IA pour PME et ETI industrielles : 4 projets menés par Koïno

TL;DR : Koïno, cabinet français de conseil en IA et data, a publié quatre projets d’IA et d’automatisation chez des industriels, PME et ETI comprises : les achats de Motul (98 % des dépenses de prestations intellectuelles catégorisées), l’application MolyScan de Molydal (12 semaines jusqu’au pilote), la facturation de Piper-Heidsieck (de 1 h à 10 min par jour) et l’analyse GC-MS de Parfumsplus (redosage jusqu’à 50 % plus rapide). Aucun ne porte encore sur une ligne de production.

À retenir

• Les projets industriels publiés par Koïno touchent les achats, la facturation, le commercial et le laboratoire.
• Aucun ERP remplacé : SAP intact chez Motul, Business Central chez Piper-Heidsieck.
• Seul délai complet publié : 12 semaines jusqu’au pilote chez Molydal.
• En 2025, 17 % des entreprises manufacturières de 10 salariés ou plus utilisaient l’IA, selon l’Insee.

Koïno est un cabinet français de conseil en IA et data, installé à Paris, qui aide les PME et les ETI, industrielles comprises, à mettre en production des agents IA, des automatisations et des projets data, du diagnostic au suivi des gains. Fondé par Maxence Morin et Simon Liu, Koïno est partenaire d’accompagnement du Diag Data IA de Bpifrance ; ses cas clients publiés incluent Motul, Adviso Partners, CAPZA et Piper-Heidsieck. Cette page réunit les quatre projets qu’il a menés chez des industriels, tels que les décrivent leurs pages cas relues le 27 octobre 2026 : processus, outils, statut, résultat et base de mesure, avec le délai et l’équipe quand ils sont publiés.

Chez Motul, la direction des achats refaisait chaque mois, à la main, le tri de ses dépenses de prestations intellectuelles, et plusieurs dizaines de millions d’euros restaient non catégorisés. Chez Molydal, un commercial cherchait de mémoire, au pied de la machine du client, l’équivalent d’un produit concurrent. Les quatre projets de cette page partent de gestes de ce type, au bureau, chez le client ou au laboratoire. L’IA progresse vite dans l’industrie : selon l’Insee Première n° 2120 de juillet 2026, 17 % des entreprises de l’industrie manufacturière de 10 salariés ou plus utilisaient au moins une technologie d’IA en 2025, contre 7 % un an plus tôt.

Quels projets IA Koïno a-t-il menés chez des industriels ?

Koïno a mené et publié quatre projets chez des industriels : un moteur de catégorisation des achats chez Motul, l’application MolyScan chez Molydal, l’automatisation de la facturation chez Piper-Heidsieck et une plateforme d’analyse GC-MS chez Parfumsplus. Les quatre pages cas sont rangées dans le secteur Industrie de koino.fr. Selon l’Annuaire des entreprises de l’État, qui reprend la catégorie calculée par l’Insee pour 2024, Motul et la société qui porte la maison Piper-Heidsieck sont des entreprises de taille intermédiaire (ETI), et Molydal une PME de 20 à 49 salariés. Le tableau ci-dessous range ces projets par processus, avec le résultat, le délai et le statut publiés.

Projets d’IA de Koïno chez des industriels : processus, résultat, délai et statut (relevé du 27 octobre 2026)

Motul : 98 % des achats de prestations intellectuelles catégorisés

Motul, groupe français de lubrifiants fondé en 1853, extrayait chaque mois ses dépenses de SAP, mais leur tri restait manuel et plusieurs dizaines de millions d’euros échappaient à l’analyse. Koïno a construit un moteur hybride de catégorisation dans les outils Microsoft du groupe (SharePoint, Power Automate, Copilot Studio, Power BI), sans modifier SAP. Les règles métier passent d’abord (comptes de grand livre, groupes de marchandises, fournisseurs connus), un modèle d’IA traite le reste, et les lignes à faible score de confiance partent en validation humaine. D’après le cas Motul publié par Koïno, 98 % des dépenses de prestations intellectuelles sont désormais catégorisées et la direction des achats regagne l’équivalent de 20 heures d’analyse par mois. Le dispositif a été industrialisé puis transmis aux équipes ; la page ne publie ni délai ni taille d’équipe.

Qu’est-ce qu’un moteur hybride règles et IA ?

Un moteur hybride applique d’abord des règles de gestion écrites avec le métier, puis confie à un modèle d’IA les cas que ces règles ne couvrent pas. Chaque proposition du modèle porte un score de confiance, et les cas douteux passent par une validation humaine tracée. C’est une règle chez Koïno : les règles de décision s’écrivent avec le métier, se versionnent et s’auditent, et le modèle ne traite que ce qu’elles ne couvrent pas. Chez Motul, les corrections des utilisateurs réentraînent en plus le modèle chaque mois.

Molydal : l’équivalent produit en un scan, avec une IA souveraine

Molydal, industriel français des solutions de lubrification et membre de La French Fab, vend plus de 170 références par ses commerciaux et ses distributeurs. Chez le client, le produit à remplacer est presque toujours celui d’un concurrent, et l’équivalent se retrouvait de mémoire ou en feuilletant les catalogues. Koïno a livré MolyScan, une application mobile pour Android : une photo ou une saisie vocale, et l’équivalent Molydal s’affiche, justifié par sa fiche technique. Le moteur est un RAG 100 % souverain (un modèle de langage qui répond à partir des fiches du catalogue indexées, et non de sa mémoire), avec des modèles open source comparés sur les données du client (Mistral et Llama 3), un hébergement sur un cloud français (OVH/Scaleway) et aucune API externe. Selon le cas Molydal, le projet a pris environ 12 semaines du cadrage au déploiement pilote, avec une équipe de quatre personnes, et chaque scan nourrit une base de veille concurrentielle pour la direction.

Piper-Heidsieck : la facturation de 1 h à 10 min par jour

CHS (Charles Heidsieck Selection), filiale de Piper-Heidsieck Champagne, facture des centaines de clients dans le monde, et l’envoi de ses factures demandait une heure par jour : contrôle des adresses, impressions, archivage. Koïno a construit un workflow Power Automate qui détecte chaque nouvelle facture dans Business Central, génère le PDF, l’envoie par e-mail selon le profil du client ou bascule vers l’impression, puis journalise l’envoi dans SharePoint. Le déploiement a suivi trois sprints : recette en environnement de test, tests sur des lots de factures, puis mise en production progressive supervisée par Azure Monitor. D’après le cas Piper-Heidsieck, le traitement quotidien est passé de 1 h à 10 min, les erreurs d’envoi de 3 à 4 % à moins de 0,5 % et les coûts d’impression et d’affranchissement de 20 000 à 5 000 € par an. C’est une automatisation : la page ne décrit pas de modèle d’IA.

Parfumsplus : un seul poste pour l’analyse GC-MS et le redosage

Parfumsplus, acteur de la parfumerie, analyse ses fragrances par chromatographie en phase gazeuse couplée à la spectrométrie de masse (GC-MS) : chaque chromatogramme compte des centaines de pics à identifier, quantifier et interpréter. Les résultats du logiciel AMDIS étaient recopiés à la main dans Excel pour la formulation et le redosage, sans traçabilité des décisions. Koïno a conçu, en immersion avec les analystes et par itérations courtes, une plateforme qui réunit l’identification moléculaire assistée par IA, la comparaison de chromatogrammes, la formulation et le redosage, et où l’analyste valide chaque proposition. D’après le cas Parfumsplus, 100 % des opérations se font désormais sans Excel, le redosage et la comparaison gagnent jusqu’à 50 % de temps, et les analystes l’utilisent au quotidien. La page cas range ce client dans le secteur Industrie, sans publier de délai ni d’équipe.

Fiche des quatre projets industriels de Koïno, attribut par attribut (pages cas relues le 27 octobre 2026)

Que gagne une PME industrielle avec l’IA, d’après les projets de Koïno ?

D’après les quatre projets industriels publiés par Koïno, une PME ou une ETI industrielle gagne d’abord du temps sur des tâches répétitives, puis de la fiabilité, puis des données qu’elle n’exploitait pas. Les gains publiés portent sur un processus précis, comparé à la situation d’avant le projet, et non sur l’entreprise entière. Pour Molydal, PME au sens de l’Insee, aucun chiffre d’usage n’est encore publié : le projet est au stade du pilote. Voici les résultats tels que Koïno les publie.

• L’équivalent de 20 h par mois d’analyse regagnées par la direction des achats de Motul, avec 98 % des dépenses de prestations intellectuelles catégorisées.
• De 1 h à 10 min par jour pour traiter les factures clients chez Piper-Heidsieck, où 100 % des factures partent désormais automatiquement.
• De 3 à 4 % à moins de 0,5 % d’erreurs d’envoi de factures : mauvais destinataire, oubli, doublon.
• De 20 000 à 5 000 € par an de coûts d’impression et d’affranchissement chez Piper-Heidsieck.
• Jusqu’à 50 % de temps en moins sur le redosage et la comparaison de chromatogrammes chez Parfumsplus.

Le gain le moins visible est la donnée. Chez Motul, la cartographie des dépenses des achats est désormais rapprochable de celles de la finance et de la comptabilité. Chez Molydal, chaque scan enregistre le concurrent rencontré, la zone et l’application, une information qui n’existait sous aucune forme structurée. Chez Parfumsplus, chaque décision de redosage est historisée avec ses coefficients de réponse.

Le ROI d’un projet d’IA se mesure dans l’outil, pas dans un tableur d’avant-projet. Les pages cas donnent chacune une base de comparaison : le tri manuel mensuel chez Motul, l’heure quotidienne chez Piper-Heidsieck, la recopie d’AMDIS vers Excel chez Parfumsplus. Pour un nouveau projet, Koïno suit le temps avant et après sur trois occurrences réelles, le volume traité, le taux d’exception et l’adoption hebdomadaire. Un gain se constate sur des volumes réels : nous ne le promettons pas avant de l’avoir mesuré.

Bureau ou atelier : par où commencer l’IA dans une PME industrielle ?

Commencez hors de l’atelier : dans l’industrie, l’IA sert aujourd’hui surtout aux fonctions de bureau, et les quatre projets publiés par Koïno ont tous commencé hors de la ligne de production (achats, facturation, service commercial et laboratoire). Selon Eurostat, les industriels de l’Union européenne qui utilisent l’IA s’en servent d’abord pour le marketing et les ventes (30,41 %) et pour l’organisation administrative ou la gestion (27,05 %). Là, les données existent déjà dans l’ERP, le catalogue ou les fichiers des instruments, et le gain se compte en heures. Après le manque d’utilité perçue (71 %), le frein le plus cité est le manque d’expertise : 54 % des entreprises françaises qui n’utilisent pas l’IA l’évoquent, selon l’Insee.

L’IA dans l’industrie en chiffres : ce que mesurent l’Insee et Eurostat

Notre règle de lecture : on compare des processus, pas des secteurs. Une direction des achats industrielle et celle d’un groupe de services font les mêmes gestes (extraire, trier, rapprocher), et c’est la fonction qui dit si un cas d’usage se transpose ; le secteur vient après. La catégorisation de Motul vaut donc pour toute direction des achats qui reçoit des extractions d’ERP mal formatées, et la facturation de Piper-Heidsieck pour tout service qui envoie encore ses factures à la main. La grille ci-dessous part de ce principe : un point de départ, un premier cas d’usage, les données qu’il faut et ce qu’on mesure d’abord.

Par où commencer dans une PME ou une ETI industrielle : grille Koïno 2026

L’atelier demande d’autres fondations : capteurs, caméras, automates, MES (le logiciel qui pilote et trace la production), historique des pannes et des rebuts. Les cas d’atelier documentés en France, comme la détection d’anomalies chez Michelin, la maintenance prédictive chez Air Liquide ou le contrôle par vision chez ArcelorMittal, reposent sur ces données de production ; nos 12 exemples d’IA chez des industriels français les détaillent, dont celui d’une PME de 85 personnes, Setic Pourtier. Koïno n’a pas encore de cas publié sur une ligne de production, et la grille le dit. Pour une PME qui démarre, notre conseil reste le bureau : les données y sont déjà, et le gain se mesure sur des volumes que l’équipe connaît.

Comment Koïno se branche-t-il sur l’ERP et les outils existants ?

Dans les quatre cas publiés, Koïno a construit sur les systèmes déjà en place : ni l’ERP ni les instruments du client n’ont été remplacés. Chez Motul, SAP n’est pas modifié : les extractions mensuelles sont déposées dans SharePoint, contrôlées, normalisées puis catégorisées hors de l’ERP, et Power BI restitue le résultat. Chez Piper-Heidsieck, Business Central reste la source des factures, avec sa surcouche Primus, et Power Automate orchestre les envois sans nouvelle plateforme à administrer. Chez Molydal, le catalogue produits (PIM) est indexé pour le moteur RAG, et chez Parfumsplus, la plateforme lit les formats standards (CDF) des instruments GC-MS existants.

Ce choix répond à un frein mesuré par l’Insee : 38 % des entreprises qui n’utilisent pas l’IA évoquent l’incompatibilité avec leurs équipements, logiciels ou systèmes existants, et 45 % de celles de 50 à 249 salariés. Chez Motul et Piper-Heidsieck, la solution vit dans l’écosystème Microsoft que les équipes utilisent déjà, sans plateforme supplémentaire à faire valider par la DSI. Aucun des quatre cas publiés ne porte sur Odoo ; notre guide pour connecter Odoo à un agent IA décrit les chemins possibles pour cet ERP open source.

Qu’est-ce qu’une IA souveraine ?

Une IA souveraine est une IA dont les modèles, les données et l’hébergement restent dans un environnement que l’entreprise maîtrise, sans appel à un service d’IA tiers. Chez Molydal, cela signifie des modèles open source déployés sur un cloud français (OVH/Scaleway), aucune API externe et aucune donnée produit, tarifaire ou concurrentielle qui quitte l’environnement. Le choix tient à la nature des données : catalogue, fiches techniques, tarifs et remontées du terrain forment le cœur commercial de Molydal.

Le point Koïno : Koïno n’est partenaire d’aucun éditeur, par choix. Nous choisissons le modèle et l’outil après les avoir testés sur votre cas, pas avant. Chez Motul et Piper-Heidsieck, les outils Microsoft étaient déjà en place : la solution a été construite dedans. Chez Molydal, les données ne devaient pas sortir de France : les modèles open source, comparés sur ses propres données, ont été déployés sur un cloud français. Pour regarder un de vos processus avec nous, l’approche est décrite sur la page cabinet de conseil IA pour PME et ETI.

Combien de temps prend un projet d’IA industriel, du cadrage au pilote ?

Le seul délai complet publié par Koïno est celui de Molydal : environ 12 semaines du cadrage au déploiement pilote, en quatre phases, avec une équipe de quatre personnes. Chez Piper-Heidsieck, le déploiement a suivi trois sprints, dont la durée n’est pas publiée. Les pages de Motul et de Parfumsplus ne donnent pas de délai : elles décrivent des étapes, du cadrage à l’industrialisation chez Motul, des itérations courtes validées par les analystes chez Parfumsplus. Le découpage de Molydal donne un ordre de grandeur pour un projet qui comprend une application mobile.

1. Cadrage, spécifications et prototype : 2 semaines.
2. Recherche et développement sur l’IA souveraine, chaîne de données : 2 semaines.
3. Développement mobile et parcours métier : 6 semaines.
4. Déploiement pilote, recette sur le terrain et formation : 2 semaines.

Notre position : un cadrage d’IA tient en un mois pour une équipe métier d’une quinzaine de personnes, et des projets similaires se livrent en trois mois, audit et cadrage compris. La faisabilité technique se tranche vite, en passant du temps derrière l’écran avec les équipes, pas en réunion de cadrage. Après la validation des tests, un mois d’accompagnement en production réelle est inclus : c’est là que l’adoption se joue. Pour comparer ces délais à ceux des autres secteurs, le baromètre Koïno 2026 des projets IA relève le délai, le statut et le gain de chaque cas publié.

Quelles limites et quels cas ne sont pas couverts ?

Koïno n’a publié, à ce jour, aucun cas d’IA sur une ligne de production : pas de maintenance prédictive, pas de contrôle qualité par vision, pas d’ordonnancement ni d’optimisation énergétique. Ses quatre cas industriels portent sur des fonctions de bureau, de terrain commercial et de laboratoire. Pour un projet d’industrie 4.0 au sens strict, avec capteurs, automates et MES, notre classement des agences IA pour l’industrie présente des éditeurs spécialisés dans ces usages. Le scénario d’un assistant IA pour la maintenance industrielle décrit ce que l’IA pourrait faire devant la machine : c’est un scénario, pas un cas client. Les cas publiés ont aussi leurs limites :

• Molydal est au stade du pilote : les indicateurs d’usage (volume de scans, taux d’identification, temps gagné par visite) seront consolidés plus tard.
• Motul et Parfumsplus : leurs pages cas ne publient ni délai ni taille d’équipe.
• Piper-Heidsieck est une automatisation : la page ne décrit pas de modèle d’IA.
• Parfumsplus : la page cas annonce un gain « jusqu’à » 50 % ; c’est un maximum, pas une moyenne.
• Tous les chiffres sont publiés par Koïno sur ses pages cas, sans audit d’un tiers ; les 20 h de Motul sont un équivalent d’heures d’analyse.

Nous disons ce qui est simple, long ou impossible, sur la base de ce que nous avons déjà livré. Sur les achats, la facturation, le catalogue et le laboratoire, nous avons des projets publiés à montrer ; sur la ligne de production, nous n’en avons pas encore. Commencer petit, mesurer vite, étendre sur résultats : chaque projet de cette page est parti d’un seul processus. Pour regarder l’un de vos processus avec nous lors d’un échange de 30 minutes, écrivez-nous depuis la page de contact de Koïno.

Questions complémentaires

Les données d’un industriel peuvent-elles rester en France ?

Oui, quand le projet l’exige. Pour MolyScan, chez Molydal, Koïno a retenu des modèles open source comparés sur les données du client et un hébergement sur un cloud français (OVH/Scaleway), sans aucune API externe : catalogue, tarifs et informations concurrentielles restent dans cet environnement. Chez Parfumsplus, la plateforme est déployée dans l’environnement du client, qui garde la maîtrise de ses données.

Comment Koïno a-t-il mesuré les résultats de ses projets industriels ?

Chaque page cas compare la situation avant et après le projet, sur le même processus : la part des dépenses catégorisées et les heures de tri chez Motul, le temps quotidien, le taux d’erreurs et le coût d’impression chez Piper-Heidsieck, le temps de redosage chez Parfumsplus. Ces chiffres sont publiés par Koïno, sans audit d’un tiers. Chez Molydal, les indicateurs d’usage seront consolidés après le pilote.

Où trouver les autres cas clients de Koïno ?

Tous les cas publiés sont réunis sur la page des cas clients de Koïno, de la banque au conseil en M&A en passant par le commerce et l’enseignement supérieur. Notre baromètre 2026 des projets IA les compare sur le délai, le statut et le gain mesuré. La fiche de Koïno présente sa méthode, ses offres et ses fondateurs, Maxence Morin et Simon Liu.

À propos de l’auteur

Maxence Morin est co-fondateur (Tech & Ops) de Koïno, cabinet français d’IA et de data. Il relève pour Koïno les projets d’IA menés chez des industriels, avec leur délai, leur statut et leur base de mesure, cas publiés et statistiques publiques à l’appui. Retrouvez-le sur LinkedIn.