Depuis 2023, je livre des systèmes IA qui roulent chaque matin dans des organisations réelles. Pas des démos. Pas des pilotes qui s’éternisent. Des systèmes que du vrai monde utilise pour travailler.
Trois ans, c’est assez pour voir des patterns. En voici cinq — ceux que les slides de conférence ne montrent jamais.
1. Le problème n’est jamais la techno
Moins d’un projet GenAI sur cinq génère de la valeur réelle. Et dans les échecs que j’ai vus de proche, la technologie n’était jamais la cause. Le modèle faisait sa job.
Ce qui plante, c’est toujours en amont ou en aval : on a choisi le mauvais problème, ou on a livré la bonne solution à des gens qui n’en voulaient pas. La techno, c’est le milieu du sandwich. Le pain, c’est le cadrage et l’adoption — et c’est là que tout se joue.
2. Une IA qui décide, on l’abandonne. Une IA qui argumente, on la garde.
Le réflexe naturel, c’est de bâtir un système qui donne des réponses. Mets 189 $. Envoie ce courriel. Commande tant d’unités.
Ces systèmes-là meurent en trois semaines, et voici pourquoi : la première fois qu’ils se trompent, la confiance tombe à zéro et ne remonte jamais.
Ce qui survit, c’est le système qui montre son raisonnement. « Je recommande 189 $ parce que la demande à J+7 est à 62 %, deux concurrents ont monté hier, et il y a un gros événement jeudi. » Un humain peut être en désaccord avec ça. Il peut vérifier, corriger, apprendre. La confiance se construit à chaque interaction — même quand le système se trompe.
L’explicabilité, c’est pas une exigence de conformité. C’est le mécanisme de survie du système.
3. L’adoption, c’est le seul KPI qui compte
J’ai vu des systèmes techniquement brillants mourir parce que deux personnes clés ont décidé de continuer « comme avant ». J’ai vu des systèmes moyens transformer une organisation parce que l’équipe se les était appropriés.
La précision du modèle, le temps de réponse, le coût par requête — tout ça est secondaire. La seule question qui compte : est-ce que du vrai monde l’utilise sans qu’on l’y oblige?
Et l’adoption ne se décrète pas. Elle se gagne en impliquant les utilisateurs avant d’écrire quoi que ce soit, en livrant imparfait mais vite, et en donnant toujours à l’humain le dernier mot.
4. La connaissance du métier bat le génie technique
Le système dont je suis le plus fier, je l’ai bâti sans écrire une ligne de code. Ce que j’ai apporté, c’est dix-sept ans à savoir pourquoi un gestionnaire hésite à monter un prix un mardi.
Cette connaissance-là, aucun modèle ne l’a. Aucun développeur non plus. Elle vient du plancher, et elle est distribuée dans la tête de millions de professionnels qui pensent que l’IA n’est pas pour eux.
C’est exactement l’inverse. L’expertise métier, c’est la matière première la plus rare du domaine. Le reste s’apprend.
5. Commence plus petit que tu penses
Chaque projet réussi que j’ai livré a commencé par une seule friction, choisie parce qu’elle coûtait cher et que personne ne l’avait nommée. Pas une « stratégie IA ». Pas une transformation. Une friction.
Le paradoxe, c’est que les petites victoires font les grandes transformations — jamais l’inverse. Le système qui libère six heures par semaine à une personne devient l’argument qui débloque le budget, qui rassure les sceptiques, qui donne le droit de s’attaquer au morceau suivant.
Si t’as une seule chose à retenir de mes trois ans de terrain, c’est celle-là : trouve la friction, livre petit, montre le raisonnement, et laisse l’adoption faire le reste.