Les questions qu'on me pose le plus souvent.

Comment intégrer l'IA dans les métiers de l'entreprise ?

Je commencerais par ne pas chercher où mettre de l'IA.

Je chercherais d'abord à comprendre comment le travail se fait aujourd'hui : ce qui prend du temps, ce qui fonctionne mal, ce qui mobilise inutilement de l'énergie, mais aussi ce qui fonctionne très bien et qu'il serait dommage de casser.

Ensuite seulement : qu'est-ce que l'IA permet désormais de faire autrement ?

Cela peut conduire à automatiser une partie du travail, mais aussi à mieux préparer une décision, accéder plus vite à une expertise, redistribuer certaines tâches, simplifier un processus ou proposer un service qui n'était pas possible auparavant.

Concrètement, je pars de quelques situations de travail précises. Avec ceux qui les vivent, on identifie ce qu'on voudrait améliorer, on imagine une autre façon de faire avec l'IA et on en teste rapidement une ou deux.

L'enjeu n'est pas de mettre de l'IA dans les métiers. C'est de profiter de ce qu'elle rend possible pour mieux travailler.

Comment savoir par où commencer avec l'IA dans une entreprise ?

Souvent, le problème n'est pas qu'on ne sait pas par où commencer. C'est qu'on pourrait commencer partout.

RH, juridique, finance, commerce, opérations… Les idées arrivent vite. Et une entreprise peut rapidement se retrouver avec vingt cas d'usage sans savoir lesquels méritent réellement son énergie.

Je ne commencerais donc pas par un grand concours de cas d'usage.

Concrètement, je ferais trois choses : choisir un périmètre suffisamment précis, aller observer avec les équipes quelques situations où il y a manifestement quelque chose à gagner, puis sélectionner deux ou trois sujets à tester rapidement.

Pour chacun, je poserais avant de commencer une question simple :

Qu'est-ce qui devrait être différent dans quatre ou six semaines pour que nous considérions que cela vaut la peine de continuer ?

On passe alors de « que pourrions-nous faire avec l'IA ? » à « voilà ce que nous allons essayer de changer et comment nous saurons si ça marche ».

Vous pouvez aussi commencer par le diagnostic en ligne pour structurer votre premier regard.

Faut-il commencer par les outils IA ou par les façons de travailler ?

Si vous commencez par l'outil, vous trouverez toujours quelque chose à lui faire faire. Ce n'est pas forcément une bonne nouvelle.

Avec le digital, on partait souvent d'un projet relativement identifiable : digitaliser un parcours, dématérialiser un processus, créer un nouveau canal, déployer un nouvel outil. La technologie entrait dans l'organisation à travers un projet.

Avec l'IA générative, quelque chose est différent : elle peut entrer directement dans des dizaines de gestes du quotidien, comme écrire, chercher, analyser, comparer, synthétiser, préparer ou produire, parfois avant même que l'entreprise ait décidé ce qu'elle voulait en faire.

C'est précisément pour cela que je trouve encore plus important de repartir du travail.

Comment fait-on aujourd'hui ? Qu'est-ce qui prend du temps ? Où perd-on de la qualité ? Qu'est-ce qui fonctionne bien ? Puis : qu'est-ce que l'IA nous permet maintenant de faire autrement ?

Avec le digital, le risque était parfois de digitaliser l'existant. Avec l'IA, le risque est de multiplier les usages sans jamais redessiner le travail.

Comment identifier les usages de l'IA qui créent réellement de la valeur ?

Je me méfie des cas d'usage séduisants en démonstration.

Un assistant qui résume un document en dix secondes peut être impressionnant. Cela ne dit encore rien de sa valeur pour l'entreprise.

Je préfère partir d'un problème ou d'un résultat recherché : réduire un délai, améliorer la qualité, traiter davantage de demandes, fiabiliser une activité, mieux utiliser une expertise rare, améliorer l'expérience d'un client...

Puis on formule une hypothèse : si nous travaillions autrement grâce à l'IA, qu'est-ce qui devrait concrètement s'améliorer ?

Et je définis avant l'expérimentation quelques éléments très simples à observer. Pas quinze KPI : les deux ou trois qui permettront réellement de décider.

On teste ensuite sur le terrain, avec ceux qui font le travail.

C'est ce passage du possible au mesurable qui permet de distinguer une belle démonstration d'un changement qui vaut réellement la peine d'être fait.

Comment mesurer les gains liés à l'IA en entreprise ?

Je commencerais par ne pas additionner les heures « gagnées ».

Si 100 collaborateurs déclarent gagner deux heures par semaine grâce à l'IA, on obtient rapidement sur Excel un chiffre spectaculaire. Mais l'entreprise a-t-elle réellement gagné 200 heures ?

Pas forcément.

Ces personnes ont peut-être simplement plus de confort. Et ce n'est pas un problème : le confort au travail peut être un bénéfice parfaitement légitime. Mais appelons les choses par leur nom.

Concrètement, je définis les indicateurs avant l'expérimentation. Selon le sujet : temps de traitement, délai, volume, qualité, erreurs, satisfaction, capacité supplémentaire...

Puis je regarde ce que le gain obtenu permet réellement : traiter davantage ? répondre plus vite ? améliorer la qualité ? éviter une dépense ? consacrer davantage de temps au client ou à une activité importante ?

C'est pourquoi je distingue le gain pour la personne, le gain pour l'équipe et le gain pour l'entreprise. Un gain de temps n'est pas encore un gain pour l'entreprise.

Comment transformer les gains individuels liés à l'IA en valeur pour l'entreprise ?

Imaginons qu'un collaborateur gagne deux heures par semaine grâce à l'IA.

La question intéressante est : qu'est-ce qu'on fait maintenant de ces deux heures ?

Si rien ne bouge autour de lui, on a principalement créé du confort individuel. Cela peut être très positif. Mais ce n'est pas la même chose qu'un gain économique ou opérationnel pour l'entreprise.

Pour franchir cette étape, il faut parfois modifier un processus, les priorités, la répartition des rôles, les objectifs ou l'organisation du collectif.

Et c'est précisément ici que le management devient essentiel : quelqu'un doit transformer une capacité individuelle nouvellement disponible en une nouvelle manière de travailler collectivement.

Le véritable enjeu n'est donc pas seulement de produire des gains locaux. C'est d'organiser leur passage de la personne à l'équipe, puis de l'équipe à l'entreprise.

Comment décider si un usage IA doit être généralisé, modifié ou arrêté ?

Toutes les expérimentations IA n'ont pas vocation à devenir des projets.

Et arrêter un usage qui ne produit pas suffisamment de valeur n'est pas un échec.

Avant de tester, je précise ce que nous voulons voir changer : temps, qualité, délai, volume, satisfaction, capacité... et ce que cette nouvelle pratique doit apporter à ceux qui réalisent le travail.

Après quelques semaines, on met les résultats sur la table avec les personnes concernées et on prend une décision : on arrête, on ajuste, on poursuit ou on prépare la diffusion.

Je préfère cette logique à celle qui consiste à prolonger un pilote simplement parce que « techniquement, ça marche ».

La question n'est pas : « Est-ce que l'IA fonctionne ? »
C'est : « Est-ce que cette nouvelle façon de travailler fonctionne suffisamment mieux pour mériter de devenir la nouvelle façon de faire ? »

Comment favoriser l'adoption de l'IA par les équipes ?

Avec l'IA, l'adoption ne se passe pas tout à fait comme avec beaucoup de projets digitaux que j'ai connus.

Pendant longtemps, l'entreprise choisissait un outil, organisait son déploiement, formait les collaborateurs, puis cherchait à obtenir son adoption.

Avec l'IA, l'ordre peut être presque inversé. Des collaborateurs commencent à utiliser ChatGPT, Copilot ou d'autres outils de leur côté. Les usages apparaissent avant le projet et se développent très différemment selon les personnes.

On peut donc avoir beaucoup d'usage sans avoir réellement changé le travail.

Concrètement, je préfère choisir quelques pratiques à faire évoluer : préparer une réunion, analyser un document, rechercher une information, produire un premier livrable...

On teste une nouvelle façon de faire avec les équipes, on observe ce qui bloque, on l'ajuste. Puis, si elle fonctionne, on organise sa diffusion : règles communes, partage entre pairs, rôle du manager, formation ciblée et mesure des résultats.

Former aide à utiliser l'IA. Installer une nouvelle pratique demande de travailler sur le travail lui-même.

Pourquoi certains usages de l'IA ne se diffusent-ils pas dans l'entreprise ?

Parce que ce qui fonctionne très bien pour quelques personnes ne constitue pas encore une nouvelle façon de travailler pour toute une organisation.

Avant de généraliser un usage, je cherche à répondre à quatre questions : qu'est-ce qui fonctionne exactement ? Pourquoi cela fonctionne-t-il ici ? Qu'est-ce qui devrait changer pour que d'autres puissent travailler de la même manière ? Et quel résultat voulons-nous retrouver à plus grande échelle ?

Puis, plutôt que de déployer immédiatement, je préfère souvent tester la transposition sur une deuxième équipe.

C'est là qu'apparaissent les conditions invisibles du premier pilote : une expertise particulière, des données disponibles, le rôle du manager, certaines habitudes, des exceptions dans le processus...

Passer à l'échelle ne consiste pas seulement à diffuser un usage. Il faut rendre reproductibles les conditions qui lui permettent de créer de la valeur.

Comment répartir le travail entre l'humain et l'IA ?

Je ne crois pas beaucoup aux grandes listes « ce que fera l'IA / ce qui restera à l'humain ».

Avec beaucoup de projets digitaux, nous redessinions des processus autour d'un système. Avec l'IA, nous pouvons aller beaucoup plus loin dans le détail et rouvrir la boîte noire du travail lui-même.

Prenons l'analyse d'un document. L'IA peut rechercher, comparer, synthétiser, détecter des éléments ou préparer une première analyse. Mais qui connaît le contexte ? Qui interprète ? Qui arbitre ? Qui engage sa responsabilité ?

Concrètement, je prends une activité réelle, je la décompose avec ceux qui la font et nous testons plusieurs répartitions : ce que prépare l'IA, ce que vérifie la personne, ce qu'elle reprend, ce qu'elle décide.

Puis on compare avec la façon de travailler précédente.

L'objectif n'est ni de conserver le maximum de tâches à l'humain, ni d'en donner le maximum à l'IA. C'est de construire une meilleure façon de travailler.

Quel rôle les managers doivent-ils jouer avec l'arrivée de l'IA ?

Le rôle d'un manager n'est pas de demander à son équipe d'utiliser davantage ChatGPT.

Quand l'IA commence réellement à modifier le travail, les questions deviennent très vite managériales : que fait-on du temps libéré ? Quelles tâches deviennent moins importantes ? Lesquelles prennent davantage de valeur ? Faut-il modifier les rôles ? Les objectifs ? Les contrôles ? Les compétences attendues ?

C'est aussi pour cela que le manager est souvent le maillon qui permet, ou empêche, qu'un gain individuel devienne un gain collectif.

Concrètement, je travaille avec les managers sur les situations qui changent réellement : avant, comment faisait-on ? Demain, comment veut-on faire ? Qu'est-ce que cela change pour l'équipe ? Quelles décisions faut-il prendre ?

L'IA peut entrer dans l'entreprise par les outils. Mais dès qu'elle change vraiment le travail, elle devient aussi un sujet de management.

Comment éviter le décalage entre les ambitions IA de la Direction et la réalité du terrain ?

C'est un des sujets qui me paraît les plus importants.

En haut, une Direction peut chercher de la productivité, de la qualité, de la rapidité ou une évolution profonde d'un métier.

Sur le terrain, les équipes expérimentent et découvrent ce que l'IA leur fait réellement gagner, ce qui fonctionne et ce qui ne fonctionne pas.

Entre les deux, il y a le management. Et c'est souvent là que le gain se transforme, ou se perd.

Je travaille donc simultanément à trois niveaux.

Avec la Direction, pour clarifier ce qu'elle cherche réellement à obtenir et les décisions qu'elle est prête à prendre.

Avec les managers, pour traduire cette ambition dans les priorités, les rôles et l'organisation concrète du travail.

Avec les équipes, pour expérimenter dans le réel et comprendre ce qu'il faut conserver, modifier ou abandonner.

Et surtout, je crée des boucles courtes entre les trois : ce qu'on apprend sur le terrain remonte ; les arbitrages redescendent ; on ajuste et on mesure à nouveau.

Le sujet n'est pas d'aligner tout le monde autour de l'IA. C'est de créer une continuité entre ce que l'entreprise veut obtenir et ce qui change réellement dans le travail.

Comment aligner Direction, métiers et DSI autour de l'IA ?

En arrêtant, autant que possible, de commencer la conversation par l'IA.

Les métiers parlent de leurs contraintes. La DSI parle de technologie, de données, d'architecture et de sécurité. La Direction parle de résultats. Tout le monde peut avoir raison sans vraiment parler de la même chose.

Le travail réel constitue souvent le meilleur point de rencontre.

Que cherchons-nous à améliorer ? Comment cela fonctionne-t-il aujourd'hui ? Qu'est-ce qui pourrait être fait autrement ? Qu'attendons-nous comme résultat ? Comment saurons-nous que cela fonctionne ?

Concrètement, je mets les acteurs autour des mêmes situations de travail et des mêmes critères de décision.

Cela évite d'avoir d'un côté une liste de besoins métiers, de l'autre un catalogue de possibilités technologiques et au-dessus une Direction qui peine à arbitrer.

L'IA redevient alors ce qu'elle devrait être : un moyen de faire mieux, pas un sujet supplémentaire à gérer.

Dans quelles situations faire appel à OneSense ?

Pas nécessairement quand vous avez besoin de « plus d'IA ».

On m'appelle plutôt lorsqu'il devient difficile de savoir quoi en faire réellement.

Vous avez beaucoup d'idées mais vous ne savez pas par où commencer. Les équipes utilisent déjà l'IA mais vous avez du mal à voir ce que l'entreprise y gagne. Une expérimentation fonctionne mais ne se diffuse pas. Un métier veut comprendre ce qu'il pourrait faire autrement. Une Direction a besoin de prendre du recul sur ses choix.

J'interviens alors pour comprendre, mais surtout faire avancer : aller voir le travail, choisir ce qui mérite d'être changé, mettre Direction, managers et terrain en mouvement, expérimenter, mesurer et aider à décider de la suite.

Cela peut être ponctuel, porter sur un sujet à faire bouger ou prendre la forme de quelques jours par mois à vos côtés.

Qu'est-ce que la démarche ALIGN ?

ALIGN est une façon de ne pas commencer par la solution, et de ne pas s'arrêter à l'analyse.

La démarche suit cinq mouvements : Analyser le travail tel qu'il se fait réellement, Localiser ce qui mérite d'être amélioré, Imaginer ce que l'IA permet de faire autrement, Gagner & mesurer en expérimentant, puis installer de Nouvelles pratiques lorsque cela en vaut la peine.

Elle peut s'appliquer à une activité, un processus, une équipe ou un métier.

ALIGN n'est ni une offre commerciale ni une recette à appliquer mécaniquement.

C'est une logique simple :

Comprendre suffisamment pour agir.

Tester suffisamment pour apprendre.

Mesurer suffisamment pour décider.

OneSense est-il un cabinet de conseil en IA ?

Pas vraiment. Et c'est assez important pour moi.

Je ne vends pas d'outil, je n'intègre pas de solution et mon métier n'est pas de convaincre une entreprise qu'elle devrait mettre de l'IA partout.

Cela fait près de vingt ans que je travaille là où les nouvelles technologies rencontrent les métiers et les organisations. J'ai connu plusieurs vagues technologiques avant celle-ci. J'y retrouve des choses familières : l'enthousiasme, les expérimentations, les promesses de gains… puis la difficulté à faire réellement évoluer les pratiques.

Mais l'IA a aussi quelque chose de différent.

Elle peut entrer directement au cœur du travail intellectuel : écrire, analyser, chercher, synthétiser, produire, préparer une décision. Et elle peut être utilisée par les collaborateurs avant même que l'organisation ait décidé ce qu'elle voulait en faire.

C'est pourquoi mon sujet n'est pas de mettre davantage d'IA dans l'entreprise.

Je vais voir comment le travail se fait, ce que l'IA permet réellement de faire autrement, ce qui mérite d'être changé, puis j'aide les équipes à le tester et l'entreprise à regarder ce qu'elle y gagne.

Je ne suis pas là pour ajouter de l'IA au travail. Je suis là pour aider à construire le travail qui devient possible avec elle.