# EvidencAI

> Nous fabriquons des logiciels IA, les nôtres et les vôtres. Créateurs de Mycelora, la mémoire unifiée de toutes vos IA.

EvidencAI est un éditeur de logiciels IA fondé par Stéphane Commenge, chef d'entreprise depuis 1996. Nos produits sont en ligne ou en construction (Mycelora en bêta ouverte, Mon Greffier en accès réservé, Tamis en cours de développement) ; nous construisons aussi des logiciels IA sur mesure pour nos clients. Tout est hébergé à Paris chez Scaleway, opérateur certifié ISO 27001.

## Produits

- Mycelora (https://mycelora.ai) : la mémoire unifiée de toutes vos IA. Vos contextes, vos documents et vos décisions suivent vos IA d'un outil à l'autre.
- Mon Greffier (https://mongreffier.com), accès réservé : l'assistant de rédaction des jugements commerciaux.
- Tamis (https://tamis.legal), en cours de développement : la sécurité IA du droit et du chiffre. Pseudonymisation et détection de prompt injection.

## Sur mesure, en trois formats

1. Extension métier (vos équipes utilisent déjà une IA) : rédiger vos devis à partir de vos tarifs et de vos modèles, répondre aux appels d'offres avec vos références, appliquer vos procédures.
2. Connecteur MCP (vos données vivent dans vos logiciels) : retrouver un client, son historique et ses factures en une question, préparer un rendez-vous, mettre à jour un dossier sans quitter la conversation.
3. Application complète (le métier exige ses propres écrans) : Mon Greffier, ou un logiciel de gestion sur mesure pour un spa de deux établissements.

Exemples de ce que nous savons fabriquer.

## Informations pratiques

- Site : https://www.evidencai.com
- Contact : contact@evidencai.com
- Fondateur : Stéphane Commenge
- Hébergement : Paris, Scaleway (ISO 27001)

## Pages principales

- / : page d'accueil
- /outils : nos produits
- /a-propos : qui est Stéphane Commenge
- /contact : formulaire de contact
- /blog : articles et réflexions sur l'IA en entreprise

---

# Méthode EvidencAI : Cadrage, Première brique en production, Un abonnement, Vos équipes l'adoptent

Quatre étapes pour fabriquer un outil IA qui connaît votre métier : on part de vos cas réels, on avance brique par brique, et on reste jusqu'à l'adoption.

## Quatre étapes

1. **Cadrage** (Avant tout engagement). On part de vos cas réels et on chiffre le gain avant tout engagement.
2. **Première brique en production** (Brique après brique). Testée sur vos vrais dossiers, code relu et testé.
3. **Un abonnement** (Sans licence). Hébergement à Paris, maintenance et évolutions compris ; coûts d'IA refacturés au réel.
4. **Vos équipes l'adoptent** (Jusqu'à l'adoption). On accompagne vos équipes jusqu'à ce que l'outil soit le leur, pas un outil qu'elles contournent.

## Principes directeurs

- L'IA améliore l'humain, elle ne le remplace pas.
- L'IA n'est ni une calculatrice ni un oracle, c'est un partenaire de réflexion.
- Votre IA est brillante, il lui manque votre contexte : votre mémoire, votre métier, vos règles.

## Trois leviers de création de valeur

- Sa mémoire : Mycelora relie toutes vos IA à une seule mémoire.
- Son métier : un outil sur mesure qui connaît vos dossiers, vos procédures et vos modèles.
- Sa confiance : Tamis pseudonymise vos pièces, hébergement à Paris.

## Ce que l'IA ne sait pas faire

- Ce que l'IA ne sait pas faire : comprendre un métier toute seule.
- Elle ne remplace pas le jugement humain.
- Elle ne garantit pas zéro erreur (les hallucinations existent).
- L'adoption réelle passe par l'accompagnement et le suivi.

---

# Skills publiables

## Skill : decouvrir-evidencai

URL canonique : https://www.evidencai.com/.well-known/agent-skills/decouvrir-evidencai/SKILL.md

---
name: decouvrir-evidencai
description: Présenter EvidencAI, qui fabrique des logiciels IA (les siens, dont Mycelora, et ceux de ses clients sur mesure), et orienter vers le bon produit ou le bon format d'outil sur mesure.
version: 0.3.0
language: fr
license: CC-BY-4.0
---

# Découvrir EvidencAI

EvidencAI fabrique des logiciels IA, les siens et ceux de ses clients. Le problème n'est plus l'intelligence de l'IA, c'est ce qu'elle sait de vous (votre mémoire, votre métier, votre confiance) ; EvidencAI apporte ce contexte. Fondateur : Stéphane Commenge, chef d'entreprise depuis 1996.

## Quand utiliser ce skill

Active ce skill si l'utilisateur demande :
- "Qu'est-ce qu'EvidencAI ?"
- "Je veux un outil IA sur mesure"
- "Qu'est-ce que Mycelora ?"

## Nos produits (en ligne ou en construction)

- Mycelora (bêta ouverte) : la mémoire unifiée de toutes vos IA. Claude, ChatGPT, Perplexity, Mistral partagent une seule mémoire, organisée en espaces, et vous décidez ce que chacune peut voir. https://mycelora.ai (bêta-testeur : https://mycelora.ai/#inscription)
- Mon Greffier (accès réservé) : l'assistant de rédaction des jugements commerciaux. L'IA prépare le projet de jugement, le magistrat garde la main à chaque étape. https://mongreffier.com
- Tamis (en cours de développement) : la couche de sécurité IA des pros du droit et du chiffre. Les pièces sont pseudonymisées avant d'être confiées à l'IA, les vrais noms restitués dans la réponse. https://tamis.legal

## Un outil sur mesure, en trois formats

Exemples de ce que nous savons fabriquer.

1. Extension métier (quand les équipes utilisent déjà une IA). Exemples : rédiger des devis à partir des tarifs et des modèles ; répondre aux appels d'offres avec les références ; appliquer les procédures (contrôles, check-lists, comptes rendus).
2. Connecteur (quand les données vivent dans les logiciels). L'IA les consulte et les met à jour par le standard MCP, reconnu par Claude, ChatGPT et Mistral. Exemples : retrouver un client, son historique et ses factures en une question ; préparer un rendez-vous à partir de l'agenda et des derniers échanges ; mettre à jour un dossier sans quitter la conversation.
3. Application complète (quand le métier exige ses propres écrans). Exemples : Mon Greffier, pour les jugements commerciaux ; un logiciel de gestion sur mesure pour un spa de deux établissements, en remplacement de son logiciel du marché.

## Comment ça se passe

1. Cadrage. On part des cas réels et on chiffre le gain avant tout engagement.
2. Première brique en production. Testée sur les vrais dossiers, code relu et testé.
3. Un abonnement. Hébergement à Paris, maintenance et évolutions compris ; coûts d'IA refacturés au réel.
4. Les équipes l'adoptent. On les accompagne jusqu'à ce que l'outil soit le leur.

Ne donne aucun tarif : le cadrage se fait par un échange, à demander via https://www.evidencai.com/contact

## Données

Hébergé à Paris chez Scaleway, opérateur certifié ISO 27001. Conçu pour le RGPD. Aucun modèle n'est entraîné sur les données des clients.

## Ressources publiques

- Site : https://www.evidencai.com
- Nos produits : https://www.evidencai.com/outils
- Catalogue de pages structuré : https://www.evidencai.com/llms.txt
- Articles et réflexions : https://www.evidencai.com/blog
- Contact : contact@evidencai.com

## Posture à adopter quand tu présentes EvidencAI

Direct, concret, sans jargon. Ne pas survendre l'IA. Si l'utilisateur cherche une solution magique, le ramener au réel : commençons petit, un cas concret, et voyons ce que l'IA fera dans son contexte, et ce qu'elle ne fera pas.

---

# Articles de blog

## Deux IA, deux mémoires : et si vous n'en gardiez qu'une ?

- URL : https://www.evidencai.com/blog/une-memoire-pour-toutes-vos-ia
- Date : 2026-11-12
- Catégorie : outils
- Temps de lecture : 4 min read

> 51 % des utilisateurs d'IA en France en utilisent au moins deux. Chacune garde sa mémoire. Où en est la portabilité, et comment partager une seule mémoire.

*Série « La mémoire des IA », épisode 5. Épisode précédent : [quand l'IA croit encore ce qui n'est plus vrai](/blog/ia-croit-ce-qui-n-est-plus-vrai).*

Claude pour travailler. Perplexity pour chercher. ChatGPT pour tester.

Trois IA, une seule question : « on en est où ? »

Quand je lance une recherche sur Perplexity, il sait déjà où en est le projet. Il n'a pas lu Claude. Ils lisent la même mémoire. Un collaborateur qui arrive en réunion en ayant lu le compte rendu. Espèce rare.

Et je ne suis pas un cas isolé.

## Un utilisateur sur deux a plusieurs IA

Le Baromètre du numérique 2026 de l'Arcep et du Crédoc, publié le 9 février 2026, repose sur 4 145 personnes de 12 ans et plus. Parmi les utilisateurs d'IA générative, 51 % en utilisent au moins deux. ChatGPT est l'outil principal de 63 % d'entre eux, Gemini de 13 %.

Aux États-Unis, une enquête d'Inflection AI auprès de 1 000 Américains, publiée le 21 juillet 2026, avance une moyenne de 4,2 assistants. Précaution : Inflection AI est un acteur du secteur. Chiffre à croiser.

Deux IA, deux mémoires. Chacune garde ce que vous lui avez confié. L'une ignore ce que vous avez dit à l'autre.

## Passer de l'une à l'autre

Le 1er septembre 2026, Chris Riley a publié pour la Data Transfer Initiative, une organisation qui travaille sur la portabilité des données, « The shifting locus of AI portability ». Son point de départ : vos données personnelles se trouvent surtout dans la mémoire de l'agent, pas dans le modèle. C'est elle qu'il faut pouvoir emporter.

Son verdict sur la portabilité actuelle : « inconsistent and very incomplete », soit « incohérente et très incomplète » (je traduis). À la date du billet, Anthropic permet d'importer et d'exporter la mémoire de Claude, Google publie un guide d'import vers Gemini, et OpenAI n'avait rien annoncé.

Côté Google, l'import de la mémoire et des historiques vers Gemini a été présenté le 26 mars 2026. Il n'était pas disponible au lancement dans l'Espace économique européen, au Royaume-Uni et en Suisse. Pour un utilisateur français, porte fermée au départ.

## Un format commun ? Pas encore

Le 6 juillet 2026, MacPaw Research a proposé un format ouvert baptisé « Portable Memory ». Une prépublication. Une proposition, pas une norme adoptée.

Résumons. Plusieurs IA par personne. Des imports ponctuels chez certains éditeurs, pas chez d'autres. Un format commun encore sur le papier.

Le danger n'est pas d'avoir plusieurs IA. C'est de laisser sa mémoire en morceaux chez chacune.

On ne range pas ses dossiers chez le fournisseur du stylo. On les range dans son armoire, et on prend le stylo qui convient. Une IA est un très bon stylo. Ce n'est pas une armoire.

## Comment deux IA lisent la même mémoire

Par un connecteur. Le protocole MCP (Model Context Protocol) permet à une IA d'appeler un service extérieur : chercher un document, lire un agenda, consulter une mémoire. Quand ce service est en ligne, on parle de connecteur MCP distant. Chaque IA qui l'accepte peut s'y brancher.

La mémoire ne vit plus chez l'éditeur de l'IA. Elle vit à part, et les IA viennent la lire. Un import copie une mémoire une fois. Un connecteur la partage à chaque question.

## Une astuce

Allez lire ce que votre IA a retenu de vous. Chez beaucoup d'assistants, la mémoire se consulte dans les réglages, et certains proposent un export. Gardez-en une copie chez vous. C'est votre armoire, en attendant mieux.

Si vous changiez d'IA demain, que perdriez-vous ? Le fil d'un projet suivi depuis des mois, le ton appris à votre assistant, les décisions prises en route, le nom de vos interlocuteurs ?

## Ce que je construis avec Mycelora

L'armoire. Une seule mémoire, à vous, branchée sur Claude, ChatGPT, Perplexity, Mistral Vibe et toute IA qui accepte un connecteur MCP distant.

**Pleine fonction avec le plugin** sur Claude et dans l'app de bureau de ChatGPT. Ailleurs, une mémoire qu'on consulte.

**Exportable.** Elle vous suit si vous changez d'outil.

**Hébergée à Paris chez Scaleway.**

La bêta est ouverte : [mycelora.ai](https://mycelora.ai)

## La suite

La série continue, au fil de l'actualité de la mémoire des IA.

## Sources

1. Arcep et Crédoc, Baromètre du numérique 2026, 09/02/2026 : [arcep.fr](https://www.arcep.fr/cartes-et-donnees/nos-publications-chiffrees/barometre-du-numerique/le-barometre-du-numerique-edition-2026.html)
2. Chris Riley, Data Transfer Initiative, « The shifting locus of AI portability », 01/09/2026 : [dtinit.org](https://dtinit.org/blog/2026/09/01/shifting-locus-AI-portability)
3. Google, billet du 26/03/2026 sur l'import vers Gemini : [blog.google](https://blog.google/innovation-and-ai/products/gemini-app/switch-to-gemini-app/)
4. MacPaw Research, « Portable Memory », 06/07/2026 : [research.macpaw.com](https://research.macpaw.com/publications/portable-memory)
5. Inflection AI, enquête auprès de 1 000 Américains, 21/07/2026 (éditeur du secteur)

## Quand l'IA croit encore ce qui n'est plus vrai

- URL : https://www.evidencai.com/blog/ia-croit-ce-qui-n-est-plus-vrai
- Date : 2026-11-10
- Catégorie : outils
- Temps de lecture : 5 min read

> Trois études de 2026 montrent que les IA répondent souvent avec une information dépassée. Pourquoi, et comment un simple état à jour change le résultat.

*Série « La mémoire des IA », épisode 4. Épisode précédent : [avoir tout sous les yeux n'est pas savoir ce qui compte](/blog/contexte-ia-n-est-pas-memoire).*

Le 12 octobre, j'ai décidé de publier un article de blog par mois. Le 29 octobre, j'ai changé d'avis.

Mon carnet ne s'en offusque pas : la première ligne est barrée. Dans la mémoire d'une IA, les deux phrases dorment côte à côte, et disent le contraire. Laquelle va-t-elle croire ?

Trois équipes de chercheurs ont posé la question cette année. Leurs résultats vont dans le même sens.

## Berkeley : l'ancienne valeur l'emporte

Fin septembre, une équipe de l'université de Californie à Berkeley a publié « When Context Changes: Understanding Update Failures in LLMs ». Le principe : au fil d'une longue conversation, des informations évoluent. Puis on demande au modèle où on en est.

Les chiffres qui parlent ne sont pas dans le résumé. Ils sont en section 2.

**Une erreur, une cause.** Sur Qwen2.5-7B, 331 erreurs sur 333 renvoient l'ancienne valeur. Le modèle ne divague pas. Il répond avec ce qui était vrai avant. La nouvelle valeur était pourtant dans la conversation.

**Les meilleurs aussi.** Sur des journaux de 2 048 opérations, deux des modèles les plus avancés du moment répondent juste à 9 et à 18 questions d'état courant sur 40. Plus d'une erreur sur deux, dans les deux cas.

**La parade.** Avec un instantané de l'état courant sous les yeux, les deux mêmes modèles répondent juste aux 40 questions. Quarante sur quarante.

Le modèle ne manque pas de mémoire. Il manque de calendrier.

## UIUC : la dérive d'état

En août, une équipe de l'université de l'Illinois à Urbana-Champaign a construit StateMemBench, un banc d'essai synthétique pour les mémoires d'agents : 234 scénarios, 322 questions, une situation qui évolue au fil du temps.

Le meilleur système de mémoire classique donne la réponse à jour dans 20,5 % des cas. En confiant tout l'historique à un long contexte, on descend à 14,9 %. Les auteurs nomment le défaut « state drift », la dérive d'état. La mémoire garde les faits. Elle perd le fil de ce qui vaut aujourd'hui.

## STALE : savoir qu'un souvenir a expiré

En mai, le banc STALE a posé la question plus directement : un agent sait-il quand ses souvenirs ne valent plus ? 400 scénarios de conflit, 1 200 questions, des contextes jusqu'à 150 000 tokens (les morceaux de mots que lit le modèle). Le meilleur modèle testé atteint 55,2 % de précision globale. Un peu plus d'une fois sur deux.

## Pourquoi l'instantané marche

Nous faisons pareil, remarquez. Qui n'a pas appelé un collègue à son ancien poste ? La différence : nous savons qu'une décision peut en remplacer une autre. Une IA lit deux phrases. Elle ne sait pas, d'elle-même, que la seconde annule la première.

L'instantané fait le tri avant la question. Au lieu de l'historique (« le 12, on décide A ; le 29, on décide B »), le modèle reçoit l'état : « aujourd'hui, B ». Il n'a plus rien à reconstituer.

Lire tous les avenants d'un contrat, ou lire le contrat consolidé. Une mémoire utile ne garde pas seulement ce qu'on lui dit. Elle sait ce qui a été remplacé.

## Une astuce

Quand vous changez d'avis dans une conversation avec votre IA, dites-le en clair : « ceci remplace ce que je t'ai dit le 12 ». Pour un projet qui dure, tenez une courte fiche « état actuel » que vous recollez en début de conversation. L'instantané de Berkeley, fait à la main.

## Retournons la question

Combien de vos décisions d'il y a trois mois tiennent encore ? Le fournisseur choisi au printemps, le tarif fixé avant l'été, la consigne donnée à l'équipe en juillet. Si votre IA les lit encore comme en vigueur, elle vous conseille avec un dossier d'hier.

## Ce que je construis avec Mycelora

Chaque souvenir porte un type, une date et, si besoin, sa condition de péremption.

Un souvenir remplacé ou réfuté sort du rappel. L'historique reste consultable.

Depuis le 10 octobre 2026, à chaque nouveau souvenir, un modèle cherche dans le même projet celui qu'il rend faux et le marque remplacé. C'est réversible.

Si l'IA dit le contraire d'une décision en vigueur, une alerte arrive dans la conversation.

Ce tri, un modèle le fait, projet par projet. Il peut manquer un cas. D'où l'historique consultable et le remplacement réversible.

La bêta est ouverte : [mycelora.ai](https://mycelora.ai)

## Prochain épisode

Deux IA, deux mémoires. Le prochain épisode parle d'une mémoire pour toutes vos IA.

## Sources

1. Guo, Fang, Gu, Spanos, Demmel, Lavaei (UC Berkeley), « When Context Changes: Understanding Update Failures in LLMs », arXiv, 30/09/2026 : [arxiv.org/abs/2609.38866](https://arxiv.org/abs/2609.38866)
2. Fan, Liu, Yang, Ouyang, Han (UIUC), « Can Agent Memory Systems Track Evolving State? », arXiv, 20/08/2026 : [arxiv.org/abs/2608.19652](https://arxiv.org/abs/2608.19652)
3. Chao, Bai, Sheng, Li, Sun, « STALE: Can LLM Agents Know When Their Memories Are No Longer Valid? », arXiv, 07/05/2026 : [arxiv.org/abs/2605.06527](https://arxiv.org/abs/2605.06527)

## Avoir tout sous les yeux n'est pas savoir ce qui compte

- URL : https://www.evidencai.com/blog/contexte-ia-n-est-pas-memoire
- Date : 2026-11-05
- Catégorie : outils
- Temps de lecture : 5 min read

> Les fenêtres de contexte des IA atteignent 10 millions de tokens. Les mesures montrent qu'elles retrouvent une information, mais peinent à relier et à trier.

*Série « La mémoire des IA », épisode 3. Épisode précédent : [la mémoire des agents d'IA face au RGPD](/blog/memoire-agents-ia-rgpd-cnil).*

Vous partez trois semaines. Votre remplaçant arrive lundi matin. Pour qu'il ne manque de rien, vous posez sur son bureau les 3 000 mails de l'année, imprimés.

Il a tout. Il ne sait pas que le client X attend une réponse depuis mardi.

C'est ce que nous faisons aux IA. Avec des bureaux de plus en plus grands.

## 10 millions de tokens

Le laboratoire Mirendil a présenté Fern 0.1, sorti le 26 octobre selon la presse. Fenêtre de contexte annoncée : 10 millions de tokens. En mars, Anthropic avait ouvert un contexte d'un million de tokens pour Claude Opus 4.6 et Sonnet 4.6.

La course est lancée. Voyons ce que disent les mesures.

## Une seule incursion technique

Je vous en promets une. La voici.

Un token est un morceau de texte : souvent un mot court, parfois une partie d'un mot long. « Le chat est sur le tapis » fait quelques tokens.

La fenêtre de contexte, c'est ce que l'IA a sous les yeux au moment de répondre : votre question, les documents collés, l'historique de la conversation. Le bureau du remplaçant. Plus il est grand, plus on y empile de mails.

Fin de l'incursion. Le contexte, c'est ce qui est posé sur le bureau. La mémoire, c'est savoir quoi poser dessus.

## Ce que disent les chiffres

**Fern, selon l'éditeur, chiffres rapportés par la presse.** Test RULER, 10 millions de tokens, 20 exemples : 100 % de réussite pour retrouver une information isolée, 90 % pour en retrouver plusieurs, 45 % pour raisonner en plusieurs étapes. Chiffres non vérifiés à la source. Pris tels quels, ils parlent déjà : trouver une aiguille, oui. Relier plusieurs aiguilles, moins d'une fois sur deux.

**Claude Opus 4.6, selon Anthropic.** 78,3 % au test MRCR v2, un test de recherche dans un long contexte.

**Université de Hong Kong, étude pilote.** « Retrieval and Multi-Hop Reasoning in 1M-Token Context Windows », publiée en mai 2026 sur arXiv, compare plusieurs modèles entre 256 000 et un million de tokens. Information isolée : les meilleurs font 100 %. Raisonnement en chaîne : GPT-5.5 passe de 5 réussites sur 5 à 2 sur 5, Qwen3.6-plus de 5 sur 5 à 0 sur 5. Gemini 3.1 Pro tient à 5 sur 5. Peu de cas : l'étude signale une tendance, elle ne la mesure pas à grande échelle.

**Chroma, « Context Rot », juillet 2025.** 18 modèles testés. Sur LongMemEval, ils répondent moins bien avec l'historique complet d'une conversation, environ 113 000 tokens, qu'avec le seul passage utile, environ 300 tokens. Et un seul distracteur, une information qui ressemble à la bonne sans l'être, suffit à faire baisser le score.

Relisez cette phrase avec le remplaçant en tête. Un seul mail qui ressemble au bon, et il répond à côté.

## Le vrai sujet

Manquer d'informations, ça se corrige. Se noyer dans les siennes, beaucoup moins.

Une grande fenêtre est un progrès réel. Un long contrat, une base de code, un dossier complet. Mais elle ne dit pas ce qui a été décidé, ce qui a échoué, ce qui a été abandonné. Elle pose tout sur la même pile, au même niveau.

Un plus grand bureau ne fait pas un meilleur remplaçant. Il fait un remplaçant plus fatigué.

Un bon dossier n'est pas un dossier épais. C'est un dossier où la décision en vigueur est sur le dessus.

## Une astuce, dès demain

Quand vous reprenez une longue conversation avec votre IA, ne lui recollez pas tout. Écrivez trois lignes : ce qui a été décidé, ce qui a été écarté, ce qui reste à faire. Puis posez votre question. Essayez, vous verrez vite la différence.

Vous reprenez un dossier après trois semaines. Vous relisez tout, ou vous cherchez ce qui a été décidé ? Un dirigeant qui rentre de vacances ne relit pas sa boîte mail dans l'ordre. Il demande : « qu'est-ce qui brûle ? ».

## Ce que je construis avec Mycelora

Le parti pris : servir moins, mais mieux.

**À chaque message, ce qui sert ce tour-ci.** Avec le plugin, un petit modèle trie la mémoire et ne garde que l'utile pour la question posée.

**Une fiche de projet tenue à jour.** Ce qui est en vigueur, ce qui reste à faire, les pièges, ce qui a été réfuté.

**Des souvenirs typés.** Une décision, un piège déjà payé, une idée abandonnée ne portent pas la même étiquette.

La bêta est ouverte : [mycelora.ai](https://mycelora.ai)

## Prochain épisode

Ce qui n'est plus vrai. Sur mes propres fiches de projet, la mémoire d'une plateforme gardait des lignes devenues fausses à côté de celles qui les remplaçaient. Elle retient. Elle ne sait pas ce qui a cessé d'être vrai.

## Sources

1. Startup Fortune, 27/10/2026 : [Mirendil unveils Fern, an AI model claiming a 10 million token context window](https://startupfortune.com/mirendil-unveils-fern-an-ai-model-claiming-a-10-million-token-context-window/)
2. Anthropic, 13/03/2026, contexte d'un million de tokens pour Claude Opus 4.6 et Sonnet 4.6 : [claude.com/blog/1m-context-ga](https://claude.com/blog/1m-context-ga)
3. Chow, Université de Hong Kong, « Retrieval and Multi-Hop Reasoning in 1M-Token Context Windows », arXiv, 04/05/2026 : [arxiv.org/abs/2605.02173](https://arxiv.org/abs/2605.02173)
4. Hong, Troynikov, Huber, « Context Rot », Chroma, 14/07/2025 : [trychroma.com/research/context-rot](https://www.trychroma.com/research/context-rot)

## Une IA qui travaille pour vous a besoin de mémoire. Le RGPD veut savoir où elle dort.

- URL : https://www.evidencai.com/blog/memoire-agents-ia-rgpd-cnil
- Date : 2026-11-03
- Catégorie : reglementation
- Temps de lecture : 5 min read

> La CNIL et le CIANum passent la mémoire des agents d'IA au crible du RGPD. Les principes bousculés, les pistes proposées, et trois lignes à écrire avant.

*Série « La mémoire des IA », épisode 2*

Cet été, la CNIL et le Conseil de l'IA et du numérique ont publié seize pages sur les agents d'IA. Pas vraiment une lecture de plage.

Une phrase suffit à les résumer : « une perte de maîtrise de l'utilisateur sur ses données personnelles ».

Je m'étais posé la même question, à plus petite échelle. Le 22 septembre, je voulais que Mycelora trie mes propres mails. J'ai écarté tout modèle qui ne tourne pas chez Scaleway, l'hébergeur que j'avais choisi. Moins simple. Plus tranquille. Avant de savoir ce que l'IA allait retenir, je voulais savoir où ça allait dormir.

## Une note exploratoire, pas une sanction

Son titre : « IA agentique et protection des données personnelles : équation à inconnues multiples pour les utilisateurs ». La page qui la présente est datée du 20 juillet 2026. Elle suit, dans une série du CIANum, une note de février et une note sur la cybersécurité en avril.

Petite parenthèse : la note est exploratoire. Elle ne sanctionne personne, elle n'interdit rien. Elle rappelle aussi que le Règlement européen sur l'IA, dont l'application complète est prévue en 2027, ne prévoit pas de règles propres aux agents. Le terrain est à défricher.

Un agent, c'est une IA à qui l'on ne pose plus seulement des questions. On lui confie des tâches. Lire vos mails, classer vos fichiers, préparer une réponse, enchaîner les actions. Pour cela, il retient. C'est cette mémoire qui inquiète la note.

## Les principes du RGPD à l'épreuve

La note les passe en revue. Presque tous sont bousculés.

**La finalité.** Un agent polyvalent fait un peu tout. Le but précis du traitement devient flou.

**La licéité.** Plus l'agent agit seul, plus le lien avec la base légale se distend.

**La minimisation.** L'agent prend vos mails, vos fichiers, votre historique. Bien malin qui démontrera ce qui lui était nécessaire.

**L'exactitude.** Une hallucination entrée en mémoire ne reste pas sur place. Elle se propage d'un agent à l'autre, d'une mémoire à l'autre, sans alerte.

**La transparence.** Les sorties d'un agent s'expliquent mal.

**La durée de conservation.** Les mémoires se multiplient et se dispersent. Qui sait combien de temps chacune garde quoi ?

**Les droits des personnes.** L'utilisateur ne sait pas quel agent a gardé quoi. Rectifier ou effacer devient un jeu de piste.

**La décision automatisée.** La note rappelle l'arrêt SCHUFA de la Cour de justice de l'Union européenne du 7 décembre 2023 : une validation humaine purement formelle ne suffit pas.

## Le pont avec l'épisode 1

L'étude « The Algorithmic Self-Portrait », acceptée à la conférence ACM Web 2026, avait ouvert la mémoire de ChatGPT : 96 % des souvenirs créés par l'IA elle-même, 28 % contenant des données personnelles au sens du RGPD. Nous l'avons détaillée dans [l'épisode 1 : ce que votre IA retient de vous](/blog/ce-que-votre-ia-retient-de-vous).

L'étude montre une mémoire qui se remplit seule. La note dit pourquoi c'est un problème de droit, pas seulement de confort.

## Ce que la note propose

Pas de se passer de mémoire. De la tenir. Ses pistes visent d'abord les concepteurs : une mémoire cloisonnée par agent et par traitement (« chaque agent devrait disposer d'une mémoire dédiée et isolée »), une taille limitée, des informations qui expirent automatiquement, un remplacement régulier par des données plus récentes, et une comparaison entre mémoires pour vérifier leur cohérence.

Côté utilisateur : choisir les données accessibles, choisir les actions à valider, disposer d'un bouton d'arrêt d'urgence, retracer chaque tâche.

La note ne donne pas de durée chiffrée. Des principes, pas de délai.

## Une astuce, avant de confier vos dossiers

Avant d'ouvrir vos mails ou vos fichiers à un agent, écrivez trois lignes sur une feuille : ce qu'il peut lire, ce qu'il peut faire sans vous, ce qu'il garde après. Une ligne reste vide ? Vous tenez votre premier chantier.

Si un client vous demandait demain ce que votre IA sait de lui, vous répondriez quoi ? Ce que vous lui avez dicté, ce qu'elle a déduit, ce qu'elle a recopié d'un mail ?

## Ce que je construis avec Mycelora

Ces questions, tout outil de mémoire doit se les poser, Mycelora compris. Je ne réponds pas à la place de la CNIL. J'ai fait des choix, les voici.

**Rangée par projet.** Chaque dossier a son espace. Un cloisonnement par projet, pas une mémoire par agent, puisque la même mémoire sert plusieurs IA.

**Visible.** Chaque souvenir se lit, se corrige, s'archive. L'ensemble s'exporte.

**Périssable.** Chaque souvenir peut porter sa condition de péremption.

**Un lieu connu.** Base et fonctions à Paris chez Scaleway, modèles d'IA chez Scaleway.

La bêta est ouverte : [mycelora.ai](https://mycelora.ai)

## Prochain épisode

Contexte n'est pas mémoire. Une IA peut avoir dix millions de tokens sous les yeux et passer à côté de l'essentiel. Nous verrons pourquoi.

## Sources

1. CNIL et Conseil de l'IA et du numérique, « IA agentique et protection des données personnelles : équation à inconnues multiples pour les utilisateurs », note exploratoire : [cnil.fr/sites/default/files/2026-07/ia-cianum-cnil.pdf](https://www.cnil.fr/sites/default/files/2026-07/ia-cianum-cnil.pdf)
2. Page de présentation de la CNIL, datée du 20/07/2026 : [cnil.fr/fr/ia-agentique-cnil-cianum-note](https://cnil.fr/fr/ia-agentique-cnil-cianum-note)
3. Dash, Das, Kirsten, Wu, Karnam, Gummadi, Holz, Zafar, Zannettou, « The Algorithmic Self-Portrait: Deconstructing Memory in ChatGPT », The ACM Web Conference 2026 : [arxiv.org/abs/2602.01450](https://arxiv.org/abs/2602.01450)

## Ce que votre IA retient de vous, sans vous le demander

- URL : https://www.evidencai.com/blog/ce-que-votre-ia-retient-de-vous
- Date : 2026-10-30
- Catégorie : reglementation
- Temps de lecture : 4 min read

> 96 % des souvenirs de ChatGPT sont créés sans que vous le demandiez. Ce qu'une étude révèle sur la mémoire des IA, et trois questions pour reprendre la main.

*Série « La mémoire des IA », épisode 1*

## « Retiens ça. »

Combien de fois l'avez-vous dit à votre IA ? Chez ChatGPT, sur 25 souvenirs qu'elle conserve de vous, un seul vient de cette phrase. Les 24 autres, elle a décidé seule de les garder.

La mémoire des assistants est un vrai progrès. Elle reprend un sujet sans tout réexpliquer, connaît vos préférences, suit un projet sur la durée. Reste une question rarement posée : qui décide de ce qui est retenu, et qui le regarde ?

## Une étude qui ouvre la boîte

Des chercheurs de deux instituts Max Planck (systèmes logiciels, sécurité et vie privée), de l'université de la Ruhr à Bochum, de l'IIT Kharagpur et de TU Delft ont regardé dans la mémoire de ChatGPT. Sur des données réelles.

La méthode est simple et solide. Les participants ont exercé leur droit d'accès prévu par le RGPD, récupéré leurs données, puis les ont confiées aux chercheurs. Sur 80 participants, 65 avaient des souvenirs enregistrés : 2 050 souvenirs, rattachés à 1 058 conversations.

L'étude, « The Algorithmic Self-Portrait: Deconstructing Memory in ChatGPT », a été acceptée à la conférence ACM Web 2026. La presse l'a reprise le 26 octobre.

## Ce qu'ils ont trouvé

**L'IA décide seule, ou presque.** 96 % des souvenirs sont créés à l'initiative de l'assistant. 4 % répondent à une demande explicite (« retiens que… »).

**Des données personnelles.** 28 % des souvenirs en contiennent, au sens du RGPD. 91 % des participants en ont au moins une en mémoire.

**Des données sensibles.** 7 % des souvenirs relèvent des catégories particulières du RGPD, la santé en tête. 54 % des participants en ont au moins une.

**Un portrait psychologique.** 52 % des souvenirs décrivent un état mental : ce que l'utilisateur désire, croit, ressent. Les désirs dominent.

**Des souvenirs fidèles.** 84 % correspondent directement à ce que l'utilisateur a écrit.

Le danger n'est pas que l'IA invente. C'est ce qu'elle choisit de garder, sans que vous le voyiez.

Les chercheurs parlent d'« autoportrait algorithmique ». Un portrait que personne n'a commandé, peint au fil des conversations. Or beaucoup d'utilisateurs se confient à leur assistant comme à un conseiller, un ami, un médecin ou un avocat, rappelle l'article de presse qui a relayé l'étude.

## Une mémoire qu'on ne regarde pas

La mémoire n'est pas le problème. Sur un projet de plusieurs mois, elle fait gagner du temps, à condition que l'IA [aille chercher la bonne information au bon moment](/blog/ia-memoire-ne-va-pas-chercher). Le problème, c'est une mémoire qui se remplit en coulisses et qu'on ouvre rarement.

Trois questions.

1. **Savez-vous ce qu'elle contient ?** Chez beaucoup d'assistants, la mémoire se consulte dans les réglages. Faites l'exercice une fois. Je l'ai fait avec l'IA que j'utilise tous les jours. Dans ses notes sur mes projets, des lignes devenues fausses dormaient à côté de celles qui les avaient remplacées. Rien ne disait laquelle valait encore. J'ai connu des dossiers papier mieux tenus.
2. **Pouvez-vous la corriger ?** Une information fausse ou périmée continue d'influencer les réponses.
3. **Où vit-elle, et pouvez-vous la reprendre ?** Une mémoire enfermée dans une seule plateforme ne vous suit pas quand vous changez d'outil.

Votre IA en sait beaucoup sur vous. Et vous, que savez-vous d'elle ?

## Ce que je construis avec Mycelora

C'est de cette question qu'est parti Mycelora, la mémoire que je construis chez EvidencAI.

**À vous.** Chaque souvenir se lit, se corrige, s'épingle, s'archive dans votre tableau de bord. L'ensemble s'exporte.

**Rangée.** Un type (décision, piège, idée abandonnée, repère, état), une date, un projet et, si besoin, une condition de péremption.

**Hébergée à Paris chez Scaleway.** Base et fonctions. Les modèles d'IA qui l'organisent tournent aussi chez Scaleway.

**Partagée.** La même mémoire pour Claude, ChatGPT, Perplexity, Mistral Vibe et toute IA qui accepte un connecteur MCP distant.

La bêta est ouverte : [mycelora.ai](https://mycelora.ai)

## Prochain épisode

Cet été, la CNIL et le Conseil de l'IA et du numérique ont publié une note sur la mémoire des agents d'IA, qui liste six principes du RGPD mis à l'épreuve. Nous y reviendrons.

## Sources

1. Dash, Das, Kirsten, Wu, Karnam, Gummadi, Holz, Zafar, Zannettou, « The Algorithmic Self-Portrait: Deconstructing Memory in ChatGPT », The ACM Web Conference 2026 : [arxiv.org/abs/2602.01450](https://arxiv.org/abs/2602.01450)
2. Unilad Tech, 26/10/2026 : [What ChatGPT knows about you as researchers uncover detailed psychological insights](https://www.uniladtech.com/news/ai/what-chatgpt-knows-researchers-psychological-insights-541334-20261026)

## Le problème n'est pas que votre IA oublie. C'est qu'elle ne va pas chercher.

- URL : https://www.evidencai.com/blog/ia-memoire-ne-va-pas-chercher
- Date : 2026-09-22
- Catégorie : adoption
- Temps de lecture : 5 min read

> Sur un projet qui dure, votre IA répond souvent sans la décision qui compte. Pourquoi la mémoire des IA ne suffit pas, et comment tenir un dossier de projet qu'elle consulte.

## Votre IA a une mémoire, mais elle ne va pas chercher

Si vous travaillez avec une IA sur un projet qui dure, vous avez sûrement vécu cette scène. Vous avez tranché une question il y a trois semaines. Vous l'avez dit clairement à l'IA. Aujourd'hui, elle vous propose exactement l'option que vous aviez écartée, avec beaucoup d'assurance.

Elle n'a pas « oublié » au sens strict. La décision est peut-être dans sa mémoire, dans une ancienne conversation, dans un document du projet. Mais au moment de répondre, elle ne l'a pas sous les yeux, et rien ne la pousse à aller la chercher. Elle répond avec ce qu'elle a, c'est-à-dire avec ce que vous venez de lui dire.

C'est le vrai problème des IA sur les projets longs : <span className="corail">pas l'oubli, l'absence de réflexe</span>.

## Pourquoi la mémoire des IA ne suffit pas

Les mémoires intégrées aux assistants ont fait de vrais progrès. Elles retiennent votre métier, vos préférences de style, les grandes lignes de vos projets. Pour la conversation de tous les jours, c'est très utile.

Sur un dossier qui vit plusieurs mois, deux limites apparaissent.

### Elles accumulent, elles ne trient pas

Une mémoire qui retient tout finit par contenir des choses contradictoires. La décision de juin et celle de septembre qui l'a remplacée. Le prix envisagé au départ et le prix finalement retenu. Sans marque claire de ce qui a cessé d'être vrai, l'IA peut piocher l'une ou l'autre.

### Elles ne distinguent pas la nature des informations

Une préférence, une décision, une erreur à ne pas répéter, une idée testée puis abandonnée : ce ne sont pas des informations de même nature. Un bon chef de projet ne les range pas au même endroit. Une mémoire en texte libre les mélange.

Le résultat est connu de tous ceux qui pilotent des projets avec l'IA : on passe un temps fou à réexpliquer, à corriger, à rappeler. Le gain de productivité promis s'érode dans la répétition.

## Ce qu'un bon collaborateur fait, et que l'IA devrait faire

Pensez à un collaborateur expérimenté qui reprend un dossier. Avant de proposer quoi que ce soit, il ouvre le dossier. Il regarde ce qui a été décidé, ce qui a été essayé, ce qui a échoué et pourquoi. Il ne repropose pas la piste abandonnée, parce qu'il sait qu'elle l'a été.

Ce comportement repose sur deux choses : un **dossier bien tenu**, et le **réflexe de l'ouvrir** au bon moment. La plupart des usages actuels de l'IA n'ont ni l'un ni l'autre.

La bonne nouvelle, c'est que le dossier, vous pouvez le tenir dès aujourd'hui, sans outil particulier.

## Tenir un dossier de projet que l'IA consulte

### Quatre rubriques suffisent

**Décisions en vigueur** : ce qui est tranché, avec la date et la raison. **Pièges** : ce qui a déjà coûté du temps et qu'il ne faut pas redécouvrir. **Pistes écartées** : ce qui a été essayé ou proposé puis abandonné, et pourquoi. **Prochaines actions** : ce qui reste à faire, la plus urgente en premier.

Cette structure change tout. Une décision remplacée ne reste pas à côté de la nouvelle : on la retire, ou on la passe dans les pistes écartées. L'IA reçoit un état à jour, pas une archive.

### Ouvrir et fermer chaque séance

En début de séance, donnez le dossier à l'IA. En fin de séance, demandez-lui de proposer la mise à jour des quatre rubriques, et relisez-la. Cinq minutes par séance, qui en font gagner trente à la suivante.

Pour vérifier la qualité de cette mise à jour, une seconde conversation sans contexte peut la relire, selon la méthode [produire, attaquer, corriger](/fr/blog/produire-attaquer-corriger).

### Écrire des phrases qui se suffisent à elles-mêmes

« Il a dit oui » ne sert à rien dans trois semaines. « Le client a validé le devis de 12 000 euros le 12 septembre » sert à tout le monde, y compris à une autre IA qui n'a jamais vu la conversation.

## Pourquoi je construis Mycelora

Ce dossier de projet, je le tiens depuis des mois sur tous mes chantiers. Le faire à la main marche, mais demande une discipline que personne ne tient sur la durée. C'est pour cela que je construis **Mycelora**, une mémoire de projet pour les assistants IA, hébergée en France.

Le principe est celui décrit plus haut : des souvenirs rangés par nature (décisions, pistes réfutées, repères), une fiche de projet mise à jour en fin de séance, et une passation de relais pour reprendre là où on s'était arrêté. L'objectif est que l'IA ait sous les yeux ce qui compte pour la question du moment, sans que vous ayez à le lui rappeler.

Je l'utilise tous les jours sur mes propres projets, et c'est cet usage qui a fait naître l'outil, comme pour [les autres applis que j'ai construites](/fr/blog/dirigeant-construire-ses-applis-ia). Le sujet de cet article n'est pas l'outil, pourtant. C'est la méthode : un dossier tenu, consulté au bon moment, débarrassé de ce qui n'est plus vrai. Elle marche avec un simple document, et elle marche mieux quand un outil vous en décharge.

## Concrètement, comment démarrer

1. **Choisissez votre projet le plus long**, celui où vous réexpliquez le plus souvent.
2. **Créez le dossier en quatre rubriques** : décisions en vigueur, pièges, pistes écartées, prochaines actions.
3. **Remplissez-le une première fois** en demandant à l'IA de relire vos derniers échanges et de proposer le contenu. Corrigez.
4. **Donnez-le à l'IA en ouverture** de chaque séance, et faites-le mettre à jour en clôture.
5. **Retirez ce qui n'est plus vrai**, au lieu de l'empiler. C'est la règle la plus simple et la plus oubliée.

Votre IA n'a pas besoin de se souvenir de tout. Elle a besoin d'avoir sous les yeux ce qui compte, au moment où ça compte.

## Desktop Commander : les bras de Claude

- URL : https://www.evidencai.com/blog/desktop-commander-claude-agit
- Date : 2026-08-20
- Catégorie : outils
- Temps de lecture : 5 min read

> Sans Desktop Commander, Claude conseille. Avec, il agit sur vos fichiers et votre ordinateur. Ce que ça change pour un dirigeant, et les règles de sécurité à poser.

## Desktop Commander : quand Claude passe de la parole aux actes

Une IA conversationnelle a une limite que tout le monde connaît sans y penser : elle ne touche à rien. Elle vous explique comment renommer deux cents fichiers, elle vous écrit la formule pour consolider vos tableaux, elle vous dit quoi taper dans un terminal. Ensuite, c'est vous qui faites.

**Desktop Commander** supprime cette limite. C'est un connecteur, au sens du protocole MCP qui permet de brancher des outils sur une IA, qui donne à Claude des bras : lire et écrire des fichiers sur votre ordinateur, chercher dans vos dossiers, lancer des commandes. L'idée vient d'une image simple : <span className="corail">sans Desktop Commander, Claude parle ; avec, il agit</span>.

J'utilise cet outil tous les jours pour construire mes applications, comme je le racontais dans [je ne suis pas développeur, et j'ai construit mes applis](/fr/blog/dirigeant-construire-ses-applis-ia). Mais son intérêt dépasse largement le code.

## Ce que ça change au quotidien

Prenez un dossier de factures fournisseurs mal nommées. Sans outil, vous demandez à l'IA une règle de nommage, puis vous renommez à la main. Avec Desktop Commander, vous demandez à Claude de lire chaque facture, d'en extraire le fournisseur, la date et le montant, de renommer les fichiers selon votre règle et de produire un tableau récapitulatif. Vous vérifiez le résultat au lieu de faire le travail.

Même logique pour fusionner des tableurs, préparer un dossier de pièces, retrouver un document dans des années d'archives, ou convertir une série de fichiers d'un format à un autre. Ce sont des tâches de **manutention numérique** : sans valeur ajoutée, mais longues et sources d'erreurs quand on les fait à la main.

Le gain n'est pas seulement le temps. C'est aussi la régularité : l'IA applique la même règle au deux-centième fichier qu'au premier.

## Local ou distant : deux usages différents

### La version locale

Elle s'installe sur votre ordinateur et fonctionne avec l'application Claude de bureau. Elle est gratuite et open source, ce qui veut dire que son code est public et vérifiable. Tout se passe sur votre machine : Claude demande une action, le connecteur l'exécute chez vous.

C'est la version à privilégier pour tout ce qui est **sensible** : documents confidentiels, accès à des comptes, informations financières. Aucun relais supplémentaire ne s'intercale entre votre machine et Claude.

### La version distante

Elle relie votre ordinateur à un service en ligne, ce qui permet à Claude de travailler sur votre machine depuis le navigateur, depuis un autre appareil, et depuis d'autres assistants IA compatibles. Son grand intérêt est le **travail en parallèle** : plusieurs conversations, depuis plusieurs appareils, peuvent agir en même temps sur votre ordinateur.

En contrepartie, chaque action passe par un relais en ligne. C'est un peu plus lent, et c'est un intermédiaire de plus dans la chaîne. L'usage gratuit est plafonné, au-delà il faut un abonnement : vérifiez les conditions du moment sur le site de l'éditeur.

La règle que je retiens tient en une phrase : <span className="corail">local pour le sensible, distant pour le parallèle</span>.

## La sécurité, sans paranoïa ni naïveté

Donner des bras à une IA, c'est accepter qu'elle puisse se tromper avec ces bras. Une IA qui code ou range se trompe parfois avec aplomb. La bonne réponse n'est pas d'interdire, c'est de poser un cadre.

### Limiter les dossiers autorisés

Desktop Commander permet de définir la liste des dossiers auxquels Claude a accès. Commencez petit : un dossier de travail, pas votre disque entier. Élargissez au fur et à mesure que la confiance s'installe, dossier par dossier.

### Bloquer les commandes dangereuses

L'outil permet aussi de bloquer certaines commandes, celles qui suppriment, formatent ou modifient le système. Vérifiez cette liste et ajoutez-y les commandes de suppression. Ce garde-fou réduit le risque sans l'éliminer, et une suppression qu'on n'a pas voulue se rattrape mal.

### Garder une trace et une sauvegarde

La version locale garde un journal des actions, ce qui permet de savoir ce qui a été fait. Et la règle de base reste valable : une sauvegarde récente avant toute opération en masse. Ce n'est pas propre à l'IA, mais l'IA va vite, et une erreur rapide reste une erreur.

### Ne jamais confier ses secrets dans la conversation

Mots de passe, clés d'accès, codes bancaires : ils n'ont rien à faire dans une conversation avec une IA, même équipée de bras. S'il faut qu'un outil les utilise, ils se rangent dans un fichier ou un trousseau protégé, pas dans le texte d'un message.

Ces règles rejoignent celles d'une [charte IA d'entreprise](/fr/blog/charte-ia-entreprise) : quelles données, quels accès, quelles décisions restent humaines.

## Pour qui, et par où commencer

Desktop Commander n'est pas réservé aux développeurs. Un dirigeant qui passe du temps à manipuler des fichiers, des tableurs et des documents y gagnera dès la première semaine. En revanche, il demande un minimum d'installation, et un peu de discipline sur les autorisations.

1. **Commencez sur un dossier de test**, avec des copies de fichiers sans enjeu.
2. **Choisissez une tâche répétitive réelle**, que vous savez vérifier : un rangement, un tableau récapitulatif, une conversion.
3. **Lisez ce que Claude propose de faire** avant de le laisser faire, au moins les premières fois.
4. **Élargissez l'accès dossier par dossier**, jamais d'un coup.
5. **Gardez la version locale** pour tout ce qui touche à des données sensibles.

L'IA qui conseille vous fait gagner des minutes. L'IA qui agit vous fait gagner des heures. À condition de rester celui qui décide où elle met les mains.

## AI Act : ce qui s'applique vraiment le 2 août 2026

- URL : https://www.evidencai.com/blog/ai-act-2-aout-2026-ce-qui-change
- Date : 2026-07-28
- Catégorie : reglementation
- Temps de lecture : 5 min read

> Le Digital Omnibus a reporté une partie de l'AI Act. Ce qui s'applique le 2 août 2026, ce qui est décalé à 2027, et les 3 gestes à faire maintenant dans votre PME.

## AI Act : ce qui change vraiment le 2 août 2026

En mars, nous écrivions que [l'AI Act entrait en application complète le 2 août 2026](/fr/blog/ai-act-pme-aout-2026). Depuis, le calendrier a bougé. Le **Digital Omnibus sur l'IA**, un paquet de simplification proposé par la Commission européenne en novembre 2025, a été voté par le Parlement européen le 16 juin 2026, approuvé par le Conseil le 29 juin, puis publié au Journal officiel le 24 juillet sous le nom de règlement (UE) 2026/1744. Il est entré en vigueur le 27 juillet.

Ce texte ne remplace pas l'AI Act. Il le modifie sur des points précis, et d'abord sur le calendrier. Le risque, pour un dirigeant de PME, est de retenir une seule phrase : « c'est reporté ». Ce serait <span className="corail">une erreur coûteuse</span>, parce que ce qui vous concerne le plus n'a pas bougé.

## Ce qui est reporté

Le report touche les **systèmes d'IA à haut risque**, ceux qui pèsent sur la vie des personnes : tri de candidatures, notation de salariés, décision de crédit, évaluation d'élèves, accès à des services essentiels.

Pour les systèmes autonomes listés à l'annexe III du règlement, les obligations passent du 2 août 2026 au **2 décembre 2027**. Pour l'IA intégrée à des produits déjà réglementés (dispositifs médicaux, machines, jouets connectés), elles passent du 2 août 2027 au **2 août 2028**.

Ces nouvelles dates sont fixes. Elles ne dépendent plus de la publication des normes techniques, ce qui donne enfin un horizon clair aux entreprises concernées.

Autre décalage utile à connaître : l'obligation pour chaque État membre de disposer d'au moins un bac à sable réglementaire opérationnel est repoussée d'un an, au 2 août 2027. Les PME qui comptaient sur ce dispositif pour tester leurs usages devront patienter.

## Ce qui s'applique bien le 2 août 2026

### La transparence envers vos clients

L'article 50 de l'AI Act entre en application comme prévu. Quand une personne échange avec une IA, elle doit le savoir, sauf si c'est évident. Cette obligation pèse sur le fournisseur du système : que vous ayez développé votre chatbot ou que votre prestataire l'ait fait, vérifiez que la mention existe. Quand un contenu généré ou retouché par IA ressemble à des personnes, des lieux ou des événements réels et pourrait passer pour authentique (image, son, vidéo), celui qui le diffuse doit le signaler.

Seule nuance : le **marquage technique** des contenus générés, lisible par une machine, bénéficie d'un délai jusqu'au 2 décembre 2026 pour les systèmes déjà sur le marché avant le 2 août. Cela concerne surtout les éditeurs d'outils, pas les entreprises qui les utilisent.

C'est la case dans laquelle tombent <span className="corail">la plupart des usages des PME</span> : un chatbot sur le site, des réponses automatiques aux clients, une vidéo de campagne où apparaît une personne réelle retouchée par IA.

### Les interdictions

Les pratiques interdites depuis février 2025 le restent. L'Omnibus en ajoute même de nouvelles, applicables au 2 décembre 2026, contre les systèmes qui fabriquent des images intimes de personnes réelles sans leur consentement. Les sanctions de ce niveau restent les plus lourdes du texte.

### La formation des équipes

L'article 4 sur la **littératie IA** a été réécrit. Depuis le 27 juillet, les entreprises qui utilisent l'IA doivent prendre des mesures pour soutenir le développement des compétences de leurs équipes. C'est une obligation de moyens, plus souple qu'avant, mais elle existe. En cas de problème, pouvoir montrer qu'on a formé ses équipes reste la meilleure protection.

## Ce que ça change pour une PME

Si vous n'utilisez pas d'IA à haut risque, le report ne change presque rien pour vous. Vos obligations au 2 août sont la transparence et la formation, et elles sont intactes.

Si vous utilisez un logiciel RH qui trie des CV, un outil de scoring ou un système qui évalue des personnes, vous gagnez seize mois. Ce n'est pas un sursis pour attendre. C'est le temps qu'il faut pour cartographier vos outils, interroger vos fournisseurs et documenter vos décisions sans précipitation. Les entreprises qui commenceront en 2027 auront un mur devant elles. Celles qui commencent maintenant auront un chantier étalé.

Dans les deux cas, la [charte IA d'entreprise](/fr/blog/charte-ia-entreprise) reste le premier document à écrire : elle encadre les usages, fixe les règles de transparence et prouve votre diligence.

## Concrètement, les 3 gestes avant le 2 août

1. **Signalez vos IA au contact des clients.** Chatbot, assistant de prise de rendez-vous, réponses automatiques : une phrase claire suffit, du type « vous échangez avec un assistant automatisé ».
2. **Étiquetez les contenus générés réalistes** : images, vidéos ou sons qui montrent des personnes, des lieux ou des faits réels et pourraient passer pour authentiques.
3. **Organisez et tracez une sensibilisation** de vos équipes : une session pratique sur vos outils réels, une feuille de présence, un support. Pour la méthode, voir [par où commencer avec l'IA](/fr/blog/par-ou-commencer-ia-pme).

Et si vous êtes concerné par le haut risque, ajoutez un quatrième geste : inscrivez dès maintenant au planning de la rentrée la cartographie de vos systèmes. Décembre 2027 arrivera plus vite qu'il n'y paraît.

Cet article fait le point au 28 juillet 2026, à partir du texte publié au Journal officiel. Il ne remplace pas un conseil juridique adapté à votre situation.

## Mettre son savoir-faire dans l'IA : plugins et compétences

- URL : https://www.evidencai.com/blog/savoir-faire-ia-plugins-competences
- Date : 2026-06-16
- Catégorie : outils
- Temps de lecture : 5 min read

> Les compétences et plugins de Claude permettent d'emballer la méthode de votre entreprise dans l'IA. Le vrai actif n'est pas l'outil, c'est votre savoir-faire.

## Votre savoir-faire est le vrai actif de votre IA

Dans une PME, le savoir-faire se transmet mal. Il est dans la tête de quelques personnes, dans des fichiers épars, dans des habitudes que personne n'a jamais écrites. Quand une personne clé part en vacances, la qualité baisse. Quand elle quitte l'entreprise, une partie de la méthode part avec elle.

L'IA ne règle pas ce problème toute seule. Une IA générale sait faire beaucoup de choses en moyenne, et rien comme vous. Elle rédige un devis correct, pas votre devis. Elle répond poliment à une réclamation, pas avec le ton et les gestes commerciaux qui font votre réputation.

Ce qui change en 2026, c'est qu'on peut désormais <span className="corail">mettre son savoir-faire dans l'IA</span> de façon durable, avec deux briques : les compétences et les plugins.

## Les compétences : une méthode que l'IA apprend une fois

Une compétence (en anglais, *skill*) est un dossier qui contient des instructions écrites en langage courant, et parfois des modèles ou des petits outils. Elle dit à l'IA : « quand on te demande ce type de travail, voici comment on le fait ici ».

Anthropic a lancé ce mécanisme pour Claude en **octobre 2025**, puis l'a publié comme **standard ouvert** en décembre 2025, pour que d'autres outils puissent lire les mêmes compétences. Le point clé : l'IA ne charge la compétence que lorsqu'elle en a besoin. Vous pouvez donc en avoir des dizaines sans encombrer chaque conversation.

Concrètement, une compétence peut décrire votre façon de rédiger une proposition commerciale, votre charte graphique pour les documents clients, ou la check-list de contrôle d'un dossier avant envoi. Tout ce qu'un bon collaborateur expliquerait à un nouvel arrivant.

## Les plugins : la boîte à outils complète

Un plugin va plus loin. Il regroupe plusieurs compétences, des commandes prêtes à lancer et des connexions aux logiciels de l'entreprise. Cowork, l'espace de travail de Claude pour les tâches longues, a reçu ses premiers plugins **fin janvier 2026**, avec une série de modèles pour les métiers courants (vente, juridique, finance, marketing), puis des modèles destinés aux entreprises fin février.

L'intérêt pour une PME est double. D'abord, le plugin s'installe et se partage : ce qui a été construit pour une personne profite à toute l'équipe. Ensuite, il se met à jour. Quand la méthode évolue, on corrige le plugin, et tout le monde travaille avec la nouvelle version.

C'est une façon de faire passer l'IA du statut de <span className="corail">gadget individuel</span> à celui d'outil d'entreprise.

## Le piège : croire que c'est une affaire de technique

Le réflexe naturel est de confier le sujet au service informatique, ou au collaborateur « qui s'y connaît ». C'est une erreur de casting. Écrire une bonne compétence demande surtout de savoir **expliquer un métier** : les étapes, les cas particuliers, les erreurs fréquentes, ce qui distingue un travail correct d'un travail excellent.

C'est exactement la compétence d'un dirigeant ou d'un responsable expérimenté. La partie technique est mince : un dossier, un fichier texte, quelques exemples. Je l'ai constaté en construisant mes propres outils sans être développeur, comme je le racontais dans [je ne suis pas développeur, et j'ai construit mes applis](/fr/blog/dirigeant-construire-ses-applis-ia).

Le second piège est inverse : vouloir tout écrire d'un coup. Une compétence de quarante pages que personne ne relit vaut moins qu'une page précise sur une seule tâche bien choisie.

## Comment écrire une compétence qui marche

### Partir d'un cas réel, pas d'une théorie

Choisissez une tâche fréquente, dont vous savez reconnaître un bon résultat. Prenez deux ou trois exemples réussis et un exemple raté. La différence entre les deux est souvent la meilleure matière de votre compétence.

### Écrire les règles comme pour un nouvel arrivant

Phrases simples, étapes numérotées, et surtout les pièges. « Ne jamais promettre un délai sans avoir vérifié le planning » vaut plus que « être rigoureux ». Les règles concrètes sont celles que l'IA applique le mieux.

### Tester, corriger, recommencer

Donnez la compétence à l'IA sur un cas neuf, et comparez le résultat avec ce qu'aurait fait votre meilleur collaborateur. Ce qui manque devient une nouvelle règle. Pour tester sans complaisance, la technique décrite dans [produire, attaquer, corriger](/fr/blog/produire-attaquer-corriger) s'applique très bien : une seconde conversation critique le résultat, la première corrige.

Et donnez un rôle précis à l'IA en tête de compétence, comme on l'a vu dans [la technique des rôles](/fr/blog/meme-question-trois-dirigeants). Une compétence qui commence par « tu es notre chargé d'affaires senior » produit des réponses très différentes d'une compétence anonyme.

## Ce que ça change pour une PME

Le premier effet est la **régularité**. Les devis, les comptes rendus et les réponses clients gardent le même niveau, quel que soit celui qui les prépare.

Le deuxième effet est la transmission. Une compétence écrite survit aux départs, aux congés et aux réorganisations. C'est une forme de documentation que l'on a enfin une raison de tenir à jour, puisqu'elle sert tous les jours.

Le troisième effet est moins visible : en écrivant sa méthode pour l'IA, on la clarifie pour les humains. Beaucoup de dirigeants découvrent à cette occasion que leur équipe n'avait pas tout à fait la même méthode qu'eux.

Il y a une limite à garder en tête. Une compétence ne rend pas l'IA infaillible. Elle oriente son travail, elle ne remplace pas la relecture. Pour les documents qui engagent l'entreprise, la validation humaine reste la règle.

## Concrètement, comment démarrer

1. **Listez trois tâches** répétitives où la qualité varie selon la personne qui les fait.
2. **Choisissez-en une** et faites expliquer la méthode par celui ou celle qui la maîtrise le mieux.
3. **Écrivez une page** : le rôle, les étapes, les pièges, deux exemples réussis.
4. **Testez sur trois cas neufs** et ajoutez une règle à chaque écart constaté.
5. **Partagez** avec l'équipe, puis passez à la tâche suivante.

Votre IA n'a pas besoin d'être plus puissante. Elle a besoin de savoir comment vous travaillez. Cela, personne d'autre que vous ne peut le lui apprendre.

## Je ne suis pas développeur, et j'ai construit mes applis avec l'IA

- URL : https://www.evidencai.com/blog/dirigeant-construire-ses-applis-ia
- Date : 2026-05-15
- Catégorie : adoption
- Temps de lecture : 7 min read

> Un dirigeant non développeur peut construire ses propres outils avec l'IA comme copilote. À une condition : garder la main. La méthode, sans jargon.

## Construire ses applis avec l'IA quand on n'est pas développeur

Il y a un an, l'idée qu'un dirigeant de PME construise lui-même ses logiciels faisait sourire. Aujourd'hui, je le fais tous les jours. Pas parce que je suis devenu développeur, mais parce que **l'IA comme copilote** a changé la répartition du travail : la machine écrit le code, l'humain décide de ce qu'il faut construire et vérifie que c'est juste.

Mon parcours est celui d'un chef d'entreprise. Plus de trente ans de direction, de la formation, de la gestion. Jamais un cursus d'informatique. Quand j'ai commencé à construire mes propres outils avec Claude, l'assistant d'Anthropic, je partais avec deux atouts seulement : je savais ce dont j'avais besoin, et je savais poser des questions.

Ça s'est révélé suffisant, à une condition que j'ai apprise à mes dépens : <span className="corail">ne jamais lâcher le volant</span>.

## Deux applis, deux besoins réels

La première s'appelle **Tamis**. Elle part d'un problème simple : beaucoup de professionnels manipulent des documents confidentiels (noms, adresses, numéros d'entreprise) et voudraient les faire analyser par une IA sans exposer ces données. Tamis passe le document au filtre, remplace les informations sensibles par des substituts, et permet de retrouver les vraies valeurs ensuite.

La seconde s'appelle **Mnemos**. C'est une mémoire de travail. Chaque fois que je reprends un projet avec un assistant IA, il repart de zéro : il ne sait plus ce qu'on a décidé la veille, ni ce qu'on a écarté. Mnemos garde ces décisions et les lui redonne au début de chaque séance.

Aucune de ces deux applis n'est née d'une envie de technique. Elles sont nées d'un <span className="corail">irritant quotidien</span>, exactement comme le recommande la méthode décrite dans [par où commencer avec l'IA](/fr/blog/par-ou-commencer-ia-pme). L'outil vient en dernier, même quand c'est vous qui le fabriquez.

## Ce que l'IA fait très bien

Elle écrit du code vite et proprement. Une page d'écran, une base de données, un formulaire, un traitement de fichiers : ce qui demandait des semaines à un prestataire se fait en quelques heures de dialogue.

Elle explique. C'est l'atout le plus sous-estimé. Quand je ne comprends pas pourquoi elle propose une solution plutôt qu'une autre, je lui demande de me l'expliquer comme à un non-spécialiste. Et si je ne comprends toujours pas, elle recommence sous une autre forme : un exemple concret, une comparaison avec la vie de l'entreprise, un schéma. Autant de fois que je le demande, sans jamais soupirer. Aucun prestataire ne vous offre cette patience. J'ai appris plus en quelques mois de ces échanges qu'en des années à lire des devis de prestataires.

Elle ne se fatigue pas. Relancer un test, reprendre un écran, corriger une faute à 23 heures : elle est là.

## Ce que l'IA fait mal, et qu'il faut savoir

Elle se trompe <span className="corail">avec aplomb</span>. Une IA qui code ne dit pas « je ne suis pas sûre ». Elle livre un résultat qui a l'air fini, avec un résumé enthousiaste. Parfois le résultat est juste. Parfois il ne fonctionne que dans le cas qu'elle a imaginé.

Mon exemple préféré, drôle et triste à la fois, revient régulièrement. On développe une nouvelle fonctionnalité, on la teste sur le compte de démonstration, tout marche, l'IA annonce fièrement que c'est terminé. Puis je me connecte avec un vrai compte : rien. Elle a construit la fonction pour le compte de test et <span className="corail">oublié le reste de l'application</span>. Elle n'a pas menti. Elle a juste vérifié ce qu'elle avait sous les yeux, et rien de plus.

Elle oublie. D'une séance à l'autre, elle perd le fil des décisions. C'est précisément ce qui m'a poussé à construire Mnemos : j'en avais assez de réexpliquer chaque matin ce qu'on avait tranché la veille.

Elle ne connaît pas votre métier. Elle sait ce qu'est une facture en général, pas ce qu'un client de votre secteur attend de la vôtre. Ce savoir-là, c'est vous qui l'apportez. C'est d'ailleurs **la vraie valeur** du projet : l'outil n'est que le contenant de votre façon de travailler.

## Garder la main : trois règles qui ont tout changé

### Comprendre avant d'accepter

Je ne valide jamais une proposition que je ne comprends pas. Pas besoin de comprendre chaque ligne de code. Il faut comprendre le choix : pourquoi cette solution, ce qu'elle coûte, ce qu'elle empêche de faire plus tard. Quand l'explication ne tient pas en trois phrases simples, c'est souvent que la solution est trop compliquée.

### Cadrer avant de coder

La tentation est de demander tout de suite « fais-moi un outil qui… ». C'est la meilleure façon d'obtenir un outil qui fait autre chose. Je commence toujours par une page de description en français courant, puis je demande à l'IA de me poser ses questions. Les meilleures questions révèlent ce que je n'avais pas pensé à dire. **Dix minutes de cadrage** évitent une journée de corrections.

### Vérifier sur le terrain, et faire relire

Un écran qui « devrait marcher » ne marche pas tant que je ne l'ai pas essayé moi-même, avec un vrai document. Et pour tout ce qui compte, je fais relire le travail par une seconde IA qui n'a pas participé à l'écriture. Elle n'a aucune raison d'être complaisante. C'est la technique décrite dans [produire, attaquer, corriger](/fr/blog/produire-attaquer-corriger), appliquée au code : celui qui a écrit n'est jamais le mieux placé pour trouver ses propres erreurs.

## Ce que ça change pour un dirigeant de PME

Vous n'allez pas remplacer votre éditeur de comptabilité ou votre ERP. Ce n'est pas le sujet. Le sujet, ce sont les **petits outils qui manquent** : le suivi qu'on fait dans un tableur bricolé, le document qu'on reformate à la main chaque semaine, la synthèse que personne n'a le temps de faire.

Ces outils-là, aucun éditeur ne les fera pour vous, parce qu'ils sont trop spécifiques. Un prestataire coûterait trop cher pour le gain. C'est exactement l'espace où un dirigeant qui garde la main peut construire, seul ou avec un collaborateur curieux, un outil qui fait gagner du temps toutes les semaines.

Il y a un prix : du temps, de la rigueur, et l'acceptation de se tromper au début. Il y a aussi un bénéfice que je n'attendais pas. À force de demander « pourquoi », on finit par comprendre comment fonctionnent les logiciels qu'on achète. On négocie mieux avec ses prestataires. On repère plus vite une promesse commerciale qui ne tient pas.

## Concrètement, comment démarrer

1. **Choisissez un irritant**, pas un projet. Une tâche répétitive, mesurable, qui vous agace chaque semaine.
2. **Décrivez l'outil en une page**, sans un mot de technique : qui l'utilise, ce qu'il reçoit, ce qu'il produit, ce qui serait un échec.
3. **Faites-vous interroger** : demandez à l'IA de vous poser ses questions avant d'écrire quoi que ce soit.
4. **Avancez par petits pas** : un écran, un test, une validation. Jamais tout d'un bloc.
5. **Faites relire** par une conversation neuve, et testez vous-même avec de vraies données avant de faire confiance.

Si vous n'avez qu'une chose à retenir : l'IA peut écrire votre outil, mais elle ne peut pas décider à votre place de ce qu'il doit faire. Ce rôle-là reste le vôtre, et c'est une bonne nouvelle.

## Produire, attaquer, corriger : la technique qui fiabilise vos livrables IA en 5 minutes

- URL : https://www.evidencai.com/blog/produire-attaquer-corriger
- Date : 2026-04-17
- Catégorie : outils
- Temps de lecture : 5 min read

> Anthropic a sorti Opus 4.7. Un détail discret change vraiment la donne : l'IA sait enfin critiquer son propre travail sans complaisance. Voici la méthode.

## Ce qui a changé avec Opus 4.7

Anthropic a publié **Claude Opus 4.7** le 16 avril 2026. Les communiqués officiels mettent en avant les gains en code, en vision, en tâches longues. Tout cela est vrai. Mais une amélioration plus discrète change vraiment la façon dont un dirigeant peut utiliser l'IA au quotidien.

Le modèle sait enfin <span className="corail">s'attaquer lui-même</span>.

## Pourquoi la critique par l'IA ne marchait pas avant

Depuis GPT-4, une technique circule dans les cercles d'utilisateurs avancés : demander à l'IA de critiquer le texte qu'elle vient d'écrire. En théorie, c'est une idée brillante. Vous produisez un livrable, vous le faites relire par un œil critique, vous corrigez. Gain de qualité évident.

En pratique, ça ne marchait pas. Avec les modèles précédents, deux comportements rendaient la technique inutile.

Premier comportement, la **critique tiède**. Vous demandez *"critique ce texte"*, l'IA répond *"globalement correct, vous pourriez peut-être revoir la formulation pour plus d'impact"*. Aucune faille nommée. Aucun exemple. Vous repartez avec l'impression d'avoir coché une case, pas celle d'avoir progressé.

Deuxième comportement, la **sur-correction**. Vous insistez, l'IA se met à douter d'elle-même et réécrit tout, en détruisant parfois ce qui marchait dans la version d'origine. Vous finissez avec un texte plus long, plus mou, qui a perdu ce que vous aimiez dans la première version.

Résultat : la technique restait un gadget.

## Ce qui change qualitativement en 4.7

Deux choses ont évolué avec Opus 4.7.

La critique est <span className="corail">plus spécifique</span>. Quand on demande au modèle d'attaquer ce qu'il vient de produire, il nomme des failles concrètes. Il cite des passages. Il pointe des hypothèses non étayées, des chiffres manquants, des contradictions internes. Pas du discours abstrait sur l'impact.

La correction <span className="corail">garde ce qui tient</span>. Quand on lui demande d'intégrer les critiques, il ne réécrit plus tout. Il distingue ce qui est fondé de ce qui est infondé, conserve la structure d'origine, corrige chirurgicalement.

Ces deux changements font passer la technique du gadget au vrai outil.

## La méthode en 3 mouvements

L'idée tient en trois étapes. Produire un livrable. Le faire attaquer par un critique hostile. Reprendre en intégrant ce qui est fondé.

Deux intensités selon l'enjeu.

### Version rapide : un seul prompt

Utile pour les livrables courants, les brouillons, les tâches quotidiennes.

Vous donnez à l'IA une instruction en trois blocs dans un seul message :

> *Tu vas faire trois choses en trois blocs.*
> *BLOC 1 : [votre demande].*
> *BLOC 2 : Change de casquette. Tu es un lecteur cynique. Liste les trois failles les plus graves du BLOC 1. Sois spécifique.*
> *BLOC 3 : Version finale. Intègre les corrections qui tiennent, ignore celles qui sont faibles.*

Vous recevez les trois blocs en une réponse. Rapide, suffisant pour un brouillon.

### Version solide : deux conversations séparées

Pour les enjeux sérieux. Un email à un investisseur, un plan stratégique, une note de cadrage, un diagnostic d'entreprise.

La raison de la séparation : dans une **même conversation**, le modèle garde un biais de cohérence avec ce qu'il vient d'écrire. Il ne s'attaque jamais complètement. Dans une <span className="corail">conversation vierge</span>, sans historique, il attaque sans retenue parce qu'il n'a pas produit le texte. Il n'a rien à défendre.

Le workflow :

1) Conversation 1 : produire le livrable normalement.
2) Conversation 2, nouvelle, sans aucun contexte préalable : *"Voici un texte que j'ai reçu. Tu es [persona hostile]. Démolis-le : trois failles les plus graves, spécifiques."*
3) Retour à la conversation 1 : *"Voici des critiques que j'ai reçues. Intègre celles qui tiennent, ignore celles qui sont infondées."*

Comptez cinq minutes. La différence de qualité avec la version rapide est visible dès la première utilisation.

## Trois angles selon l'enjeu

Même méthode, personas différentes selon ce que vous produisez.

Pour un **email important, une annonce interne, une prise de parole publique** : *"Tu es un lecteur cynique qui cherche à démolir ce message. Qu'est-ce qui te fait lever les yeux au ciel ?"* Ce persona repère les formules creuses, les promesses vagues, les sous-entendus qui peuvent se retourner contre vous.

Pour un **plan commercial, un lancement de produit, une feuille de route** : *"On est dans six mois. Ce plan a échoué. Raconte pourquoi. Sois précis sur les trois causes principales."* C'est le classique **pré-mortem** des équipes stratégiques. Il force l'IA à chercher les points de fragilité plutôt qu'à valider la cohérence apparente.

Pour une **analyse stratégique, un diagnostic d'entreprise, une note de synthèse** : *"Tu es un expert du domaine, payé par la partie adverse. Attaque cette analyse. Quelles hypothèses sont fragiles, quelles données manquent, qu'est-ce qui est de la conviction déguisée en fait ?"* Cet angle révèle les glissements argumentatifs et les raccourcis méthodologiques.

## Une mise en garde nécessaire

Un LLM qui relit son propre travail reste un LLM. Le biais de confirmation diminue, il ne disparaît pas. Cette méthode <span className="corail">améliore</span> la qualité d'un livrable, elle ne la <span className="corail">garantit</span> pas. Les travaux académiques sur l'auto-critique des modèles ([Self-Refine, NeurIPS 2023](https://arxiv.org/abs/2303.17651)) montrent des gains significatifs mais bornés, et la nécessité de conserver un contrôle humain en bout de chaîne.

Sur une décision critique, rien ne remplace un humain qui prend le temps de penser vraiment face au livrable. Un associé, un expert métier, un conseil extérieur. L'IA ne ferme pas cette porte. Elle comble un espace, celui qui existe entre *"je relis seul"* et *"j'engage un cabinet"*.

Cet espace est grand. Dans la vie d'un dirigeant de PME, il représente probablement **80% des livrables** qui partent chaque semaine.

## Testez ce weekend, en dix minutes

Prenez un document que vous avez en attente. Un email que vous hésitez à envoyer. Un plan qui traîne. Une analyse que vous trouvez un peu plate.

Ouvrez deux conversations. Produisez dans la première, attaquez dans la seconde, corrigez dans la première. Dix minutes.

Vous verrez la différence. Et vous ne reviendrez plus à l'ancienne manière de faire.

## Donnez un rôle à l'IA avant chaque question : la technique qui change tout

- URL : https://www.evidencai.com/blog/meme-question-trois-dirigeants
- Date : 2026-04-09
- Catégorie : adoption
- Temps de lecture : 6 min read

> Mardi, j'ai montré cette démo à 7 dirigeants de PME. Ce qu'ils ont vu change la manière de poser une question à une IA. Voici la technique en 2 lignes.

## La démo qui a changé la salle

Mardi 7 avril, 9h30, Valence. Sept dirigeants de PME autour de la table. Jour 1 de la formation *Décider avec l'IA*. Au programme de la matinée : comprendre comment une IA génère du texte, et comment un dirigeant doit lui parler pour en tirer quelque chose d'utile.

J'ouvre un petit labo que j'avais préparé le week-end. Une page web, un champ de saisie, un bouton. Je leur demande : *"Donnez-moi une vraie question que vous vous posez en ce moment."* Une dirigeante lance : *"Comment fidéliser mes clients en 2026 ?"*

Je tape. J'appuie sur le bouton. Trois réponses s'affichent simultanément à l'écran, côte à côte. Même question. Trois rôles différents donnés à l'IA en coulisse : *"Tu es un consultant RH"*, *"Tu es un directeur créatif"*, *"Tu es un analyste financier"*.

Les regards changent.

## Trois univers, pas trois nuances

Le **consultant RH** parle de symétrie des attentions : des équipes en contact client bien formées, bien traitées, stables, produisent une expérience client qui fidélise toute seule. Il évoque les rituels de service, le turnover qui casse la relation, la culture de l'accueil. Vocabulaire : équipe, posture, régularité. Ton : humain, structurant.
Le **directeur créatif** parle de moments mémorables, de storytelling de marque, de personnalisation des touchpoints, de transformer chaque contact client en micro-expérience qu'on a envie de raconter. Il évoque les programmes ambassadeurs, la surprise, le détail qui marque. Vocabulaire : histoire, émotion, signature. Ton : mobilisateur, presque théâtral.

L'**analyste financier** parle de ratio CAC/LTV, de taux de churn, de segmentation RFM, de programme de fidélité mesurable. Il évoque la marge sur client récurrent, le coût caché d'un client perdu, le ROI d'un geste commercial. Vocabulaire : cohorte, rétention, arbitrage. Ton : sec, chiffré.

Ce ne sont pas trois versions de la même réponse. Ce sont **trois univers**. Trois grilles de lecture. Trois points de vue qui, mis côte à côte, ressemblent au contenu d'un comité de direction.

Dans la salle, une phrase est revenue plusieurs fois pendant la pause : *"Je ne poserai plus jamais une question de la même façon."*

## Le piège du prompt nu

Voilà ce qui les a frappés : jusqu'ici, ils ouvraient ChatGPT ou Claude, tapaient leur question, appuyaient sur entrée, et lisaient la réponse. Point. Ils n'avaient **jamais** dit à l'IA qui elle était censée être.

Sans rôle, l'IA répond avec la moyenne de tout ce qu'elle sait. Elle produit la réponse que *tout le monde* écrirait. Pas celle que *vous* cherchez. Vous repartez vaguement déçu, sans savoir pourquoi.

C'est ce que j'appelle le prompt nu. Une question sans cadre. Et c'est ce que fait l'immense majorité des dirigeants qui utilisent l'IA tous les jours.
## La technique en 2 lignes

Avant votre question, ajoutez une seule phrase :

> *"Tu es un [rôle précis], réponds sous cet angle."*

C'est tout. Deux lignes en plus, et la réponse change du tout au tout.

## Pourquoi ça marche

Techniquement, l'IA prédit chaque mot en fonction du contexte qui précède. Le rôle que vous lui donnez ne change pas *un peu* les mots choisis. Il reconditionne **toute la distribution de probabilités** sur chaque mot. Et cet effet se compose à chaque mot suivant. C'est exactement le mécanisme décrit dans la documentation d'[Anthropic sur les rôles système](https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/system-prompts) et dans le [guide de prompt engineering d'OpenAI](https://platform.openai.com/docs/guides/prompt-engineering).

Sur une réponse de 400 mots, vous obtenez trois textes qui n'ont plus rien en commun. Pas parce que l'IA est créative. Parce que le cadre de départ était radicalement différent.

Traduction en termes de dirigeant : le rôle pèse souvent plus lourd que vous ne l'imaginez dans la réponse. Bien plus que le texte de votre question.

## Le multi-angle : 3 rôles, 1 comité de direction

La vraie valeur n'est pas dans *une* réponse avec rôle. Elle est dans **trois réponses simultanées, avec trois rôles différents**, pour une même question.
Vous posez la question à un RH, un commercial, un financier. Vous lisez les trois. Vous arbitrez.

Vous ne déléguez pas la décision à l'IA. Vous instrumentez votre propre débat intérieur. Vous voyez des angles que vous auriez ratés seul. Vous identifiez les tensions entre services sans avoir à les convoquer.

En trois minutes, vous obtenez ce qu'un comité de direction produit en une heure. Pas pour remplacer le comité. Pour le **préparer**.

## Testez maintenant, sans rien installer

La bonne nouvelle : **vous n'avez besoin de rien de plus que ce que vous utilisez déjà**. Pas d'outil à installer, pas de compte à créer. Claude, ChatGPT, Mistral, peu importe.

1) Écrivez votre question habituelle.
2) Posez-la trois fois dans trois conversations séparées, en commençant chaque fois par *"Tu es un [rôle], réponds sous cet angle."*
3) Relisez les trois. Arbitrez.

Essayez sur une décision que vous devez prendre cette semaine. Vous verrez.

## Pour aller plus loin : la clé API

Si vous voulez poser la même question à plusieurs rôles en parallèle et afficher les réponses côte à côte sans copier-coller trois fois, il existe un petit pas technique : la **clé API**.
C'est une ligne de caractères fournie par le fournisseur d'IA (Anthropic, OpenAI, Mistral), qui permet à un petit outil (une page web, un tableur, un script) d'interroger l'IA automatiquement. Vous en créez une en trois clics sur le site du fournisseur. Elle coûte quelques centimes par usage.

Avec une clé API, trois rôles tournent en parallèle, en 10 secondes, côte à côte. C'est ce qui débloque tout le multi-angle à l'échelle. Et c'est exactement ce que j'ai montré mardi.

## À retenir

Sans rôle, vous obtenez la moyenne. C'est utile une fois, décevant dix fois. Avec un rôle, vous obtenez un point de vue. C'est plus fort, mais c'est un seul angle. Avec trois rôles, vous obtenez un débat. C'est là que la décision se construit.

La prochaine fois que vous ouvrez Claude ou ChatGPT, ne tapez pas directement votre question. Commencez par une ligne : *"Tu es un..."*. Vous verrez ce que les sept dirigeants de mardi ont vu.

## AI Act : ce que votre PME doit préparer avant août 2026

- URL : https://www.evidencai.com/blog/ai-act-pme-aout-2026
- Date : 2026-03-31
- Catégorie : reglementation
- Temps de lecture : 5 min read

> L'AI Act européen entre en application le 2 août 2026. 90% des PME n'ont pas commencé. Voici les 3 questions à poser dès lundi.

## Pourquoi c'est différent cette fois

L'AI Act n'est pas un énième texte européen sans conséquence. C'est le <span className="corail">premier cadre juridique mondial</span> sur l'intelligence artificielle, et il classe les systèmes IA par niveau de risque : inacceptable, élevé, limité, minimal. Le texte officiel est publié par la [Commission européenne](https://digital-strategy.ec.europa.eu/fr/policies/regulatory-framework-ai) et consultable dans son intégralité sur [EUR-Lex](https://eur-lex.europa.eu/eli/reg/2024/1689/oj).

La bonne nouvelle pour les PME : la plupart de vos usages (chatbots, assistants de rédaction, outils d'analyse) tombent dans la catégorie risque limité ou minimal. Les obligations sont proportionnées.

La mauvaise nouvelle : même en risque limité, vous avez des **obligations de transparence**. Si un client interagit avec un chatbot IA, il doit le savoir. Si vous utilisez de l'IA générative pour produire du contenu, c'est pareil.

## Les 4 niveaux de risque, traduits pour une PME

**Risque inacceptable** : interdit partout en Europe depuis février 2025. Notation sociale, manipulation comportementale, reconnaissance faciale en temps réel dans l'espace public. Vous n'êtes probablement pas concerné.

**Risque élevé** : encadré strictement. IA qui filtre des CV, qui décide d'un crédit, qui évalue un étudiant, qui contrôle un accès. Beaucoup de PME utilisent ce type d'outil <span className="corail">sans le savoir</span>, via un logiciel RH ou un outil de scoring commercial. Si c'est votre cas, la documentation technique, l'évaluation des risques et la supervision humaine deviennent obligatoires.

**Risque limité** : obligation de transparence. Chatbots, générateurs de texte ou d'images, deepfakes. L'utilisateur doit savoir qu'il interagit avec une IA ou que le contenu a été généré. C'est la case où tombent 80% des usages PME.

**Risque minimal** : pas d'obligation spécifique. Filtres anti-spam, correcteurs orthographiques, outils de productivité sans impact sur les personnes.

Le piège n'est pas dans les extrêmes. Il est dans la frontière entre risque limité et risque élevé : dès que l'outil touche au recrutement, à la notation d'un salarié, à l'accès à un service, vous changez de catégorie.

## Le calendrier réel, sans langue de bois

Trois dates structurent votre plan d'action.

**2 février 2025** : les interdictions sont déjà actives. Les pratiques de risque inacceptable sont bannies depuis cette date. C'est derrière nous.

**2 août 2025** : obligations pour les modèles d'IA à usage général (GPAI). Cela concerne les éditeurs comme OpenAI, Anthropic ou Mistral, pas directement les PME utilisatrices. Mais vos fournisseurs d'outils IA sont impactés, donc leurs conditions d'utilisation évoluent.

**2 août 2026** : entrée en application complète pour les systèmes à haut risque et les obligations de transparence. C'est la date qui vous concerne directement. Les autorités nationales de surveillance seront opérationnelles à partir de cette date.

## Les sanctions, pour que ça pique

Les amendes prévues par l'AI Act ne sont pas symboliques.

Jusqu'à **35 millions d'euros ou 7% du chiffre d'affaires mondial** pour les pratiques interdites. Jusqu'à **15 millions d'euros ou 3%** pour les violations des obligations à haut risque. Jusqu'à **7,5 millions d'euros ou 1,5%** pour les informations inexactes fournies aux autorités.

Pour une PME, on parlera en pourcentage plutôt qu'en millions. Mais 1,5% de votre chiffre d'affaires annuel, ça reste <span className="corail">une très mauvaise journée</span>.

## Ce que l'Europe prévoit pour les PME

L'AI Act n'oublie pas les petites structures. Trois dispositifs sont prévus.

**Les bacs à sable réglementaires** : chaque pays doit en créer au moins un d'ici août 2026. <span className="corail">Accès prioritaire et gratuit pour les PME</span>. C'est un espace pour tester vos usages IA et vérifier votre conformité, accompagné par les autorités compétentes. En France, la [CNIL](https://www.cnil.fr/fr/intelligence-artificielle) et l'Arcom travaillent à la mise en place du dispositif national.

**Des formulaires simplifiés** : la Commission européenne doit publier des modèles de documentation technique adaptés aux PME. Pas besoin d'un cabinet d'avocats pour les remplir. Ces modèles seront mis à disposition gratuitement.

**Des frais proportionnés** : les coûts de mise en conformité et d'enregistrement doivent tenir compte de la taille de l'entreprise. Les sanctions également, dans une certaine mesure.

## Les 5 actions à lancer avant août 2026

1. **Cartographier vos usages IA**. Listez tous les outils utilisés dans l'entreprise, même les gratuits, même ceux qu'un seul collaborateur utilise ponctuellement. Incluez les fonctionnalités IA intégrées dans vos logiciels existants (Microsoft 365, Google Workspace, Notion, etc.).
2. **Classer chaque usage** par niveau de risque selon les 4 catégories. Un tableau à trois colonnes suffit : outil, usage, niveau de risque.
3. **Écrire une charte IA interne**. Règles d'usage, données autorisées, types de décisions qui doivent rester humaines, procédure en cas de doute. Deux pages maximum pour être lue.
4. **Former les équipes**. Pas un cours magistral de 2 heures sur l'histoire de l'IA. Un atelier pratique sur vos cas concrets : comment utiliser Copilot sans divulguer de données clients, comment vérifier la sortie d'un générateur de texte, quand dire non à l'outil.
5. **Documenter les décisions**. Tracer qui a validé quel usage, quand, sur quels critères. En cas de contrôle, c'est la preuve de votre diligence raisonnable qui vous protège.

Pour aller plus loin sur l'étape 3, voir notre guide [charte IA en entreprise](/fr/blog/charte-ia-entreprise). Pour l'étape 4, la méthode pas à pas est décrite dans [par où commencer avec l'IA](/fr/blog/par-ou-commencer-ia-pme).

## La co-écriture, preuve par l'exemple

Cet article a été co-écrit avec Claude (Anthropic). Le brief, l'angle éditorial et la validation sont de Stéphane. La recherche, la structuration et la première rédaction sont de Claude. Le résultat est relu, challengé et ajusté par un humain.

C'est exactement ce que nous enseignons chez EvidencAI : l'IA comme <span className="corail">outil de levier intellectuel</span>, pas comme remplacement. Et oui, au regard de l'AI Act, nous venons de vous informer que ce contenu a été produit avec l'aide d'une IA. **Conformité : check.**

## 5 cas concrets d'IA dans une PME de 10 à 50 salariés

- URL : https://www.evidencai.com/blog/5-cas-concrets-ia-pme
- Date : 2026-03-24
- Catégorie : outils
- Temps de lecture : 4 min read

> Pas de la science-fiction : 5 usages réels de l'IA dans des PME françaises, avec les outils, les gains et les pièges à éviter.

## Par où commencer ?

L'IA dans une PME, ce n'est pas un grand projet de transformation. C'est une tâche répétitive qui <span className="corail">disparaît un lundi matin</span>. Les travaux de [McKinsey sur l'état de l'IA](https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai) montrent que les cas d'usage les plus rentables sont ceux qui automatisent une tâche claire et répétitive, pas ceux qui promettent de réinventer un métier.

Les 5 cas ci-dessous viennent de PME françaises de 10 à 50 salariés. Pas de budget dédié, pas de data scientist, pas de consultant. Un irritant quotidien, un outil gratuit ou abordable, et un résultat mesurable.

Pour chaque cas : le problème, la solution, le gain réel, et le piège à éviter.

## Cas 1 : Comptabilité : catégoriser les factures

**Le problème.** 2 heures par semaine à trier et catégoriser les factures fournisseurs dans le logiciel comptable. Travail répétitif, à faible valeur ajoutée, source d'erreurs.

**La solution.** Un assistant IA qui lit la facture (PDF ou photo), extrait le montant, le fournisseur et la catégorie, et pré-remplit le logiciel.

**Le gain.** <span className="corail">8 heures par mois</span>. Le comptable se concentre sur l'analyse, pas la saisie.

**Le piège.** Toujours vérifier les catégorisations. L'IA se trompe sur les cas ambigus : facture multi-lignes, avoir, remise conditionnelle.


## Cas 2 : RH : répondre aux candidatures

**Le problème.** 50 candidatures par offre, des réponses copiées-collées qui donnent une image froide de l'entreprise. Les candidats non retenus reçoivent un message générique ou rien du tout.

**La solution.** Un template IA qui génère des réponses personnalisées en **30 secondes**, adaptées au profil du candidat et au poste. Le ton reste humain parce que la base du message est rédigée par vous.

**Le gain.** Du temps libéré pour les entretiens. Et une <span className="corail">meilleure image employeur</span> : même un refus laisse une bonne impression quand il est personnalisé.

**Le piège.** Ne jamais envoyer sans relecture. Le ton doit rester cohérent avec votre culture d'entreprise. L'IA rédige, vous signez.

## Cas 3 : Commercial : préparer les rendez-vous

**Le problème.** 30 minutes à chercher des infos sur un prospect avant chaque rendez-vous : site web, LinkedIn, actus, rapports annuels. Et parfois, on y va mal préparé faute de temps.

**La solution.** Un prompt IA qui compile en **2 minutes** une fiche prospect : activité, actualité récente, enjeux probables, questions à poser. Vous arrivez en rendez-vous avec un brief structuré.

**Le gain.** Des rendez-vous mieux préparés, un <span className="corail">taux de conversion en hausse</span>, et un signal de sérieux envoyé au prospect.

**Le piège.** Vérifier les informations. L'IA peut halluciner un chiffre d'affaires, inventer une actualité, ou confondre deux entreprises homonymes.


## Cas 4 : SAV : traiter les demandes récurrentes

**Le problème.** 60% des demandes SAV portent sur les 10 mêmes questions : suivi de livraison, conditions de retour, durée de garantie. Votre équipe passe son temps à répondre la même chose.

**La solution.** Un chatbot IA entraîné sur votre FAQ qui répond instantanément aux questions simples et escalade les cas complexes vers un humain.

**Le gain.** Temps de réponse <span className="corail">divisé par 3</span>, satisfaction client en hausse, et une équipe SAV qui se concentre sur les vrais problèmes.

**Le piège.** L'obligation de **transparence**. Le client doit savoir qu'il parle à une IA. C'est dans l'**AI Act européen**, et c'est aussi une question de confiance.

## Cas 5 : Direction : synthétiser les comptes-rendus

**Le problème.** 15 emails, 3 documents, 2 rapports à lire avant une réunion de direction. Personne ne les lit tous. La réunion commence avec des niveaux d'information inégaux.

**La solution.** Un résumé IA de l'ensemble en 1 minute : points clés, décisions attendues, alertes. Tout le monde arrive au même niveau.

**Le gain.** <span className="corail">20 minutes gagnées par réunion</span>. Des discussions qui portent sur les décisions, pas sur le contexte.

**Le piège.** Le résumé est un point de départ, pas un substitut. Pour les documents sensibles (contrat, audit, litige), la **lecture intégrale** reste indispensable.


## Et après ?

Ces 5 cas ont un point commun : ils ne coûtent <span className="corail">presque rien</span> à tester. Un outil gratuit (Claude, ChatGPT, Mistral), une heure de test, et vous savez si ça marche pour votre entreprise.

Le vrai risque, ce n'est pas de mal utiliser l'IA. C'est de **ne pas commencer**.

## Rédiger une charte IA pour votre entreprise en 1 heure

- URL : https://www.evidencai.com/blog/charte-ia-entreprise
- Date : 2026-03-17
- Catégorie : reglementation
- Temps de lecture : 5 min read

> 78% des salariés utilisent l'IA sans cadre. Voici les 5 règles concrètes d'une charte IA, avec un template prêt à l'emploi à télécharger.

## Pourquoi une charte, pas une interdiction

La tentation, c'est d'interdire. "Pas d'IA au bureau." C'est simple, c'est clair, et c'est <span className="corail">contre-productif</span>.

Vos meilleurs éléments utilisent déjà l'IA. Ils gagnent du temps, ils sont plus efficaces.

Les interdire, c'est se priver de cet avantage et les pousser à le faire en cachette, avec des outils gratuits, des comptes personnels, et <span className="corail">zéro garde-fou</span>.

La charte fait l'inverse : elle dit **oui, mais avec des règles**. Elle protège l'entreprise tout en libérant l'initiative.

## Les 5 règles qui suffisent

Après avoir accompagné plusieurs PME dans cette démarche, nous avons distillé l'essentiel en <span className="corail">5 règles</span>.

Pas 5 questions. Pas 5 principes vagues. **5 phrases en "je"**, à la première personne, que chaque collaborateur peut lire, comprendre et signer en **2 minutes**.


### Règle 1 : Je n'utilise que les <span className="corail">outils validés</span>

L'entreprise dresse la liste des outils autorisés : par exemple ChatGPT Team, Claude Pro, Copilot 365. Dans ces outils, les échanges **ne sont pas utilisés pour entraîner l'IA**.

En dehors de cette liste, c'est interdit par défaut.

Pourquoi c'est important : les versions gratuites de ChatGPT ou Claude n'offrent pas les mêmes garanties de confidentialité que les comptes entreprise. Un compte gratuit, c'est un <span className="corail">tuyau ouvert</span>.

### Règle 2 : Hors outils validés, je ne colle <span className="corail">rien d'identifiant</span>

Pas de nom de client, pas de RIB, pas de numéro de sécurité sociale, pas de contrat signé, pas de bilan, pas de mot de passe.

Dans le doute, on remplace par "Client A", "Montant X" avant de coller.

C'est la règle la plus simple et la plus efficace. Elle protège contre **90% des risques** sans bloquer l'usage.


### Règle 3 : Je <span className="corail">vérifie</span> avant de transmettre

L'IA invente. C'est sa nature.

Avant d'envoyer une réponse à un client, de signer un document ou de publier un contenu, on contrôle **les chiffres, les noms propres, les références légales**. Si l'IA cite une source, on l'ouvre.

Un chiffre d'affaires inventé dans une proposition commerciale, un article de loi qui n'existe pas dans un courrier juridique. Ces erreurs arrivent. Elles sont évitables avec **30 secondes de vérification**.

### Règle 4 : <span className="corail">Je décide</span>, l'IA propose

Une décision RH, une offre commerciale engageante, un refus, un diagnostic : ça reste un **acte humain**.

L'IA aide à préparer, elle ne signe pas à votre place.

C'est aussi une exigence réglementaire. L'**AI Act européen** impose une supervision humaine pour tout système IA impliqué dans des décisions à impact significatif.


### Règle 5 : En cas de doute ou de bêtise, je <span className="corail">préviens</span>

Si un collaborateur a un doute sur un usage, s'il a collé une info sensible par erreur, s'il reçoit un message suspect (voix clonée, email de phishing, demande de virement) : il contacte le **référent IA**.

<span className="corail">Pas de sanction si signalement spontané.</span>

C'est cette clause qui fait toute la différence. Sans elle, les incidents sont cachés. Avec elle, ils remontent et on apprend.

## Les 3 erreurs à éviter

**La charte de 20 pages.** Personne ne la lira. Le mémo opérationnel tient sur <span className="corail">une page</span>. La politique détaillée (RGPD, AI Act, procédure d'incident) est un document de référence séparé, pour le dirigeant et le référent IA.

**Lister les outils par nom sans principes.** ChatGPT, Claude, Gemini... la liste change chaque mois. Posez des **principes** ("pas de données client dans un outil non validé") et maintenez la liste d'outils à part.

**Ne pas la réviser.** L'IA évolue vite. Prévoyez un <span className="corail">déclencheur de révision</span> : sortie d'un nouveau modèle majeur, incident interne, évolution réglementaire. À défaut, une révision annuelle minimum.


## Ce que couvre le template complet

Le template que vous pouvez télécharger ci-dessous comprend **deux documents** :

**Page 1 : le mémo opérationnel.** Les 5 règles, rédigées en "je", prêtes à afficher et faire signer. C'est le document que vos collaborateurs voient et gardent.

**Page 2 : la politique détaillée.** Pour le dirigeant et le référent IA. Elle couvre le cadre réglementaire ([RGPD](https://www.cnil.fr/fr/rgpd-de-quoi-parle-t-on), [AI Act](https://digital-strategy.ec.europa.eu/fr/policies/regulatory-framework-ai), propriété intellectuelle), la liste des outils validés, les usages autorisés et proscrits, la gestion des biais, la procédure d'incident, la méthode de vérification des sorties IA, et la gouvernance de révision.

Le tout est adaptable à votre entreprise en <span className="corail">moins d'une heure</span>.

## Concrètement, comment faire

1. **Téléchargez le template** (lien ci-dessous).

2. **Adaptez la page 1** : remplacez les crochets par vos informations (nom, outils, référent IA). <span className="corail">30 minutes</span>.

3. **Adaptez la page 2** : complétez la liste des outils validés, les usages spécifiques à votre métier. <span className="corail">30 minutes</span>.

4. **Présentez les 5 règles en réunion d'équipe.** 15 minutes suffisent. Pas un cours magistral : lisez les 5 règles, expliquez pourquoi, répondez aux questions.

5. **Faites signer.** Pas pour punir, pour <span className="corail">engager</span>.


Le template est disponible en téléchargement libre : [Télécharger le template de charte IA (Word)](/downloads/charte-ia-template.docx).

## Par où commencer avec l'IA quand on dirige une PME

- URL : https://www.evidencai.com/blog/par-ou-commencer-ia-pme
- Date : 2026-03-10
- Catégorie : adoption
- Temps de lecture : 5 min read

> Vous dirigez une PME et l'IA vous semble lointaine ? Voici la méthode concrète pour démarrer sans budget tech ni équipe dédiée.

## L'erreur que font 9 PME sur 10

Quand un dirigeant de PME entend parler d'IA, il pense immédiatement <span className="corail">technologie complexe</span>, data scientist, budget conséquent. Et il reporte à plus tard.

Pourtant, les PME qui tirent profit de l'IA aujourd'hui n'ont pas d'équipe tech dédiée. Elles ont juste identifié un problème récurrent et testé un outil gratuit dessus.

Le secret, c'est la méthode : <span className="corail">problème d'abord, outil ensuite</span>. Les études convergent sur ce point : le [rapport McKinsey 2025 sur l'état de l'IA](https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai) montre que les entreprises qui en tirent une valeur réelle ne sont pas celles qui empilent les outils, mais celles qui repartent d'un problème métier identifié.

## Les 3 pièges classiques du démarrage

**Le piège du jouet**. Vous testez ChatGPT sur une blague, vous êtes bluffé, vous achetez l'abonnement pour toute l'équipe, personne ne sait quoi en faire, l'abonnement est résilié 3 mois plus tard. Ça vous a coûté du temps de déploiement et une mauvaise réputation en interne pour le sujet IA.

**Le piège du prestataire qui sait tout**. Une agence vous propose un chatbot IA sur mesure à 25 000 euros. Le devis a l'air sérieux. Six mois après, le chatbot répond à 3% des questions clients et personne ne l'utilise. L'argent est perdu, la confiance aussi.

**Le piège du POC éternel**. Vous lancez un pilote sur un sous-ensemble de données. Tout fonctionne en labo. Mais passer en production demande de toucher au SI existant, de former 30 personnes, de réviser les process. L'énergie retombe, le projet s'enlise.

Dans les trois cas, la cause est la même : <span className="corail">pas de problème métier clair au départ</span>. Juste une envie d'adopter l'IA.

## La méthode en 4 temps

Les PME qui réussissent suivent un protocole simple, que nous appelons en interne **PTMI** : Problème, Test, Mesure, Itération.

**Étape 1 : Problème**. Une tâche répétitive, chronophage ou irritante qu'un collaborateur fait chaque semaine. Pas une vision stratégique, un irritant concret. Un nom, une tâche, une durée hebdomadaire.

**Étape 2 : Test**. Un outil existant sur étagère, idéalement gratuit au départ. Claude, ChatGPT, Copilot, Gemini. Une session d'une heure avec le collaborateur concerné pour tester sur un cas réel. Pas un POC de 3 mois, une heure.

**Étape 3 : Mesure**. Est-ce que ça fait gagner du temps ? Combien ? La qualité du résultat est-elle acceptable ? Le collaborateur se sent-il à l'aise ? Trois questions, trois réponses en fin de semaine.

**Étape 4 : Itération**. Si oui, on généralise à l'équipe avec un mode d'emploi de <span className="corail">une demi-page</span>. Si non, on change d'outil ou on change de problème. Pas de drame, pas de réunion stratégique, on itère.

Le cycle complet prend deux semaines, pas six mois. Vous finissez soit avec un cas d'usage validé que l'équipe adopte, soit avec une leçon apprise à faible coût.

## 3 exemples concrets (pas de la science-fiction)

**Le comptable qui passe 2 heures par semaine à catégoriser des factures.** Un assistant IA lit le PDF et propose la catégorie. Le comptable valide ou corrige. Gain : <span className="corail">8 heures par mois</span>, zéro investissement logiciel. Outil utilisé : Claude ou ChatGPT, versions gratuites.

**La responsable RH qui rédige les mêmes réponses aux candidatures.** Un prompt de template génère des réponses personnalisées en 30 secondes à partir du CV et du poste. Gain : du temps libéré pour les **entretiens qui comptent**, ton plus humain qu'un mail copié-collé. Temps de mise en place : 1 heure pour écrire le prompt, rodé au bout d'une semaine.

**Le dirigeant qui prépare ses réunions en relisant 15 emails.** Un résumé IA du fil de conversation en 1 clic, avec les points de décision extraits. Gain : <span className="corail">20 minutes par réunion</span>, chaque jour. Outil : Copilot dans Outlook si vous êtes chez Microsoft, sinon Claude en copier-coller.

Dans les trois cas, la mise en place a coûté moins d'une journée de travail. Aucun budget. Aucun intégrateur. Aucun risque juridique, à condition de respecter quelques règles sur les données qu'on confie à l'outil.

## Les 3 règles à ne pas négliger

Un démarrage réussi n'est pas qu'une affaire de productivité. Trois garde-fous à poser dès la première semaine.

**Règle 1 : pas de données sensibles dans les outils grand public**. Pas de données clients nominatives, pas de données RH individuelles, pas de données financières détaillées dans ChatGPT ou Claude version gratuite. Pour ces cas, il existe des versions entreprise avec clauses de non-entraînement et hébergement européen. La [CNIL](https://www.cnil.fr/fr/intelligence-artificielle/recommandations-ia) publie des recommandations à jour sur les précautions à prendre côté RGPD.

**Règle 2 : validation humaine sur les décisions**. L'IA propose, l'humain décide. Un refus de candidature, une réponse client sensible, un chiffre qui va dans un reporting : toujours relus par un humain avant envoi ou publication.

**Règle 3 : tracer ce qui marche**. Un document partagé où l'équipe note les bons usages découverts. Au bout de 3 mois, vous avez un patrimoine de 10 à 15 cas d'usage validés en interne, sans avoir dépensé un euro en conseil.

Pour structurer ces règles, notre article [charte IA en entreprise](/fr/blog/charte-ia-entreprise) donne un template prêt à adapter. Pour voir 5 cas concrets mis en œuvre, lire [5 cas concrets d'IA en PME](/fr/blog/5-cas-concrets-ia-pme).

## La co-écriture, mode d'emploi

Cet article illustre exactement la méthode. Stéphane a défini l'angle (parler aux dirigeants, pas aux techs), les exemples (tirés de son expérience terrain), et le ton. Claude a structuré, rédigé la première version, et proposé les formulations.

Temps total : **30 minutes à deux**. Résultat : un article qui aurait pris une demi-journée à rédiger seul.

C'est ça, l'IA pour dirigeant : un <span className="corail">levier</span>, pas un remplacement.


---

# Ressources techniques pour agents

- llms.txt (vue résumée) : https://www.evidencai.com/llms.txt
- Catalogue API : https://www.evidencai.com/.well-known/api-catalog
- Index des skills : https://www.evidencai.com/.well-known/agent-skills/index.json
- MCP Server Card : https://www.evidencai.com/.well-known/mcp/server-card.json
- MCP endpoint : https://www.evidencai.com/api/mcp
- Sitemap : https://www.evidencai.com/sitemap.xml
- Flux Atom du blog : https://www.evidencai.com/feed.xml
