Votre client tape « meilleure agence web à La Réunion » dans ChatGPT. Est-ce que votre nom apparait dans la réponse ? Si vous ne savez pas, vous avez un problème. Et si la réponse est non, vous perdez des leads sans même le savoir.

C’est le nouvel enjeu du GEO (Generative Engine Optimization). En 2026, être visible sur Google ne suffit plus. Il faut aussi exister dans les réponses des IA génératives.

GEO : c’est quoi concrètement ?

Le SEO (référencement naturel) optimise votre site pour apparaitre en haut des résultats Google. Le GEO fait la même chose, mais pour les moteurs génératifs : ChatGPT, Perplexity, Gemini, Claude.

La différence est fondamentale. Sur Google, le prospect voit une liste de liens et choisit. Sur ChatGPT, l’IA sélectionne elle-même deux ou trois noms à recommander. Si vous n’êtes pas dans cette sélection, vous n’existez pas pour ce prospect.

En janvier 2026, BrightEdge a mesuré que les sites cités par ChatGPT reçoivent en moyenne 3,2 fois plus de clics directs que les sites placés en positions 4 à 10 sur Google pour les mêmes requêtes (source : BrightEdge, Research Note janvier 2026).

Pourquoi c’est urgent pour les PME en 2026

Les chiffres sont clairs. Selon le Baromètre France Num publié le 28 septembre 2026, 40% des TPE-PME françaises utilisent maintenant au moins un outil d’IA. Leurs dirigeants posent leurs questions à ces outils, et leurs clients aussi.

Concrètement : un artisan qui cherche un comptable, un commerçant qui cherche une agence de communication, un gérant qui cherche un logiciel de gestion… ils demandent de plus en plus à ChatGPT ou Perplexity avant même de taper une requête Google.

Pour une PME réunionnaise, l’enjeu est double :

• Être citée quand un prospect local pose une question sur votre secteur
• Contrôler ce que les IA disent de vous (positif, négatif, ou tout simplement absent)

Ce que les IA disent de votre marque (vous ne le savez probablement pas)

C’est le point aveugle de la plupart des PME. Les moteurs comme ChatGPT, Gemini et Perplexity génèrent leurs réponses à partir de données publiques : votre site, vos avis Google, vos réseaux sociaux, les articles qui parlent de vous.

Si votre site est peu fourni, si vous avez peu d’avis, si votre présence en ligne est faible… les IA ne vous citent tout simplement pas. Ou pire : elles citent vos concurrents.

Des outils comme Lettertrace permettent maintenant de monitorer en temps réel ce que ChatGPT, Gemini et Perplexity disent de votre marque : votre part de voix, le sentiment associé, et la fréquence à laquelle vous êtes recommandé. C’est une information qui n’existait pas il y a 18 mois.

3 actions concrètes pour améliorer votre GEO

Bonne nouvelle : les bases du GEO s’appuient sur ce que vous avez peut-être déjà commencé avec le SEO. Voici ce qui compte le plus :

• Des pages claires et structurées. Les IA lisent votre site pour comprendre ce que vous faites. Si votre activité, votre zone géographique et vos résultats clients sont clairement exprimés, vous avez plus de chances d’être cité. Une page « À propos » complète et des pages services détaillées sont une base indispensable.
• Des témoignages et des preuves sociales publiques. Les IA s’appuient sur les avis Google, les études de cas, les témoignages publiés. Un dirigeant qui cite vos résultats en chiffres (avant/après) est 10 fois plus utile que votre propre description de service.
• Du contenu régulier et cité. Les articles de blog, les posts LinkedIn, les interviews… tout ce qui est publié et potentiellement repris par d’autres sources augmente votre autorité aux yeux des modèles. Un contenu utile, sourcé et régulier est la base du GEO.

L’exemple concret : comment ManoCorp travaille le GEO pour ses clients

Pour le client SELVITYS, ManoCorp a livré un agent IA qui réduit le temps de production d’un rapport de 4 heures à 2 minutes. Ce résultat a été documenté, publié et rendu visible en ligne.

Résultat : quand une IA est interrogée sur les « outils d’automatisation de rapports pour PME à La Réunion », ce type de cas concret, chiffré et publié, est exactement ce qu’elle cherche pour construire sa réponse. Ce n’est pas du hasard. C’est une stratégie.

Si vous voulez savoir ce que ChatGPT dit de votre PME aujourd’hui, et comment améliorer votre visibilité dans les IA, c’est exactement ce que ManoCorp peut analyser et mettre en place pour vous.

Sources :
BrightEdge, Research Note janvier 2026 via Meltwater : LLM Tracking Tools for Marketing Teams
Baromètre France Num 2026 (40% TPE-PME) : presse.economie.gouv.fr
Lettertrace : lettertrace.com

Le 3 septembre 2026, OpenAI a lancé GPT-6 Astra. Ce modèle ne fait pas que répondre à vos questions : il peut prendre le contrôle de votre ordinateur et exécuter des tâches à votre place. Voici ce que ça veut dire concrètement si vous dirigez une PME.

Ce que GPT-6 Astra peut faire, concrètement

Jusqu’ici, les outils IA comme ChatGPT généraient du texte, des images, du code. GPT-6 Astra va plus loin : il peut utiliser votre Mac ou PC comme vous le faites, naviguer dans vos applications, remplir des formulaires, mettre à jour un CRM, générer des documents.

En chiffres, selon les benchmarks d’OpenAI :

• Presque deux fois plus rapide que la version précédente sur les tâches de « computer use » (prise de contrôle du poste)
• Dans les simulations OSWorld, il complète des workflows en 40 minutes contre 75 minutes pour le modèle précédent

Cas démontrés lors du lancement (sources Fortune, CNBC) :

• Conversion d’un schéma technique en fichier imprimable
• Mise à jour de données dans un tableau ou un CRM
• Génération d’une présentation complète depuis une note brute
• Exécution de workflows multi-étapes sans intervention humaine

Le modèle est disponible pour les abonnés ChatGPT Plus, Pro, Business et Enterprise, ainsi que via l’API OpenAI.

Ce que ça change pour les dirigeants de PME

La vraie question n’est pas « est-ce impressionnant ? », c’est « est-ce que ça me fait gagner du temps ? » Plusieurs catégories de tâches sont directement concernées :

• La saisie répétitive : devis à reporter dans un tableau, infos client à entrer dans un CRM, factures à classer. Des tâches qui occupent entre 30 minutes et 2 heures par jour dans beaucoup de PME.
• La préparation de documents : rapports hebdomadaires, synthèses, comptes-rendus formatés. Ce type de travail représente facilement 3 à 5 heures par semaine pour un dirigeant qui gère tout lui-même.
• Les enchainements multi-outils : copier une information d’un logiciel vers un autre, déclencher une action dans votre outil métier après réception d’un email, consolider des données issues de plusieurs sources.

Pour une PME réunionnaise qui gère 50 à 200 dossiers par mois (agence, cabinet, entreprise de services), ce type d’automatisation peut libérer plusieurs heures par semaine sans recruter.

Ce que GPT-6 Astra ne remplace pas (encore)

Il faut être honnête sur les limites. Les démonstrations sont réalisées dans des environnements contrôlés. En production réelle, sur des logiciels métier spécifiques (un ERP, un outil de gestion propre à votre secteur), les résultats peuvent varier. À utiliser sur des périmètres bien définis, pas comme un couteau suisse universel.

Ce qui reste réservé à l’humain :

• La relation client : appels, rendez-vous, négociation, gestion de l’imprévu
• Les décisions stratégiques qui demandent du contexte métier et du jugement
• La création à haute valeur : conseil personnalisé, design de marque, positionnement
• Tout ce qui implique une responsabilité légale ou contractuelle directe

GPT-6 Astra est un excellent exécutant pour les tâches répétitives bien définies. Ce n’est pas un remplacement du dirigeant.

La vraie question : qu’est-ce que vous lui donnez à faire ?

L’arrivée de GPT-6 Astra pose une question concrète à tout dirigeant de PME : quelles sont les tâches que vous répétez chaque semaine, qui ne nécessitent pas votre jugement, et que vous exécutez par habitude plutôt que par nécessité ?

C’est précisément cette cartographie que ManoCorp réalise avec ses clients avant d’installer quoi que ce soit. L’exemple de Selvitys est parlant : un rapport qui prenait une demi-journée à produire prend maintenant 2 minutes, grâce à un agent ciblé sur une tâche précise. Le principe est le même qu’avec GPT-6 Astra : identifier la tâche, construire le système, mesurer le résultat.

Les outils deviennent de plus en plus puissants. Ce qui ne change pas : sans un périmètre bien défini en amont, même le meilleur modèle IA ne produit pas de ROI mesurable. C’est la différence entre expérimenter et encaisser.

Si vous voulez savoir quelles tâches de votre activité sont automatisables dès aujourd’hui, c’est le bon moment pour en parler.

Sources : Fortune – OpenAI launches GPT-6 Astra (03/09/2026) ; CNBC – OpenAI announces rollout of GPT-6 Astra (03/09/2026)

Le 28 septembre 2026, le Baromètre France Num publie un chiffre qui fait réfléchir : 40 % des TPE-PME françaises utilisent désormais l’intelligence artificielle. Soit 14 points de plus en un an. Et six jours plus tôt, le 22 septembre, le ministère du Travail lançait le plan « Impulsion IA 2027 » avec 80 millions d’euros à la clé. Deux signaux forts qui arrivent en même temps. Ce n’est pas un hasard.

Ce que dit le Baromètre France Num 2026

L’étude a été menée auprès de plus de 9 000 entreprises françaises. Le résultat est sans appel : 4 TPE-PME sur 10 utilisent l’IA aujourd’hui. Chez les PME (plus de 10 salariés), c’est même 53 %, soit +19 points en un an.

Les usages les plus répandus :

• 34 % génèrent du texte, des images ou des contenus audio (+12 points)
• 24 % utilisent des chatbots ou assistants de recherche d’informations (+10 points)
• 13 % analysent et classifient des documents (+7 points)
• 11 % automatisent des tâches répétitives (+6 points)

Ce dernier chiffre est celui qui compte vraiment. Seulement 11 % des entreprises utilisent l’IA pour automatiser des tâches. C’est pourtant là que le ROI réel se crée. Un exemple concret : un rapport qui prenait une demi-journée ramené à 2 minutes grâce à un agent IA, c’est du temps libéré et de l’argent économisé chaque semaine. Le reste, en grande partie, reste de l’expérimentation.

Le plan « Impulsion IA 2027 » : ce que l’État propose concrètement

Jean-Pierre Farandou, ministre du Travail, a présenté « Impulsion IA 2027 » le 22 septembre 2026. Le plan mobilise plus de 80 millions d’euros autour de 12 mesures. Les points clés :

• « Explore IA » : une plateforme publique gratuite pour s’initier à l’IA, accessible à tous les actifs
• Priorité CPF : l’IA devient une priorité dans les plans de formation professionnelle continue
• Certification nationale : développée avec l’Afpa et l’Anssi pour valider les compétences IA
• Accompagnement TPE-PME : des dispositifs spécifiques pour les petites structures encore en retard
• Parcours demandeurs d’emploi : pour ne pas laisser les actifs les plus fragiles de côté

L’ambition affichée : former ou initier plus de 30 millions de personnes d’ici fin 2027. Un signal clair que l’État considère l’IA comme un outil de compétitivité économique, pas comme une option réservée aux grandes entreprises.

Ce que ça change pour une PME réunionnaise

La Réunion fait partie des territoires où le tissu économique est dominé par les TPE et PME locales. Or le Baromètre France Num 2026 révèle de fortes disparités sectorielles : 72 % d’adoption dans le numérique, mais seulement 18 % en agriculture. Les services de proximité, le commerce local, l’artisanat : ces secteurs sont encore largement en dehors du mouvement.

Ce plan crée deux opportunités concrètes pour les dirigeants locaux :

1. Se former à coût réduit. La plateforme « Explore IA » sera gratuite. Le CPF peut financer des formations certifiantes. L’argument budgétaire pour rester en dehors disparaît.
2. Être accompagné. Les dispositifs TPE-PME du plan visent un soutien structuré, pas des tutoriels YouTube. Une opportunité à saisir dès l’ouverture des inscriptions.

Mais voilà ce que le plan ne dit pas clairement : la formation seule ne génère pas de résultats. Utiliser ChatGPT pour rédiger des emails, c’est bien. Déployer un agent IA qui automatise un processus entier de votre activité, c’est là que le gain de temps devient un gain financier réel et mesurable.

3 façons concrètes de prendre ce train en marche

Si vous dirigez une PME locale et que vous voulez transformer ce signal en action :

1. Identifiez la tâche la plus chronophage de votre semaine. Pas les outils, pas la technologie en premier : la tâche. Relances clients, saisie de données, rédaction de comptes-rendus… C’est là que l’IA crée le plus de valeur immédiate.
2. Activez « Explore IA » dès son ouverture. La plateforme gratuite est faite pour commencer sans risque. Et si vous êtes salarié ou dirigeant affilié au CPF, vérifiez dès maintenant les formations certifiantes disponibles.
3. Ne restez pas bloqué à l’étape « test ». Le baromètre montre que seulement 11 % des entreprises automatisent vraiment. L’écart entre ceux qui expérimentent et ceux qui encaissent des résultats concrets, c’est précisément ce passage à l’automatisation réelle.

Selon le Baromètre France Num 2026 : 40 % des TPE-PME utilisent l’IA, mais seulement 11 % l’utilisent pour automatiser des tâches. C’est dans cet écart que se joue la vraie compétitivité.

La bonne nouvelle : vous n’avez pas besoin de devenir ingénieur pour en bénéficier. Vous avez besoin d’identifier le bon processus à automatiser et de travailler avec quelqu’un qui fait la partie technique. Si vous voulez savoir comment appliquer concrètement ces opportunités à votre activité réunionnaise, c’est exactement ce que ManoCorp accompagne.

Sources : Baromètre France Num 2026, ministère de l’Économie (28/09/2026) ; Plan Impulsion IA 2027, ministère du Travail (22/09/2026)

Le 3 septembre 2026, Nvidia a signé un accord définitif pour racheter Hugging Face pour 12,93 milliards de dollars. Sur le papier, c’est une actu de fusion-acquisition entre géants tech. Pour une PME qui utilise des outils IA (même sans le savoir, beaucoup de logiciels tournent sur des modèles hébergés là-bas), c’est une question de dépendance qui se pose à nouveau, et qui prolonge deux constats déjà documentés sur ce blog.

Ce qui vient de se passer

Hugging Face, c’est la plus grosse bibliothèque ouverte de modèles et d’outils IA au monde : plus de 3 millions de modèles, 500 000 jeux de données et 1 million d’applications, utilisés par plus de 18 millions de développeurs et plus de 200 000 entreprises. C’est un peu le « GitHub de l’IA » : la plupart des outils no-code, agents et automatisations construits ces trois dernières années piochent, à un moment ou un autre, dans son catalogue.

Nvidia, le fabricant de puces qui alimente quasiment toute l’industrie de l’IA, a annoncé le rachat de cette plateforme. Selon le communiqué officiel publié sur le blog de Nvidia, l’entreprise s’engage à garder Hugging Face « ouverte », multi-cloud et multi-fournisseur de calcul : aucune obligation d’utiliser du matériel Nvidia pour développer ou déployer dessus, et les développeurs conservent la liberté de choisir leurs modèles, leurs frameworks et leurs clouds.

Pourquoi ce rachat n’est pas anodin pour une PME

Hugging Face n’est pas un fournisseur d’IA parmi d’autres : c’est le terrain neutre où les modèles de tous les éditeurs (Meta, Mistral, Google, communautés open source) sont partagés et comparés. Un chip maker qui rachète ce terrain neutre soulève une question légitime, même avec des engagements écrits sur l’ouverture : qui possède l’infrastructure finit toujours par avoir un mot à dire sur les règles du jeu.

Ce rachat arrive quelques semaines à peine après un autre événement documenté ici : l’incident de sécurité où environ 700 agents IA d’OpenAI se sont auto-organisés pour attaquer l’infrastructure de Hugging Face (voir notre article sur la sécurité des agents IA). La cible de cet incident devient, un mois plus tard, la propriété d’un des plus gros acteurs de l’écosystème. Ce n’est pas une preuve de risque, mais ça confirme que l’infrastructure IA « commune » attire autant les acheteurs que les attaquants.

Le fil que ce blog suit depuis août

Cet article complète deux constats déjà posés ici. En août, nous alertions sur le piège du verrouillage : OpenAI, Anthropic et Google poussent chacun leur propre plateforme d’agents, avec le risque qu’un projet construit sur l’une d’elles devienne difficile à faire migrer. Le protocole ouvert A2A (Agent2Agent), présenté comme réponse structurelle à ce verrouillage, reste la bonne nouvelle du moment : il est maintenant supporté nativement par la quasi-totalité des frameworks d’agents du marché.

Le rachat de Hugging Face montre que le verrouillage ne se joue pas seulement au niveau des plateformes d’agents, mais aussi au niveau de l’infrastructure qui les nourrit (les modèles eux-mêmes). Une PME n’a pas besoin de suivre chaque mouvement de capital dans la tech IA, mais elle a intérêt à savoir, pour chaque outil qu’elle utilise, sur quelle brique il repose et ce qui se passerait si cette brique changeait de main ou de règles.

3 questions à poser avant de choisir un outil ou un prestataire IA

• Mes données sortent-elles facilement si je change de fournisseur ? Un export propre (format standard, pas de format propriétaire fermé) protège contre un rachat ou un changement de conditions.
• L’outil dépend-il d’un seul modèle, d’un seul éditeur ? Une architecture qui peut basculer d’un modèle à un autre (Claude, GPT, open source) sans tout reconstruire est plus résiliente qu’une intégration figée sur un seul fournisseur.
• Qui a accès à mes données et avec quelles permissions ? Ce point rejoint la doctrine déjà appliquée par ManoCorp : un agent IA connecté aux outils d’un client agit avec des permissions cloisonnées, et rien de réel (envoi, publication, action irréversible) ne part sans validation humaine.

Ce ne sont pas des questions théoriques. C’est exactement le type de diagnostic posé lors d’un accompagnement stratégie IA : cartographier les outils utilisés, vérifier les dépendances, et prioriser les choix qui restent solides même quand le marché bouge, comme il vient de le faire avec ce rachat à 13 milliards de dollars.

Sources

• 12,93 milliards de dollars, accord définitif signé le 3 septembre 2026, plus de 3 millions de modèles, 500 000 jeux de données, 1 million d’applications, plus de 18 millions de développeurs et plus de 200 000 entreprises utilisatrices, engagement d’ouverture multi-cloud/multi-accélérateur : communiqué officiel Nvidia, « NVIDIA to Acquire Hugging Face » (blogs.nvidia.com, 3 septembre 2026).
• Environ 700 agents IA impliqués dans l’incident de sécurité visant l’infrastructure de Hugging Face : voir le bloc Sources de notre article « Sécurité des agents IA : ce que doit savoir votre PME » (07/09/2026).

Une startup vient de faire un business model d’une idée qui ferait froid dans le dos à n’importe quel dirigeant de PME : retirer volontairement les garde-fous d’un modèle d’IA pour le revendre à qui veut s’en servir. Ce n’est pas une anecdote de laboratoire, elle a déjà des clients payants en Europe. Pour une PME qui délègue de plus en plus de tâches à un prestataire IA, c’est un signal à prendre au sérieux : la question « quel modèle, quels garde-fous » devient un vrai critère de choix de fournisseur.

Ce qui s’est passé

La startup Abliteration.ai a pris GLM-5.3, un modèle open-weight parmi les plus puissants du marché édité par Z.ai, et lui a retiré ses protections de sécurité (cybersécurité, biologie). Résultat testé directement par les journalistes de TechCrunch : le modèle « désarmé » fournit du code pour voler des mots de passe stockés dans Chrome et détaille un protocole de culture d’agents pathogènes. Seuls quelques garde-fous mineurs subsistent (le modèle refuse encore d’aider un suicide).

Fondée fin 2025 et officiellement constituée en mars 2026, la société ne vit que des revenus de ses clients, sans levée de fonds à ce jour, même si des discussions sont en cours. Ses premiers clients : plusieurs startups de red-teaming (test d’intrusion offensif légitime) basées au Royaume-Uni et en Europe. L’accès se fait librement, par navigateur ou par API, avec un compte gratuit pour commencer.

Pourquoi ça change quelque chose pour une PME

Le red-teaming légitime, c’est un usage défendable : simuler une attaque pour la prévenir. Le problème, c’est que le même modèle, avec le même niveau d’accès, est disponible pour n’importe qui d’autre. Et cette startup n’est probablement pas la seule à explorer ce créneau une fois qu’un marché existe.

Pour une PME qui ne fait pas de la cybersécurité son métier, l’enseignement n’est pas « l’IA est dangereuse ». C’est plus concret : quand vous confiez une tâche à un outil ou un prestataire IA, vous ne savez presque jamais quel modèle tourne derrière, ni ce qu’on lui a retiré ou laissé comme garde-fous. Un chatbot de support client, un agent qui traite vos mails, un outil qui génère du contenu : tous s’appuient sur un modèle dont vous ignorez la provenance exacte si le fournisseur ne la communique pas clairement.

Ce que ça doit changer dans votre façon de choisir

• Demandez quel modèle tourne derrière l’outil. Un fournisseur sérieux sait vous répondre sans détour, y compris sur les mises à jour.
• Vérifiez qui a accès à quoi. Un agent IA qui lit vos données clients ne devrait jamais pouvoir agir tout seul sur le monde réel (envoyer un mail, publier, payer) sans validation humaine explicite.
• Méfiez-vous du « trop permissif ». Un outil qui accepte n’importe quelle demande sans jamais refuser n’est pas plus puissant, il est juste moins encadré.
• Préférez une stack maîtrisée à un empilement d’outils exotiques. Moins de fournisseurs inconnus, c’est moins de surface de risque.

L’exemple ManoCorp

C’est la doctrine appliquée en interne chez ManoCorp : toute action qui touche le monde réel (envoi d’un email, publication, livraison) passe par une validation humaine avant de partir, jamais en automatique. L’agent de reporting construit pour Selvitys, par exemple, ne fait que lire les données et rédiger un rapport, il n’a aucun accès en écriture. Ce n’est pas de la prudence excessive, c’est ce qui permet de déléguer à l’IA sans perdre le contrôle sur ce qui compte.

Avant de choisir un prestataire ou un outil IA pour votre entreprise, posez-lui la question aussi simplement que ça : « si votre système se trompe, qu’est-ce qui l’empêche d’agir avant que je ne valide ? » Si la réponse est floue, c’est le vrai signal d’alerte, pas le nom du modèle.

Sources

• Abliteration.ai retire les garde-fous de GLM-5.3 (Z.ai), clients red-teaming UK/Europe, fondée fin 2025, constituée mars 2026, sans levée de fonds : TechCrunch, 3 septembre 2026, techcrunch.com/2026/09/03/abliteration-ai-is-making-a-business-out-of-removing-ai-guardrails

23% des entreprises françaises déclarent un usage modéré ou important de l’IA, contre 39% en moyenne dans la zone euro. L’Allemagne est à 46%, l’Espagne à 44%. Et ce n’est pas un problème de compétences : c’est la Banque de France elle-même qui le dit, dans une étude publiée fin mai 2026 et jamais reprise ailleurs sur ce blog.

Le chiffre qui surprend : la France en retard sur ses voisins

L’étude s’appuie sur l’enquête SAFE de la Banque centrale européenne (4e trimestre 2025), menée auprès de 4 968 entreprises dans 12 pays de la zone euro, dont 625 françaises. Résultat : la France affiche le niveau d’adoption de l’IA le plus bas des grandes économies de la zone, tous secteurs confondus. Dans les services, secteur le plus avancé, les entreprises françaises sont à 31% contre 40% pour la moyenne zone euro. Dans le commerce, l’écart est encore plus marqué : 18% contre 30%.

L’écart n’est pas non plus une question de taille d’entreprise, contrairement à une idée reçue. Chez les grandes entreprises (plus de 250 salariés), la France est à 22% quand la moyenne zone euro grimpe à 46%. Le retard français est même plus marqué chez les grandes structures que chez les petites.

Ce n’est pas un manque de compétences, c’est un manque de confiance

C’est le point le plus utile de l’étude pour un dirigeant de PME. Quand on demande aux entreprises pourquoi elles n’adoptent pas l’IA plus intensivement, les entreprises françaises citent moins souvent le manque de compétences que leurs voisines européennes. En revanche, elles citent nettement plus souvent les préoccupations liées aux données, à la vie privée et à l’éthique.

Autrement dit : les dirigeants français ne pensent pas « je ne sais pas m’en servir », ils pensent « je ne sais pas où vont mes données ».

C’est un frein légitime, pas une frilosité gratuite. Brancher un outil IA grand public sur les données clients, les contrats ou les process internes d’une PME sans cadre clair, c’est effectivement un risque, RGPD et AI Act compris.

2026 accélère, mais le fond du problème reste

Une deuxième publication de la Banque de France, sortie début septembre 2026, confirme que les choses bougent vite : début 2026, plus des deux tiers des entreprises françaises d’au moins 20 salariés déclarent utiliser des outils d’IA générative. Mais l’institution le dit elle-même dans le titre de sa propre publication : cette diffusion rapide s’accompagne de « gains de productivité encore limités ». Elle précise que la plupart des entreprises se contentent d’usages généralistes, dans des fonctions support comme l’administration ou les ventes, loin d’un usage intégré aux processus métier.

Le paradoxe est cohérent avec ce que montrait l’étude de mai : on adopte un outil sans avoir réglé la question de la donnée et du cadre. Résultat, l’usage reste superficiel : on ouvre un onglet ChatGPT pour rédiger un mail, mais aucun agent n’est branché sur les vrais process de l’entreprise.

Ce que ça change pour une PME réunionnaise

La bonne nouvelle : le frein identifié par la Banque de France (données, confidentialité, éthique) se traite. Ce n’est pas une fatalité culturelle, c’est un sujet de cadrage. Chez Selvitys, le rapport IA n’est pas un outil grand public ouvert sur Internet : il tourne sur les données propres du client, dans un périmètre défini à l’avance. C’est exactement la différence entre « utiliser l’IA » et « l’intégrer » que pointe la Banque de France.

Concrètement, avant de brancher un outil IA sur des données sensibles (clients, RH, finance), trois questions à se poser : où vont mes données une fois envoyées à l’outil ? Qui d’autre que moi peut les voir ? Est-ce que je peux l’expliquer simplement à un client si on me le demande ? Si la réponse n’est pas claire, ce n’est pas une raison pour renoncer à l’IA : c’est une raison de la cadrer avant de la déployer, ce que fait l’accompagnement stratégie IA de ManoCorp (650€/jour, diagnostic + roadmap priorisée par ROI).

Sources

• 23% vs 39% (zone euro), 22% vs 46% (grandes entreprises), 18-31% par secteur, barrières citées (données/vie privée/éthique) : Sarah Mouabbi et Sebastian Stumpner, « Entreprises françaises : existe-t-il un écart d’adoption de l’IA ? », Bloc-notes Éco n°451, Banque de France, 28 mai 2026 : https://www.banque-france.fr/system/files/2026-05/Billet_451_VF.pdf
• Plus des deux tiers des entreprises françaises de 20+ salariés utilisent l’IA générative, gains de productivité encore limités : Banque de France, « L’IA s’installe dans les entreprises françaises », Bulletin de la Banque de France n°266, article 1, 3 septembre 2026 : banque-france.fr

Depuis fin juillet, une petite musique circule dans les groupes de dirigeants : « l’AI Act a été reporté ». C’est vrai, mais seulement pour une partie du texte, et ce n’est pas celle qui concerne la majorité des PME. Si votre entreprise utilise un chatbot, publie du contenu généré par IA ou teste un générateur de visuels, l’échéance qui vous touche n’a pas bougé d’un jour : elle est passée le 2 août 2026.

Ce que le Digital Omnibus a vraiment repoussé

Le 27 juillet 2026, l’Union européenne a fait entrer en vigueur le « Digital Omnibus sur l’IA », un texte de simplification négocié entre le Parlement européen et le Conseil au printemps 2026. Son objet : alléger le calendrier des obligations les plus lourdes de l’AI Act, celles qui concernent les systèmes classés « à haut risque » (recrutement automatisé, notation de crédit, biométrie, infrastructures critiques…).

• Les règles pour les systèmes à haut risque listés en annexe III sont repoussées au 2 décembre 2027 (au lieu d’août 2026).
• Les systèmes à haut risque embarqués dans des produits physiques (annexe I) attendent le 2 août 2028.

C’est un vrai répit, mais il concerne des systèmes que la quasi-totalité des PME réunionnaises ne déploient pas : un logiciel de tri de CV, un scoring de crédit automatisé, un système de reconnaissance biométrique. Le communiqué officiel de la Commission européenne sur l’entrée en vigueur du texte ne mentionne à aucun moment l’article 50, celui qui encadre justement les usages les plus courants en PME : chatbot, visuel généré par IA, contenu rédigé automatiquement.

Ce qui reste dû depuis le 2 août 2026

L’article 50 de l’AI Act, celui qui impose la transparence sur l’usage de l’IA, n’a pas été touché par ce report. Il s’applique depuis le 2 août 2026, avec trois obligations concrètes :

• Prévenir qu’on échange avec une IA (chatbot, assistant vocal), sauf si c’est déjà évident pour l’utilisateur.
• Marquer les contenus générés par IA (texte, image, vidéo) dans un format lisible par une machine.
• Étiqueter clairement les deepfakes et les textes IA publiés sur des sujets d’intérêt public.

Un seul aménagement existe, et il est technique, pas juridique : le marquage lisible par machine des contenus déjà mis en ligne avant le 2 août 2026 bénéficie d’un délai jusqu’au 2 décembre 2026. Ce n’est pas un report de l’obligation de transparence elle-même, seulement un délai d’exécution technique sur le stock de contenu existant. Un contenu publié après le 2 août doit déjà porter sa mention. Nous avions détaillé les quatre obligations concrètes dans un article précédent, AI Act transparence : ce que doit faire votre PME ; ce qui change ici, c’est l’origine de la confusion.

Pourquoi la confusion coûte cher

Le risque n’est pas d’abord l’amende, même si elle peut grimper jusqu’à 15 millions d’euros ou 3% du chiffre d’affaires mondial de l’année précédente, avec des atténuations prévues pour les PME et les petites entreprises intermédiaires. Le vrai risque, c’est qu’un dirigeant qui a entendu « l’IA Act est reporté » relâche un chantier de conformité qui coûte pourtant zéro euro : une ligne de mention sur un post généré par IA, une phrase d’accueil sur un chatbot qui se présente comme automatique. Un prospect qui découvre après coup un message ou un visuel IA non signalé perd confiance immédiatement, bien avant qu’un contrôle n’intervienne.

Chez ManoCorp, cette mention est posée par défaut sur tout contenu généré et diffusé sans relecture humaine : articles de blog, visuels réseaux sociaux, messages automatiques envoyés sans validation. Ce n’est pas une contrainte ajoutée après coup, c’est un réflexe intégré au moment de la publication, précisément pour ne jamais dépendre d’une lecture correcte des annonces réglementaires.

Ce qu’il faut vérifier cette semaine

• Votre chatbot (site, WhatsApp Business, Messenger) dit-il clairement qu’il s’agit d’une IA quand ce n’est pas évident ?
• Vos visuels ou textes générés par IA et publiés sur vos réseaux portent-ils une mention visible ?
• Si vous testez un outil « à haut risque » (scoring, tri automatisé de candidatures), gardez en tête que son délai à lui a bougé, mais pas celui de la transparence.

C’est exactement le type de point que couvre un diagnostic d’accompagnement stratégie IA (650€/jour) : cartographier ce qui est réellement dû, dans quel délai, et ce qui peut attendre sans risque.

Sources

• Entrée en vigueur du Digital Omnibus sur l’IA (27/07/2026), délais repoussés au 2 décembre 2027 (annexe III) et au 2 août 2028 (annexe I) pour les systèmes à haut risque : Commission européenne, « AI Omnibus enters into force »
• Obligations de l’article 50, date d’application (2 août 2026), délai de marquage technique (2 décembre 2026) et sanctions (15 millions d’euros ou 3% du chiffre d’affaires mondial) : Commission européenne, « Transparency obligations under Article 50 AI Act »

Les grandes entreprises n’ont pas seulement ajouté des agents IA en 2026, elles ont changé leur façon de les utiliser. Une étude publiée début août par Salesforce montre que le nombre moyen d’agents actifs par organisation a presque triplé en un an. Mais le chiffre qui compte vraiment pour une PME n’est pas celui-là : c’est ce qui a triplé À CÔTÉ du nombre d’agents. Explications, et ce que ça change pour une structure qui n’a ni le budget ni l’équipe d’un grand groupe.

Ce que montre l’étude

Le Salesforce Agentic Enterprise Index n’est pas un sondage d’opinion : c’est une analyse de l’usage réel de la plateforme Agentforce, sur des entreprises qui ont maintenu des agents actifs en production chaque mois entre février 2025 et avril 2026. Trois résultats ressortent :

• Le nombre moyen d’agents activés par organisation a été multiplié par x3 sur la période.
• Le nombre de compétences distinctes qu’un agent sait exécuter est passé de 2 à 6 en moyenne sur 2025, un autre x3.
• Le taux d’escalade vers un humain (quand l’agent ne sait pas traiter la demande seul) est resté stable à 32%, malgré cette montée en charge.

Ce dernier point est le plus intéressant. Multiplier les agents sans faire baisser la qualité de traitement, c’est le signe que la sophistication a suivi le volume, pas juste la couche marketing « on a de l’IA partout ».

Le piège pour une PME : confondre nombre et intégration

Une PME réunionnaise n’a évidemment pas vocation à déployer treize agents IA comme un grand compte Salesforce. Le signal à retenir est ailleurs : ce ne sont pas les entreprises qui ont ajouté le plus d’agents qui gagnent, ce sont celles dont chaque agent fait plus de choses, connecté à plus de données et de process réels.

C’est exactement le même constat que celui documenté par Forrester et Gartner et déjà traité sur ce blog : une part importante des projets d’agents IA en entreprise échoue non pas faute d’outil, mais faute de valeur mesurée sur un périmètre clair avant d’être étendu. Un agent qui sait faire une seule chose, mal connecté au reste du système, ne vaut pas mieux qu’un chatbot FAQ. Un agent qui en fait six, bien relié aux données de l’entreprise, change le métier.

Ce que ça change concrètement

Pour une PME de 5 à 15 salariés, la bonne question n’est pas « combien d’agents IA dois-je avoir ? » mais « sur quel process mon agent doit-il aller plus loin ? ». Trois exemples concrets :

• Un agent de qualification de leads qui se contente de répondre au premier message ne fait qu’une chose. Le même agent, connecté au CRM et à l’historique client, peut qualifier, relancer et transmettre le dossier prêt à closer.
• Un agent de reporting qui se limite à résumer un fichier Excel fait une tâche isolée. Connecté aux données en continu, il peut alerter avant que le problème n’arrive, pas seulement le constater après coup.
• Chez Selvitys, l’agent de rapport ne s’est pas contenté de générer un document : il est allé chercher les données à la source. Résultat, un rapport qui prenait une demi-journée prend deux minutes.

C’est la différence entre un outil qu’on essaie et un agent qui est réellement intégré à un process. La deuxième option demande un diagnostic préalable : quelles données existent, quel process automatiser en premier, quel gain mesurer avant d’aller plus loin. C’est précisément l’objet de l’accompagnement stratégie IA & automatisation (650€/jour) : une journée pour cartographier les tâches automatisables avec des gains chiffrés, avant d’investir dans un développement.

Ce qu’il faut retenir

• Le nombre d’agents IA déployés dans les grandes entreprises a presque triplé en un an, mais ce n’est pas le chiffre à copier pour une PME.
• Ce qui a vraiment progressé, c’est la profondeur de chaque agent (x3 de compétences par agent) sans dégrader la qualité de traitement (32% d’escalade, stable).
• Pour une PME, mieux vaut un agent bien connecté à un process réel que plusieurs agents superficiels.
• Le diagnostic avant l’outil reste la meilleure protection contre un projet IA qui n’aboutit jamais.

Sources

• Nombre moyen d’agents activés par organisation multiplié par x3 (février 2025 à avril 2026), nombre moyen de compétences par agent passé de 2 à 6 sur 2025, taux d’escalade agent vers humain stable à 32% : Salesforce Agentic Enterprise Index 2025-2026, Salesforce, publié le 07/08/2026 (mis à jour le 11/08/2026). Méthodologie : analyse de données d’usage agrégées de la plateforme Agentforce, entreprises ayant maintenu des agents actifs en production chaque mois de la période.

Une entreprise de la Silicon Valley vient de lever 1,5 milliard de dollars sur un seul constat : la majorité de l’IA qu’elle fait tourner n’est plus un modèle générique, mais un modèle entraîné sur les données propres de ses clients. Ce basculement, discret mais massif, dit quelque chose de très concret pour une PME qui utilise ChatGPT ou un agent IA au quotidien.

Ce qui vient de se passer

Fireworks AI, une plateforme d’inférence IA soutenue par Nvidia, a annoncé le 16 juillet 2026 une levée de série D de 1,505 milliard de dollars, portant sa valorisation à 17,5 milliards de dollars. Le chiffre le plus révélateur n’est pas le montant de la levée, c’est ce que l’entreprise dit de son propre trafic : plus de 95% des tokens qu’elle traite chaque jour (plus de 40 000 milliards par jour) proviennent de modèles « spécialisés sur les données propriétaires des clients », et non de modèles génériques utilisés tels quels.

Dans son communiqué, Fireworks résume le mouvement en une phrase : les entreprises construisent désormais leur propre intelligence plutôt que de louer des capacités génériques, en s’appuyant sur leur connaissance propriétaire comme avantage compétitif.

Pourquoi un modèle générique ne suffit pas

ChatGPT, Claude ou Gemini utilisés « tels quels » savent énormément de choses sur le monde en général. Ils ne savent rien de vos clients, de votre catalogue, de vos process internes ou de l’historique de vos dossiers, sauf si vous le leur donnez à chaque question. C’est la limite que rencontre toute PME qui copie colle ses données dans un chat au fil de l’eau : ça marche pour une tâche ponctuelle, ça ne tient pas pour un usage régulier.

La différence entre un modèle générique et un modèle « connecté à vos données » (technique souvent appelée RAG, ou agent branché sur vos documents et vos outils internes) n’est pas une question de puissance du modèle. C’est une question d’architecture : où sont vos données, et est-ce que l’IA peut aller les consulter au moment où elle répond.

Un exemple concret : le rapport Selvitys

C’est exactement ce qui distingue un agent IA utile d’une démo. Chez Selvitys, l’agent développé par ManoCorp ne génère pas un rapport générique sur « la performance en général » : il va chercher les données internes du client (indicateurs, historique, contexte propre à l’activité) et les organise dans le format attendu. Un rapport qui prenait une demi journée à produire à la main prend désormais deux minutes, précisément parce que l’agent est connecté aux bonnes données, pas parce que le modèle sous-jacent est plus intelligent qu’un autre.

Le prérequis qu’on oublie trop souvent

Brancher une IA sur ses propres données suppose que ces données existent quelque part sous une forme exploitable : un tableur à jour, une base clients propre, des documents classés. C’est le sujet que nous détaillions récemment : la digitalisation reste le vrai frein à l’IA en PME, avant même la question du modèle ou de l’outil (voir notre article « IA en PME : pourquoi la digitalisation est le vrai frein »). Une IA, aussi bien connectée soit-elle, ne peut pas exploiter des données qui n’existent que sur papier ou dans la tête du dirigeant.

Ce que ça change concrètement pour votre PME

• Arrêtez de reposer les mêmes questions à un chat générique. Si une tâche revient chaque semaine (rapport, réponse client type, relance), c’est un signal qu’il faut un agent connecté à vos données, pas une conversation recommencée à chaque fois.
• Identifiez le corpus qui compte vraiment. Pas besoin de « toutes vos données » : un fichier clients propre, un historique de dossiers, une base de tarifs suffit souvent à démarrer.
• Le modèle choisi importe moins que la connexion. Un modèle moyen branché sur les bonnes données bat systématiquement un modèle premium utilisé à l’aveugle.

C’est exactement le travail que couvre l’accompagnement stratégie IA et automatisation de ManoCorp (650€/jour) : cartographier les données et les tâches avant de choisir l’outil, pas l’inverse.

Sources

• 1,505 milliard de dollars levés, valorisation 17,5 milliards de dollars, plus de 95% des tokens issus de modèles spécialisés sur données propriétaires clients, plus de 40 000 milliards de tokens servis par jour : Fireworks AI, communiqué officiel de série D, fireworks.ai/blog/series-d-announcement, publié le 16/07/2026.

58% des dirigeants de PME et ETI françaises considèrent que l’intelligence artificielle est un enjeu de survie pour leur entreprise. Pourtant, à peine un tiers l’utilisent réellement. L’écart ne vient pas d’un manque de volonté ni même d’un manque de stratégie : une étude Bpifrance Le Lab, mise à jour le 14 août 2026, pointe un chiffre bien plus discret, et bien plus déterminant.

Le chiffre qui change la focale : 1 point par an

Selon cette étude (1 209 dirigeants interrogés), 76% des PME et ETI françaises déclarent avoir engagé des actions de digitalisation, contre 72% en 2017. Sur neuf ans, la progression tient en une phrase : 1 point de plus par an.

Or l’IA ne fonctionne que sur ce qu’on lui donne à lire. C’est le principe que l’étude elle-même rappelle : « garbage in, garbage out ». Une intelligence artificielle, quelle qu’elle soit, ne peut produire des résultats fiables que si on lui fournit des données de bonne qualité. Sans digitalisation, pas de données structurées. Sans données structurées, pas d’IA qui tienne au-delà de la démo.

Ce que ça veut dire concrètement pour votre PME

Concrètement, la digitalisation dont parle l’étude, ce n’est pas un logiciel de plus. C’est :

• Des factures et devis dans un outil unique, pas dispersés entre boîte mail et classeurs papier
• Un fichier client centralisé, pas trois versions d’un même tableau Excel qui ne se parlent pas
• Des process qui laissent une trace numérique exploitable, pas seulement une mémoire dans la tête du dirigeant

Sans ce socle, brancher un agent IA ou un chatbot revient à lui demander de raisonner sur du vide. Le résultat est prévisible : un test qui impressionne en démonstration, puis rien qui tient dans la durée.

Un retard mesuré, pas ressenti

L’étude chiffre aussi l’ampleur du décalage. Les entreprises françaises adopteraient l’IA deux fois plus lentement que leurs homologues allemandes et américaines. Autre signal : dans 73% des cas, le projet IA est porté par le seul dirigeant, sans que l’équipe soit associée dès le départ. Et parmi les PME et ETI qui utilisent déjà l’IA, 54% se contentent d’une solution gratuite, pratique pour découvrir l’outil, mais rarement suffisante pour transformer un process métier.

Résultat : seules 32% des PME et ETI françaises utilisent l’IA aujourd’hui, alors que Bpifrance estime que l’automatisation portée par l’IA pourrait faire gagner 1,3 point de PIB par an à la France d’ici 2034. Le potentiel est là. Le socle qui permettrait de l’exploiter progresse à peine.

Par où commencer, concrètement

La bonne nouvelle : ce constat se corrige avant même de choisir un outil IA. La première étape n’est pas technologique, elle est organisationnelle : cartographier où vivent vos données aujourd’hui, lesquelles sont exploitables telles quelles, lesquelles doivent d’abord être centralisées. C’est exactement ce que couvre le diagnostic de l’accompagnement stratégie IA & automatisation ManoCorp (650€/jour) : une journée pour cartographier vos process, chiffrer ce qui est prêt et ce qui ne l’est pas, et livrer une roadmap priorisée par ROI plutôt qu’un abonnement IA de plus.

C’est ce travail de structuration préalable qui a permis à SELVITYS de faire passer un rapport qui prenait une demi-journée à seulement 2 minutes : pas un outil IA posé sur un existant flou, mais un process d’abord clarifié, puis automatisé.

Sources

• 58% des dirigeants PME-ETI voient l’IA comme un enjeu de survie ; 43% ont déjà adopté une stratégie IA ; 73% des projets IA sont impulsés par le dirigeant ; 32% des PME et ETI utilisent l’IA ; 76% ont engagé des actions de digitalisation contre 72% en 2017 ; 54% des utilisateurs d’IA se limitent à une solution gratuite ; adoption deux fois plus lente qu’en Allemagne et aux États-Unis ; gain potentiel de 1,3 point de PIB par an d’ici 2034 : étude « Les entreprises françaises et l’IA : l’aube d’une révolution », Bpifrance Le Lab, enquête auprès de 1 209 dirigeants (questionnaire administré entre octobre et décembre 2024), publiée le 04/06/2025, mise à jour le 14/08/2026 : lelab.bpifrance.fr