Se lancer avec l'IA quand on est une structure à impact

Selon la cinquième édition du baromètre Solidatech et Recherches & Solidarités, publiée en novembre 2025 auprès de 2 285 dirigeants associatifs, 18 % des associations utilisent déjà des outils d'intelligence artificielle et 13 % y réfléchissent. Les deux usages qui dominent sont l'optimisation des tâches du quotidien, citée par 70 % des utilisateurs, et l'amélioration de la communication, citée par 59 %.

Ce guide décrit une manière de s'y mettre qui ne suppose ni budget dédié, ni compétence technique, ni conviction préalable sur le sujet. Il s'appuie sur des retours d'expérience documentés de structures à impact, en particulier celui d'AssoConnect, qui a la qualité rare d'avoir publié sa méthode et ses coûts.

Vous n'êtes pas en retard

C'est la première chose à poser, parce que la pression est réelle et qu'elle pousse à de mauvaises décisions. L'adoption de l'IA en est encore au stade de l'expérimentation, dans le secteur associatif comme dans le secteur marchand. Personne n'a dix ans d'avance sur vous. Les organisations qui s'en sortent le mieux ne sont pas celles qui ont commencé les premières, ce sont celles qui ont choisi un problème étroit et l'ont traité sérieusement.

Le risque, en 2026, n'est pas de rater une vague. C'est de dépenser du temps et de l'argent sur un outil que personne n'utilisera dans six mois.

Étape 1. Partir d'un irritant, pas d'un outil

La question de départ n'est pas « que pourrions-nous faire avec l'IA », mais « quelle tâche nous coûte un temps disproportionné par rapport à sa valeur ».

Faites la liste avec votre équipe. Dans la plupart des structures, les mêmes réponses reviennent : les comptes rendus de réunion, les réponses aux courriels récurrents, la reformulation d'un même contenu pour trois publics différents, la synthèse de documents longs, les dossiers de financement dont la moitié du contenu est identique d'un dossier à l'autre.

Retenez un seul irritant pour commencer. Vérifiez qu'il remplit trois conditions : il revient souvent, son résultat est vérifiable en quelques secondes par un humain, et une erreur n'a pas de conséquence grave. Un compte rendu de réunion interne coche les trois cases. Une réponse à un bénéficiaire en situation d'urgence n'en coche aucune.

Étape 2. Comprendre ce que fait vraiment un modèle de langage

Un modèle de langage produit du texte plausible à partir de ce que vous lui donnez. Il ne consulte pas une base de vérités, il ne sait pas ce qu'il ignore, et il ne vous préviendra pas quand il se trompe. La conséquence pratique tient en une phrase : il est très bon pour transformer une information que vous lui fournissez, et beaucoup moins fiable pour produire une information qu'il devrait connaître.

Cette distinction est le meilleur filtre pour choisir vos premiers usages.

Transformer une information que vous fournissez : résumer une réunion à partir de sa transcription, reformuler un texte pour un autre public, traduire, corriger, extraire les points d'action d'un compte rendu, reformater des notes en dossier structuré. Ces usages marchent bien.

Produire une information de mémoire : citer un texte de loi, donner un chiffre sur votre secteur, décrire un dispositif de financement, retrouver une date. Ces usages demandent une vérification systématique, et le temps de vérification annule souvent le gain.

Étape 3. Le pilote restreint, la méthode AssoConnect

AssoConnect, la plateforme de gestion associative, a documenté son démarrage en quatre temps. C'est le modèle le plus reproductible que nous ayons trouvé.

Se familiariser. L'équipe a commencé par un abonnement à un outil grand public pour comprendre ce que les modèles savent réellement faire, sans engagement ni projet.

Identifier un outil adapté. Elle a ensuite retenu Dust, qui permet de créer des assistants connectés aux outils internes de l'organisation, en l'occurrence Slack, Notion et Google Drive. C'est le point de bascule : un modèle branché sur vos propres documents devient utile là où un modèle généraliste reste anecdotique.

Piloter sur un petit groupe. Huit volontaires, à 29 euros par utilisateur et par mois, pour contenir le coût pendant la phase de test. Chacun avec son cas d'usage : l'un sur les descriptions de vidéos, l'autre sur l'analyse de bases de données.

Évaluer collectivement. Un système de validation simple, pouce en haut ou pouce en bas, discuté en réunion toutes les deux semaines.

Le résultat le plus tangible, un outil de rédaction de procès-verbaux, génère aujourd'hui environ mille documents par mois. Et l'enseignement que l'équipe met en avant vaut mieux que n'importe quelle promesse commerciale : intégrer l'IA ressemble à l'arrivée d'un nouveau collègue, avec une période de formation, de supervision et d'ajustement avant qu'on puisse lui faire confiance.

Deux chiffres à retenir de cette méthode. Huit personnes, pas toute l'organisation. Deux semaines entre deux points, pas six mois.

Étape 4. Écrire une demande qui donne un résultat utilisable

La qualité de ce que vous obtenez dépend directement de la précision de ce que vous demandez. Quatre éléments suffisent dans la grande majorité des cas.

Le contexte. Qui vous êtes, pour qui vous écrivez, dans quel but. « Je suis chargée de communication dans une association d'aide alimentaire de quinze salariés, j'écris à des donateurs particuliers. »

La tâche, en une phrase. Une seule à la fois.

Le format attendu. Longueur, structure, ton. « Trois cents mots, deux paragraphes et une liste, ton direct, sans jargon associatif. »

La matière. Collez vos notes, votre document, vos chiffres. C'est ce qui fait la différence entre un texte générique et un texte qui vous ressemble.

Trois techniques valent la peine d'être connues au-delà de ces bases. Donner deux ou trois exemples de ce que vous attendez avant de formuler la demande améliore nettement le résultat sur les tâches répétitives. Demander à l'outil de procéder par étapes avant de conclure donne de meilleurs résultats sur les tâches d'analyse. Enfin, itérer vaut mieux que recommencer : corrigez ce qui ne va pas dans la réponse plutôt que de réécrire votre demande de zéro.

Les erreurs les plus fréquentes sont symétriques : une demande trop vague du type « écris quelque chose sur nos activités », l'absence de contexte sur votre structure, et l'acceptation du premier jet sans relecture.

Étape 5. Les usages qui tiennent dans la durée

Les familles d'outils se sont stabilisées.

Dans une structure à impact, les usages qui survivent au-delà de l'enthousiasme initial se rangent en trois catégories. La communication, avec la rédaction de lettres d'information, l'adaptation d'un même message à des publics différents et la traduction. L'administration, avec les comptes rendus, les synthèses de rapports d'activité et les réponses aux courriels récurrents. La recherche de financement, avec l'aide à la rédaction de dossiers dont une partie du contenu se répète d'un appel à projets à l'autre.

Si votre besoin va au-delà de l'assistance à la rédaction et touche à la construction d'un outil, deux autres voies méritent d'être regardées avant d'engager un développement : les outils no-code, et la programmation assistée par IA, que nous décrivons dans notre article sur le vibe coding.

Étape 6. Données personnelles : le cadre à respecter

La CNIL a publié en 2025 deux séries de recommandations sur l'application du RGPD aux systèmes d'intelligence artificielle, dont une adoptée le 6 février 2025 qui porte spécifiquement sur l'information des personnes concernées et l'exercice de leurs droits.

Trois règles couvrent l'essentiel des situations associatives.

Ne mettez pas de données personnelles dans un outil grand public. Nom, adresse, situation sociale, données de santé, coordonnées de bénéficiaires : rien de tout cela ne doit être collé dans une interface publique. Anonymisez avant, ou utilisez une solution qui garantit contractuellement le traitement de vos données.

Informez les personnes concernées. Si un dispositif que vous mettez à disposition de vos publics repose sur de l'IA, cela doit être dit clairement, dans un langage compréhensible.

Gardez la décision humaine sur ce qui engage une personne. Attribution d'une aide, sélection d'un candidat, orientation d'une personne vulnérable : l'outil peut préparer, il ne décide pas.

Un point de vigilance supplémentaire quand vous travaillez avec des mineurs, comme le fait l'association Règles Élémentaires avec sa plateforme d'éducation menstruelle : les données de santé et les publics mineurs cumulent les deux niveaux de protection les plus exigeants du règlement.

Étape 7. Décider de garder, d'ajuster ou d'arrêter

Au bout de six à huit semaines de pilote, tranchez explicitement. Trois questions suffisent.

Le temps gagné est-il réel et mesurable ? Comparez avec ce que la tâche coûtait avant, pas avec une impression.

Les personnes qui l'utilisent continueraient-elles si vous arrêtiez de le financer ? C'est le meilleur indicateur d'usage réel.

Le résultat demande-t-il plus de correction que de production ? Si oui, l'outil n'est pas adapté à cette tâche, et il faut soit changer d'usage, soit changer d'outil.

Arrêter au bout de deux mois n'est pas un échec, c'est ce que doit produire un pilote correctement mené. L'échec, c'est de payer trois ans un abonnement que deux personnes ouvrent encore de temps en temps.

Ce qu'il ne faut pas faire

Déployer à toute l'équipe d'un coup. Choisir un outil avant d'avoir choisi un problème. Confier une décision engageante à un modèle. Coller des données de bénéficiaires dans une interface grand public. Et considérer que l'affaire est réglée parce qu'un outil a été acheté : sans quelqu'un qui porte le sujet et forme les autres, l'usage retombe en quelques semaines.

Pour voir comment sept structures à impact ont traité ces questions dans des contextes très différents, de la ruralité à l'éducation en passant par le recrutement inclusif, lisez notre dossier Sept structures à impact qui utilisent déjà l'IA.

Sources

• Solidatech et Recherches & Solidarités, La place du numérique dans le projet associatif en 2025, cinquième édition, novembre 2025.
• AssoConnect, retour d'expérience sur son déploiement de l'IA, publié par Share it dans le cadre du programme IA for Good.
• CNIL, recommandations sur l'application du RGPD au développement des systèmes d'IA, 2025, dont la délibération du 6 février 2025.
• Programme Numérique & Aidants, porté par Share it et Latitudes avec le soutien d'AG2R La Mondiale et de Malakoff Humanis, et travaux d'Advens for People and Planet avec la Fondation Devoteam.