Le changement d’échelle se construit dans le travail.

L’adoption n’est pas une stratégie.

Un salarié rédige plus vite. Il prépare mieux une réunion. Il trouve une réponse sans interrompre un collègue. Ces gains sont réels et utiles.

Mais le dossier peut continuer à attendre une validation. Le devis peut partir aussi tard. Le service peut rester incapable de traiter davantage de demandes. On a changé une tâche, sans changer le fonctionnement qui détermine le résultat.

Le temps gagné peut absorber une surcharge, améliorer la qualité ou se répartir dans la journée. Rien de cela n’a besoin d’être reproché aux équipes. Transformer ce temps en capacité utilisée, en marge ou en revenu demande une décision d’organisation.

Voilà le piège : prendre l’adoption par les collaborateurs pour la première étape d’une stratégie, puis attendre que la valeur remonte toute seule. Le point de départ doit être un résultat métier et le travail qui l’empêche.

Ethan Mollick décrit ce passage nécessaire du gain individuel au changement d’organisation dans Making AI Work: Leadership, Lab, and Crowd, mai 2025. Sa proposition donne aussi une place active aux expérimentations des équipes.

Automatiser vient en dernier.

Un agent sur un processus inutile produit du travail inutile à grande vitesse.

Avant de construire, il faut regarder ce qui se passe vraiment : les dossiers, les attentes, les informations manquantes, les reprises et les personnes qui savent traiter les exceptions. Puis questionner ce qui mérite encore d’exister.

On supprime, on simplifie et on redessine le flux avec les nouvelles capacités disponibles. L’IA entre dans la conception dès le départ ; l’automatisation vient après le choix du bon fonctionnement.

Le but est de produire davantage de résultats acceptables sans multiplier les coûts, les passages de relais et la charge au même rythme. C’est là que se construit un avantage difficile à rattraper : dans le contexte métier, les règles et les exceptions que le système apprend à traiter.

Cette discipline prolonge le principe de Michael Hammer : repenser le travail avant de mécaniser l’existant. Reengineering Work: Don’t Automate, Obliterate, 1990.

De l’intelligence à qui confier du travail.

Un système agentique peut recevoir un objectif, réunir le contexte, agir dans les logiciels et contrôler ce qu’il produit. Cette capacité exige davantage qu’un accès à un modèle.

Il faut décider ce que le système peut faire, avec quelles données, sous quels contrôles et quand il doit s’arrêter. Le code exécute les règles stables. Les agents traitent les variations et le contexte. L’humain garde des décisions identifiées, les exceptions sensibles et la responsabilité.

« L’humain dans la boucle » doit donc désigner une personne, un moment et une décision. Et cette personne doit recevoir les éléments nécessaires pour trancher.

Partager le risque se voit dans la rémunération.

Le premier engagement est un diagnostic de terrain court, ajusté au travail étudié. Il permet de mesurer le départ, de choisir une cible et de décider ce qui mérite d’être construit.

L’essentiel de la mission vient ensuite : réaliser, intégrer, tester, déployer et améliorer. Les honoraires de cette construction sont conditionnés à l’atteinte de résultats convenus avec le dirigeant.

Avant de construire, nous définissons le critère, la période de mesure, les exigences de qualité et les responsabilités de chacun. La rémunération ne doit pas dépendre d’un gain théorique raconté après coup.

Je propose la solution. Je partage le risque qu’elle ne produise pas le résultat attendu.

Voir le déroulement de l’intervention →