Cas d’usage IA en entreprise : exemples par fonction

Par Elisha Bajemon, Ingénieur IA chez TW3 Partners. Dernière mise à jour : 26 octobre 2026.

En bref

Un cas d’usage de l’IA générative désigne ici une tâche précise confiée en partie à un modèle, avec un résultat vérifiable. Cet article classe par fonction les 27 réalisations publiées par TW3 Partners, relevées le 9 octobre 2026. Selon l’Insee, le 21 juillet 2026, en 2025, 18 % des entreprises françaises de 10 salariés ou plus des secteurs principalement marchands, hors agriculture, finance et assurance, déclarent utiliser au moins une technologie d’IA ; ce taux atteint 58 % à partir de 250 salariés. Le catalogue comprend aussi des outils sans modèle de langage, comme le suivi des coûts par projet. Au 9 octobre 2026, les fiches TW3 signalent des pilotes pour les réponses aux appels d’offres, les contrats fournisseurs, les déplacements et le portefeuille R&D. L’interrogation de l’entrepôt de données reste sans évaluation réalisée, selon sa fiche à cette même date.

1. Qu’est-ce qu’un cas d’usage de l’IA générative, et où en sont les entreprises ?

Un cas d’usage de l’IA générative désigne ici une tâche métier délimitée : extraire les exigences d’un dossier, comparer des clauses ou rédiger à partir de documents identifiés. TW3 recommande de définir le résultat attendu et son contrôle.

L’Insee Première n° 2120 du 21 juillet 2026 mesure l’usage de l’ensemble des technologies d’IA. Sur le champ défini en introduction, la part utilisatrice progresse de 8 points entre 2024 et 2025.

Dans cette enquête, parmi les entreprises utilisatrices en 2025, 73 % déclarent chercher à optimiser les coûts, 64 % à améliorer la qualité et la fiabilité des processus, 56 % à réaliser des travaux complexes. Parmi les non-utilisatrices, 71 % n’en voient pas l’utilité et 54 % évoquent le manque d’expertise. Il s’agit de motifs déclarés, sans mesure des gains obtenus.

2. Quels critères de choix ressortent des réalisations publiées ?

TW3 recommande cette grille de cadrage, tirée des fiches de réalisations dans leur état au 9 octobre 2026.

Critère	Question à poser	Fiche TW3 qui l’illustre
Information disponible	Où se trouvent les données nécessaires ?	Autorisations de mise sur le marché : registres officiels dispersés.
Part des règles	Quelles opérations peuvent être codées explicitement ?	Contrats d’apprentissage : dates et rémunération contrôlées sans IA.
Traçabilité	Peut-on retrouver la preuve de chaque résultat ?	Déplacements : chaque chiffre renvoie aux lignes sources.
Évaluation	Quels essais permettront de comparer les solutions ?	Garde-fou : messages annotés et comparaison de classifieurs.
Traitement des données	Où s’exécutent l’application et les modèles appelés ?	Recherche documentaire : hébergement privé en France et modèles déclarés via d’autres régions.

Les liens distinguent l’article associé et la fiche TW3.

La fiche photovoltaïque présente un protocole figé avant les mesures. Dans les tests de non-régression, les scripts produits par un agent sont ensuite exécutés sans modèle. TW3 recommande de distinguer la préparation du travail de son exécution courante.

3. Informatique : quels cas d’usage pour les applications ?

TW3 documente la saisie, les tests et l’accès aux informations internes.

Automatiser la saisie dans un logiciel métier sans API : un agent qui pilote l’écran comme un opérateur (fiche TW3) : une équipe ressaisit les dossiers écran par écran dans un logiciel métier. Un agent pilote l’interface sur une machine virtuelle et signale les données manquantes avant validation.
Tests de non-régression : transformer des scénarios de recette Excel en tests navigateur rejoués à chaque version (fiche TW3) : une plateforme évolue chaque semaine ; sa vérification était manuelle. L’agent transforme les scénarios métier en scripts rejouables, avec captures et justification des échecs.
Lire des PDF à moindre coût : orienter chaque page vers l’extraction de texte ou vers un modèle de vision (fiche TW3) : l’assistant reçoit des documents internes synchronisés depuis SharePoint. Un traitement choisit, page par page, entre extraction directe du texte et lecture par modèle de vision pour traiter figures, formules et scans.
Interroger un entrepôt de données en français : un agent qui écrit ses requêtes SQL via un serveur MCP (fiche TW3) : les questions métier demandaient des requêtes de spécialistes. Un agent interroge un sous-ensemble documenté de l’entrepôt par des outils SQL. La fiche indique « Évaluation (non faite) ».
Assistant interne : un groupe multi-sites veut réunir ses usages et retrouver ses connaissances internes. L’assistant affiche les sources et gère des droits par groupe. Voir aussi l’article sur les documents internes.
Former un développeur à Claude Code sur un projet réel : le déroulé d’un cycle de huit séances (fiche TW3) : un développeur PHP confirmé apprend à cadrer l’agent par le contexte, les tests et la vérification des données, sur un projet de bibliothèque d’estimation de l’empreinte carbone.

4. Gouvernance de l’IA : comment encadrer les usages ?

TW3 documente le filtrage des messages et le suivi des usages.

Filtrer les messages envoyés à un assistant IA interne : conception d’un garde-fou d’entrée qui tient sur un seul GPU (fiche TW3) : un assistant ouvert à un large public interne doit filtrer les usages dangereux sans bloquer les questions légitimes. Le dispositif associe règles, masquage des données personnelles et classifieurs de sécurité.
Envoyer chaque requête au modèle le plus sobre qui sait y répondre : passerelle multi-modèles et juge de complexité (fiche TW3) : une organisation veut utiliser plusieurs modèles sans multiplier les intégrations. Un composant évalue la complexité de chaque requête pour l’orienter vers un modèle ; des essais comparatifs guident la sélection des modèles.
Suivre les coûts de l’IA générative par projet : tableau de bord FinOps et budgets bloquants (fiche TW3) : les dépenses partagées n’étaient pas rattachées aux expérimentations. Le tableau de bord attribue les coûts aux projets et permet de poser des budgets, sans modèle de langage.
Auditer une infrastructure IA existante et chiffrer une alternative hébergée en France (fiche TW3) : une plateforme en production dépendait d’un socle mal maîtrisé. L’audit inventorie les ressources et construit une plateforme cible sur Scaleway en France, testée de bout en bout.
Plateforme d’expérimentation IA : un socle commun pour déployer chaque nouveau cas d’usage sans repartir de zéro (fiche TW3) : chaque expérimentation reconstruisait authentification, suivi et hébergement. Un portail commun rassemble le catalogue, les demandes et les accès, avec des composants partagés.
Mesurer l’adoption réelle d’un assistant IA interne et repérer les contenus qui manquent (fiche TW3) : l’usage réel d’un assistant déployé était mal connu. Les administrateurs suivent des segments d’utilisateurs et déclenchent une analyse des conversations pour repérer les contenus manquants.

5. Achats et finance : quels cas d’usage ont été réalisés ?

Les fiches TW3 achats et finance concernent les référentiels, les dossiers et les dépenses.

Vérifier un fichier fournisseurs contre les registres publics des entreprises, sans modèle de langage (fiche TW3) : un service achats disposait d’un fichier Excel jamais mis à jour. L’outil le croise avec les registres publics et restitue les changements de statut, sans modèle de langage indispensable.
Réponses aux appels d’offres : un groupe de l’énergie doit lire des dossiers volumineux et suivre les pièces à produire. L’outil extrait les exigences ; le cas reste en pilote. Voir le volet côté répondant.
Analyse des offres reçues : un acheteur compare des offres techniques volumineuses. Le module produit une matrice exigence par exigence avec les pages justificatives. L’article sur l’analyse des offres complète ce sujet.
Comparaison des contrats : les achats négocient des équipements lourds auprès de constructeurs. Le module compare les contrats au référentiel interne de clauses ; il reste en pilote avec le service achats.
Analyser les dépenses de déplacements professionnels à partir des exports de réservation et de notes de frais (fiche TW3) : un groupe multi-sites doit consolider des exports hétérogènes de réservation et de notes de frais. Le module relie les chiffres aux lignes sources ; il reste en pilote.

L’étude Better Deck or Different Judge?, déposée sur arXiv le 30 septembre 2026, porte sur des exercices construits à partir d’informations publiques sur des émetteurs cotés ou notés. Article associé : Présentations de financement produites par un agent : vérifier chaque chiffre avant qu’il entre dans le document.

6. R&D et documentation technique : quels cas d’usage ?

Les fiches TW3 documentaires relient les réponses et les livrables à leurs pièces sources.

Rechercher dans des documents techniques et réglementaires qui mêlent texte, tableaux et schémas (fiche TW3) : les bibliothèques techniques d’un groupe de l’énergie sont difficiles à interroger. L’assistant répond avec la page source. La fiche précise que la plateforme a été reconstruite.
Produire rapports, notes et présentations à partir de la base documentaire interne (fiche TW3) : des ingénieurs compilent des documents existants au risque de perdre leurs sources. La plateforme prépare rapports, notes et présentations, puis permet leur relecture et leur export.
Piloter un portefeuille de programmes de R&D avec une vue unique interrogeable en langage naturel (fiche TW3) : une direction consolidait manuellement des livrables dispersés. Le module les rattache aux programmes et projets ; il reste en pilote, avec le chargement des données 2024 et 2025.

Dans la recherche, TW3Cast, déposé sur arXiv le 16 septembre 2026, décrit des ajustements par adaptateurs LoRA ou sur l’ensemble des paramètres de modèles de séries temporelles. Cet exemple porte sur la prévision. Article associé : Spécialiser un modèle de langage pour un métier : fusion de modèles, adaptateur LoRA ou réentraînement complet.

7. RH, formation et services généraux : quels cas d’usage ?

TW3 documente des tâches de contrôle et de coordination entre services.

Contrôler la conformité des contrats d’apprentissage : missions, dates légales, rémunération et financeur (fiche TW3) : les contrôles manuels d’une organisation étaient hétérogènes. Le modèle rapproche missions et compétences ; les règles de dates et de rémunération fonctionnent sans IA. Les cas signalés restent soumis à relecture.
Note d’opportunité pour une nouvelle certification : un agent qui agrège six sources publiques et cite chaque chiffre (fiche TW3) : une direction doit justifier de nouvelles offres certifiantes avec des données de marché. Un agent lit la fiche officielle, recherche des sources publiques et produit une note sourcée.
Cartographier les relations avec les entreprises à partir des boîtes mail partagées (fiche TW3) : plusieurs services échangeaient avec les mêmes entreprises sans vue commune. L’application regroupe les correspondants externes, résume les échanges et classe les fils par thème.
Mesurer l’occupation réelle des salles sur plusieurs sites et proposer des réallocations (fiche TW3) : une organisation utilisait un planning et un entrepôt de données séparés. L’outil consolide l’occupation, signale les conflits et propose des réallocations ; l’extension au prévisionnel est demandée.

8. Industrie, énergie, santé et marketing : quels exemples ?

TW3 documente également des usages propres à un secteur ou à une fonction commerciale.

Prévoir la production photovoltaïque à J+1 : ce que montrent 23 jours de données réelles d’onduleur (fiche TW3) : un groupe de l’énergie doit annoncer la production du lendemain. Sur 23 jours de données réelles d’onduleur, la fiche TW3 indique que la persistance, méthode simple de référence, reste meilleure sur ce test.
Cartographier les autorisations de mise sur le marché dans 36 pays avec une chaîne agentique traçable (fiche TW3) : un groupe pharmaceutique cherche où ses molécules sont commercialisées. L’information est dispersée dans 36 registres nationaux ; la collecte conserve pour chaque valeur son URL et son extrait justificatif.
Visibilité dans les moteurs d’IA : un groupe multi-marques suit les pages citées par les assistants ; voir le cadre métier du GEO.

FAQ

Combien de réalisations sont publiées, et pourquoi sans nom de client ?
Le catalogue TW3 Partners compte 27 fiches au 9 octobre 2026. Il précise que tout nom de client exige son accord écrit ; les descriptions retiennent le secteur et le contexte.

Faut-il un modèle de langage dans chaque cas ?
Non. Les fiches TW3 indiquent « pas de modèle de langage indispensable » pour le référentiel fournisseurs, « pas de modèle de langage » pour le suivi des coûts et « règles de dates et de rémunération sans IA » pour les contrats d’apprentissage.

Quels cas relèvent de l’IA agentique ?
Les fiches TW3 décrivent notamment un agent qui pilote un logiciel et un agent qui interroge l’entrepôt. Elles parlent aussi de « chaîne agentique » pour la collecte réglementaire.

Ces réalisations sont-elles toutes en production ?
Les statuts diffèrent. Les pilotes et l’évaluation manquante sont signalés ci-dessus ; la fiche coûts IA de TW3 Partners mentionne aussi, au 9 octobre 2026, une extension prévue à la plateforme principale.

Où les outils sont-ils hébergés ?
Au 9 octobre 2026, les fiches TW3 documentent notamment Azure en Europe de l’Ouest et une machine virtuelle du client. La recherche documentaire distingue le cloud privé OVHcloud en France des modèles Claude déclarés via AWS Bedrock en régions EU et US.

Par où commencer ?
TW3 recommande un périmètre aux informations accessibles et aux résultats vérifiables, avec une évaluation préparée avant le choix du modèle. Les articles TW3 du 2 octobre 2026 sur la sélection des cas d’usage et le passage en production détaillent ce cadrage.

Cas d’usage de l’IA générative en entreprise : critères de choix et exemples réalisés, fonction par fonction