Résumez cet article avec une IA :
Chez Vanderschooten, fabricant de linge de maison, nous avons mené un Diagnostic Data & IA Bpifrance, puis une formation à Claude, puis un hackathon de deux jours avec sept collaborateurs.
Bilan du hackathon : 14 jours investis, 100 jours de travail gagnés par les cas d'usage qui tournent à la sortie.
Voici le parcours complet, étape par étape, avec ce qui a fonctionné, l'ordre dans lequel nous l'avons fait, et les limites de ces chiffres.
Ce retour d'expérience s'adresse aux dirigeants de PME industrielles qui se demandent par où commencer avec l'IA. Il ne décrit pas une méthode théorique : il raconte une mission réelle, menée en 2026 avec les équipes de Vanderschooten, depuis le premier entretien jusqu'aux cas d'usage mis en œuvre par les équipes elles-mêmes.
Dans cet article
- Le contexte : un fabricant qui se diversifie
- Le Diagnostic Data & IA : partir de l'organisation
- Un expert industriel dans l'atelier
- Le vrai gisement : la donnée qui transite par Excel
- Deux axes pour la suite
- Former avant de construire
- Le hackathon : deux jours pour passer à la pratique
- Les résultats, et ce qu'ils ne disent pas
- Ce que nous retenons pour une PME industrielle
- Questions fréquentes
Le contexte : un fabricant qui se diversifie
Vanderschooten fabrique du linge de maison depuis trois générations, avec son propre atelier de confection dans le Nord. L'entreprise vend historiquement à des professionnels, et se diversifie aujourd'hui en vendant directement aux particuliers avec ses propres marques.
Cette diversification ajoute des canaux, des outils et des données. Au moment où nous arrivons, le reporting repose largement sur Excel, et les comptes professionnels ne disposent pas d'un CRM commun. Trois questions se posent à la direction :
- comment libérer le temps passé sur le reporting Excel, estimé à plus d'un équivalent temps plein ;
- comment donner une vue commune aux quelque 3 500 comptes professionnels ;
- quels usages de l'IA lancer en premier, et dans quel ordre.
Cette dernière question est la plus fréquente chez les dirigeants que nous rencontrons. Elle appelle rarement une réponse technologique. Elle appelle d'abord une lecture de l'organisation.
Le Diagnostic Data & IA : partir de l'organisation
Le Diagnostic Data & IA est un dispositif cofinancé par Bpifrance, pensé pour les PME et ETI qui veulent évaluer le potentiel de l'IA avant d'engager des projets. Nous en détaillons le fonctionnement dans notre article sur le dispositif et son cofinancement. Chez Vanderschooten, nous l'avons mené main dans la main avec les équipes, en quatre temps.
La restitution a eu lieu au printemps 2026. Un premier lot de travaux a été signé un mois plus tard : le diagnostic n'est pas resté un document, il a ouvert un chantier.
Un expert industriel dans l'atelier
Pour une journée, nous avons fait intervenir Barthélemy Longueville, expert industriel de notre écosystème, venu porter son regard sur l'atelier et sur l'organisation de la production. Ce choix n'est pas un détail de casting. Un diagnostic IA mené uniquement par des profils data passe à côté de ce qui se joue sur une ligne de confection : les enchaînements, les ruptures d'information, les ressaisies entre l'atelier et les bureaux.
Plutôt que de prétendre tout savoir faire, nous faisons entrer dans la mission le profil dont elle a besoin, à l'étape où il apporte le plus.
C'est une constante de notre façon de travailler : un modèle resserré, avec des interlocuteurs seniors, et des experts externes intégrés au bon moment plutôt qu'en permanence. Chez Vanderschooten, une journée bien placée a suffi à ancrer les recommandations dans la réalité de la production.
Le vrai gisement : la donnée qui transite par Excel
Le diagnostic a fait ressortir très vite un constat que nous retrouvons dans la plupart des PME industrielles. La production et la circulation de l'information obligent à transposer des données entre des systèmes qui ne se parlent pas : un outil de production, une boutique en ligne, des caisses en magasin, un outil de pilotage. Ce passage se fait par des fichiers Excel, ressaisis, copiés, recollés, chaque semaine ou chaque mois.
Avant d'automatiser, une condition s'impose : les fondations. Introduire de l'IA sur une base fragile ne produit rien de durable. Le diagnostic a donc commencé par une recommandation sur les fondamentaux à consolider, avant toute promesse d'outil. Pour aller plus loin sur cette logique, notre article sur l'automatisation des tâches et la méthode pour la mettre en place détaille comment choisir ce qu'on automatise en premier.
Deux axes pour la suite
La mission a abouti à deux recommandations complémentaires, à mener ensemble plutôt que l'une après l'autre.
L'ordre compte plus que l'outil : les process avant l'IA, les actions rapides avant les grands chantiers. Ce séquencement a guidé tout ce qui a suivi chez Vanderschooten.
Former avant de construire
Le deuxième axe s'est traduit par une montée en compétence progressive. Après l'acculturation des 21 collaborateurs pendant le diagnostic, une première population a été formée à Claude fin septembre 2026. Notre offre d'acculturation et de formation IA repose sur ce principe : former sur les sujets réels de l'entreprise, pas sur des exemples de démonstration.
Un principe a structuré ces formations : toutes les populations de l'entreprise n'ont pas besoin des mêmes outils. Une partie des participants a été orientée vers Claude Code, pour les cas qui demandent de manipuler des fichiers et des données en profondeur ; une autre vers Claude Cowork, pour les usages du quotidien. Chaque profil reçoit l'outil qui correspond à son usage réel. Nous expliquons ce choix plus en détail sur notre page agence Claude.
Le hackathon : deux jours pour passer à la pratique
Les 6 et 7 octobre 2026, sept collaborateurs formés à Claude se sont réunis pour deux jours de hackathon. L'objectif était clair : traiter tous les cas d'usage Excel recensés en amont, les faire avancer jusqu'à la mise en œuvre, et prouver aux équipes le gain de temps sur leur propre travail.
La préparation a pesé autant que les deux jours eux-mêmes. Chaque participant avait documenté au préalable ses tâches répétitives dans une trame commune : fréquence, données d'entrée, outils utilisés, résultat attendu. Le hackathon a donc démarré sur des cas réels, pas sur une page blanche.
Côté technique, les participants ont utilisé Claude in Chrome pour les tâches qui passent par un navigateur, et des API pour brancher les cas d'usage sur les outils déjà en place. Le panel couvert était large.
| Famille de cas d'usage | Ce que le cas d'usage prend en charge |
|---|---|
| Reporting | Consolider des exports issus de plusieurs outils dans un tableau à jour, sans ressaisie. |
| Visualisation de données | Rendre lisibles des fichiers volumineux, pour analyser plutôt que compiler. |
| Marketing | Tenir à jour les listes de contacts et les indicateurs de campagnes. |
| Extraction de données sur le web | Collecter des informations publiques plutôt que les copier à la main. |
| Détection de cibles commerciales | Repérer les entreprises d'un secteur donné pour alimenter la prospection. |
Les résultats, et ce qu'ils ne disent pas
Le hackathon a mobilisé sept personnes pendant deux jours, soit 14 jours investis. À la fin, les cas d'usage qui tournaient représentaient 100 jours de travail gagnés. Chaque participant est reparti avec au moins un cas d'usage mis en œuvre, et certains avec trois.
Le chiffre de 100 jours correspond au temps de travail que représentent les tâches prises en charge par les cas d'usage en place à la fin du hackathon. Il ne mesure ni la qualité des analyses produites avec ce temps, ni les cas d'usage qui restent à industrialiser.
Nous le présentons pour ce qu'il est : un ordre de grandeur qui montre où se trouve le gisement, pas une promesse transposable telle quelle à toute entreprise.
Dans une PME, un tel ratio s'obtient vite pour une raison simple : une part importante du temps part dans des tâches chronophages et à faible valeur ajoutée, comme les téléchargements d'exports et les manipulations de fichiers. Trois conditions l'ont rendu possible ici : des cas d'usage recensés avant le hackathon, des participants déjà formés à Claude, et l'exigence d'aller jusqu'à un cas qui tourne plutôt que jusqu'à une démonstration.
Une formation très intéressante, concrète et accessible, qui permet de vraiment mieux comprendre et utiliser l'intelligence artificielle au quotidien.
Nicolas Cadard, RSI, VanderschootenLe détail de chaque étape est présenté dans nos cas clients : le Diagnostic Data & IA chez Vanderschooten et le hackathon Claude qui l'a suivi.
Ce que nous retenons pour une PME industrielle
Ce parcours n'a rien d'exceptionnel dans ses outils. Ce qui a fait la différence tient à l'enchaînement des étapes et à quelques choix de méthode.
- Commencer par l'organisation. Les entretiens et la visite d'atelier ont révélé où le temps se perd, avant toute discussion sur les outils.
- Placer l'expertise métier au bon moment. Une journée d'expert industriel dans l'atelier a ancré les recommandations dans la réalité de la production.
- Traiter les fondations en parallèle des gains rapides. Les actions rapides donnent la preuve, les fondations rendent les gains durables.
- Former avant de construire, et former chacun à son outil. Claude Code et Claude Cowork ne s'adressent pas aux mêmes profils.
- Préparer le hackathon comme un livrable. Une trame remplie par chaque participant transforme deux jours d'atelier en deux jours de production.
Un cas d'usage construit par la personne qui l'utilise a plus de chances d'être maintenu et étendu qu'un outil livré clé en main. C'est pourquoi le hackathon sert autant à transmettre une méthode et un savoir-faire qu'à produire des gains.
Questions fréquentes
La restitution du diagnostic a eu lieu au printemps 2026, la formation de la première population à Claude fin septembre, et le hackathon les 6 et 7 octobre 2026. Ce délai a permis de signer un premier lot de travaux, de former les équipes et de préparer les cas d'usage avant les deux jours d'atelier.
Ce n'est pas obligatoire, mais c'est ce qui a rendu le hackathon productif ici. Le diagnostic avait déjà identifié et chiffré les cas d'usage, et désigné ceux à traiter en premier. Sans ce travail, une partie des deux jours aurait servi à chercher quoi faire plutôt qu'à le faire.
Non. Les participants étaient des collaborateurs métier (marketing, contrôle de gestion, web, méthodes), formés à Claude fin septembre. C'est la raison pour laquelle les outils ont été attribués par profil : Claude Code pour ceux qui manipulent beaucoup de fichiers et de données, Claude Cowork pour les usages du quotidien.
Sur le temps de travail que représentaient les tâches prises en charge par les cas d'usage qui tournaient à la fin des deux jours, pour l'essentiel des téléchargements d'exports et des manipulations de fichiers. C'est un ordre de grandeur établi à la sortie du hackathon, pas une mesure faite plusieurs mois après.
L'ordre de grandeur dépend de la part de travail manuel sur des fichiers dans l'entreprise. Dans les PME industrielles que nous accompagnons, cette part est souvent importante, ce qui rend des gains rapides atteignables. Le diagnostic sert justement à le vérifier avant d'engager le hackathon.
Les cas qui tournent restent entre les mains des équipes qui les ont construits. Ceux qui demandent plus de travail (connexion à des outils, fiabilisation des données) rejoignent la feuille de route, en lien avec l'axe sur les fondamentaux défini pendant le diagnostic.
Vos équipes passent trop de temps sur des fichiers Excel ?
Parlons de votre organisation : en un échange, nous repérons où se trouve votre gisement de temps et par quelle étape commencer, du diagnostic au hackathon.
Échanger avec un associé
