L'intelligence artificielle est désormais déployée presque partout. Copilotes, assistants, générateurs de texte ou de code : peu d'entreprises n'ont rien lancé. Pourtant, les résultats économiques tardent souvent à venir.
Ce décalage n'est pas un paradoxe. C'est un signal. Il dit une chose simple : diffuser un outil n'est pas transformer le travail. La valeur ne vient pas de l'accès à l'IA, mais de ce que vous en faites.
Le paradoxe apparent de l'adoption massive
Le constat est largement partagé. Une étude récente de Kyndryl, relayée par Le Monde Informatique, interroge plus de mille dirigeants sur leur préparation à l'IA. Une large majorité déclare avoir intégré l'IA à ses processus.
Mais une minorité seulement juge ses équipes réellement prêtes. Et peu d'organisations atteignent les objectifs qu'elles s'étaient fixés. L'écart entre l'usage et la préparation est le vrai sujet.
Ce décalage se lit partout. On mesure volontiers le nombre de licences ou d'utilisateurs actifs. On mesure rarement ce que ces usages changent, concrètement, dans le travail.
Diffuser un outil n'est pas transformer le travail
La confusion est naturelle. Un outil largement utilisé donne le sentiment d'une transformation en cours. La diffusion rassure. Elle ne prouve pourtant rien sur la valeur créée.
Un système génératif manie le langage avec fluidité. Cette aisance impressionne. Mais la fluidité d'une réponse ne dit rien de sa fiabilité, ni de son effet sur un processus réel.
Le même écart existe à l'échelle de l'organisation. Une IA disponible n'est pas une IA intégrée. La diffusion est visible et rapide. La maturité est lente, discrète, et bien plus difficile à obtenir.
Ce que l'IA déplace vraiment : l'infrastructure du travail
Pour sortir de cette confusion, il faut regarder l'IA autrement. Non comme un outil de plus, mais comme une couche d'infrastructure qui traverse l'organisation.
Une infrastructure ne crée pas de valeur par sa seule présence. L'électricité n'a rien changé tant qu'on l'a plaquée sur des ateliers pensés pour la vapeur. La valeur est venue quand on a repensé l'atelier autour d'elle.
L'IA suit la même logique. Greffée sur un processus inchangé, elle accélère une étape et s'arrête là. Intégrée à un travail repensé, elle change la façon dont l'information circule et dont les décisions se prennent.
Un exemple concret : l'outil ajouté, le processus inchangé
Prenons un cas courant. Une équipe adopte un outil d'IA simple pour rédiger ses comptes rendus, ses courriels ou ses fiches. Chacun gagne quelques minutes par tâche.
Le gain est réel, mais il reste local. Le processus, lui, n'a pas bougé. Les mêmes validations, les mêmes ressaisies, les mêmes allers-retours subsistent autour de l'étape accélérée.
Quelques mois plus tard, la déception pointe. L'outil est utilisé, apprécié même, mais le résultat d'ensemble n'a pas changé. On a outillé une tâche, pas transformé le travail.
Ce gain restera fragile tant qu'on s'arrête là. Un outil devient stable et efficace quand on retravaille la façon de faire elle-même, par itérations courtes, nourries des retours des utilisateurs. C'est ce travail, pas l'outil seul, qui installe la durée.
La vraie valeur naît du travail repensé
La bascule se joue ailleurs. Avant d'ajouter l'IA, il faut décomposer le travail réel en tâches. Puis décider, pour chacune, ce qui doit être supprimé, simplifié, assisté ou gardé sous responsabilité humaine.
Souvent, l'étape la plus utile n'est pas d'automatiser, mais de retirer. Une validation devenue inutile, une ressaisie évitable, un document que personne ne lit : l'IA n'a pas à les accélérer, elle a à les rendre superflus.
C'est à cette condition que le temps gagné devient un vrai gain. Non pas quelques minutes sur une tâche, mais un processus plus court, plus clair et plus fiable.
De l'organisation du travail à l'outil que toute l'équipe fait grandir
Rien n'a été figé d'un coup. L'outil est né d'une meilleure organisation du travail. Il est devenu un prototype, puis une application que toute l'équipe utilise, puis un système relié au chat de l'entreprise. Et il grandit encore.
Cette montée, nous l'avons parcourue sur nous-mêmes, sur notre propre chaîne de traitement des demandes entrantes. Tout commence loin du code. Nous préparons l'idée, le plan et les consignes avec des IA de conversation avancées, comme Fable 5 ou ChatGPT.
Vient ensuite un prototype d'un genre particulier. En son cœur, un référentiel qui décrit le métier, ses règles et sa manière de travailler. Autour, des commandes qui automatisent des étapes entières. Ce référentiel n'est pas un document mort : on le teste, on le corrige, on l'enrichit par itérations courtes.
Quand l'outil prouve sa valeur, il sort de l'usage d'une seule personne. Nous développons une application web connectée à un modèle d'IA. Ce qui vivait dans un outil d'expert devient un outil que toute l'équipe utilise au quotidien.
Nous allons plus loin encore. Nous relions cette application et son référentiel au chat de l'entreprise, Teams ou Slack, en y branchant un agent déjà préparé pour ce rôle, comme Hermes. Tout se retrouve connecté : l'équipe, sa messagerie, l'application et le référentiel. L'outil vient là où les gens travaillent déjà.
Et c'est là que l'histoire devient intéressante. Le référentiel continue de vivre, nourri par les retours des utilisateurs. Chaque usage réel affine une règle, comble un manque, corrige un cas oublié. L'outil s'améliore avec ceux qui s'en servent.
La dernière marche ajoute de l'automatisation supervisée. Des agents analysent une demande, proposent une décision, l'exécutent sur un périmètre borné, puis vérifient le résultat. L'humain garde la main : il fixe les règles, valide les actions sensibles et assume la responsabilité.
Une voie maîtrisable, pas un grand chantier
Ce chemin n'a rien de propre à notre métier. Il dessine une voie accessible à n'importe quelle entreprise : un périmètre choisi, une montée par étapes, une valeur mesurée avant d'élargir.
À chaque marche, deux choses restent protégées. Votre budget, car vous n'industrialisez que ce qui a prouvé sa valeur. Et votre maîtrise, car vous gardez la main sur vos données, vos décisions et votre capacité à reprendre l'outil.
L'IA déployée partout donne une impression de mouvement. Le vrai mouvement est ailleurs, moins visible : il tient à la réorganisation du travail autour de l'outil.
La bonne question n'est donc pas « où mettre de l'IA », mais « quel travail voulons-nous transformer ». La première mène à des usages dispersés. La seconde mène à de la valeur.
Un test simple permet de trancher. Retirez l'IA d'un de vos processus. Si vous ne perdez que la vitesse d'une étape, vous avez outillé une tâche. Si le processus lui-même redevient plus lourd, alors vous avez commencé à le transformer.
Ce test vaut aussi pour ceux qui vous accompagnent. Un bon partenaire a parcouru ce chemin sur lui-même avant de vous le proposer. C'est souvent ce qui sépare l'outil vendu du travail vraiment transformé.