12 mois d'agent IA chez une ETI industrielle : résultats, surprises et leçons

12 mois d'agent IA chez une ETI industrielle : résultats, surprises et leçons

Janvier 2024. Une ETI du secteur manufacturier basée en région parisienne nous contacte avec une problématique classique : des processus administratifs chronophages, une gestion des commandes fragmentée entre trois outils différents, et une équipe de cinq personnes noyée sous les tâches répétitives. Neuf mois plus tard, voici ce que ce retour expérience agent IA nous a enseigné.

Le contexte initial : où en était cette ETI

L'entreprise emploie 180 salariés, produit des composants métalliques sur mesure, et livre 40 à 60 commandes par mois. Avant notre intervention, le workflow type ressemblait à ceci : le client envoie un devis par email, un commercial le transfère manuellement dans un ERP, puis une personne du service administratif relance par téléphone pour confirmer les détails manquants. Entre la réception et le commencement de la fabrication, il s'écoulait en moyenne 7 jours.

Le coût de cette friction était invisible mais réel. Une étude rapide de leurs processus a révélé que 35% du temps des trois administratrices était consacré à des tâches de saisie, de vérification et de relance. Multiplié par 12 mois et un taux horaire chargé, cela représentait environ 45 000 euros de masse salariale non productive.

La solution : un agent IA sur mesure avec OpenClaw

ThalerTech, en tant que partenaire Make officiel depuis plusieurs années, a proposé une approche progressive. Plutôt que de déployer d'emblée une usine à gaz, nous avons commencé par un agent IA dédié à l'ingestion et la qualification des demandes de devis.

Cet agent, construit avec OpenClaw, le framework que nous avons adopté depuis 2025, s'intègre directement dans leur boîte email via Make. Son rôle : lire automatiquement chaque email entrant, en extraire les informations clés (références client, quantités, délais), les normaliser et les pousser dans l'ERP avec un score de complétude.

OpenClaw nous a permis de structurer cet agent rapidement, en moins de trois semaines contre six semaines avec une approche custom. Le framework propose des templates pour l'extraction de données, la validation et l'orchestration d'appels API, ce qui a accéléré le développement.

Les trois premiers mois : courbe d'apprentissage et ajustements

Les premières semaines furent humbles. L'agent fonctionnait, mais avec un taux d'erreur de 18% sur la classification des produits. Les commerciaux ont failli l'abandonner à la troisième semaine.

Nous avons écouté. Le problème venait d'un biais dans les données d'entraînement : les formats de commande variaient énormément selon les clients (certains utilisaient des numéros de série, d'autres des descriptions textuelles longues). L'agent confondait deux produits similaires 15% du temps.

La solution n'a pas été de relancer une formation LLM coûteuse. Nous avons ajusté l'agent en ajoutant une couche de validation humaine légère : deux clics pour confirmer ou corriger les 5% de cas incertains. Les administratrices, au lieu de traiter 100% des commandes, ne validaient plus que les cas flous. Le temps global de traitement a chuté de 40%.

C'est une leçon critique : l'agent IA n'est pas un remplacement, c'est un amplificateur. ThalerTech l'apprend avec chaque client ETI qui nous fait confiance.

Mois 4 à 8 : élargissement du périmètre

Fort de ce succès, le client a demandé d'élargir les responsabilités de l'agent. Nous avons implémenté deux nouveaux modules :

1. Un agent de suivi de production : chaque soir à 18h, il scanne les fichiers de production du jour, extrait les taux de rebut, identifie les commandes à risque de dépassement de délai, et envoie un rapport au responsable qualité.

2. Un assistant pour les relances clients : au-delà d'un délai de 3 jours sans nouvelle du client, l'agent génère automatiquement un email de suivi diplomatique (sans jargon marketing stérile) avec un lien de confirmation pour les données manquantes.

Ces deux modules ont été développés en parallèle, intégrés toujours via Make, mais orchestrés différemment avec OpenClaw. Le premier utilise des connecteurs de fichiers, le second appelle une API d'email transactionnelle.

L'impact au mois 6 : les commandes transit du premier contact à la fabrication en moyenne 2,8 jours au lieu de 7. Les taux de rebut ont baissé de 12% à 9%, non pas parce que l'agent corrige les erreurs de fabrication, mais parce qu'il identifie plus tôt les anomalies. Le service clients signale une réduction de 60% des emails de relance à envoyer manuellement.

Résultats quantifiés après 12 mois

Voici les chiffres du ROI agent IA pour cette industrie manufacturière :

• Temps administratif économisé : 1 800 heures annuelles (25% de l'effectif concerné)
• Délai de traitement moyen : -60% (7 jours -> 2,8 jours)
• Erreurs de saisie : réduction de 92% des doublons et incohérences
• Satisfaction client : +18 points (NPS passé de 42 à 60)
• Coût mensuel de l'infrastructure (Make + OpenClaw + LLM) : 580 euros
• Gain de masse salariale / mois : 3 750 euros

La payback period s'est fait attendre un peu (9,2 mois avant rentabilité complète), mais depuis le mois 10, c'est du pur gain. Pour une ETI, c'est un business case solide.

Les surprises du terrain

Ce que nous n'avions pas prévu :

La résistance initiale, puis l'appropriation. Les administratrices avaient peur pour leur emploi. Après trois mois et constatant que personne n'était licencié (l'ETI a redéployé leurs heures sur du traitement de commandes spéciales et du support client), elles ont adopté l'outil. Deux ont même demandé une formation plus approfondie pour contribuer aux améliorations.

Les cas limites révèlent les processus vrais. L'agent s'est régulièrement planté sur des commandes "étranges" : un client qui mélange produits standard et custom dans une seule demande, ou un devis envoyé via WhatsApp au commercial. Ces cas ont forcé l'entreprise à clarifier et documenter ses vrais processus, plutôt que les processus théoriques du manuel qualité.

L'effet réseau interne. Six mois après le déploiement, le responsable production a demandé si on pouvait développer un agent IA pour les bon de travail. Un an après, les demandes viennent de tous les départements. ThalerTech a dû structurer un roadmap de trois agents supplémentaires.

Leçons pour les autres ETI industrielles

Si vous envisagez un cas client ThalerTech ou une implémentation d'agent IA en manufacturing, retenez ceci :

1. Commencez petit. Un agent sur un processus répétitif et mesurable. Pas une révolution globale.

2. Mesurez avant de conclure. Cette ETI n'avait jamais quantifié le temps réel passé sur ces tâches. Une semaine de time tracking en amont aurait justifié le projet immédiatement.

3. Gérez le changement humain, pas juste technique. Les meilleurs agents IA échouent quand l'équipe ne les adopte pas. Impliquez vos opérationnels dès la conception.

4. Prévoyez la maintenance. Un agent IA n'est pas un logiciel classique « déployer et oublier ». Il dérive. Les formats d'email évoluent, les client modifient leurs pratiques, les produits changent. Budgétez 5 à 10% du coût annuel en ajustements.

5. Utilisez des frameworks modulaires comme OpenClaw. Construire chaque agent from scratch coûte trois fois plus cher et expose à plus de risques. Les frameworks accélèrent les itérations.

La question que tous les directeurs opérationnels posent

« Après 12 mois, vaut-il la peine de continuer ? » Pour cette ETI, la réponse est catégoriquement oui. Mais pas pour les raisons marketing habituelles. Oui, parce que chaque Euro économisé peut être réinvesti dans un agent supplémentaire (en moyenne, une ETI industrielle peut absorber 2 à 4 agents IA en parallèle). Oui, parce que l'organisation apprend à travailler différemment, et c'est cet apprentissage qui crée de la valeur durable au-delà de l'automation initiale.

Consultant ou prestataire : comment choisir

ThalerTech a la chance d'être un partenaire Make depuis des années, ce qui signifie que nos agents IA s'intègrent dans un écosystème éprouvé. Mais ce n'est pas une garantie suffisante. Quand vous évaluez une agence agent IA, demandez toujours :

• Combien de cas clients similaires avez-vous menés à terme en 12+ mois ?
• Utilisez-vous des frameworks (OpenClaw, LangChain, etc.) ou du custom ?
• Comment gérez-vous les ajustements post-déploiement ?
• Que se passe-t-il si votre prestataire disparaît ?

Notre expérience à ThalerTech avec les secteurs d'activité varie, mais le manufacturing a des exigences singulières : intégration d'ERP complexes, données sensibles, processus très variés selon les clients.

Prochaines étapes pour cette ETI

Au moment de la rédaction, le client envisage deux nouveaux agents :

1. Un agent IA pour la gestion des achats (sourcing de matières premières, optimisation des stocks) 2. Un assistant commercial qui analyse les appels clients pour proposer des produits complémentaires

Ces deux projets sont au stade de prototype dans notre laboratoire. Nous utilisons toujours Make pour l'orchestration, OpenClaw pour la structure des agents, et nous testons différents modèles LLM selon la sensibilité des données (Claude d'Anthropic pour le sourcing, des LLMs spécialisés pour l'analyse d'appels).

Conclusion : un retour d'expérience que les ETI doivent connaître

Douze mois dans la vie d'un agent IA industriel, c'est suffisant pour valider le concept, mais trop court pour exploiter tout le potentiel. Cette ETI a gagné 60% de productivité sur un périmètre défini. Le vrai gain commence au mois 13, quand l'organisation sait comment concevoir et déployer seule les prochains agents.

Si vous êtes dirigeant ou responsable opérationnel d'une ETI française et que vous explorez comment les agents IA pourraient transformer vos processus, nous vous invitons à consulter nos cas d'usage clients ou à découvrir les formations que nous proposons sur le sujet. ThalerTech accompagne les ETI depuis 2018 précisément pour éviter les faux pas que nous avons vus mille fois ailleurs.

Avez-vous identifié un processus dans votre organisation qui consume trop d'heures sans créer de valeur directe ? C'est souvent par là qu'il faut commencer.

Discutons-en ensemble - contactez ThalerTech dès aujourd'hui