En février, le monde entier était à Paris pour parler d’intelligence artificielle. Des chefs d’État, un sommet, et 109 milliards d’euros d’investissements annoncés pour la France. En décembre, la question qu’on entend dans les PME est nettement moins solennelle : « est-ce que ça peut répondre au téléphone pendant que tout le monde est en tournée ? » Entre les deux, il s’est passé une année. Voici ce qu’on en retient — pas la chronologie complète, seulement les jalons qui changent quelque chose pour vous.
Les modèles sont devenus interchangeables
L’année a commencé par une secousse. En janvier, DeepSeek, un laboratoire chinois, publie son modèle R1 : des performances comparables aux meilleurs, pour une fraction du coût annoncé. Les marchés ont tangué quelques jours, puis tout le monde est retourné travailler.
Elle s’est terminée par une course de fond. GPT-5 en août, accueilli fraîchement — les attentes étaient ailleurs. Gemini 3 et GPT-5.1 en novembre. Mistral Large 3 en décembre, qui installe une option française crédible, y compris pour les entreprises qui préfèrent garder leurs données de ce côté-ci de l’Atlantique.
La leçon, elle, n’a pas bougé de l’année : les grands modèles se remplacent les uns les autres à quelques mois d’intervalle. Ce qui ne se remplace pas, c’est le travail d’intégration — brancher l’outil sur vos données, vos process, vos équipes. Choisir « le bon modèle » est devenu un faux problème. Choisir la bonne tâche à lui confier, c’est le vrai.
Le tout-IA a rendu les clés
En mai, Klarna — qui avait fièrement remplacé une partie de son service client par l’IA — a annoncé réembaucher des humains. Non pas parce que l’IA ne servait à rien, mais parce que tout lui confier dégradait le service.
À l’été, une étude du MIT a enfoncé le clou : environ 95 % des pilotes d’IA générative en entreprise ne produisent aucun retour mesurable. Pas parce que la technologie ne fonctionne pas. Parce que les projets restent des démos : jamais branchés aux outils du quotidien, jamais adoptés par les équipes, jamais mesurés.
Deux échecs très différents, une même leçon : l’IA ne remplace pas un métier, elle prend en charge des tâches. Les projets qui ont marché en 2025 sont ceux qui ont visé petit et précis — un accueil téléphonique, des devis, de la ressaisie — avec des humains qui gardent la main sur le reste.
Traduction pour votre PME
Concrètement, qu’est-ce que 2025 change lundi matin ?
- Ne pariez pas sur un fournisseur. Le classement des modèles a changé plusieurs fois cette année, et il changera encore. Un dispositif bien conçu survit au remplacement de son moteur.
- Commencez par une tâche qui existe déjà. Pas un « projet IA » : une corvée identifiée, chronométrable, que quelqu’un fait aujourd’hui à la main. C’est exactement ce qui sépare les pilotes qui mesurent un retour des 95 % qui finissent en slides.
- La réglementation avance, sans drame. L’AI Act a déroulé ses premiers paliers en 2025 : interdiction des usages les plus problématiques et obligation de former les équipes dès février, règles pour les grands modèles généralistes en août. Et Bruxelles parle déjà de simplifier la suite. Pour un usage courant en PME, l’essentiel tient en deux points : savoir quels outils vos équipes utilisent, et les former à s’en servir correctement.
2025 aura été l’année où l’IA a quitté la scène des conférences pour rejoindre l’atelier : les milliards ont fait les titres, les heures gagnées ont fait la différence. Si vous voulez que 2026 commence du bon côté, notre bibliothèque de 70 cas d’usage IA est classée par métier — vous y trouverez des tâches, pas des promesses. Et si vous préférez en parler, commencez 2026 par 30 minutes utiles : une conversation gratuite, sans engagement. Bonnes fêtes.