Vous ne rattraperez pas votre retard en IA en sortant le chéquier

La plupart des entreprises ne veulent pas entendre ça: si vous avez laissé l’IA de côté jusqu’ici, signer un chèque ne suffira pas à régler le problème.

Je sais que ça paraît dramatique, peut-être même comme du catastrophisme de la part de quelqu’un qui cherche à vous vendre quelque chose. Ce n’est ni l’un ni l’autre. Cette fois, la situation est vraiment différente, et je veux vous expliquer pourquoi.

La méthode qui ne marchera plus

Les entreprises ont l’habitude de rattraper leur retard. C’est presque une stratégie d’entreprise: attendre qu’une nouvelle tendance fasse ses preuves, puis engager des consultants, racheter une startup ou augmenter le budget. Vous avez peut-être six mois de retard, voire un an, mais l’argent comble l’écart. Jusqu’ici, ça a toujours marché.

Avec l’IA, je ne pense pas que ça marche. Pour deux raisons.

L’apprentissage produit un effet cumulatif

Vos compétences en IA ne progressent pas de façon linéaire. Elles progressent de façon exponentielle. Chaque semaine passée à apprendre, expérimenter et construire rend la semaine suivante plus productive. Vous développez des intuitions. Vous découvrez des combinaisons. Vous vous appuyez sur ce que vous avez compris hier pour débloquer quelque chose aujourd’hui.

Voilà à quoi ressemble l’effet cumulatif dans la pratique. La personne qui a commencé il y a six mois n’a pas simplement six mois d’avance sur vous. Elle évolue dans une tout autre catégorie. Ses modèles mentaux sont plus riches, ses instincts plus affûtés. Elle voit des possibilités que vous ne pouvez même pas encore imaginer, parce qu’elle est sur le terrain depuis plus longtemps.

Et l’écart se creuse chaque jour.

Cette expertise ne s’achète pas

Deuxième raison: les personnes qui comprennent vraiment comment construire des organisations autour de l’IA — celles qui ont bâti les systèmes, les workflows, les architectures de connaissances — n’ont pas besoin de faire du conseil. Elles sont trop occupées à faire tourner leurs propres entreprises.

Le calcul est simple. Si vous savez réellement mettre en place une équipe d’agents IA capables d’accomplir en quelques heures ce qu’une équipe traditionnelle fait en plusieurs mois, pourquoi vendriez-vous ce savoir à la journée comme consultant? Vous l’utiliseriez pour construire quelque chose qui vous appartient. Vous créeriez des entreprises. Certaines personnes peuvent même diriger plusieurs entreprises presque seules, l’IA prenant en charge l’essentiel du travail.

Alors, quand les grands cabinets de conseil viendront frapper à votre porte pour vous proposer un « forfait de transformation IA », posez-vous la question: les personnes qui conçoivent ce forfait utilisent-elles réellement l’IA comme les meilleurs spécialistes sur le terrain? Ou resservent-elles des cadres méthodologiques découverts dans leurs lectures?

La transition est plus facile dans un sens que dans l’autre

C’est ce qui m’empêche de dormir. Il est bien plus facile pour une excellente entreprise technologique de se lancer dans n’importe quel autre métier que l’inverse.

Une entreprise technologique construite autour de l’IA qui veut se lancer dans l’assurance peut apprendre le métier. Elle peut acquérir ce savoir, engager des spécialistes du domaine, l’intégrer à ses systèmes d’IA et avancer étonnamment vite. Elle sait déjà construire, itérer et mettre l’IA au travail.

Mais une compagnie d’assurance qui veut se réinventer autour de la technologie? La transformation est fondamentalement plus difficile. La culture est différente. Les talents sont différents. Le rythme est différent. Il faut tout changer, et l’essentiel n’est pas technologique.

Claire l’a formulé bien mieux que moi. Les startups ont toujours été plus rapides que les entreprises établies: davantage à gagner, davantage à perdre et plus d’appétit. Mais l’écart de vitesse a atteint un niveau qu’il est vraiment difficile de se représenter. Une équipe construite autour de l’IA dès le départ peut accomplir en quelques heures ce qui prend des mois à une entreprise traditionnelle. Elle ne travaille pas plus dur; elle travaille d’une manière fondamentalement différente.

« Mais ce n’est sûrement pas si urgent »

Peut-être. Je peux me tromper sur le calendrier. Je dramatise peut-être l’ampleur. Mais prenons ce précédent:

Paul Krugman — lauréat du prix Nobel et l’un des économistes vivants les plus respectés — a prédit en 1998 que l’impact économique d’Internet serait « no greater than the fax machine’s » (autrement dit: ne dépasserait pas celui du fax). Il écrivait sur quelque chose qu’il ne comprenait pas assez profondément, et il s’est trompé de façon spectaculaire.

Tout dirigeant qui écarte aujourd’hui l’IA comme « un simple outil de productivité » ou quelque chose de « sans intérêt pour notre secteur » devrait se demander: mes prédictions reposent-elles sur une compréhension profonde acquise par la pratique? Ou suis-je, comme Krugman, en train d’affirmer des choses avec assurance sur un sujet auquel je n’ai pas consacré assez de temps?

La seule façon honnête de savoir ce que l’IA peut et ne peut pas faire, c’est de l’utiliser sérieusement. Pas en lisant des articles à son sujet. Pas en assistant à une conférence sur le sujet. Il faut aller sur le terrain: construire, expérimenter, échouer, apprendre.

Comment savoir si vous progressez

Très bien, disons que vous avez commencé. Vous suivez l’approche fondée sur le pull. Les gens expérimentent. Ça bouge. Comment savoir si ça fonctionne vraiment?

La question est vraiment difficile, et j’ai trouvé peu de personnes qui y répondent bien. Voici ce que j’ai appris jusqu’ici.

Au début, les anecdotes suffisent

Pendant les premières semaines et les premiers mois, vous cherchez des histoires. Des exemples concrets de personnes qui utilisent l’IA pour faire quelque chose de nettement mieux ou plus vite.

Chez Carewell, j’ai demandé aux premiers participants de partager ce qu’ils faisaient avec l’IA dans notre messagerie interne. Rien de formel, juste des messages informels. « J’ai utilisé Claude pour préparer la réunion client d’aujourd’hui. Il a rassemblé en 30 secondes tout le contenu de nos trois derniers échanges. » Ce genre de chose.

Cela vous apporte deux choses. Vous voyez ce que les gens font réellement. Et surtout, cela crée l’effet de pull. Quand le CEO écrit qu’il a préparé un dossier de candidature à un accélérateur en 30 minutes au lieu de quatre heures, les autres le remarquent. Quand il fait remonter en direct des indicateurs de l’entreprise pendant une réunion de direction, en posant une question en langage courant au lieu de construire un tableau de bord, les yeux s’écarquillent.

Ces moments sont vos preuves. Gardez-en la trace.

Repérez l’intérêt spontané

Le signal le plus fort que votre démarche IA fonctionne apparaît quand des personnes qui n’y participaient pas demandent à vous rejoindre. C’est le pull. Une demande réelle. Aucun sondage ni KPI ne le mesure aussi précisément que le simple fait de regarder qui vient frapper à votre porte.

Suivez ce que vous pouvez, sans tomber dans la sur-ingénierie

À mesure que l’usage augmente, vous pouvez commencer à suivre quelques éléments:

• Le nombre de personnes qui utilisent activement vos outils IA
• La consommation de tokens et le nombre de personnes qui atteignent leur plafond de tokens (c’est bon signe, en fait)
• Les contributions à votre base de connaissances
• Les gains de temps précis que les gens déclarent

Mais ne construisez pas un énorme tableau de bord analytique avant d’avoir quelque chose à analyser. Au début, parlez aux gens. Menez des entretiens informels. Demandez: « Qu’est-ce qui marche? Qu’est-ce qui ne marche pas? Qu’est-ce qui vous a surpris? »

Repérez les abandons silencieux

Le risque principal est l’abandon silencieux, bien plus que l’échec spectaculaire. Les gens essaient l’IA une ou deux fois, n’en retirent pas immédiatement de valeur et arrêtent discrètement de l’utiliser. Aucun tableau de bord ne vous le montrera. Vous ne le détecterez qu’en restant proche de votre équipe et en ayant de vraies conversations.

Si votre premier groupe de participants peine à en tirer de la valeur, vous avez un problème. Soit les outils ne sont pas assez bien configurés, soit les gens ont besoin de plus d’aide, soit les cas d’usage ne sont pas les bons. Réglez ça avant d’élargir le cercle.

À quoi ressemble l’effet cumulatif dans la pratique

Voilà comment ça s’est passé chez Carewell en quelques mois:

Mois 1: Je mets en place un système de connaissances de base. Il connaît notre entreprise, notre produit, notre marché. Il est utile, mais limité. Je suis le seul à l’utiliser sérieusement.

Mois 2: J’y ajoute des analyses de la concurrence, des enseignements tirés de nos clients, des informations réglementaires et des captures d’écran de notre produit. L’IA répond désormais à des questions sur notre entreprise de façon vraiment approfondie. Ma propre productivité a nettement augmenté.

Mois 3: Le CEO et deux autres membres de l’équipe commencent à utiliser le système. Chacun y ajoute des connaissances issues de son domaine. Le système commence à relier des informations entre services comme aucune personne ne pourrait le faire seule. Le CEO l’utilise pendant les réunions de direction. D’autres demandent à participer.

Mois 4: Le système contient désormais des centaines d’éléments de connaissance sur l’entreprise. Les nouveaux membres de l’équipe peuvent prendre leurs marques beaucoup plus vite. L’IA repère les contradictions entre ce que pensent différentes personnes. Elle signale les connaissances qui commencent à dater. Il devient vraiment difficile d’imaginer travailler sans elle.

Chaque mois s’est appuyé sur le précédent. Les débuts ont été lents. Les gains se sont accélérés. C’est l’effet cumulatif.

Ce que cela change pour vous

Je sais que tout ça peut sembler écrasant. « Génial, je suis déjà en retard et l’écart se creuse. » C’est la mauvaise nouvelle.

La bonne nouvelle: vous pouvez encore commencer. L’effet cumulatif joue en votre faveur dès que vous vous lancez. Vous ne pourrez jamais commencer plus tôt qu’aujourd’hui.

Vous n’avez pas besoin de construire un système massif dès le premier jour. Vous n’avez pas besoin d’engager une équipe IA. Vous n’avez pas besoin de budget. Commencez par changer de modèle mental: comprenez que l’IA est une brillante nouvelle recrue qui ne sait rien de votre entreprise, puis commencez à la former. Commencez avec un outil, un cas d’usage, une petite victoire.

Appuyez-vous là-dessus. Construisez un Company AI Operating System. Repérez les personnes curieuses et laissez-les montrer la voie. Alimentez le système en connaissances. Regardez l’effet cumulatif se mettre en marche.

Commencer petit n’est pas une erreur. Ne pas commencer du tout en est une.