Résumé des points clés
Cet article se concentre sur les difficultés rencontrées par les petites et moyennes entreprises (PME) chinoises dans l’introduction de l’IA, en prenant comme exemple les PME privées du Zhejiang. Il analyse leurs caractéristiques propres, les racines de leur anxiété face à l’IA, ainsi que les défis concrets auxquels elles sont confrontées, et propose une approche progressive pour surmonter ces obstacles. L’idée principale est que l’IA n’est pas simplement un outil à ajouter aux processus existants des PME ; il s’agit plutôt de réorganiser les processus organisationnels et de coordonner les compétences humaines. Les principales difficultés résident dans des problèmes tels que le manque de talents, la disponibilité des données et l’alignement des rythmes. Pour y remédier, il est nécessaire de procéder en quatre étapes : renforcer les bases numériques de l’entreprise, cibler les points douloureux dans les activités commerciales, intégrer l’IA dans tous les processus et réstructurer la gouvernance.
I. Pourquoi les PME ont-elles de l’anxiété face à l’IA ? Commençons par comprendre leurs caractéristiques
La plupart des PME du Zhejiang ont débuté comme des ateliers familiaux, se spécialisant dans la production et la distribution de petits produits, ce qui leur confère naturellement un rythme rapide et une préférence pour l’essai d’approches différentes. Leurs avantages sont réels : des chaînes d’approvisionnement solides, des décisions prises rapidement par les dirigeants et une capacité forte à combler les lacunes. Cependant, leurs faiblesses sont également notables : une forte homogénéisation des produits, des marges bénéficiaires faibles, un manque de pouvoir de négociation sur le marché et des niveaux de gestion internes inégaux.
L’arrivée de l’IA les inquiète, non pas parce que celle-ci serait inutile, mais parce qu’elles ne comprennent pas vraiment son essence. Tout comme lors de la révolution industrielle, lorsque les fabricants ont dû s’adapter aux nouvelles machines à filer à vapeur en déplaçant leurs usines près des sources d’eau, l’IA nécessite une restructuration complète des organisations et des processus. Les PME veulent adopter l’IA, mais ne savent pas par où commencer et craignent que leurs investissements soient vains ou qu’elles restent en retard par rapport à leurs concurrents.
II. Les talents en IA ne peuvent-ils pas entrer dans les ateliers ? Le problème réside dans le conflit entre les anciens experts et la nouvelle logique
Les PME manquent non pas de scientifiques en IA, mais de personnes qui comprennent à la fois les algorithmes et les réalités du terrain de production. Pourquoi les talents en IA des grandes villes ne veulent-ils pas travailler dans les ateliers ? Ce n’est pas parce que le travail y serait pénible, mais parce qu’il existe souvent des anciens experts qui ont acquis une connaissance approfondie des processus de production (par exemple, les problèmes susceptibles de survenir lors de certaines étapes). Lorsque ces talents arrivent, ils se retrouvent dans une situation difficile : si ils écoutent les anciens experts, ils ne peuvent pas appliquer les nouvelles méthodes d’IA ; s’ils tentent de diriger les opérations, personne ne les écoute. Le vrai problème n’est pas le manque de talents, mais le conflit entre les expériences traditionnelles et les approches modernes. Les entreprises n’ont pas encore appris à combiner la logique technologique de l’IA avec les connaissances pratiques des anciens experts. Utiliser simplement des outils comme ChatGPT ne suffit pas pour être vraiment « IAisé » ; il faut trouver un moyen de faire collaborer ces deux approches.
III. Les quatre principaux obstacles à l’introduction de l’IA
1. Homogénéisation trop rapide : Dans les villes spécialisées dans la production de petits produits (comme celles de vêtements pour enfants ou de textiles), si une entreprise a du succès, les autres copient rapidement, ce qui entraîne une baisse des marges et un manque de fonds pour investir en IA.
2. Disconcordance entre les cycles informatiques et les besoins des entreprises : Les entreprises de technologie planifient généralement les projets d’IA sur des périodes annuelles, ce qui prend plusieurs mois avant de voir des résultats concrets. Or, les dirigeants des PME cherchent des solutions immédiates (par exemple, savoir si l’IA peut aider à planifier la production pour les commandes de la prochaine saison). Le manque de coordination entre le temps et les ressources financières les oblige souvent à utiliser des fonctionnalités simplistes, sans résoudre les problèmes réels.
3 Absence de base numérique solide : Les données essentielles sont dispersées dans des groupes WeChat, des fichiers Excel isolés ou dans l’esprit des anciens experts, ce qui rend difficile la création de modèles d’IA efficaces. C’est comme cuisiner sans ingrédients : même le plus talentueux des chefs ne peut pas préparer de repas.
4 Les outils sont trop légers, tandis que les processus de production sont trop lourds : De nombreuses entreprises achètent des outils d’IA, mais les utilisent uniquement à des fins administratives (comme le suivi des horaires des employés), sans résoudre des problèmes fondamentaux tels que la traçabilité des prix ou l’analyse des raisons des retours de produits. Sans une utilisation efficace de ces outils dans les activités commerciales, leur achat est inutile.
IV. Quatre étapes pour surmonter ces obstacles et introduire l’IA
1. Renforcer les bases numériques : Il faut stocker des données détaillées telles que des échantillons de produits, des photos de produits défectueux et les retours des clients, afin de ne pas laisser ces informations dans des groupes WeChat ou dans l’esprit des individus.
2. Cibler les points douloureux : Commencer par des scénarios où des résultats peuvent être obtenus rapidement, comme prédire les préférences des clients au Moyen-Orient et produire à l’avance, sans attendre les commandes issues de foires commerciales.
3. Intégrer l’IA dans tous les processus : Utiliser l’IA dans l’ensemble de la chaîne de production (planification, commande, achat), afin que les concurrents ne puissent pas simplement copier les aspects superficiels des processus.
4. Réstructurer les responsabilités et les rôles : Les dirigeants doivent se concentrer sur les décisions stratégiques et la gestion des exceptions, tout en standardisant les connaissances et les procédures. Il faut clarifier qui utilise l’IA pour prendre des décisions et qui est responsable en cas de problèmes, afin d’établir une division claire des tâches entre les humains et les outils informatiques.
En conclusion, l’application de l’IA doit être adaptée aux spécificités de chaque entreprise et région. L’objectif est de mettre en valeur la valeur unique de l’entreprise grâce à l’IA (par exemple, les clients achètent ses produits non pas pour leur prix, mais pour la qualité de son design ou de son service), plutôt que de simplement suivre la tendance en baissant les prix. Cet article explique de manière claire et compréhensible les difficultés et les solutions liées à l’introduction de l’IA dans le contexte des PME, en utilisant des exemples tirés de recherches réelles. L’IA n’est pas un élément luxueux ou complexe ; les PME doivent partir de leurs problèmes concrets et progresser pas à pas pour construire leur avantage concurrentiel.