Contexte
TWE est une entreprise industrielle de fabrication de textile industriel non tissé, filiale d'un groupe allemand implanté en Belgique, en Allemagne, en Chine, aux États-Unis et en Inde. En France, l'entreprise opère sur deux sites : l'un à Mâcon (Saône-et-Loire), l'autre à Crépy-en-Valois (Oise), totalisant environ une centaine de collaborateurs, positionnés sur les marchés du bâtiment, de l'automobile et de l'hygiène.
Marylin Malsot, responsable RH de TWE, pilote ces deux sites. Très tôt, elle anticipe l'arrivée de l'IA comme un sujet structurant pour son entreprise : un sujet de complétude des compétences, d'accompagnement des futurs collaborateurs, et surtout de maîtrise du savoir-faire dans un environnement industriel où la donnée (produits, recettes de fabrication) représente le cœur de la valeur de l'entreprise, qu'il faut absolument préserver.
Enjeux
Pour sécuriser l'usage de l'IA, la DSI du groupe avait déjà déployé Microsoft Copilot, un choix dicté par la priorité donnée à la sécurité et à la protection des données plutôt qu'à la seule performance. Mais le déploiement d'un outil ne suffit pas à créer l'usage. Plusieurs enjeux se sont dégagés :
- Endiguer le Shadow AI : faute d'un usage professionnel maîtrisé, les salariés se tournaient vers leurs comptes personnels gratuits, avec le risque de voir fuiter des données et le savoir-faire.
- Sortir de la sous-utilisation des licences : Copilot était perçu comme un « super Google » servant tout au plus à rédiger quelques mails, loin du gain de productivité attendu.
- Rendre l'IA concrète et accessible à chaque métier, dans une structure où les profils sont opérationnels (maintenance, production, logistique, RH) et où chaque poste compte peu de personnes (donc des besoins très spécifiques à adresser un par un).
- Accompagner le changement pour lever les craintes (« l'IA va prendre mon travail », « je n'aurai pas le temps ») et embarquer y compris les équipes les plus éloignées du numérique.
La solution : pourquoi Teamstarter ?
TWE a choisi Teamstarter pour passer d'un outil installé à un usage réellement productif, adapté à chaque poste de travail. L'approche s'est appuyée sur un duo moteur en interne, la fonction RH et la Responsable Amélioration Continue, et sur une méthode d'ateliers concrets menés par groupe d'une dizaine de personnes, sur les deux usines, auprès des équipes de management et de supervision.
Les principes du déploiement :
- Démarrer par les managers et le CODIR pour maîtriser l'usage avant de l'ouvrir progressivement à la production, sur la base du volontariat.
- Détecter des cas d'usage métier et apprendre à créer des skills / agents : des compétences qui apprennent à l'IA à exécuter une tâche précise, telle qu'on la fait soi-même, sans avoir à tout réexpliquer à chaque fois.
- Cadrer le ROI de chaque tâche : pour chaque automatisation envisagée, on évalue le temps qu'elle prend et sa fréquence, une prise de conscience qui motive et priorise les efforts.
- Commencer simple : monter en difficulté progressivement plutôt que viser trop ambitieux d'emblée, et accompagner les collaborateurs au quotidien pour débloquer les situations.
- Inscrire la démarche dans la durée : des points de suivi trimestriels sur un an, pour ancrer les usages et adapter les cas d'usage au rythme d'évolution (très rapide) de la technologie.
- Encadrer l'usage via une charte IA partagée à l'ensemble des salariés, et rappeler la règle d'or : l'IA travaille pour vous, pas à votre place (relecture, esprit critique et vérification restent indispensables).
« Plus je crée des agents pour m'aider, ainsi que mes collaborateurs, plus on gagne du temps, ce qui nous permet de nous consacrer totalement à l'humain, plutôt qu'à des tâches bêtes et méchantes de saisie ou administratives. »
— Marylin Malsot, Responsable RH TWE
Les résultats
Les premiers skills construits illustrent la diversité des cas d'usage, bien au-delà des fonctions support :
- RH : extraction automatique d'indicateurs depuis des PDF vers Excel (d'environ 1h30 à moins de 10 minutes pour deux sites) ; mise en forme des questions/réponses du CSE à partir de documents manuscrits ; automatisation des réponses aux candidats et des comptes rendus d'entretien ; veille juridique automatisée (synthèse des nouveautés et liens utiles), en un clic au lieu d'un suivi péniblement tenu à jour.
- Maintenance & achats : comparaison de devis pour identifier la meilleure offre selon les critères de l'entreprise.
- Logistique : optimisation du chargement des camions et du nombre de véhicules à réserver (palettes, hauteurs, volumes).
Au-delà des outils, c'est l'adhésion qui frappe : malgré une moyenne d'âge élevée sur l'un des sites, des collaborateurs initialement réticents (voire opposés) se sont inscrits puis sont devenus utilisateurs. L'effet « waouh » du premier atelier, puis l'effet boule de neige entre collègues, ont fait le reste.
Conclusion
L'expérience de TWE montre qu'en milieu industriel, l'enjeu de l'IA n'est pas technologique : il est humain et méthodologique. Déployer une licence ne suffit pas ; c'est en apprenant à chaque métier à identifier ses propres cas d'usage et à créer ses propres agents que l'on transforme un outil dormant en gains de productivité réels, tout en gardant la maîtrise des données et du savoir-faire.
TWE a réconcilié deux exigences que l'on oppose trop souvent : la sécurité et l'opportunité. Le cap reste clair, libérer du temps des tâches répétitives pour le réinvestir là où il compte vraiment : l'humain, l'atelier, et la valeur ajoutée du terrain.
