L’IA, une bonne idée pour choisir son ERP ?

0
10

De plus en plus de dirigeants, de DAF et de responsables informatiques ont le réflexe d’interroger une intelligence artificielle générative (ChatGPT, Claude, Gemini…) pour défricher leur projet de changement de logiciel de gestion. La promesse semble séduisante : obtenir en quelques secondes une short-list d’ERP adaptée à son secteur, sa taille et son budget.

Pourtant, confier la sélection d’un ERP à une IA expose l’entreprise à des erreurs de cadrage majeures. Un logiciel de gestion structure l’activité pour les 5 à 10 prochaines années. Voici les principaux biais et limites des IA face à la réalité d’un projet ERP.

1. Les erreurs de ciblage : des recommandations sans véritable analyse métier

C’est l’un des constats les plus fréquents sur le terrain : même lorsqu’on lui fournit des éléments factuels précis (nombre d’utilisateurs, chiffre d’affaires, secteur d’activité, enveloppe budgétaire, contraintes techniques), l’IA commet de lourdes erreurs de ciblage.

  • Croisement superficiel des critères : l’IA fonctionne par association de mots-clés plutôt que par raisonnement d’architecture. Elle peut parfaitement recommander un ERP taillé pour une ETI industrielle de 200 utilisateurs à une PME de services de 15 personnes sous prétexte qu’un mot-clé sectoriel correspond — ou inversement, proposer un outil d’entrée de gamme incapable d’absorber la complexité des flux.
  • Absence de hiérarchisation des contraintes : dans un projet réel, certains critères sont éliminatoires (ex. : besoin d’une API ouverte pour un montage best-of-breed, gestion multi-devises native ou traçabilité par lot) tandis que d’autres sont secondaires. L’IA met tout sur le même plan et livre une liste de solutions plausibles en apparence, mais inadaptées dès le premier rendez-vous de qualification.

2. Le biais de popularité : l’IA recommande les éditeurs les plus visibles, pas les plus pertinents

Les grands modèles de langage sont entraînés sur d’immenses volumes de textes publics : articles de blog, comparatifs SEO, communiqués de presse, forums et contenus marketing des éditeurs.

  • Surreprésentation des géants et des budgets marketing : les solutions qui produisent le plus de contenu en ligne ressortent systématiquement en tête des recommandations, indépendamment de leur adéquation réelle avec le besoin.
  • Oubli des pépites sectorielles : de nombreux éditeurs spécialisés (GPAO pointue, négoce technique, gestion à l’affaire, agroalimentaire, édition de logiciels) communiquent peu sur le web grand public mais disposent d’une couverture fonctionnelle bien supérieure pour un métier donné. L’IA les ignore fréquemment.

3. Les hallucinations fonctionnelles et les données périmées

Une IA ne « connaît » pas un logiciel : elle prédit la suite de mots la plus plausible à partir de ses données d’entraînement. Sur un sujet aussi technique qu’un ERP, ce fonctionnement génère des erreurs critiques :

  • Confondre promesse marketing et réalité opérationnelle : sur le papier, presque tous les ERP « gèrent » la comptabilité analytique, le multi-sociétés, la traçabilité ou la gestion des stocks. L’IA est incapable de distinguer une fonctionnalité native robuste d’un module basique qui obligera les équipes à multiplier les fichiers Excel parallèles.
  • Informations obsolètes : rachats d’éditeurs, refontes tarifaires, abandon de versions on-premise au profit du SaaS, fin de support… Le marché des logiciels de gestion évolue vite, et une recommandation fondée sur des données datées peut fausser toute une consultation.

4. L’incapacité à capter les processus réels et les irritants terrain

Un projet ERP échoue rarement sur une liste théorique de fonctionnalités. Il échoue sur des détails concrets du quotidien :

  • L’écart entre la théorie et la pratique : un prompt résume une vision dirigeante, mais passe à côté des contournements manuels, des règles d’exception commerciales, des contraintes logistiques ou des erreurs de saisie qui plombent la productivité des équipes.
  • L’arbitrage architectural : faut-il partir sur un ERP intégré tout-en-un ou sur une approche best-of-breed (par exemple coupler une comptabilité spécialisée avec un outil de gestion à l’affaire ou un CRM via API) ? L’IA produit des réponses génériques là où il faut évaluer la maturité réelle des connecteurs et le coût de maintenance des flux.

5. L’angle mort majeur : le poids de l’intégrateur et le budget réel

Choisir un ERP, ce n’est pas seulement choisir un éditeur, c’est surtout choisir un intégrateur et une méthodologie de déploiement.

  • Même logiciel, résultats opposés : un très bon ERP mal paramétré par une équipe sans expérience sectorielle devient un gouffre financier. À l’inverse, un outil bien adapté et porté par un intégrateur qui maîtrise les contraintes du métier transforme l’organisation. L’IA ne peut pas évaluer la disponibilité, la solidité ni le savoir-faire réel des équipes qui mèneront le projet.
  • Sous-estimation du coût complet (TCO) : les grilles tarifaires publiées en ligne ne reflètent jamais le coût réel d’un projet (reprise de données, développements spécifiques, interfaçages, formation, accompagnement au changement, maintenance). Les estimations budgétaires générées par l’IA induisent souvent des attentes irréalistes.

6. L’absence de responsabilité et les enjeux de confidentialité

Enfin, déléguer son pré-diagnostic à une IA pose deux problèmes de gouvernance :

  • Zéro engagement : si la short-list proposée mène à une impasse après six mois de démonstrations, l’algorithme n’assume ni le temps perdu ni les surcoûts.
  • Exposition d’informations sensibles : pour obtenir une réponse un tant soit peu pertinente, l’utilisateur est tenté de détailler ses failles internes, son chiffre d’affaires, ses volumes de flux ou son enveloppe budgétaire dans un outil externe.

Comment réussir sa présélection ERP sans tomber dans le piège du tout-IA ?

L’intelligence artificielle n’est pas à bannir, mais elle doit rester à sa juste place : un assistant de préparation, jamais un décideur. Elle aide très bien à clarifier un lexique métier ou à structurer une première trame de questions.

En revanche, dès qu’il s’agit d’arbitrer entre plusieurs solutions du marché, rien ne remplace une analyse fine et contextualisée des données de l’entreprise. C’est précisément la démarche d’une plateforme spécialisée comme Quel-ERP : croiser réellement les contraintes métier, la taille des équipes, le budget et la maturité des éditeurs pour établir une présélection cohérente — et orienter le projet vers les bons interlocuteurs, plutôt que vers une liste générique générée par un algorithme.

En résumé : l’IA accélère l’accès à l’information brute, mais seule une qualification métier rigoureuse permet d’éviter les erreurs de casting et de sécuriser un investissement aussi structurant qu’un ERP.