Quand une ETI industrielle réalise que son IA n'est pas la sienne

# Quand une ETI industrielle réalise que son IA n'est pas la sienne

Le signal d'alarme est venu d'une ligne budgétaire

L'affaire commence, comme souvent, non pas dans une salle de crise mais dans un tableur de révision budgétaire. Une ETI industrielle de 800 salariés, active sur deux marchés européens, réalise en début d'exercice 2026 que sa ligne « outils IA et productivité » a crû de manière significative en l'espace de dix-huit mois — sans qu'aucune décision explicite ne l'ait pilotée. La direction financière remonte le fil. Ce qu'elle trouve, le DSI le confirme sans surprise : la croissance est quasi intégralement portée par la consommation d'un service IA proposé par un acteur américain, intégré progressivement dans les workflows de plusieurs équipes, souvent à l'initiative des métiers eux-mêmes.

Le problème n'est pas uniquement budgétaire. Il est structurel. Personne dans l'organisation n'a formellement arbitré ce choix. Il s'est imposé par commodité, par adoption virale, et surtout parce que l'offre dominante US était là, immédiatement disponible, bien intégrée dans la suite bureautique déjà en place.

Cette situation, les DSI d'ETI européennes la reconnaissent de plus en plus. Elle illustre un mécanisme bien rodé : l'IA ne s'achète pas, elle s'installe. Et quand elle s'installe par capillarité, la question de la souveraineté des données, des conditions tarifaires et de la dépendance contractuelle arrive toujours trop tard.

Ce que l'audit révèle sur la structure de dépendance

L'ETI en question engage un audit de ses usages IA. Le périmètre est volontairement large : quels outils, pour quels usages, avec quelles données en entrée, et à quelle fréquence. Ce type d'audit, encore peu systématique dans les PME/ETI, devient un prérequis pour toute démarche de rationalisation.

Les enseignements sont instructifs. Premièrement, les données traitées par l'outil américain ne sont pas toutes anodines. Des briefs commerciaux, des synthèses de réunions clients, des ébauches de réponses à appels d'offres ont transité par le service. Aucune donnée classifiée, certes, mais un ensemble d'informations sensibles au sens concurrentiel du terme. Deuxièmement, les conditions d'utilisation du service — et notamment les clauses d'entraînement potentiel des modèles — n'ont jamais été relues par le service juridique. Troisièmement, la tarification actuelle est celle d'une phase d'adoption. Le DSI, lucide, anticipe des révisions à la hausse à mesure que la dépendance opérationnelle s'installe.

Ce troisième point mérite qu'on s'y arrête. Le modèle économique des hyperscalers repose sur une logique bien documentée : prix d'appel attractifs pendant la phase d'acquisition, puis repricing progressif une fois les usages enkystés dans les processus métier. Le coût de migration devient alors un argument implicite pour absorber les hausses. Les ETI industrielles, dont les marges sont souvent plus contraintes que celles des grands groupes, sont particulièrement exposées à ce ciseau.

L'exploration des alternatives : méthode et réalités

Face à ce diagnostic, l'ETI décide de ne pas réagir dans l'urgence. Elle constitue un groupe de travail restreint — DSI, RSSI, un représentant des achats, deux référents métier — et se donne un trimestre pour évaluer des alternatives crédibles.

La méthode adoptée est pragmatique. Plutôt que de chercher une solution de substitution « tout-en-un », l'équipe cartographie ses usages par criticité et par niveau de sensibilité des données. Elle distingue les usages à faible enjeu (reformulation de textes internes, aide à la rédaction de documents standards) des usages à enjeu élevé (analyse de données clients, assistance à la décision commerciale, traitement de données techniques liées au savoir-faire industriel).

Sur la catégorie haute sensibilité, deux pistes sont explorées sérieusement. La première passe par un fournisseur cloud européen proposant des capacités d'inférence sur des modèles ouverts, avec garantie d'hébergement en Europe et contractualisation explicite sur la non-utilisation des données pour l'entraînement. La seconde piste envisage un déploiement on-premise ou en cloud privé d'un modèle de langage open-weight, ce qui suppose un investissement infrastructure et une compétence interne à monter.

Les deux pistes ont leurs limites. L'option cloud européen présente un gap de performance perçu sur certains usages complexes — même si l'équipe note que ce gap s'est réduit significativement en 2025-2026, les modèles européens ayant progressé. L'option on-premise est techniquement viable mais requiert une montée en compétence que l'ETI, avec une équipe IT de taille modeste, ne peut pas absorber seule sans accompagnement extérieur.

Ce que cette expérience enseigne sur la vraie question budgétaire

Au terme du trimestre d'évaluation, l'ETI ne migre pas à 100 % vers une solution souveraine. Elle opère une segmentation raisonnée : maintien de l'outil américain sur les usages non critiques, bascule progressive vers une solution européenne hébergée sur les usages sensibles, et gel de tout nouvel usage sur données propriétaires tant que le cadre contractuel n'est pas revu.

Ce choix hybride est moins spectaculaire qu'un grand remplacement. Mais il est honnête vis-à-vis de la réalité opérationnelle. Et surtout, il remet le DSI en position d'arbitre plutôt que de subir.

La leçon budgétaire est double. D'un côté, la segmentation par criticité permet de limiter les coûts de migration aux périmètres où l'enjeu le justifie réellement. De l'autre, l'évaluation a révélé que les offres européennes crédibles ne sont plus systématiquement plus chères une fois qu'on intègre le coût total : prix du service, coût de la dépendance, risque réglementaire lié au RGPD et aux clauses de juridiction américaine, et — paramètre de plus en plus difficile à ignorer — le risque tarifaire à deux ou trois ans.

Sur ce dernier point, plusieurs acteurs du secteur cloud européen ont adopté une politique de tarification à long terme contractualisée, justement pour répondre à l'argument concurrentiel de la prévisibilité budgétaire. C'est un signal que la compétition sur le terrain économique est désormais ouverte, pas seulement sur le terrain réglementaire.

Ce que les DSI d'ETI peuvent en retenir

Le cas de cette ETI industrielle n'est pas exceptionnel. Il est, au contraire, représentatif d'une situation que beaucoup de directions informatiques vont rencontrer dans les prochains mois, à mesure que les usages IA se normalisent et que les premières révisions tarifaires arrivent.

Plusieurs conclusions sont transférables.

L'audit des usages IA n'est plus optionnel. Sans cartographie précise de ce qui transite par quels outils, le DSI ne peut ni arbitrer ni négocier. C'est un prérequis à toute démarche de rationalisation, souveraine ou non.

La segmentation par criticité des données est le seul cadre sérieux. Chercher un remplacement global est souvent irréaliste pour une ETI. Segmenter permet d'agir là où l'enjeu est réel, sans bloquer l'organisation sur des usages où le niveau de risque est objectivement faible.

Le coût de la dépendance doit entrer dans le calcul budgétaire. Les équipes achats IT ont pris l'habitude de comparer les prix à l'instant T. Le risque tarifaire sur dix-huit à trente-six mois, lui, est rarement modélisé. Il devrait l'être systématiquement dès lors qu'un outil s'intègre dans des processus critiques.

Les alternatives européennes méritent un benchmark honnête, pas un a priori. Le marché a évolué. Les évaluer sur des usages réels, avec des données représentatives, est plus instructif que de se fier à des réputations établies il y a deux ans.

En 2026, la souveraineté numérique n'est plus un débat de politique industrielle réservé aux grandes directions de l'État. Elle est devenue une variable budgétaire concrète pour les ETI qui ont laissé l'IA s'installer sans en définir les règles du jeu.