec des cas d’usage précis, des questions concrètes sur les coûts, et — parfois — des expériences d’implémentation qui ont mal tourné.
C’est un signe de maturité. McKinsey a documenté une accélération notable de l’adoption de l’IA générative dans les PME entre 2023 et 2024, notamment dans les fonctions opérationnelles et les services aux entreprises. Cette tendance ne se lit pas uniquement dans les chiffres d’adoption — elle se lit dans la qualité des questions posées.
Pour une agence comme Basalt Studio, cela a eu une conséquence directe : les projets sont devenus plus ambitieux, mais aussi plus complexes à cadrer. Les attentes sont montées. Et les erreurs classiques — surestimer ce qu’un agent peut faire sans contexte, sous-estimer l’effort d’intégration avec les outils existants — sont restées les mêmes.
Voilà ce que cette année nous a appris.
Les cas d’usage qui ont réellement fonctionné
Toutes les automatisations ne se valent pas. En 2024, les projets qui ont produit les résultats les plus nets avaient un point commun : ils ciblaient des processus à volume élevé, bien définis, avec des règles documentables.
Qualification et traitement de leads entrants
Dans les agences immobilières et les cabinets de recrutement, le premier contact avec un prospect entrant est souvent traité manuellement — un email rédigé à la main, un appel pour qualifier, une saisie dans le CRM. Un agent IA bien configuré peut gérer l’essentiel de cette séquence : répondre en moins de deux minutes, poser les bonnes questions, enrichir le profil, et router le contact vers le bon interlocuteur.
Les gains ne viennent pas de la magie de l’IA. Ils viennent du fait que ce processus est désormais exécuté à chaque fois, sans oubli, sans délai, même à 23h un vendredi.
Traitement de documents répétitifs
Les cabinets comptables, les études notariales, les services RH — tous manipulent des volumes importants de documents structurés. Extraction de données, vérification de cohérence, génération de récapitulatifs : ce sont des tâches où les agents IA s’en sortent bien, à condition que les formats d’entrée soient relativement stables. Gartner a identifié l’automatisation documentaire comme l’un des leviers d’IA à ROI le plus rapide pour les organisations de taille intermédiaire.
Support client de premier niveau
Pour les e-commerçants et les entreprises de services avec un volume de tickets répétitifs (statut de commande, horaires, conditions tarifaires, procédures de retour), un agent conversationnel bien entraîné sur la base de connaissance de l’entreprise peut traiter une part significative des demandes sans intervention humaine. La clé : définir clairement ce que l’agent peut traiter seul et ce qu’il doit escalader.
Ce qui bloque encore l’adoption : les vrais obstacles
L’obstacle numéro un n’est pas le coût. C’est l’implémentation.
La plupart des dirigeants de PME ont essayé une démo impressionnante, lancé un pilote, et buté sur les mêmes problèmes : les données internes ne sont pas dans le bon format, l’outil existant n’a pas d’API propre, l’équipe ne sait pas comment intervenir quand l’agent produit une réponse incorrecte.
Dans notre travail d’accompagnement de PME fondatrices — cabinets RH, agences immobilières, prestataires de services professionnels — le point de rupture le plus fréquent est l’intégration avec les systèmes existants. Pas la conception de l’agent lui-même.
C’est pourquoi l’audit préalable n’est pas une formalité. Il détermine si le projet est viable dans le délai et le budget envisagés, ou s’il y a des prérequis techniques à traiter d’abord. Un audit sérieux cartographie les flux de travail existants, identifie les outils en place et leurs capacités d’intégration, et hiérarchise les opportunités d’automatisation selon leur faisabilité réelle — pas seulement leur potentiel théorique.
Les outils qui ont structuré notre approche technique
Sans entrer dans une liste exhaustive, quelques choix techniques méritent d’être explicités, parce qu’ils ont des implications concrètes sur la fiabilité et la maintenabilité des solutions déployées.
Pourquoi n8n plutôt qu’un simple webhook
Pour l’orchestration des workflows — enchaîner des étapes, gérer les erreurs, déclencher des actions conditionnelles — n8n offre une visibilité sur les flux qui manque dans une architecture purement événementielle. Quand un agent échoue à une étape, on sait exactement où et pourquoi. Pour une PME qui n’a pas d’équipe DevOps, c’est un avantage opérationnel non négligeable.
L’API Claude et le SDK Anthropic
Pour les tâches qui requièrent une compréhension contextuelle fine — analyser un contrat, rédiger une réponse personnalisée, extraire des informations structurées depuis un texte non formaté — les modèles d’Anthropic ont démontré une fiabilité supérieure sur les cas d’usage métier. La gestion du contexte long est particulièrement utile quand on travaille sur des dossiers clients volumineux.
Convex pour la persistance
La gestion de l’état dans des workflows multi-étapes est un problème sous-estimé. Convex permet de persister les données en temps réel et de synchroniser l’état entre les différentes étapes d’un agent sans passer par des solutions bricolées. Pour les agents conversationnels qui doivent maintenir le contexte sur plusieurs échanges, c’est structurellement important.
OpenRouter pour la flexibilité des modèles
Brancher une solution sur un seul fournisseur de modèles crée une dépendance. OpenRouter permet de router les requêtes vers différents modèles selon le cas d’usage et le coût, ce qui donne de la flexibilité à mesure que le marché des modèles évolue rapidement.
Définitions : vocabulaire clé de l’IA agentique
Ces termes sont utilisés de manière variable dans l’industrie. Voici comment nous les définissons dans un contexte PME.
Agent IA : Un programme qui perçoit un contexte, prend des décisions et exécute des actions — envoyer un email, mettre à jour un CRM, extraire des données — de manière autonome selon des instructions et des règles définies. Contrairement à un chatbot simple, un agent peut enchaîner plusieurs actions et s’adapter au résultat de chacune.
Workflow automatisé : Une séquence d’étapes prédéfinie, déclenchée par un événement, qui s’exécute sans intervention humaine. Un agent IA peut opérer à l’intérieur d’un workflow, mais le workflow lui-même peut contenir des étapes sans IA.
RAG (Retrieval-Augmented Generation) : Technique qui permet à un modèle de langage d’interroger une base de connaissance externe (documents de l’entreprise, FAQ, historique client) avant de générer une réponse. C’est ce qui permet à un agent de répondre avec des informations spécifiques à l’entreprise plutôt que des généralités.
Orchestration : La coordination de plusieurs agents ou étapes dans un workflow complexe. Un orchestrateur décide quel agent ou quel outil appeler à chaque étape, et dans quel ordre.
Retainer IA : Modèle de service continu (mensuel ou trimestriel) dans lequel un prestataire maintient, optimise et fait évoluer les agents déployés. Utile parce que les modèles changent, les processus métier évoluent, et les agents nécessitent des ajustements réguliers.
Secteurs où l’IA agentique a le plus progressé en 2024
Certains secteurs ont avancé plus vite que d’autres. Voici une lecture sectorielle honnête, sans survente.
Recrutement et RH
La qualification de candidatures, le tri de CV, l’envoi de communications automatisées aux candidats — ce sont des processus à volume élevé et à faible variabilité. Les cabinets de recrutement qui ont déployé des agents sur ces étapes ont libéré du temps pour le travail à valeur ajoutée : entretiens, évaluation comportementale, conseil client.
Immobilier
La gestion des demandes entrantes, la qualification des acheteurs potentiels, les relances après visite : des processus chronophages où la réactivité est un avantage concurrentiel direct. Un agent qui répond à une demande en deux minutes, 24h/24, change la dynamique de conversion.
Comptabilité et services financiers
Le traitement de documents (factures, relevés, déclarations), la réconciliation de données, la génération de rapports standardisés : des tâches volumineuses avec des règles bien définies, idéales pour l’automatisation. La contrainte principale reste la conformité et la vérification humaine sur les données sensibles.
HVAC et services techniques
La prise en charge des demandes d’intervention, la planification des techniciens, le suivi des interventions et la facturation : des workflows séquentiels bien adaptés à l’automatisation. Forrester a identifié les entreprises de services à la personne et aux entreprises comme parmi les plus susceptibles de bénéficier rapidement d’agents IA opérationnels.
E-commerce
Le support client de premier niveau, la gestion des retours, le suivi de commandes : des volumes importants, des règles relativement stables, et un impact direct sur la satisfaction client.
Ce que nous avons appris à ne pas promettre
L’industrie de l’IA souffre d’un problème de surestimation systématique. Des chiffres de ROI irréalistes, des délais d’implémentation trop optimistes, des garanties qui ne résistent pas à l’examen des conditions générales.
Notre lecture, après avoir accompagné des PME sur des projets d’automatisation dans des contextes très variés, est plus nuancée.
Les gains de productivité sur les tâches ciblées peuvent être substantiels — des études sectorielles comme celles de McKinsey ou Deloitte suggèrent des gains de 20 à 40 % sur les fonctions opérationnelles automatisées, selon le degré de maturation du processus. Mais ces gains ne se matérialisent pas automatiquement. Ils dépendent de la qualité de l’implémentation, de l’adoption par les équipes, et de la stabilité des processus sous-jacents.
Un agent IA mal configuré sur un processus mal documenté produira des résultats médiocres — parfois pires qu’un traitement manuel, parce qu’il échouera silencieusement. C’est pourquoi la phase d’audit et de cadrage n’est pas optionnelle.
Tendances à surveiller en 2025
Agents multi-étapes et collaboration entre agents
Les cas d’usage les plus intéressants de 2025 impliquent plusieurs agents qui se transmettent des informations et coordonnent leurs actions. Un agent qui qualifie un lead, un autre qui rédige la proposition, un troisième qui met à jour le CRM et envoie un récapitulatif. L’orchestration de ces workflows reste complexe à produire de manière robuste, mais les outils progressent vite.
Mémoire et personnalisation contextuelle
Les agents qui “se souviennent” d’un client d’une interaction à l’autre — ses préférences, son historique, ses dossiers en cours — vont modifier la qualité du service client automatisé. C’est techniquement faisable aujourd’hui, mais requiert une architecture de données propre.
Conformité et gouvernance
À mesure que les agents prennent des décisions à impact réel (envoyer une offre, valider un dossier, rejeter une candidature), les questions de traçabilité, d’audit et de conformité RGPD deviennent centrales. Les PME qui ont anticipé ces contraintes dès la conception sont mieux positionnées.
Pour aller plus loin
2024 a confirmé que l’IA agentique n’est plus réservée aux grandes entreprises avec des équipes tech dédiées. Les outils existent, les cas d’usage sont documentés, et les coûts d’implémentation ont baissé. Mais le fossé entre “essayer une démo” et “déployer quelque chose qui tourne en production” reste réel — et c’est là que se joue l’essentiel.
Si vous êtes dirigeant d’une PME et que vous cherchez à identifier les deux ou trois automatisations qui auraient le plus d’impact dans votre contexte spécifique, la meilleure entrée reste un audit structuré de vos processus actuels.
Vous pouvez réserver un appel stratégie IA directement avec l’équipe Basalt pour en discuter : https://cal.com/eliott-ardisson-kzq7zs/ai-strategy-call