Étude de cas : comment nous avons construit un quasi-ERP from scratch avec l'IA

Quand un client vous dit « j’ai besoin d’un ERP, mais aucun ERP du marché ne correspond à mon métier », deux options s’offrent à vous. La première : forcer l’entreprise à s’adapter à un logiciel générique. La deuxième : construire exactement ce dont elle a besoin. Chez PIWA, nous avons choisi la deuxième option. Et nous l’avons fait avec l’IA.

Voici l’histoire complète de ce projet — le contexte, les problèmes, la solution technique et les résultats mesurables.

Le contexte : une PME spécialisée qui étouffe sous ses outils

Notre client est une PME industrielle de 35 collaborateurs, spécialisée dans la distribution de matériaux techniques. Son quotidien : recevoir des demandes clients, établir des devis, gérer les stocks, passer les commandes fournisseurs, facturer, et suivre un pipe commercial de plus de 200 prospects actifs.

Avant notre intervention, l’entreprise utilisait un patchwork de 7 outils différents :

Un tableur Excel pour les devis (avec des formules cassées régulièrement)
Un CRM basique sous-exploité
Un logiciel de comptabilité déconnecté du reste
Des fichiers partagés pour le suivi des stocks
Des e-mails pour la coordination fournisseurs
Un tableau Trello pour le pipe commercial
Des documents Word pour les bons de commande

Le résultat : 12 heures par semaine perdues en ressaisie de données entre les outils. Des erreurs de stock récurrentes (en moyenne 3 par mois). Des devis qui mettaient 48 heures à partir au lieu de 2. Et une visibilité commerciale quasi nulle — le dirigeant ne savait pas combien de devis étaient en attente de validation à un instant T.

Le diagnostic : identifier les vrais points de douleur

Nous avons commencé par un audit IA de 2 jours. L’objectif n’était pas de « mettre de l’IA partout », mais d’identifier les processus où l’automatisation aurait le plus d’impact.

Les 5 processus critiques identifiés :

Cycle de devis — de la demande client au devis signé
Gestion des stocks — niveaux, réapprovisionnement, alertes
Cycle commercial — suivi des prospects, relances, conversion
Facturation — de la commande validée à la facture envoyée
Sourcing de leads — identification et qualification de nouveaux prospects

Chacun de ces processus impliquait au minimum 3 outils différents et 2 saisies manuelles. La source d’erreur était systémique, pas humaine.

La solution : un quasi-ERP construit sur mesure

Plutôt que d’imposer un ERP générique (Odoo, SAP Business One, Dolibarr), nous avons construit une solution sur mesure qui colle exactement au métier du client. La raison est simple : les ERP du marché auraient couvert 60 % du besoin, et les 40 % restants auraient nécessité des contournements permanents.

Architecture technique

La solution repose sur trois couches :

Interface utilisateur : application web responsive construite avec Lovable (génération IA du frontend), adaptée aux usages mobile des commerciaux terrain
Logique métier et automatisations : n8n pour l’orchestration des workflows, avec des nœuds IA pour le traitement intelligent des données
Base de données : Supabase (PostgreSQL managé) pour la persistance, avec des vues métier pré-calculées

Les 5 modules déployés

Module 1 — Devis automatisés

Le commercial saisit les lignes de devis dans l’interface. L’IA pré-remplit les prix unitaires à partir de l’historique, applique les marges par catégorie client, et génère un PDF formaté aux couleurs de l’entreprise. Le devis part en moins de 15 minutes au lieu de 48 heures.

Gain : réduction du temps de génération de devis de 95 % (de 2 jours à 15 minutes).

Module 2 — Cycle commercial complet

Chaque prospect est suivi dans un pipeline visuel avec 6 étapes. L’IA analyse les interactions (e-mails, appels notés) et suggère des actions de relance. Le dirigeant dispose d’un tableau de bord en temps réel : nombre de devis en cours, taux de conversion, chiffre d’affaires prévisionnel.

Gain : taux de conversion amélioré de 18 % en 3 mois grâce aux relances automatisées.

Module 3 — Gestion des stocks intelligente

Les niveaux de stock sont mis à jour automatiquement à chaque vente et chaque réception fournisseur. L’IA calcule les seuils de réapprovisionnement en fonction de l’historique de consommation et déclenche des alertes. Les bons de commande fournisseurs sont pré-générés.

Gain : zéro rupture de stock en 4 mois (contre 3 par mois avant).

Module 4 — Facturation connectée

Quand un devis est accepté et la livraison confirmée, la facture est générée automatiquement avec toutes les informations déjà saisies. Export comptable vers le logiciel existant en un clic. Plus aucune ressaisie.

Gain : 6 heures par semaine économisées sur la facturation et la saisie comptable.

Module 5 — Sourcing de leads IA

Un workflow n8n scrute les appels d’offres publics, les annonces sectorielles et les signaux d’achat (déménagements, recrutements, levées de fonds) pour identifier de nouveaux prospects qualifiés. L’IA les score par pertinence et les injecte dans le pipeline commercial avec une fiche pré-remplie.

Gain : 40 leads qualifiés par mois générés automatiquement, dont 12 % convertis en clients.

Durée et investissement

Le projet complet a été livré en 5 semaines :

Semaine 1 : audit + spécifications détaillées
Semaines 2-3 : développement des modules 1 à 3
Semaine 4 : développement des modules 4 et 5
Semaine 5 : tests, corrections, formation de l’équipe

L’investissement total se situe dans la fourchette de notre offre implémentation IA (8 000 à 30 000 EUR), un montant qui a été rentabilisé en moins de 3 mois grâce aux gains de productivité mesurés.

Résultats à 6 mois

Indicateur	Avant	Après	Amélioration
Temps de génération d’un devis	48h	15 min	-95 %
Erreurs de stock par mois	3	0	-100 %
Heures de ressaisie par semaine	12h	0h	-100 %
Taux de conversion commercial	14 %	16,5 %	+18 %
Leads qualifiés par mois	8 (manuels)	40 (auto)	+400 %
Temps facturation hebdomadaire	8h	2h	-75 %

Au total, l’entreprise a récupéré l’équivalent de 26 heures par semaine de temps productif. C’est comme si elle avait embauché un collaborateur à temps partiel, sans les charges.

Ce que ce projet nous a appris

Trois leçons clés de cette implémentation :

1. L’IA n’est pas la star du projet. Elle est un accélérateur. Le vrai travail, c’est la compréhension du métier, la modélisation des processus et l’architecture de la solution. L’IA rend le développement 3 à 5 fois plus rapide, mais elle ne remplace pas la réflexion.

2. Le sur-mesure bat le générique quand le métier est spécifique. Un ERP standard aurait coûté autant (licence + personnalisation + formation) sans couvrir les besoins réels. Le sur-mesure coûte le même prix et colle parfaitement.

3. L’autonomie client est non négociable. Le client modifie lui-même ses templates de devis, ajoute des catégories de produits, ajuste les seuils de stock. Il ne dépend de personne pour les opérations courantes.

Conclusion : votre métier mérite un outil qui lui ressemble

Si vous utilisez encore un patchwork d’outils mal connectés, vous perdez du temps et de l’argent chaque jour. Un ERP sur mesure, construit avec l’IA, peut être opérationnel en quelques semaines et rentabilisé en quelques mois.

Chez PIWA, nous avons l’expérience de ce type de projet. Et chaque cas est unique.

Discutons de votre projet — 30 minutes pour comprendre si une solution sur mesure est la bonne approche pour votre entreprise.