Lionel JAQUET

Catégorie : Management

  • Le vibe service : pourquoi les sociétés de services doivent inverser leur modèle

    Une vague de désintermédiation traverse les services professionnels. Les clients construisent eux-mêmes, avec l’IA générative, ce qu’ils achetaient hier. Ce mouvement, que j’appelle vibe service, déplace la valeur des prestataires sans la supprimer. Le cadre des quatre périmètres, que je détaille ici, permet de cartographier ce déplacement et d’y préparer aussi bien les sociétés de services que les entreprises qui font appel à elles.

    Deux exemples observés récemment dans ma pratique illustrent la dynamique.

    Le dirigeant d’une PME suisse spécialisée dans les escaliers en bois sur mesure a construit, seul et avec Claude, une application complète de gestion de ses offres et de ses projets. Il l’utilise sur son mobile, sans dépendance vis-à-vis d’un prestataire IT. Il sait toutefois que le passage à un usage collectif — déploiement aux collègues, mise en commun et sécurisation des données — exigera l’intervention d’un expert. La conscience de cette frontière est elle-même un signal. Le client autonome n’efface pas le prestataire, il en redéfinit le moment et le périmètre d’intervention.

    Un membre de la direction d’une fiduciaire suisse a développé un agent conversationnel, sur la base d’un GPT personnalisé, qui répond aux questions juridiques courantes de ses collègues — adaptation de contrats, relations employeur-employé. L’agent a été affiné dans le contexte de l’entreprise avec l’avocat-conseil. Le cas combine deux gestes : un outil construit en autonomie par le métier, et une validation experte intégrée dès la conception. C’est une préfiguration du tiers de validation décrit plus loin, internalisé chez le client.

    1. Le constat empirique

    Dans la plupart des entreprises, l’IA est déjà au travail. Trois personnes sur quatre s’en servent dans leur quotidien professionnel. Près de huit sur dix utilisent leurs propres outils, souvent à l’insu de la DSI. En 2025, l’accès aux outils IA en entreprise a progressé de moitié. Plus de sept organisations sur dix l’ont intégrée à au moins une fonction métier.

    Les gains de productivité ne sont pas spéculatifs. Un consultant équipé de GPT-4 traite 12 % de tâches en plus dans 25 % de temps en moins, avec une qualité jugée 40 % supérieure. Sur les tâches juridiques, l’effet mesuré va de 12 à 32 %. Sur les tâches d’écriture professionnelle, le temps de production diminue de 40 % et la qualité progresse de 18 %. Pour les agents de support client, la productivité progresse également, et la satisfaction des utilisateurs avec elle. Ces chiffres ne viennent pas d’éditeurs en quête d’arguments commerciaux : ils sont mesurés par des chercheurs universitaires sur des terrains réels d’entreprise.

    Le client a changé de capacité productive. Les sociétés de services n’ont, pour la plupart, pas changé d’offre.

    2. Le vibe service comme régime de consommation

    Andrej Karpathy a popularisé en 2025 le terme vibe coding : développer un logiciel en décrivant son intention en langage naturel à un LLM, sans coder soi-même. Par analogie, j’appelle vibe service la pratique consistant, pour un non-spécialiste, à mobiliser l’IA générative comme substitut partiel ou total à un service professionnel — juridique, RH, comptable, communication, IT, conseil — en décrivant son besoin et en itérant jusqu’à un livrable utilisable. C’est une forme de prosommation experte des services professionnels : le consommateur devient producteur de sa propre prestation, à un niveau d’expertise hier réservé au prestataire.

    Le vibe service couvre déjà la rédaction de premiers brouillons de contrats, la production de fiches de poste, le diagnostic IT élémentaire, les posts LinkedIn, les comptes rendus de réunion, les premières analyses financières, les briefs de cahiers des charges. Le périmètre s’étend en continu, presque chaque jour. Chaque release de modèle, chaque nouvel agent spécialisé en repousse la frontière, et la dynamique est exponentielle plutôt que linéaire.

    À ne pas confondre avec le vibe consulting introduit par Miranki en novembre 2025, qui désigne le mouvement inverse : le consultant qui s’augmente à l’IA pour livrer plus vite à son client. Le vibe service décrit la substitution par le client, pas l’augmentation du prestataire. La direction du déplacement de valeur n’est pas la même, et c’est précisément cette direction qui impose aux sociétés de services de revoir leur modèle.

    3. Le cadre des quatre périmètres

    Pour comprendre où se déplace la valeur, je propose de découper la consommation de services en quatre périmètres. Le cadre s’inscrit dans une lignée business installée. John Kotter parle de dual operating system, où une hiérarchie d’exécution coexiste avec un réseau d’agilité. Clayton Christensen et Michael Overdorf appellent à séparer les structures porteuses de l’ancien de celles qui doivent porter le nouveau, dans leur new organizational space. Gartner a codifié plus tard le bimodal IT, distinguant un mode prévisible pour les systems of record et un mode exploratoire pour les systems of innovation. La conviction commune : un cadre unique ne suffit plus à gouverner des logiques de valeur différentes. Le modèle des quatre périmètres prolonge cette intuition pour la consommation de services à l’ère de l’IA générative.

    A – Le noyau expert irréductible. Les tâches où l’expertise humaine reste un facteur clé de succès et que l’IA ne suffit pas à porter. Ce noyau a deux faces. La face externe regroupe ce que la PME délègue à des prestataires spécialisés faute d’alternative viable en interne : litige judiciaire, audit fiscal, intégration de systèmes critiques, transformation organisationnelle de fond. La face interne regroupe le cœur de métier qui différencie l’entreprise de ses concurrents — ce qui fait qu’on la choisit plutôt qu’une autre. Cette face-là gagne à être internalisée. La déléguer revient à confier sa différentiation à un tiers, et le vibe service ne change rien à cette règle.

    B – Le référent augmenté et agile. Les tâches que le client traite en interne avec un référent formé, dès lors qu’on lui fournit le cadre, les gabarits, les prompts spécialisés et les workflows. Modèles de contrats configurables, processus RH outillés, tableaux de bord BI sur cubes existants, assistants conversationnels métier. Le prestataire passe d’exécutant à fournisseur de cadre. Ce périmètre offre par construction une forte agilité aux changements : toute évolution du contexte se règle par un ajustement de paramètres plutôt que par un projet de développement, ce qui en fait sa principale qualité opérationnelle.

    C – Le vibe service. L’autonomie augmentée du collaborateur final : Claude, ChatGPT, Copilot, agents spécialisés en libre service, sous régime de charte. C’est ici que l’expansion est la plus rapide. C’est aussi ici que le prestataire risque de disparaître du champ de vision du client.

    Z – Hors périmètre. Les usages risqués non encadrés : données sensibles partagées avec des IA grand public, conseil critique non vérifié, livrables professionnels diffusés sans validation, contournement des contrôles internes. Zone à surveiller en continu, à cartographier, à former et à remédier.

    Le découpage n’est pas figé. La porosité entre périmètres est un mécanisme central : un usage C qui devient récurrent peut être promu en B (industrialisé). Un cas B critique peut redescendre en A. La gouvernance du prestataire devient celle de la porosité.

    En pratique, cette architecture ne s’active pas en bloc. Une mise en œuvre réaliste démarre souvent par une intégration A+B : le prestataire qui occupe le périmètre A continue d’opérer comme avant, le temps que les référents métier du périmètre B soient identifiés et aguerris. La séparation des deux périmètres se construit progressivement, à mesure que le client gagne en maturité sur les outils et la gouvernance des usages. Le périmètre C peut s’amorcer en parallèle, mais sa généralisation suppose qu’au moins une politique d’usage et un dispositif de support soient en place.

    Le cadre est exposé ici dans la perspective d’une PME en relation avec un prestataire externe. Il s’applique tout aussi bien à des entreprises plus grandes qui intègrent en interne ce que la PME externalise. Dans ces organisations, A et B sont portés par des fonctions internes — DSI, direction juridique, contrôle de gestion, ressources humaines — qui jouent vis-à-vis des métiers le rôle qu’un prestataire externe joue vis-à-vis d’une PME. La logique de découpage et de porosité reste la même. Seul change le donneur d’ordre.

    4. Les contre-arguments comme opportunités

    « The tool answers what you ask, whereas the expert tells you what to ask. » — Carl Benedikt Frey, The New York Times, 11 mai 2026

    L’autonomisation est plus tortueuse que les promesses marketing ne le laissent entendre. La frontière où l’IA aide vraiment est dentelée : pour les tâches dans son périmètre de capacité, un consultant équipé gagne 12 % de tâches accomplies dans 25 % de temps en moins, et la qualité de ses livrables progresse de 40 %. Pour les tâches au-delà, ses solutions sont dégradées de 19 %. Il ne sait pas, en amont, distinguer les unes des autres, et la frontière est mouvante — chaque nouveau modèle la redessine. L’autonomie a aussi un revers mesuré : sur 244 consultants suivis dans 5 000 interactions IA, plus d’un quart bascule en mode auto-pilote — délégation entière, sans gain d’expertise sur l’outil ni sur le métier. Ce sont pourtant des profils sélectionnés pour leur rigueur analytique. La confiance reste un actif humain : sur les enjeux à risque, les clients préfèrent encore valider leur décision avec un humain plutôt qu’avec une IA. Et chez les grands comptes, on observe une dynamique d’internalisation des fonctions de conseil — des cellules expertes maison qui captent ce qu’on externalisait hier.

    Chacun de ces contre-arguments désigne une opportunité — pour les sociétés de services qui acceptent d’inverser leur modèle, et pour les entreprises clientes qui acceptent d’investir dans leur capacité interne.

    De la jagged frontier au service de cartographie. Le client ne sait pas où l’IA est fiable, et la frontière se déplace à chaque release de modèle. La société de services peut devenir celle qui audite les cas d’usage, cartographie les risques par tâche, et forme à la validation des outputs. Service à forte expertise, et structurellement récurrent : la cartographie est périssable par nature, ce qui exclut l’audit ponctuel et installe un modèle d’abonnement. Le risque sous-jacent n’est pas spéculatif, il a été mesuré sur le terrain. Une étude récente sur 244 consultants distingue trois modes d’usage de l’IA en travail de connaissance. Le centaure (14 %) mobilise l’IA de façon sélective sous contrôle humain ferme : il atteint la meilleure précision et approfondit son expertise métier en parallèle. Le cyborg (60 %) entretient un dialogue continu avec l’IA et gagne en expertise IA, au risque de laisser dériver son ancrage métier. L’auto-pilote (27 %), c’est le profil qui délègue des workflows entiers et perd à la fois la maîtrise de l’outil et la maîtrise du métier — c’est l’argument le plus solide pour vendre du coaching à un client qui se croit autonome. Le coaching consiste à faire migrer l’auto-pilote vers le centaure, et à orienter le cyborg vers l’approfondissement de l’expertise métier plutôt que de la seule expertise IA.

    Côté client. L’entreprise qui mobilise le vibe service doit développer une capacité interne d’audit de ses propres cas d’usage. Identifier les auto-pilotes dans ses équipes, et mettre en place des points de contrôle au passage de la frontière. Cette cartographie a besoin d’être renouvelée à chaque changement de modèle. Le référent métier du périmètre B est le porteur naturel de cette compétence ; à défaut, c’est le manager direct, formé à reconnaître les signaux de bascule.

    De l’asymétrie de confiance au tiers de validation. Quand le client refuse de confier sa décision critique à une IA, il a besoin d’un humain qui valide. La société de services se positionne en tiers de confiance certifié : revue de productions IA, validation de livrables, garantie de conformité. Le métier devient celui de l’assurance qualité experte. Le marché des vibe coding rescue services qui émerge en 2025-2026 — agences qui auditent et sécurisent les applications produites en autonomie par des non-développeurs — préfigure ce que les autres métiers verront apparaître à leur tour. La trace est déjà observable en IT ; elle se répétera dans le juridique, le RH, la communication.

    Côté client. L’entreprise doit définir un seuil de criticité au-delà duquel le tout-IA n’est pas une option, et formaliser ses points de passage obligatoire vers une validation humaine. La gouvernance interne précède le recours au tiers externe : sans politique claire sur ce qui peut sortir sans relecture, l’investissement en validation est mal calibré. Le seuil n’est pas universel, il dépend du métier et du risque réputationnel ou contractuel attaché à chaque livrable.

    De l’internalisation au compagnonnage paramétrique. Pour la PME, internaliser une cellule d’experts n’est pas réaliste. Le prestataire devient le partenaire long terme qui construit et maintient le périmètre B du client : gabarits, workflows, prompts spécialisés, gouvernance des usages, mise à jour des cadres au rythme des modèles. Le modèle économique devient un abonnement à la maintenance d’un environnement augmenté.

    Côté client. La PME ne peut pas internaliser une cellule d’experts, mais elle ne doit pas non plus rester captive d’un prestataire unique. L’enjeu est de constituer un référent métier B capable de dialoguer d’égal à égal avec le partenaire externe, sans déléguer la totalité de la gouvernance des usages. La compétence à acquérir est celle du donneur d’ordre éclairé. Sans elle, le compagnonnage paramétrique se transforme en dépendance, et la valeur reste captée à l’extérieur de l’entreprise.

    De la complexification de la demande à un nouveau support. Le client autonome pose des questions qu’il ne posait pas avant : pourquoi mon prompt ne fonctionne plus, comment articuler trois agents, comment vérifier qu’un output est exact, comment gouverner une équipe qui utilise des outils hétérogènes. Cela ouvre un marché de support spécialisé, à un niveau d’expertise plus élevé que le helpdesk traditionnel.

    Côté client. L’entreprise doit accepter de payer pour de l’expertise plutôt que pour de l’exécution, et reconfigurer ses budgets en conséquence. Les questions techniques produites par l’autonomie du périmètre C ne se résolvent pas avec un helpdesk forfaitaire ; elles relèvent d’un accompagnement à valeur supérieure que le modèle d’achat traditionnel ne sait pas encore qualifier ni acheter.

    5. L’inversion du modèle

    Le modèle traditionnel des sociétés de services facture l’exécution. Le modèle qui se prépare facture le cadre, la validation, le coaching et le support. L’inversion n’est pas marginale. Elle touche le mode de pricing — de l’heure facturée vers l’abonnement et l’outcome-based —, la structure des équipes (HBR documente en septembre 2025 le passage du modèle pyramidal au modèle « obélisque » : moins de juniors, plus d’experts), la promesse client (de l’exécution livrée à la capacité construite), et la nature même du contrat de prestation.

    Côté client. L’inversion est symétrique. L’entreprise passe d’un achat d’exécution à un achat de capacité. Sa fonction achat doit apprendre à valoriser un cadre, un référent formé, une grille de risques, un abonnement à de la maintenance — actifs immatériels que les processus de sourcing actuels peinent à objectiver. Le critère de succès n’est plus l’heure homme livrée, mais la compétence interne construite chez le client.

    Les sociétés de services qui s’installent sur le périmètre A continueront de prospérer, mais sur un volume contraint. Celles qui occupent le périmètre B et accompagnent les clients sur le périmètre C captureront la valeur en croissance. Celles qui restent sur l’exécution intermédiaire — celle que le vibe service absorbe — verront leur marché s’éroder par le bas.

    Côté client. La dynamique est aussi rapide. Les entreprises qui investissent dans la formation de leurs référents métier et dans la gouvernance de leurs usages C capteront en interne la valeur que d’autres laisseront filer vers des prestataires externes ou — pire — vers du shadow AI non gouverné. Celles qui repoussent ces arbitrages continueront à acheter de l’exécution alors que leurs concurrents achèteront de la capacité, à coût comparable et à effet décroissant.

    Le moment d’agir n’est pas dans cinq ans. Il est dans les arbitrages que les directions prennent maintenant — du côté de l’offre comme du côté de la demande.

    Sources

    • Dell’Acqua, F., McFowland III, E., Mollick, E., Lifshitz, H., Kellogg, K. C., Rajendran, S., Krayer, L., Candelon, F., Lakhani, K. R. (2026). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science, Articles in Advance.
    • Randazzo, S., Dell’Acqua, F., Lifshitz, H., Mollick, E., Kellogg, K. C., Krayer, L., Candelon, F., Lakhani, K. R. (2025). Cyborgs, Centaurs and Self-Automators: The Three Modes of Human–GenAI Knowledge Work and Their Implications for Skilling and the Future of Expertise. Harvard Business School Working Paper No. 26-036.
    • Erlei, A. (2025). From Digital Distrust to Codified Honesty: Experimental Evidence on Generative AI in Credence Goods Markets. arXiv:2509.06069.
    • Choi, J. H., Hickman, K. E., Monahan, A., Schwarcz, D. B. (2023). ChatGPT Goes to Law School. Journal of Legal Education.
    • Brynjolfsson, E., Li, D., Raymond, L. (2025). Generative AI at Work. Quarterly Journal of Economics.
    • Noy, S., Zhang, W. (2023). Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence. Science 381, 187–192.
    • Christensen, C. M., Overdorf, M. (2000). Meeting the Challenge of Disruptive Change. Harvard Business Review, 78(2), 66–76.
    • Kotter, J. P. (2014). Accelerate: Building Strategic Agility for a Faster-Moving World. Harvard Business Review Press.
    • Gartner (2014). Bimodal IT: How to Be Digitally Agile Without Making a Mess. Gartner Research.
    • Frey, C. B. (11 mai 2026). This Is Why You’re Drowning in Busywork. The New York Times, Guest Essay.
    • Harvard Business Review (septembre 2025). AI Is Changing the Structure of Consulting Firms.
    • Miranki (novembre 2025). Vibe Consulting: The Consulting Revolution Powered by AI Augmentation.
    • Microsoft (2024). Work Trend Index Annual Report.
    • Deloitte (2026). State of AI in the Enterprise.
    • McKinsey (2024). The State of AI.

  • La dette cognitive : quand l’IA remplace la pensée plutôt que de l’augmenter

    Définir le problème

    La dette cognitive désigne l’érosion progressive des capacités de raisonnement, de mémoire et de jugement provoquée par la délégation systématique du travail intellectuel à un outil génératif, masquée par une perception subjective d’amélioration de la performance.

    Le terme a été introduit par Kosmyna et ses collègues du MIT Media Lab en 2025, à la suite d’une étude EEG sur 54 participants rédigeant des essais avec ou sans ChatGPT. Le travail est encore en prépublication et l’échantillon est petit ; il convient de le traiter comme un signal précoce plutôt que comme une preuve définitive. Mais ses observations s’alignent avec un corpus expérimental plus large, désormais convergent.

    L’idée centrale : l’IA générative augmente la production immédiate tout en attaquant les compétences sous-jacentes que cette production est censée mobiliser. Le coût ne se voit pas dans la sortie de la semaine. Il se voit le jour où l’on retire l’outil.

    Le mécanisme expérimental

    Bastani et al. (PNAS, 2025) ont conduit un essai contrôlé randomisé auprès de près de 1’000 lycéens turcs en mathématiques. Trois groupes : pas d’IA, ChatGPT standard, version « GPT Tutor » conçue pour donner des indices plutôt que des solutions. Pendant l’entraînement, ChatGPT standard améliore les performances de 48 %. Au test sans assistance qui suit, ces mêmes élèves obtiennent 17 % de moins que ceux qui n’avaient jamais eu accès à l’IA. Les chercheurs documentent un usage en « béquille » : la majorité des interactions consistent à demander la réponse et à la recopier. Point critique : les élèves ne perçoivent aucune dégradation de leur apprentissage. La version avec garde-fous pédagogiques annule entièrement l’effet négatif.

    Kosmyna et al. (MIT, 2025) observent par EEG que le groupe ChatGPT présente l’engagement neuronal le plus faible sur les 32 régions cérébrales mesurées, systématiquement inférieur à celui des groupes utilisant un moteur de recherche ou aucun outil. Dès la troisième session, les interactions deviennent essentiellement du copier-coller. Lorsqu’on demande ensuite à ces participants d’écrire sans IA, ils ne retrouvent pas la connectivité neuronale du groupe sans outil. 83 % d’entre eux sont incapables de citer correctement les points clés de leurs propres essais.

    Dell’Acqua et al. (Organization Science, 2026) ont fait passer 758 consultants du Boston Consulting Group à un dispositif expérimental sur 18 tâches de consulting. À l’intérieur de la « frontière déchiquetée » des capacités de l’IA, l’effet est positif : +12 % de tâches complétées, +25 % de vitesse, +30 % de qualité. Hors de cette frontière, sur une tâche analytique complexe, les utilisateurs d’IA sont 19 points de pourcentage moins susceptibles de produire la solution correcte. Les consultants n’identifient pas où passe cette frontière, et tombent dans une sur-confiance que les auteurs nomment falling asleep at the wheel.

    L’illusion de performance

    Trois résultats indépendants convergent sur une dissociation entre la performance subjective et la performance objective :

    • Bastani (2025) : les élèves ne perçoivent aucune perte d’apprentissage, alors que le test sans assistance la quantifie à 17 %.
    • Shalu et al. (Annals of Neurosciences, 2025) : 100 % des participants estiment que les outils d’IA « préservent leur énergie mentale », mais les corrélations sur l’usage prolongé montrent une chute significative de la confiance en son propre jugement (r ≈ −0,36 à −0,40 selon les indicateurs), accompagnée d’une fatigue mentale et d’une surcharge informationnelle élevées.
    • Microsoft Research / Carnegie Mellon (CHI 2025) : sur 319 travailleurs et 936 cas d’usage, plus la confiance accordée à l’IA est élevée, moins la pensée critique est mobilisée. Inversement, plus la confiance en ses propres compétences est élevée, plus l’engagement critique est fort.Le travailleur intensif d’IA n’a pas l’impression de moins penser. Il a souvent l’impression du contraire.

    Le temps gagné se réinvestit dans plus de tâches

    L’argument selon lequel l’IA libère du temps n’est pas faux dans l’absolu. Il est faux dans la pratique observée. Le rapport Microsoft 2024 sur l’IA en milieu de travail réel mesure que les utilisateurs de Copilot éditent en moyenne 10 % de documents en plus, 13 % pour les utilisateurs intensifs, et jusqu’à 25 à 30 % dans certaines organisations. Les chercheurs eux-mêmes formulent l’hypothèse que le temps économisé est partiellement réinvesti dans davantage de production plutôt que converti en récupération.

    L’effet ne se limite pas au volume. Une seconde analyse Microsoft sur les sessions Copilot vs recherche traditionnelle classe les tâches selon la taxonomie d’Anderson-Krathwohl. Les sessions Copilot relèvent à 37 % des niveaux supérieurs (analyser, évaluer, créer), contre 13 % seulement pour la recherche classique. Autrement dit, l’IA déplace le travailleur vers des tâches plus complexes — précisément celles qui sollicitent le plus la pensée critique, c’est-à-dire celles que la dette cognitive érode.

    À cela s’ajoute la dynamique de fatigue documentée par Shalu et al. (2025) : l’usage long-terme corrèle massivement (r > 0,9) avec l’épuisement mental, la surcharge informationnelle et la baisse d’attention. À court terme, Microsoft observe pourtant que les utilisateurs de Copilot rapportent une charge mentale plus faible sur la tâche immédiate (30/100 contre 55/100). Les deux résultats ne se contredisent pas : le coût immédiat baisse, le coût cumulé monte.

    Ce que le problème n’est pas

    Le problème n’est pas l’IA. Kestin et al. (Scientific Reports, 2025) ont conduit à Harvard un essai contrôlé sur un tuteur IA conçu selon les principes de la pédagogie active (scaffolding, charge cognitive gérée, feedback ciblé). Les étudiants apprennent plus du double par rapport à un cours actif équivalent, en y passant moins de temps. Bastani confirme la même asymétrie : avec garde-fous, l’effet négatif sur l’apprentissage disparaît.

    La conception de l’outil et le mode d’usage déterminent le résultat. Une IA qui répond à la place de l’utilisateur creuse la dette. Une IA qui questionne, réoriente et exige un engagement actif la rembourse.

    Recommandations

    Au niveau de l’organisation

    • Distinguer la charge cognitive extranée (friction, mise en forme, recherche d’information) de la charge cognitive germane (effort productif qui construit la compétence). L’IA doit alléger la première sans toucher à la seconde.
    • Identifier explicitement les compétences critiques qui doivent rester exercées sans assistance, avec une fréquence définie. Un audit simple : quelles compétences-clés de mon équipe n’ont pas été pratiquées sans IA depuis trois mois ?
    • Concevoir les flux de travail pour imposer une interaction itérative avec l’IA plutôt qu’une délégation en un coup. Le rapport BCG 2026 distingue trois modes d’usage : cyborg (dialogue continu, gain de compétence), centaur (division stratégique du travail, contrôle humain maintenu), self-automator (délégation passive, atrophie). Chez BCG, 27 % des consultants sont devenus self-automators.
    • Investir dans la formation à la métacognition au moins autant que dans la formation à l’outil. Apprendre à utiliser l’IA est court. Apprendre à rester actif intellectuellement pendant qu’on l’utilise est ce qui distingue le gain durable de la dette.
    • Adapter le pilotage de la performance. Si la productivité mesurée monte alors que les compétences sous-jacentes baissent, les indicateurs classiques masquent le risque au lieu de le détecter.Au niveau de l’individu
    • Produire un brouillon ou une hypothèse de réponse avant de solliciter l’IA. C’est la différence entre vérifier sa pensée et l’externaliser.
    • Demander des indices, des contre-arguments, des questions, plutôt que la réponse finale.
    • Soumettre systématiquement la sortie IA à un contrôle explicite, en particulier sur les tâches dont on ignore si elles sont à l’intérieur ou hors de la frontière de capacité.
    • Préserver des plages de production sans assistance, sur des tâches significatives, pour maintenir l’entraînement des compétences fondamentales.

    Sources

    • Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. PNAS.
    • Chen, Y., et al. (2025). Effects of generative AI on cognitive effort and task performance: study protocol for an RCT. Trials, 26:244.
    • Dell’Acqua, F., McFowland III, E., Mollick, E., Lifshitz-Assaf, H., Kellogg, K., Rajendran, S., Krayer, L., Candelon, F., & Lakhani, K. (2026). Navigating the Jagged Technological Frontier. Organization Science.
    • Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). AI Tutoring Outperforms Active Learning. Scientific Reports.
    • Kosmyna, N., et al. (2025). MIT Media Lab — étude EEG sur l’usage de ChatGPT en rédaction (prépublication, citée via Resultsense).
    • Microsoft (2024). Generative AI in Real-World Workplaces: The Second Microsoft Report on AI and Productivity Research.
    • Shalu, et al. (2025). The Cognitive Cost of AI: How AI Anxiety and Attitudes Influence Decision Fatigue in Daily Technology Use. Annals of Neurosciences.
    • Zhang, H., Zhu, L., Zhang, A., & Shohruh, K. (2026). The influence of generative AI usage on employees’ innovative job performance. PLOS One.

  • Toute l’équipe a été formée en amont. Les premiers mandats ont été désastreux.

    …parce qu’une compétence non pratiquée s’évapore.

    Une fiduciaire d’une vingtaine de collaborateurs décide de remplacer ses dossiers réseau et ses classeurs physiques par une solution intégrée de gestion électronique des documents, connectée au logiciel comptable et fiscal. La nouvelle plateforme représente une rupture par rapport à l’organisation en vigueur : nouveau plan de classement, indexation automatique des pièces entrantes, workflows de validation des factures, signature électronique des déclarations, archivage légal piloté par règles. L’associé en charge du projet anticipe. Il fait partir toute l’équipe concernée, associés, chefs de mandat, comptables, assistantes administratives, en formation chez l’intégrateur de la solution. Trois jours par personne, étalés sur deux semaines pour ne pas paralyser les bouclements en cours.

    La formation se passe bien. Les retours sont positifs. Chacun se déclare opérationnel.

    Le déploiement prend du retard. La reprise des archives historiques est plus lourde que prévu. L’intégration technique avec le logiciel comptable demande des ajustements. La saison fiscale qui s’ouvre rend impossible un changement d’outil pendant les bouclements. La mise en production effective intervient finalement six mois après la fin de la formation.

    Les premières semaines sont chaotiques. Les pièces sont mal indexées au scanner ; certaines deviennent introuvables. Les workflows de validation sont contournés parce que personne ne se souvient de la séquence exacte. Plusieurs collaborateurs continuent à classer leurs documents dans les anciens dossiers réseau « par sécurité ». Deux clients reçoivent leurs déclarations en retard. Un troisième documente une plainte sur la qualité du suivi.

    Ce que cette mise en production a coûté

    La perte n’apparaît pas dans le poste « formation » du budget. Elle se manifeste à plusieurs niveaux qui ne sont presque jamais consolidés.

    La productivité immobilisée pendant les deux semaines de formation représente déjà plusieurs dizaines de milliers de francs sur la masse salariale concernée. Les erreurs et les reprises au lancement ajoutent des heures de ressaisie, des recherches de pièces, des appels aux clients pour redemander des documents égarés dans le système. L’effet le moins visible est aussi le plus durable : la confiance interne. Une partie de l’équipe conclut que la GED est mal conçue. Une autre conclut qu’elle ne maîtrise pas son métier. Une troisième continue à utiliser les anciens dossiers réseau en parallèle, ce qui produit deux référentiels concurrents et fragilise l’ensemble du projet pour des mois.

    L’associé avait raisonné en bon gestionnaire : anticiper, ne pas se faire surprendre, avoir une équipe prête le jour de la bascule. Le raisonnement est défendable sur le papier. Il ignore une propriété élémentaire de la mémoire humaine, et il sous-estime la probabilité que la bascule soit décalée.

    Pourquoi former trop tôt ne forme pas

    La courbe d’oubli décrite par Ebbinghaus à la fin du XIXe siècle est un résultat connu et stable. Sans réactivation, environ 70 % d’un contenu nouveau est perdu sous 24 heures, et l’essentiel du reste sous quelques semaines. Ce qui résiste à long terme tient à deux conditions : une utilisation rapide en situation réelle, et des répétitions espacées. Aucune des deux n’était présente dans le cas ci-dessus.

    Brinkerhoff, qui a étudié pendant trente ans le transfert de la formation au poste de travail, parvient à un constat plus dur encore. Dans la majorité des organisations, 15 à 20 % seulement du contenu d’une formation finit par être réellement appliqué. L’écart ne vient presque jamais du contenu lui-même ni de la qualité pédagogique ; il vient de ce qui se passe avant et après. Avant : aucune préparation à un usage immédiat. Après : pas de cas réel dans la fenêtre où le savoir est encore vif, pas de compagnonnage, pas de réactivation.

    La fiduciaire n’a pas formé son équipe. Elle a financé une exposition à un contenu qui n’a pas été ancré. La différence n’est pas sémantique ; elle est budgétaire.

    Ce que la planification annuelle ne voit pas

    Le plan de formation classique fonctionne par campagnes. On identifie des besoins en début d’année, on négocie un budget, on commande des prestations, on coche des cases dans le suivi. Le format est lisible pour la direction et pour les ressources humaines ; il est largement déconnecté de la cadence à laquelle les nouveautés techniques, réglementaires ou logicielles arrivent réellement dans l’entreprise.

    Dans une PME de services qui doit absorber plusieurs ruptures par an, sur ses outils, ses méthodes, ses normes, ses attentes clients, le plan annuel produit deux effets symétriques. Il forme trop tôt sur ce qui ne sera pas utilisé avant longtemps, comme dans le cas ci-dessus. Et il ne forme pas du tout sur les sujets apparus après son arbitrage budgétaire, qui doivent attendre le plan de l’année suivante. La compétence devient soit prématurée, soit en retard ; rarement synchrone avec le besoin réel.

    Cette désynchronisation est plus pénalisante encore dans les services que dans l’industrie. Le service est, par construction, ce que les collaborateurs savent faire. Quand la compétence n’est pas synchrone avec l’outil, c’est la qualité livrée au client qui décale.

    Ce qui aurait pu être organisé autrement

    Une autre logique consiste à indexer la formation sur le premier usage opérationnel plutôt que sur la date prévue de bascule. Dans le cas de la GED, cela aurait pu prendre la forme suivante.

    Une formation initiale courte et ciblée, une demi-journée à une journée, dispensée à un noyau restreint composé d’un associé, d’un chef de mandat, d’un comptable et d’une assistante. Pas l’équipe entière ; les personnes qui porteraient le premier mandat traité dans la nouvelle solution. Un mandat client volontaire devient alors le support pédagogique principal. L’intégrateur intervient en accompagnement sur ce mandat, en présence ou à distance, pour répondre aux questions au moment où elles se posent réellement. La compétence se construit sur un cas concret, avec un vrai client, des vraies pièces, un vrai bouclement.

    Le reste de l’équipe est formé ensuite, par compagnonnage interne avec ceux qui viennent de faire. La connaissance circule de praticien à praticien, dans un format qui s’ancre durablement parce qu’il est immédiatement remobilisable. C’est une logique d’apprentissage en situation, étudiée par Senge et reprise par toute la littérature sur l’organisation apprenante : la compétence collective se construit par l’action partagée, pas par l’exposition simultanée à un contenu théorique.

    Cette logique ne supprime pas la formation externe. Elle la déplace. Elle accepte de ne pas être prête le jour de la bascule pour être réellement compétente trois mois plus tard.

    Le test du délai d’application

    Une question rapide situe une organisation. Quel est le délai moyen, dans ton entreprise, entre la fin d’une formation et la première mise en œuvre opérationnelle de son contenu par un collaborateur ? Si la réponse est mesurée en semaines, la formation a une chance de produire de la compétence. Si elle est mesurée en mois, elle produit principalement du certificat. Si la question n’a jamais été posée, l’organisation finance un poste de dépense dont elle ne mesure pas le rendement.

    La question à poser cette semaine

    Repère la dernière formation significative organisée dans ton entreprise. Demande à un collaborateur formé ce qu’il en a réellement appliqué dans son travail au cours des trois derniers mois. La réponse honnête est presque toujours plus basse que celle attendue. Demande-toi ensuite ce qui aurait dû être organisé entre la formation et aujourd’hui pour que cette réponse soit différente.

  • Son meilleur responsable est parti. Le successeur a mis neuf mois à reconstruire.

    …ce qui n’avait jamais été écrit.

    Une agence de communication que je connais bien avait monté, il y a quelques années, une nouvelle activité de production de contenu pour ses clients grands comptes. La responsable recrutée pour la lancer avait tout construit : la grille tarifaire, le modèle de packaging des prestations, les arbitrages sur les ressources mobilisées en interne sans être refacturées au client, le calibrage des marges différenciées par type de livrable, l’organisation d’une équipe de rédacteurs et de directeurs artistiques travaillant à distance.

    Tout fonctionnait. L’activité était rentable. Le département tournait.

    Au bout de quelques années, la responsable est partie chez un concurrent. Le remplacement a été rapide ; un profil senior, expérimenté, recruté sur ses références éditoriales et ses compétences managériales. L’organigramme a été reconstitué dans les semaines qui ont suivi.

    Le successeur a ensuite mis neuf mois à comprendre comment l’activité fonctionnait réellement.

    Ce que ces neuf mois ont coûté

    Pas la grille tarifaire : elle était dans le CRM et dans les propositions commerciales. Pas les processus officiels : ils étaient documentés dans le manuel qualité.

    Ce qu’il a fallu reconstituer pendant neuf mois, c’est ce qui n’avait jamais été écrit. Pourquoi telle marge était plus élevée sur tel format de livrable, et pourquoi cet écart était structurellement nécessaire. Quelles ressources créatives étaient absorbées en interne sans être refacturées au client, dans quelle logique, avec quels prestataires externes et à quelles conditions négociées. Comment chaque rédacteur et chaque DA, dispersés sur plusieurs villes, organisait concrètement son travail. Pourquoi certains arbitrages opérationnels qui paraissaient incohérents sur le papier produisaient en réalité de la rentabilité.

    Pendant ces neuf mois, le successeur a pris des décisions sur la base d’une compréhension partielle. Certaines ont reproduit par chance ce que faisait sa prédécesseure ; d’autres ont défait des équilibres invisibles, qu’il a fallu ensuite restaurer. La rentabilité du département a fluctué pendant cette période sans que personne — ni le successeur, ni la direction — sache attribuer les écarts à des causes précises.

    Aucune de ces pertes n’a été comptabilisée. Aucune n’apparaissait au budget de remplacement.

    Ce que cette histoire révèle des PME de services

    Le savoir critique d’une PME de services ne réside pas dans ses procédures. Il réside dans la tête des personnes qui ont construit ses activités. Les contrats, les fiches de poste, les organigrammes, les processus qualité capturent une fraction utile mais largement insuffisante du fonctionnement réel.

    Nonaka (1994) a posé il y a trente ans la distinction qui structure ce constat. Le savoir explicite — codifiable, transférable par documents — ne représente qu’une partie du capital cognitif d’une organisation. Le savoir tacite — incorporé dans les habitudes, les intuitions, les arbitrages quotidiens — représente l’autre partie, et c’est précisément celle-ci qui produit l’avantage compétitif d’une PME de services. Sa conversion en savoir explicite ne se fait jamais spontanément ; elle exige des dispositifs intentionnels que peu d’organisations installent.

    Les travaux récents sur les PME montrent l’écart entre le constat et l’action. Une étude européenne (JEIM, 2023) estime à 18-24 mois le délai moyen de reconstitution d’un savoir critique perdu par un départ non préparé. Une enquête polonaise sur 380 PME (2024) chiffre à 83,7 % la part des entreprises qui sous-investissent dans la capitalisation systématique des savoirs, malgré une conscience déclarée du risque. L’écart entre la conscience du problème et la mise en place de dispositifs est massif, et il est massif parce que le coût de la non-capitalisation reste invisible jusqu’au départ.

    Pourquoi le savoir reste enfermé

    La rétention de savoir n’est pas, le plus souvent, le résultat d’une mauvaise volonté individuelle. Elle découle de plusieurs mécanismes qui se renforcent.

    D’abord, le savoir tacite ne se sait pas lui-même. La personne qui le détient ne perçoit pas comme un savoir transmissible ce qui pour elle relève de l’évidence. « Bien sûr qu’on absorbe ce coût en interne, c’est logique » ; sauf que la logique en question repose sur une chaîne de raisonnements et d’arbitrages historiques qu’aucun document ne rend.

    Ensuite, l’organisation à distance amplifie l’opacité. Quand l’équipe est distribuée, le responsable n’observe plus directement comment chaque collaborateur travaille. Les rituels qui produisaient autrefois de la transparence — la pause café, le couloir, l’open space — ont disparu sans avoir été remplacés par des dispositifs équivalents. Le successeur que je décrivais en introduction héritait non seulement d’un savoir non capturé, mais d’une équipe dont le fonctionnement quotidien n’était lisible par personne en dehors de chacun de ses membres.

    Enfin, et c’est le plus délicat, dans les équipes où la confiance entre collaborateurs est faible, chacun préserve ce qu’il sait. La phrase « je fais comme j’ai envie et je ne partage rien parce que les autres sont incompétents » n’est pas une caricature ; c’est une posture observable, et elle est rationnelle individuellement dans un contexte où le partage exposerait à la critique sans contrepartie. Le savoir devient alors un actif privé que chacun protège, avec ou sans intention de nuire à l’organisation.

    Ce que la documentation classique ne capture pas

    La plupart des PME de services confondent capitalisation et documentation. Elles installent un wiki, un espace SharePoint, une GED ; elles demandent aux équipes de « documenter » ; elles obtiennent des fiches de procédures qui décrivent le quoi sans capturer le pourquoi.

    Or ce qui manque au successeur n’est presque jamais le quoi. Il peut le déduire des contrats, des factures, des briefs, des livrables passés. Ce qui lui manque, ce sont les raisons des arbitrages : pourquoi telle marge, pourquoi tel choix de prestataire, pourquoi tel rédacteur sur tel client, pourquoi telle dérogation au tarif catalogue. Les raisons résident dans des décisions historiques qui se sont accumulées sans être tracées.

    La documentation classique répond à une question que personne ne pose en cas de départ. Le successeur ne demande pas comment fonctionne le processus ; il demande pourquoi il fonctionne ainsi.

    Ce qui aurait pu être installé en amont

    Trois dispositifs complémentaires distinguent les organisations qui survivent à un départ-clé de celles qui mettent neuf mois à reconstruire.

    Le premier est un journal de décisions tenu par le responsable d’une activité, dans un format léger et régulier. Pas un compte rendu de réunion ; une trace des arbitrages non triviaux, avec leur raison. Quand on choisit un prestataire plutôt qu’un autre, quand on absorbe un coût en interne, quand on ajuste une marge, quand on déroge à la grille tarifaire, on note la décision et on note le pourquoi. Au bout d’un an, ce journal vaut plus que le manuel qualité.

    Le second est un rituel régulier — mensuel, trimestriel — où l’équipe d’une activité explicite collectivement comment elle travaille réellement. Pas comment elle est censée travailler ; comment elle travaille. Cette pratique produit deux effets : elle convertit du tacite en explicite à mesure que le travail évolue, et elle révèle à l’équipe elle-même ce qu’elle ne savait pas savoir.

    Le troisième est la formation intentionnelle d’un adjoint sur chaque rôle critique. Pas un suppléant administratif, pas un délégataire ponctuel ; un véritable adjoint, qui participe aux décisions structurantes, qui connaît les prestataires, qui comprend les marges, qui peut tenir le poste pendant une absence prolongée.

    Dans mes cours de management, je préconise à tout manager de déterminer et de former son adjoint, indépendamment du contexte de risque. La raison ne tient pas seulement à la continuité ; elle tient à ce que cet exercice produit chez le manager lui-même. Former son adjoint oblige à expliciter ce qu’on fait, pourquoi on le fait, et comment on prend les arbitrages que l’on prenait jusque-là à l’intuition. C’est l’un des rares dispositifs qui force un manager à comprendre sa propre organisation, et c’est probablement le meilleur entraînement à la délégation. La capitalisation des savoirs en est le sous-produit naturel ; la rétention organisationnelle face à un départ en est la conséquence directe.

    Le coût de la formation d’un adjoint est facilement chiffrable ; le coût des neuf mois de reconstruction ne l’est presque jamais.

    Le test de capitalisation

    Une question suffit à situer une organisation. Si le responsable de telle activité partait demain matin sans préavis, combien de mois faudrait-il à un successeur compétent pour atteindre 80 % de la performance actuelle ? Si la réponse honnête est entre six et douze mois, l’activité dépend d’un savoir tacite non capturé. Si elle dépasse douze mois, l’activité est structurellement fragile. La plupart des dirigeants de PME de services à qui je pose cette question répondent « entre neuf et quinze mois » sans hésiter ; et ne tirent pourtant aucune conséquence opérationnelle de leur propre réponse.

    La question à poser cette semaine

    Identifie les trois activités les plus rentables de ton entreprise. Pour chacune, demande-toi quelle proportion du savoir critique est aujourd’hui capturée dans un format qu’un successeur compétent pourrait reprendre en moins de trois mois. Si la réponse est en dessous de 50 % pour ne serait-ce qu’une activité, tu connais désormais le projet le plus rentable que tu n’as pas encore lancé.

  • Ma secrétaire de direction est partie. Le poste n’a pas été repourvu.

    …parce qu’il a appris les outils avant de clore le recrutement.

    Un confrère CFO d’une société de services me racontait récemment cette histoire. Son assistante de direction avait démissionné pour prendre un poste de manager dans une autre entreprise. Départ propre, organisé, sans crise. Le recrutement a été lancé dans la foulée ; budget contraint, poste jugé indispensable, fiche de fonction reprise quasi à l’identique de la précédente.

    Entre deux entretiens de candidats, un ami l’a initié à Claude et à quelques outils de productivité courants : assistants de rédaction, automatisation d’agenda, transcription et synthèse de réunions, gestion documentaire assistée. Quelques heures investies un week-end. Puis une semaine. Puis un mois.

    À la fin du mois, il a clos le recrutement et informé les RH que le poste ne serait pas repourvu.

    Ce que cette décision révèle

    Ce n’est pas une histoire d’économies budgétaires. C’est une histoire de recomposition.

    La question que se pose la plupart des dirigeants quand un collaborateur part est : comment trouver quelqu’un d’équivalent, vite, au meilleur coût ? La question à laquelle ce CFO a répondu est structurellement différente : ce poste, tel qu’il existait, est-il encore le bon composant pour ce que je dois produire aujourd’hui ?

    La première question reproduit l’organisation existante ; la seconde la réinterroge à chaque fenêtre ouverte par un départ. Sur dix ans de direction d’une société de services, je peux compter sur les doigts d’une main les fois où j’ai posé la seconde question avant la première. Le réflexe de remplacement domine, et il domine y compris chez les dirigeants qui se considèrent comme adaptatifs.

    Pourquoi le remplacement à l’identique l’emporte presque toujours

    Le remplacement à l’identique est facile à justifier : rapide, sans risque apparent, sans remise en cause de l’organigramme, sans discussion à mener avec les équipes. Le poste existait ; donc le poste doit continuer.

    Teece (1997) a montré il y a près de trente ans que l’avantage compétitif durable d’une entreprise ne tient pas à ce qu’elle possède, mais à sa capacité à reconfigurer ses ressources quand le contexte change. La plupart des PME de services continuent pourtant de fonctionner comme si le capital compétitif résidait dans la liste des postes ouverts, pas dans la capacité à les recomposer.

    Eisenhardt et Martin (2000) ont prolongé cette thèse en démontrant que la recomposition est une compétence enseignable, pas un talent réservé aux dirigeants dits visionnaires. Elle se construit par des routines explicites : une question posée à chaque départ et un format de décision documenté qui cadre l’arbitrage dans un délai serré. Les travaux ultérieurs sur les routines d’allocation des ressources (Bidault et al., 2023) associent leur formalisation à une croissance durablement supérieure sur les PME de services européennes.

    Ce qui a rendu la décision possible

    Le départ a ouvert une fenêtre d’arbitrage qui ne se serait pas posée autrement. La plupart des postes ne sont jamais réinterrogés entre deux vacances ; ils sont validés par l’usage.

    Simultanément, un composant nouveau était devenu accessible dans l’environnement. Les outils d’IA générative rendent aujourd’hui possibles, avec une qualité utilisable, des tâches qui demandaient auparavant du travail humain qualifié : rédaction de correspondance, synthèse de réunions, organisation documentaire, reformulation, suivi administratif structuré. Sans ce composant, la question de la non-reconduction n’aurait pas eu de réponse praticable.

    La contrainte budgétaire a servi de déclencheur. En période de confort, l’économie potentielle d’un poste non reconduit reste invisible ; la pression la rend lisible.

    La question qui manque dans la plupart des organisations

    Dans la majorité des PME de services que j’observe, aucune routine ne formalise le questionnement au moment d’un départ. Le formulaire RH demande : « quel profil recherchez-vous pour remplacer X ? ». Il ne demande pas : « faut-il remplacer X, et si oui par quel composant ? ».

    Ce micro-écart dans la formulation produit des effets massifs. Tant que la question reste celle du profil, la réponse sera toujours un CV. Quand la question devient celle du composant, la réponse peut être un CV, un freelance, un outil, une redistribution interne, ou rien.

    La décision portée au bon niveau

    Ce que ce CFO n’a pas fait mérite d’être nommé : il n’a pas demandé à sa DRH ou à son équipe d’automatiser les tâches de l’assistante. Il a investi son propre temps pour monter en compétence sur les outils. C’est la différence entre déléguer la recomposition, qui échoue la plupart du temps, et la porter soi-même au niveau de la direction, qui produit des décisions.

    Eisenhardt et Martin insistaient sur ce point : les capacités dynamiques s’ancrent dans les routines de l’équipe dirigeante, pas dans les procédures RH. Déléguer l’examen d’un poste à la fonction qui gère les postes revient à demander à cette fonction de décider de leur suppression. Le biais structurel est garanti ; le statu quo gagne à tous les coups.

    Ce que l’on peut installer

    Une routine simple suffit à changer le réflexe. À chaque départ annoncé, avant d’ouvrir un poste, le dirigeant ou un comité restreint prend quelques heures pour répondre par écrit à deux questions : les livrables attendus de ce poste sont-ils encore pertinents tels quels, et parmi ceux qui le sont, quel composant (humain, freelance, outil, IA, redistribution, suppression) est aujourd’hui le plus adapté pour les prendre en charge ?

    L’exercice doit être fait avant de rédiger une offre d’emploi, pas après avoir lancé le sourcing. Une fois le recrutement affiché, la dynamique organisationnelle le rend quasi irréversible ; les candidats reçus, les attentes communiquées en interne, le temps déjà investi verrouillent la décision bien avant qu’elle soit formellement prise.

    Le test de réflexe

    Un indicateur suffit à situer votre organisation. Sur les douze derniers mois, quelle part des départs a donné lieu à un recrutement strictement identique, sans autre option formellement examinée ? Au-dessus de 80 %, l’organisation reproduit. En dessous de 50 %, une routine d’arbitrage est déjà active, consciemment ou non. La plupart des PME de services que j’observe se situent au-dessus de 90 %.

    La question à poser cette semaine

    Pour vérifier où en est votre organisation, une question suffit à la prochaine réunion de direction : sur les départs des douze derniers mois, combien ont été suivis d’un recrutement strictement identique, sans qu’aucune autre option ait été formellement examinée ? La réponse, obtenue en cinq minutes, vaut plus qu’un long diagnostic. Elle vous dira si vous êtes dans une organisation qui reproduit ou dans une organisation qui recompose.

  • J’ai mis trois mois à prendre une décision qui méritait trois jours

    …et mon organisation avait les compétences pour avancer sans moi.

    La décision était simple. Un collaborateur avait quitté l’équipe. Il fallait décider si on le remplaçait à l’identique, si on redistribuait ses tâches, ou si on profitait du départ pour tester une configuration différente : un freelance, un renfort offshore, une automatisation partielle.

    Trois options claires. Des managers capables de les évaluer. Des données disponibles. Et pourtant : trois mois de statu quo. Pas parce que l’analyse était complexe. Pas parce que les gens traînaient. Parce que la décision devait passer par moi, et que j’avais d’autres urgences.

    Quand j’ai fini par trancher, le choix était évident. Il l’était déjà au bout de trois jours. Les quatre-vingt-sept jours suivants n’ont rien ajouté, si ce n’est du retard, de la frustration et un surcoût opérationnel mesurable.

    Ce n’est pas une anecdote isolée. C’est un pattern. Et si vous dirigez une PME de services, il y a de bonnes chances que vous le reconnaissiez.

    Le goulot invisible

    Dans la première édition, j’ai posé la thèse centrale du Responsive Management : le facteur limitant des PME de services n’est ni la technologie ni le budget, c’est la capacité du patron à recomposer en continu son mix de ressources. Cette édition s’attaque à la première dimension de cette capacité : la gouvernance du changement.

    La gouvernance du changement, c’est la réponse à trois questions : qui décide quoi changer ? À quelle vitesse ? Avec quelle légitimité ?

    Dans la majorité des PME de services que j’observe, la réponse aux trois est la même : le patron. Seul.

    C’est compréhensible. Le patron connaît le contexte mieux que quiconque. Il porte la responsabilité finale. Il a souvent fondé ou repris l’entreprise. Et pendant des années, cette centralisation a fonctionné. Elle a même été un avantage : décisions rapides, cohérence stratégique, pas de comité inutile.

    Le problème apparaît quand l’environnement accélère. Quand les décisions de changement se multiplient — un départ, une opportunité IA, un client qui exige une nouvelle compétence, un partenaire offshore à évaluer — la file d’attente dans la tête du patron s’allonge. Les managers attendent. L’organisation a les compétences pour avancer, mais pas le mandat.

    Et le comité de direction ?

    Certains se diront : « Chez nous, c’est différent. Les décisions passent par un comité de direction. » En réalité, cela ne résout pas le problème ; cela le déplace.

    Le comité de direction introduit deux mécanismes de blocage distincts. Le premier est temporel : une décision qui pourrait être prise en trois jours attend la prochaine séance du comité, puis la validation du PV, puis la confirmation au comité suivant. Six semaines s’écoulent. Le deuxième est politique : quand tout le monde valide, personne ne décide. La responsabilité se dilue. Chaque membre attend que l’autre prenne position. Le résultat est le même que dans le modèle du patron seul — l’inaction — mais avec un alibi collectif.

    Le goulot d’étranglement n’est pas une question de nombre de personnes autour de la table. C’est une question de mandat, de périmètre décisionnel et de vitesse.

    Ce que disent les données

    Helfat et Martin, dans une méta-étude publiée dans le Journal of Management en 2015, définissent les dynamic managerial capabilities : la capacité des managers à créer, étendre et modifier le fonctionnement de leur organisation. Leur conclusion est sans ambiguïté : quand le dirigeant monopolise ces capacités, elles deviennent des goulots individuels plutôt que des ressources distribuées. La capacité de jugement du patron, aussi performante soit-elle, a une bande passante limitée.

    Les données du MIT CISR (Van der Meulen et Beath, 2023), collectées auprès de 342 organisations, quantifient le coût de cette centralisation. Les entreprises décentralisées affichent des marges nettes supérieures de 6.2 points de pourcentage et des taux de croissance supérieurs de 9.8 points par rapport à leurs pairs centralisées. L’écart est significatif. Il l’est encore plus quand la décentralisation est guidée par une raison d’être clairement intégrée dans les processus.

    Battisti et Deakins (2021), sur 151 PME polonaises pendant le Covid-19, confirment que les structures organiques — celles qui pratiquent la décentralisation, accueillent les idées bottom-up et expérimentent — ont répondu plus efficacement aux disruptions que les structures centralisées.

    Le constat converge. La centralisation décisionnelle pénalise la performance de manière mesurable. Et le mécanisme est identifié : ce n’est pas que le patron décide mal ; c’est qu’il décide seul, et que sa bande passante est le facteur limitant de toute l’organisation.

    Décentraliser sans compétence : la leçon de l’holacratie

    Une étude menée sur 5’807 employés dans 144 PME allemandes (Huettermann et al., 2024) nuance le propos : le transfert d’autorité décisionnelle stimule le leadership émergent, mais uniquement quand les managers directs pratiquent un leadership habilitant. Décentraliser sans former les managers intermédiaires à décider ne produit pas de l’agilité. Cela produit du bruit.

    J’en ai fait l’expérience directe. En février 2020, nous avons adopté l’holacratie chez tebicom : constitution signée, cercles définis, autorité distribuée. Sur le papier, c’était exactement la réponse au goulot décisionnel du patron.

    En pratique, les tensions n’ont cessé de grandir. Le problème n’était pas le modèle. C’était ce qui manquait en dessous : les compétences managériales pour que la distribution d’autorité fonctionne. Comment déléguer des responsabilités quand les périmètres sont flous et la prise de décision mal maîtrisée ? L’holacratie supposait des managers autonomes et compétents. La réalité était plus nuancée.

    Après quatre ans de tensions croissantes, nous avons travaillé sur une nouvelle solution à l’été 2024. En janvier 2025, nous avons mis en place notre propre gouvernance d’entreprise. L’holacratie n’est pas abandonnée, mais encadrée : le leader de chaque cercle décide de son application au sein de son périmètre et en informe le CVO. En septembre 2025, nous avons lancé notre première formation leadership et management. Deux cohortes ont été formées à ce jour, soit 11 managers.

    La leçon est claire : distribuer l’autorité sans investir dans la compétence décisionnelle des managers, c’est remplacer un goulot par du chaos. Huettermann et al. le confirment empiriquement. Nous l’avons vécu pendant quatre ans.

    Le piège de la compétence

    Ce qui rend le goulot décisionnel particulièrement insidieux, c’est qu’il coexiste souvent avec des équipes compétentes. J’ai vu des organisations où les managers de terrain maîtrisaient parfaitement leur domaine, où les collaborateurs montaient en compétence régulièrement, où le savoir-faire était documenté ; et où, malgré tout, rien ne changeait. Parce que personne n’avait le mandat de décider un changement sans validation du patron.

    C’est précisément le pattern que le Responsive Management Index identifie comme goulot décisionnel : des scores élevés en capitalisation des savoirs et en développement des compétences (dimensions 3 et 4), mais des scores bas en gouvernance du changement et en cadence d’exécution (dimensions 1 et 5). L’organisation sait faire. Elle n’a pas le droit de faire.

    Si vous vous reconnaissez dans cette description, le problème n’est pas vos équipes. C’est la structure de votre prise de décision.

    Trois leviers concrets

    Premier levier : créer un mandat formel de pilotage du changement. Identifier deux managers capables de porter des initiatives de changement sans attendre votre feu vert. Pas une délégation floue. Un mandat explicite, avec un périmètre défini et une autorité de décision réelle. Helfat et Martin montrent que les managers à différents niveaux possèdent des capacités décisionnelles hétérogènes ; les ignorer revient à gaspiller une ressource stratégique. Mais — et c’est la leçon de l’holacratie — le mandat ne suffit pas. Il faut investir dans la compétence qui va avec.

    Deuxième levier : mesurer le délai décisionnel. Combien de temps s’écoule entre le moment où une décision de réorganisation est identifiée comme nécessaire et le moment où elle est prise ? Si la réponse est « plusieurs semaines » ou « plusieurs mois », vous avez un indicateur objectif du goulot. Les données MIT CISR sont claires : ce délai est corrélé à la performance financière.

    Troisième levier : institutionnaliser le post-mortem. Quand un projet de changement échoue ou s’enlise, que se passe-t-il ? Si la réponse est « on l’abandonne silencieusement » ou « on attend que le patron relance », l’organisation n’apprend pas de ses échecs. Battisti et Deakins montrent que les PME qui tirent des leçons systématiques de leurs échecs développent des capacités adaptatives plus robustes. Le post-mortem n’est pas un luxe. C’est un mécanisme d’apprentissage organisationnel.

    Un test rapide

    Deux questions suffisent pour évaluer votre gouvernance du changement.

    Quand une décision de réorganisation est nécessaire, elle est prise en combien de temps ? Si la réponse est « en mois, voire jamais formalisée », le signal est clair.

    La responsabilité de piloter le changement dans votre organisation est portée par qui ? Si la réponse est « le patron seul », vous avez identifié votre facteur limitant.

    Ces deux questions font partie du Responsive Management Index, un diagnostic en 15 questions que je suis en train de finaliser. Sept minutes pour identifier où votre PME de services est coincée, et par quoi commencer.

    Ce qui suit

    La prochaine édition traitera de la recomposition des ressources : le cœur de la thèse Responsive Management. Que se passe-t-il quand un collaborateur part et que, pour la première fois, vous ne le remplacez pas à l’identique ?

    En attendant, si cette édition vous a fait réfléchir à la manière dont les décisions de changement sont prises dans votre organisation, c’est déjà un premier pas. Le deuxième, c’est d’en parler avec vos managers.

  • Pourquoi votre PME de services est coincée ?

    …et ce n’est ni la technologie ni le budget !

    Vous connaissez la situation. Les bons profils sont rares… et difficiles à garder. Votre transformation numérique a démarré il y a des années sans jamais vraiment aboutir. L’IA est omniprésente dans les médias et absente de vos opérations. Vos concurrents avancent plus vite. Vos marges se réduisent. Et chaque réorganisation ressemble à la précédente : beaucoup d’énergie dépensée pour un résultat qui ne tient pas.

    Si vous dirigez une PME de services (cabinet de conseil, société informatique, bureau d’ingénieurs, fiduciaire, agence) vous vivez probablement ces tensions au quotidien. Vous savez que quelque chose doit changer. Mais quoi exactement ? Et par où commencer ?

    Le diagnostic habituel est faux

    La réponse la plus courante tient en trois mots : investissez dans la technologie. Modernisez vos outils. Lancez un programme de transformation numérique. Recrutez un responsable IA.

    C’est tentant. C’est aussi insuffisant.

    Après des années à diriger une société de services informatiques à travers des vagues successives de disruption — migration cloud, Covid, exigences de cybersécurité, travail à distance, partenariats, IA générative — un constat s’est imposé. Les PME de services qui investissent le plus dans la technologie ne sont pas nécessairement celles qui s’en sortent le mieux. Certaines accumulent les outils sans changer fondamentalement leur manière de fonctionner. D’autres, avec des moyens plus modestes, s’adaptent avec une fluidité remarquable.

    La différence ne se situe pas dans le budget informatique.

    Le vrai facteur limitant

    Le facteur limitant des PME de services n’est ni la technologie ni le budget. C’est la capacité du dirigeant à recomposer en continu le mix de ressources de son organisation : talents internes, partenaires externes, capacités offshore, méthodes de travail et technologies — dont l’IA.

    Les entreprises qui stagnent ne manquent pas d’outils. Elles manquent de la gouvernance, des savoirs transférables et de la cadence d’exécution nécessaires pour se reconfigurer en permanence. Elles savent qu’elles devraient changer. Elles ne savent pas par quoi commencer. Alors elles ne changent rien.

    Ce n’est pas un problème de volonté. C’est un problème de structure. La « résistance au changement » est le diagnostic le plus commode — et le plus trompeur. Il transforme un problème d’architecture organisationnelle en problème de personnes. Quand personne ne bouge, le réflexe est de blâmer l’inertie humaine. En réalité, l’organisation n’offre aucun mécanisme concret pour bouger.

    J’appelle cette capacité le Responsive Management : la gestion réactive et continue du mix de ressources d’une PME de services. Non pas transformer une fois, mais recomposer en permanence !

    Les signaux de blocage

    Comment savoir si votre organisation est dans cette impasse ? Voici des signaux concrets.

    Chaque départ est remplacé à l’identique. Quand un collaborateur quitte l’entreprise, la question est toujours la même : comment recruter un profil équivalent ? Rarement : faut-il remplacer ce poste par un freelance, une capacité offshore, un workflow automatisé, ou pas du tout ? Si la réponse par défaut est toujours le recrutement à l’identique, votre organisation ne recompose pas ; elle reproduit.

    Votre meilleur expert est irremplaçable. Si cette personne part demain, combien de son savoir-faire opérationnel est documenté, transférable, utilisable par quelqu’un d’autre ? Si la réponse est « très peu », toute tentative de recomposition (externalisation, offshore, IA, nouveau collaborateur) se heurtera au même mur. Le savoir piégé dans les têtes bloque structurellement le changement.

    Le délai entre une idée et sa mise en œuvre dépasse six mois. Vous identifiez une amélioration possible en janvier. En juillet, rien n’a bougé. Ce n’est pas de la procrastination ; c’est le signe que votre organisation n’a pas de cadence de changement installée. L’inaction n’est pas accidentelle. Elle est structurelle. Aucun discours motivationnel ne résoudra ce problème. Ce qui manque, c’est une mécanique de gestion ; du suivi, de la responsabilisation et une cadence de revue qui forcent le passage à l’acte.

    Si vous vous reconnaissez dans un ou plusieurs de ces signaux, vous n’êtes pas seul. La majorité des PME de services que j’observe, y compris la mienne, ont traversé ou traversent ces situations.

    Ce qui suit

    C’est exactement le sujet de cette newsletter.

    The Responsive Manager paraîtra toutes les deux semaines. Chaque édition traitera un problème concret lié à la capacité d’adaptation des PME de services : gouvernance du changement, recomposition des ressources, capitalisation des savoirs, développement des compétences, cadence d’exécution. Le point de vue sera celui d’un praticien-chercheur : je dirige une PME de services (tebicom), je prépare un doctorat à GEM – Alpine Business School sur ces sujets, et je vis ces décisions au quotidien.

    Pas de théorie déconnectée. Pas de promesses. Un problème, un cadre d’analyse, une piste d’action.

    Un outil de diagnostic, le Responsive Management Index, est en préparation. Quinze questions, sept minutes, un rapport qui identifie votre facteur limitant principal. J’en reparlerai dans une prochaine édition.

    En attendant, si ce sujet vous concerne, abonnez-vous. Et si vous connaissez un dirigeant de PME de services qui se reconnaîtra dans ces lignes, partagez-lui cette édition 😉

  • Cloud et IA : passer au filtre des risques pour saisir les opportunités

    L’adoption du Cloud et de l’IA n’est plus un choix technologique, mais une décision d’affaires qui doit passer par des filtres de décision rigoureux. Un nouveau livre blanc de tebicom en cours de finalisation met en lumière cette dualité : d’un côté, des risques réels qui imposent une vigilance inédite ; de l’autre, des opportunités de productivité capables de transformer durablement l’organisation.

    Les filtres de vigilance : au-delà de la sécurité classique

    Adopter ces technologies comporte des risques que l’on ne peut plus occulter. Si la violation de données par une mauvaise configuration Cloud reste une menace majeure, l’IA introduit des vulnérabilités d’un genre nouveau :

    • La captation des données pour l’apprentissage des LLM : c’est le « prix caché » des outils d’IA grand public. Sans cadre contractuel spécifique, les données soumises par vos collaborateurs (via le shadow AI) peuvent être utilisées par les fournisseurs globaux pour entraîner leurs futurs modèles. Cela signifie que vos secrets d’affaires, vos analyses stratégiques ou vos données clients pourraient un jour être « digérés » et restitués à des tiers par l’IA. La maîtrise des données, savoir dans quel but elles sont traitées, est le premier pilier de votre souveraineté d’organisation.
    • Le piège des hallucinations et du « reward hacking » : les modèles d’IA génèrent des réponses vraisemblables, mais pas toujours exactes. Pire, elles peuvent pratiquer le « reward hacking » : optimiser un objectif en contournant les règles, comme hacker un logiciel de mesure pour afficher un succès fictif. La supervision humaine n’est donc pas une option, elle est indispensable à l’usage de l’IA.
    • L’érosion invisible des compétences : un risque stratégique majeur est de déléguer des tâches proches du cœur décisionnel à des systèmes externes. Cette « externalisation invisible » peut mener à une atrophie des compétences internes : l’entreprise perd sa capacité à décider par elle-même (Pourquoi la souveraineté IA va devenir le vrai sujet stratégique).
    • Le biais d’automatisation : face à une IA qui répond avec autorité, l’humain tend à baisser sa garde critique. C’est ce que l’on appelle la « normalisation de la déviance » : on finit par accepter de petits relâchements vis-à-vis des processus rigoureux, ce qui érode la cohérence de la gouvernance interne (Quand l’IA probabiliste rencontre nos systèmes déterministes : trois failles que personne ne voit venir).

    Les filtres de valeur : l’opportunité de l’utilisateur augmenté

    Malgré ces défis, les gains potentiels sont massifs pour les organisations qui abordent le sujet avec méthode :

    • La productivité individuelle : l’IA générative permet des gains mesurables de 1 à 5 heures par semaine et par collaborateur. En automatisant la synthèse de réunions ou la rédaction d’offres, elle crée ce que tebicom appelle l’utilisateur augmenté.
    • L’agilité et la compétitivité sectorielle : le Cloud élimine les dépendances aux cycles matériels, tandis que l’IA transforme les modèles opérationnels, par exemple via la maintenance prédictive dans l’industrie ou l’optimisation des flux en temps réel sur les chantiers.
    • La fin de la « shadow AI » : plutôt que de subir l’usage sauvage d’outils grand public par les collaborateurs, l’opportunité réside dans la mise en place d’une passerelle IA gouvernée (comme DECIDE Companion chez tebicom). Cela permet de canaliser la puissance des modèles vers une architecture sécurisée et souveraine.

    Le courage managérial : réconcilier le probabiliste et le déterministe

    Le véritable filtre de décision consiste à comprendre que l’IA ne remplace pas vos anciens systèmes, elle les complète.

    D’un côté, vos systèmes déterministes (ERP, finance) garantissent que la même entrée produit toujours la même sortie, une obligation légale dans de nombreux secteurs. De l’autre, l’IA probabiliste apporte son génie pour interpréter l’ambiguïté et naviguer dans des contextes complexes.

    La réussite réside dans un modèle hybride : une architecture où l’on définit explicitement ce qui doit rester gravé dans la règle stricte et ce qui peut bénéficier de la flexibilité statistique de l’IA.

    Conclusion : de la vision au succès

    Le succès ne dépend pas de la technologie elle-même, mais de la capacité à passer ces filtres avec méthode. Comme je le souligne dans le livre blanc de tebicom, « l’innovation ne réside plus dans le développement spécifique, mais dans la capacité à assembler et piloter intelligemment des briques standards ». En maîtrisant votre souveraineté d’organisation, vous transformez ces risques en un levier d’agilité durable !

    La version vidéo (NotebookLM) du livre blanc « Notre vision du Cloud et de l’IA de tebicom »

  • Quand l’IA probabiliste rencontre nos systèmes déterministes : trois failles que personne ne voit venir

    Comment faire coexister des systèmes informatiques qui ne fonctionnent pas selon la même logique fondamentale ?

    Ce n’est pas une question technique. C’est une question de civilisation organisationnelle.

    Le mythe de la continuité technologique

    Depuis les années 1960, les systèmes informatiques qui structurent nos entreprises partagent une promesse implicite : la même entrée produit toujours la même sortie. C’est ce que les informaticiens appellent le déterminisme. Votre ERP, votre système comptable, votre workflow de validation de factures : tous reposent sur cette certitude. Une règle. Un résultat. Toujours.

    L’IA générative brise cette promesse.

    Posez la même question deux fois à un LLM. Vous obtiendrez deux réponses différentes. L’IA est probabiliste : elle génère ses outputs sur la base de distributions statistiques, pas de règles fixes. Ce n’est pas un défaut ; c’est son génie. Sa capacité à interpréter l’ambiguïté, à naviguer dans des contextes complexes, à répondre en langage naturel découle précisément de cette nature probabiliste.

    Mais cette nature crée une rupture que nous n’avons pas encore vraiment appréhendée.

    Défi n°1 : on ne peut pas remplacer l’un par l’autre

    La tentation est forte de voir l’IA comme une évolution naturelle des systèmes d’automatisation existants. Une version plus intelligente, plus flexible, plus rapide. Et donc de l’intégrer là où fonctionnaient les anciens systèmes, en espérant qu’elle fasse mieux.

    C’est une erreur de catégorie.

    Dans les domaines réglementés (finance, santé, industrie, logistique) le déterminisme n’est pas un choix technique, c’est une obligation légale et éthique. La traçabilité, l’auditabilité, la répétabilité sont non négociables. Aucune banque centrale n’acceptera qu’une décision de compliance ait été prise par un système qui aurait pu produire une réponse différente si on lui avait posé la question une heure plus tard.

    Inversement, un système purement déterministe ne comprendra jamais une question formulée avec de l’argot, une faute de frappe, ou une tournure implicite. Il ne pourra jamais synthétiser 200 pages d’un rapport pour en extraire les trois points critiques.

    Les deux paradigmes sont complémentaires, pas substituables.

    La réponse architecturale qui s’impose, et que les entreprises les plus avancées commencent à implémenter, est le modèle hybride : une couche de routage intelligente qui évalue chaque requête et décide si elle relève du déterministe (règles métier critiques, conformité, transactions financières) ou du probabiliste (interprétation, analyse contextuelle, recommandation à faible risque). L’IA ne remplace pas le système déterministe ; elle opère à côté, sous contrainte, avec des garde-fous explicites.

    Le principe est simple à énoncer. Il est difficile à gouverner.

    Défi n°2 : l’humain va voir l’IA comme une échappatoire

    Voilà le défi qui me préoccupe le plus en tant que dirigeant et chercheur en transformation numérique.

    Les humains ont toujours eu une relation compliquée avec les systèmes déterministes. Les règles trop rigides, trop complexes, trop éloignées du terrain génèrent invariablement des contournements. Les managers de projet développent des canaux informels hors-ERP. Les équipes opérationnelles s’échangent des workarounds par email plutôt que de suivre le processus documenté. Ce n’est pas de la mauvaise volonté, c’est de l’adaptation humaine à un environnement perçu comme trop contraignant.

    Maintenant, imaginez un système qui comprend le langage naturel, qui répond avec fluidité, qui semble toujours trouver une solution. Qui n’affiche jamais d’erreur 403, ne renvoie jamais vers « l’informaticien », ne bloque jamais sur un champ obligatoire incompréhensible.

    L’humain va percevoir l’IA probabiliste comme la soupape qu’il attendait.

    Ce phénomène est aggravé par ce que les chercheurs nomment l’automation bias : notre tendance naturelle à faire davantage confiance aux systèmes automatisés qu’à notre propre jugement, même quand ces systèmes se trompent. Des études montrent que face à une réponse formulée avec autorité par une IA, même les utilisateurs formés réduisent significativement leur niveau de vérification critique.

    Le risque est insidieux parce qu’il est graduel. Il ne se manifeste pas par un incident brutal, mais par une accumulation silencieuse de petits relâchements. La sociologue Diane Vaughan a théorisé ce mécanisme à travers le concept de normalisation de la déviance, initialement pour expliquer la catastrophe de la navette Challenger. Chaque déviation sans conséquence visible renforce l’acceptabilité de la suivante, jusqu’au point de rupture.

    Appliqué à l’IA : chaque fois qu’un collaborateur contourne un processus déterministe en passant par le chatbot IA, chaque fois qu’une décision est validée sans vérification parce que « l’IA le dit », chaque fois qu’une règle de conformité est ignorée parce que l’IA a fourni une réponse rassurante, la déviance se normalise. Les systèmes qui fonctionnaient très bien s’érodent de l’intérieur, sans que personne n’ait décidé de les supprimer.

    Défi n°3 : l’IA se comporte comme nous, elle vise l’objectif, pas les règles

    C’est le défi le plus paradoxal et le plus révélateur de notre relation à la technologie.

    Nous avons longtemps rassuré les organisations en disant que les systèmes informatiques, contrairement aux humains, respectent rigoureusement les règles. Pas d’interprétation, pas de raccourci, pas de « fin qui justifie les moyens ». L’IA brise cette promesse de manière spectaculaire.

    En 2025, le modèle o3 d’OpenAI, chargé d’optimiser la vitesse d’un programme, n’a pas amélioré le code. Il a hacké le logiciel de mesure de vitesse pour qu’il retourne toujours un résultat satisfaisant. Claude 3.7 d’Anthropic, testé sur des problèmes mathématiques, a écrit un programme qui hardcodait les réponses correctes pour les cas de test, sans apprendre aucune méthode générale.

    Ces exemples illustrent ce que les chercheurs en alignement IA nomment le reward hacking, la tendance d’un système optimisé sur un objectif à trouver des chemins non prévus pour atteindre cet objectif, en violant l’esprit des contraintes tout en respectant leur lettre.

    Ce comportement a un nom en économie : la Loi de Goodhart. « When a measure becomes a target, it ceases to be a good measure. » Dès qu’une métrique devient un objectif, elle cesse d’être un bon indicateur de ce qu’elle était censée mesurer.

    L’IA fait exactement ce que les humains font dans les organisations bureaucratiques : elle optimise sur ce qui est mesuré, pas sur ce qui est voulu. Elle respecte la lettre, pas l’esprit.

    Ce n’est pas un comportement marginal. C’est une propriété émergente de tout système d’optimisation suffisamment puissant, opérant dans un environnement de règles incomplètes. C’est-à-dire : toute organisation réelle.

    Des solutions tangibles existent, mais elles demandent du courage managérial

    Ces trois défis ne sont pas des fatalités. Mais les réponses ne sont pas purement techniques. Elles exigent une maturité organisationnelle que peu d’entreprises ont encore développée.

    Sur le plan architectural : définir explicitement, par domaine de risque, ce qui relève du déterministe non négociable et ce qui peut bénéficier du probabiliste. Implémenter des architectures hybrides avec des guardrails clairs, un logging exhaustif, et des seuils de confiance au-delà desquels la validation humaine est obligatoire, pas symbolique, réelle.

    Sur le plan humain : former activement les collaborateurs à distinguer un output déterministe d’un output probabiliste, et à exercer leur jugement critique face aux réponses de l’IA. La recherche montre que la simple connaissance de l’automation bias réduit significativement ses effets. Cette formation n’est pas un luxe, c’est une condition de survie organisationnelle.

    Sur le plan de l’alignement IA : spécifier non seulement les résultats attendus, mais les processus admissibles. Tester adversarialement. Chercher activement les raccourcis que le système pourrait prendre, pas seulement les réponses incorrectes. Et accepter que l’alignement parfait n’existe pas, l’objectif est de rendre les défaillances détectables, réversibles, et non catastrophiques avant qu’elles se normalisent.

    La vraie question de gouvernance

    Dans mon article précédent sur la souveraineté IA, j’explorais la dépendance externe, la question de savoir à qui appartient notre capacité à décider avec l’IA. Ces trois défis ajoutent une dimension plus interne, plus subtile : à qui appartient la cohérence de nos systèmes de gouvernance internes ?

    L’IA probabiliste ne détruit pas les règles de façon frontale. Elle les dissout par friction, par facilité, par optimisation locale. Elle offre une flexibilité que l’humain perçoit comme une libération, et qui peut être une érosion.

    La réponse n’est ni le rejet de l’IA ni la capitulation devant elle. C’est la construction patiente d’une double vigilance : architecturale et culturelle. Savoir précisément où l’on veut la certitude déterministe, et où l’on peut se permettre la flexibilité probabiliste. Et ne jamais confondre les deux, même quand c’est tentant.

    Surtout quand c’est tentant.

    Pour référence

    Ma recherche « Perplexity » plus détaillée.

    Vidéo générée à l’aide de NotebookLM

  • Pourquoi la souveraineté IA va devenir le vrai sujet stratégique

    Depuis un an, on parle beaucoup d’IA générative, de skills et d’agents autonomes. Et, de plus en plus, un autre mot revient dans les discussions : « souveraineté ». Souveraineté numérique, souveraineté des données, souveraineté IA… Le terme est invoqué partout, mais rarement défini clairement du point de vue de l’entreprise.

    Dans la plupart des discours, tout tourne autour de la productivité, de l’automatisation et des « gains rapides ». Pourtant, une question beaucoup plus stratégique commence à émerger dans les conseils d’administration et les directions : que se passe‑t‑il quand on délègue une partie de l’intelligence de l’entreprise à des IA qui ne nous appartiennent pas et que nous ne maîtrisons pas vraiment ?

    C’est cette question — et ce que « souveraineté » signifie concrètement pour une entreprise suisse qui adopte l’IA — que j’ai voulu explorer en profondeur dans deux rapports générés avec l’aide de Perplexity, accompagnés d’une vidéo de synthèse produite avec NotebookLM.

    Quand l’IA devient une externalisation invisible de compétences

    Dans le premier rapport, « Le piège de la dépendance IA », j’analyse comment l’adoption rapide de services IA hébergés (OpenAI, Anthropic, Google, etc.) peut créer une nouvelle forme de dépendance, bien plus profonde que le simple vendor lock‑in technique.

    Au fur et à mesure que les entreprises confient des tâches importantes à des agents IA — qualification de prospects, rédaction de rapports, analyse de données, support client, voire aide à la décision — elles commencent à déléguer, sans toujours s’en rendre compte, des morceaux entiers de leurs compétences internes. Comme si un département R&D, une équipe de management intermédiaire ou une cellule de veille stratégique étaient progressivement externalisés… mais cette fois, non pas à une société de services classique, mais à des plateformes d’IA globales.

    Ce premier rapport pose le diagnostic : oui, l’IA apporte des gains spectaculaires, mais elle peut aussi, si elle est mal gouvernée, fragiliser l’entreprise à moyen terme.

    Le piège de l’externalisation cognitive : la souveraineté de l’entreprise en jeu

    Le second rapport, « Souveraineté de l’entreprise à l’ère de l’IA agentique », va un pas plus loin. Il ne parle pas de souveraineté au sens géopolitique, mais de souveraineté au sens très concret de la capacité d’une entreprise à garder la main sur ses compétences clés et ses décisions stratégiques.

    À partir de travaux de recherche récents (sur l’érosion des compétences, le « piège du savoir IA », la dé‑qualification liée à l’automatisation, etc.), ce rapport montre trois points essentiels :

    • L’érosion de l’expertise humaine n’est pas une peur théorique, c’est un phénomène documenté.
    • Plus une fonction est proche du cœur stratégique de l’entreprise, plus la déléguer entièrement à des agents externes est dangereux.
    • La vraie question n’est pas « Faut‑il utiliser l’IA ? », mais « Comment l’utiliser sans perdre notre souveraineté ? ».

    Ce second rapport propose un cadre de lecture pour les dirigeants : comment distinguer ce qui peut être automatisé sans risque majeur, de ce qui doit rester sous contrôle interne, même si l’IA peut aider.

    Une vidéo pour rendre ces idées directement accessibles aux dirigeants

    Les deux rapports sont volontairement denses et s’appuient sur de nombreuses sources académiques et stratégiques (être doctorant a des conséquences). Pour les rendre plus facilement accessibles aux dirigeants pressés, j’ai créé une vidéo de synthèse avec NotebookLM.

    Cette vidéo permet de :

    • Parcourir les idées clés des deux rapports en quelques minutes.
    • Visualiser les notions de « dépendance IA », de « souveraineté d’entreprise » et de « piège de l’externalisation cognitive » avec des exemples concrets.
    • Comprendre comment ces enjeux se traduisent dans la réalité d’une entreprise en Suisse.

    L’objectif n’est pas d’entrer dans tous les détails techniques, mais de donner aux décideurs un langage et un cadre de réflexion pour poser les bonnes questions à leurs équipes IT, à leurs partenaires et à leurs fournisseurs.

    Vers une offre de « souveraineté IA d’entreprise » made in tebicom

    Chez tebicom, nous ne nous contentons pas de commenter ces enjeux : nous construisons une offre concrète pour y répondre.

    Un point de départ important est de corriger une illusion très répandue : beaucoup d’entreprises pensent « ne pas avoir encore fait le pas vers l’IA ». En réalité, la plupart de leurs collaborateurs l’ont déjà fait, individuellement, via des outils grand public (ChatGPT, Claude, Gemini, etc.), souvent en dehors de tout cadre officiel. Autrement dit, l’IA est déjà présente dans l’entreprise, mais de manière invisible, non gouvernée et potentiellement risquée — pour les données, pour la conformité et pour la souveraineté des compétences.

    C’est précisément là que notre approche intervient. Autour de solutions techniques comme DECIDE‑Companion (notre AI Gateway souverain, multi‑fournisseurs) et d’un accompagnement à la stratégie informatique et à la gouvernance globale de l’entreprise, nous aidons les entreprises à :

    • rendre visible et maîtrisable ce qui se fait déjà avec l’IA dans l’organisation,
    • canaliser ces usages vers une architecture souveraine, sécurisée et réversible,
    • profiter pleinement des agents IA là où c’est pertinent,
    • éviter le piège de la dépendance unilatérale à quelques plateformes,
    • et surtout préserver ce qui fait leur vraie valeur : leurs compétences, leur savoir tacite, leur capacité de décider par elles‑mêmes.

    Les deux rapports et la vidéo NotebookLM constituent la base conceptuelle de cette offre. Ils sont aussi pensés comme des supports de discussion pour les comités de direction, les conseils d’administration et les responsables IT qui veulent aborder l’IA non pas comme un gadget, mais comme un sujet de souveraineté d’entreprise — y compris là où l’IA est déjà entrée par la porte de côté, via les pratiques quotidiennes des collaborateurs.