Ce que l'entreprise apprend
Comment l'IA transforme l'expérience en avantage — et redistribue la valeur
L'essentiel pour décider
Un déploiement d'IA engage davantage que la productivité immédiate. Les choix d'organisation influencent ce que l'entreprise conservera de son expérience, partagera entre ses équipes et pourra transmettre demain.
Notre conviction : l'expérience devient une source d'avantage lorsque les enseignements d'une intervention améliorent les suivantes. Cela suppose une mémoire des décisions, des compétences entretenues et une répartition explicite du travail entre les personnes et l'IA.
Trois conditions donnent une portée économique à cette ambition :
- Une utilité démontrée. Le service doit produire un effet pour le client, avec des coûts complets maîtrisés et une part de valeur que l'entreprise parvient à conserver.
- Une continuité éprouvée. Les gains doivent aussi permettre de former, de traiter l'imprévu et de poursuivre les fonctions essentielles lorsqu'une personne ou un outil manque.
- Une capacité transmissible. La connaissance doit rester exploitable, avec les droits, les compétences et les moyens nécessaires à sa reprise. C'est ce qui peut contribuer à la valorisation ; aucune « prime IA » n'est automatique.
Ces choix commencent dès les premiers usages, lorsque se fixent les habitudes et les dépendances.
Le premier chantier peut rester modeste : choisir un service récurrent, observer deux cycles de travail, puis introduire une perturbation contrôlée. Avant d'étendre, vérifier ce que le client y gagne, ce que l'entreprise en conserve et ce que l'équipe sait désormais reprendre.
Imaginons deux entreprises de services. Même chiffre d'affaires, même rentabilité, des équipes comparables. Toutes deux utilisent l'IA.
Dans la première, la préparation des dossiers s'est accélérée. Les plannings se sont remplis. Quelques experts portent toujours le contexte client et les décisions difficiles.
Dans la seconde, une partie du gain a servi à conserver les raisons des décisions et à former les collègues qui reprennent les dossiers. L'équipe garde un accès aux sources et du temps pour les cas inattendus.
Ces choix seront mis à l'épreuve lorsque l'expert sera absent, que l'outil manquera ou qu'un acquéreur examinera ce qu'il peut reprendre. Cette scène fictive illustre notre question ; elle n'en démontre pas la réponse : qu'est-ce qu'un déploiement d'IA laisse durablement à l'entreprise ?
Cette note prolonge « Tenir la barre » : comment faire de l'expérience une capacité collective qui serve le client, soutienne l'économie et prépare la transmission ?
1. Pourquoi les premiers déploiements engagent déjà l'avenir
La qualité des données compte depuis longtemps. Fichiers clients, procédures et bibliothèques de précédents existaient avant les modèles de langage. L'IA peut faciliter la recherche et le rapprochement de ces informations. Le gain dépend du travail nécessaire pour vérifier ce qu'elle en tire.
Un collaborateur peut préparer un échange à partir d'éléments dispersés entre dossiers et collègues. Mais il doit retrouver leur provenance et leurs conditions d'usage. « Le dirigeant refuse d'emprunter » peut être une information exacte et une très mauvaise mémoire. Refuse-t-il tout financement, une garantie particulière ou un projet devenu sans objet ? La date, les circonstances et la raison du choix déterminent ce qu'un collègue pourra en faire.
Une mémoire utile rend ainsi visible une part du savoir-faire : les vérifications réalisées, les explications écartées, la question qui a changé le diagnostic. Dans leur article sur le savoir tacite, Teresa Tung et Philippe Roussiere défendent l'importance de ce contexte.1 Le formaliser demande du jugement ; une base documentaire ne reproduit pas, à elle seule, un expert.
Les premiers usages installent déjà une manière de travailler. On choisit où conserver les corrections, qui entretiendra la mémoire et comment employer le temps gagné. Les raisons d'une décision deviennent difficiles à retrouver après coup. Les raccordements et les habitudes peuvent rendre un changement de prestataire plus coûteux.
Dès le premier service, un périmètre limité permet d'observer ce qui mérite d'être conservé, qui en a besoin et ce qu'il en coûte.
2. Comment l'expérience devient un avantage économique
Un cas réel : aider un conseiller pendant la conversation. Chez un éditeur de logiciels de gestion dont l'identité reste confidentielle, un assistant propose des réponses pendant les échanges avec les clients. Le conseiller peut les modifier ou les ignorer ; il reste responsable de la conversation.
Brynjolfsson, Li et Raymond étudient son déploiement progressif à partir des données de 5 172 conseillers. Le nombre de problèmes résolus par heure augmente de 15 % en moyenne, avec des gains plus importants chez les moins expérimentés. Les chercheurs observent aussi que les pratiques de communication des moins performants se rapprochent de celles des meilleurs.2
Ce résultat soutient l'idée d'une diffusion du savoir dans le travail. Il porte sur une entreprise et mesure une productivité opérationnelle, pas une hausse équivalente du bénéfice. Pour un cabinet, le passage à une offre de suivi mieux préparée reste à éprouver : le client doit en percevoir l'utilité et accepter son prix.
Trois mémoires soutiennent ce passage. La mémoire du client conserve le contexte et permet de poursuivre la relation. La mémoire du métier rassemble des raisonnements et leurs limites, réutilisables dans d'autres situations. La mémoire du service relie la promesse aux décisions, aux actions et aux effets observés. Leurs accès et possibilités de partage doivent être définis selon le contenu et l'usage.
Pour établir l'économie du service, compter aussi la vérification, l'entretien de la mémoire et le temps des seniors. Comparer la préparation seule serait trompeur si les corrections augmentaient en aval.
La tarification suit l'engagement que l'on sait tenir. Un abonnement peut rémunérer une revue régulière et un suivi d'actions. Un prix lié au résultat suppose de discuter l'attribution des effets, dont une partie dépend du client. La technologie ne règle pas ce choix commercial.
Organiser le passage de la connaissance à l'action. Il faut aussi préciser comment l'IA travaille avec ces mémoires : quelles informations elle reçoit, quelles étapes elle suit, quels outils elle peut utiliser et comment le résultat sera vérifié. Cet environnement d'exécution est souvent appelé harness. Dans ses essais sur des outils de développement logiciel autonomes, Anthropic décrit l'utilité des traces d'avancement et des vérifications pour reprendre le travail entre sessions.3
Cette organisation redistribue le travail. Pour notre rendez-vous, nous proposons que l'IA rassemble les éléments, prépare une synthèse et signale des écarts. Le préparateur vérifie les faits ; le référent discute les options avec le client, qui décide ; le responsable de mémoire intègre les suites confirmées. Ces fonctions peuvent être cumulées, mais leur attribution doit rester claire. Les permissions des outils doivent respecter cette répartition.
L'expérience menée chez P&G donne un aperçu de ce déplacement : sur des défis d'innovation produit, les participants assistés produisent des propositions combinant davantage les dimensions techniques et commerciales, quelle que soit leur spécialité.4 Cela invite à réexaminer les échanges entre métiers ; ce résultat ne démontre pas qu'un service puisse se passer de ses experts.
L'avantage concurrentiel pose une exigence supplémentaire : continuer à apprendre. Formaliser un savoir peut faciliter sa copie. Une archive perd de son intérêt lorsque le métier ou le contexte client change. Un nouvel entrant peut progresser vite sur un problème étroit, avec peu d'historique.
L'entreprise doit donc entretenir le cycle qui renouvelle sa connaissance : observer, proposer une explication, vérifier, agir, examiner les effets et corriger. Les échecs y ont leur place. Une méthode ancienne doit pouvoir être discutée, même lorsqu'elle vient du meilleur expert. L'histoire de l'entreprise devient utile lorsqu'elle améliore le prochain travail. L'avantage concurrentiel dépend aussi de ce que les autres savent proposer.
3. Réorganiser le travail pour rester capable de durer
Revenons à nos deux entreprises. L'expert habituel s'absente et l'assistant devient indisponible. Dans la première, les dossiers s'accumulent : les plannings sont pleins et le contexte reste concentré. Dans la seconde, imaginons qu'un collègue retrouve les sources, prépare les échanges essentiels et identifie ce qui doit attendre. C'est précisément la capacité qu'il faudrait vérifier en situation.
Olivier Hamant décrit la robustesse comme la capacité à rester stable et viable malgré les fluctuations. Il insiste sur les marges de manœuvre, la diversité des options et les redondances.5 Cette lecture invite à examiner ce qu'une optimisation pourrait fragiliser. Elle ne fournit pas une règle universelle pour dimensionner une entreprise.
Chez BCG, le même outil aide sur certaines tâches et égare sur une autre. Dans une expérimentation de 2023 auprès de 758 consultants, GPT-4 améliore la performance sur des exercices comme concevoir une chaussure, définir son marché et préparer son lancement.
Une autre tâche demande une recommandation pour une entreprise fictive, à partir d'un tableau chiffré et d'entretiens. Les entretiens contiennent des détails indispensables à l'interprétation des chiffres. Sur cette tâche, choisie parce que le modèle la traitait mal, l'accès à l'IA réduit de 19 points de pourcentage la probabilité de donner la bonne réponse.6
Ce résultat concerne une expérience et les outils de l'époque. Il rend néanmoins concrète une exigence : la revue humaine doit disposer des moyens de contredire la machine. Le professionnel doit pouvoir retrouver les sources, comprendre les incertitudes, demander une autre analyse et interrompre le travail. Ajouter une signature à une réponse que personne n'a le temps d'examiner ne remplit pas cette fonction.
Nous proposons donc de revoir la charge avec l'équipe : quelles tâches diminuent, quels contrôles apparaissent, qui traite les exceptions ? Si tous les dossiers accélérés attendent le même senior, le blocage a simplement changé de place. Prévoir ce temps et permettre aux collaborateurs de corriger les règles fait partie du déploiement.
Pour entretenir le jugement, nous proposons une pratique simple : sur un cas choisi, un junior formule sa lecture avant de consulter celle de l'IA, puis discute ses écarts avec un senior. Ce temps doit être prévu. Le résumé des travaux d'Acemoglu, Autor et Johnson distingue augmentation de productivité, diffusion de l'expertise et création de nouvelles tâches mobilisant les capacités humaines.7
Une partie des gains peut financer la capacité à faire face. Former un remplaçant et maintenir une solution de repli coûtent du temps et de l'argent. Leur intérêt économique dépend des interruptions qu'ils permettent de limiter et du service qu'ils préservent. Le dirigeant doit choisir les fonctions à protéger, puis éprouver les moyens retenus.
L'examen s'étend aussi au-delà de l'entreprise. L'introduction de Stratégies durables, ouvrage collectif dirigé par Geoffrey Martinache, invite à considérer les dépendances matérielles, humaines et territoriales de l'activité, les capacités à développer et les coopérations nécessaires.8
L'IA dépend d'infrastructures, d'énergie, de matériels et de compétences. Réduire les coûts en reportant la charge sur des partenaires peut fragiliser ceux dont on aura besoin demain. Une consommation plus faible par tâche peut aussi s'accompagner d'une multiplication des usages. Les indicateurs d'efficacité ne décrivent pas, seuls, les ressources mobilisées au total.
Partager des formats ou des pratiques de vérification peut faciliter les reprises entre acteurs, dans le respect des informations confidentielles. Certaines conditions de viabilité sont collectives ; l'entreprise qui y contribue n'en capte pas tous les bénéfices. La stratégie durable nous oblige à rendre ces arbitrages visibles, y compris lorsqu'ils ne se traduisent pas par un rendement financier immédiat.
4. Ce qu'un acquéreur peut réellement reprendre — et valoriser
Nos deux entreprises présentent maintenant leurs résultats à un acquéreur. Celui-ci voudra savoir ce qui dépend encore d'un associé, ce qui continuera après son départ et ce qu'il faudra investir pour entretenir le service. Une mémoire organisée peut éclairer ces questions. Son existence ne prouve pas que la seconde entreprise vaut davantage.
La réflexion sur la valeur des données précède cette vague d'IA ; l'IVSC lui consacrait déjà un document en 2024.9 Des travaux sur les investissements en IA et la valorisation apportent aussi des éléments, sans établir une prime pour notre dispositif.10 La question reste celle des revenus futurs, des dépenses nécessaires et des risques. L'IA peut en modifier les perspectives ; il faut relier chaque effet attendu à un mécanisme et à des observations.
Ces effets restent conditionnels. Une baisse des prix, une obsolescence rapide ou des coûts d'entretien trop élevés peuvent les absorber. Les synergies propres à un acquéreur doivent également être distinguées de la performance déjà construite par l'entreprise.
Il serait trompeur d'ajouter une « prime IA » ou une valeur autonome des données à une évaluation qui intègre déjà leurs bénéfices. Les mêmes gains ne se comptent pas deux fois. Une meilleure continuité ne suffit pas non plus à réduire arbitrairement un taux d'actualisation : il faut préciser le risque traité et sa place dans l'analyse.
La valeur économique se distingue enfin de la reconnaissance comptable. Dans le référentiel IFRS, IAS 38 encadre la reconnaissance des actifs incorporels et exclut notamment celle des listes de clients générées en interne.11 Une capacité peut contribuer à la valeur sans apparaître comme telle au bilan.
Il faut aussi pouvoir reprendre les règles de travail de l'IA, les modifier et les utiliser avec d'autres outils. Entretien, tests et compétences nécessaires ont un coût. Le fournisseur du modèle et celui de cet environnement peuvent être différents : les dépendances peuvent se cumuler. Une automatisation peut aussi propager une même erreur à grande échelle.
La documentation aide le repreneur à estimer ce qui continuera et ce qu'il devra reconstruire. Elle ne garantit pas le prix qu'il acceptera de payer.
Les droits d'usage font partie de cet examen. Détenir une information, l'exploiter pour un client et la transférer à un tiers relèvent de droits différents. Les règles rappelées par la CNIL pour la vente de fichiers clients à des fins commerciales illustrent cette distinction ; elles ne règlent pas toutes les formes d'acquisition d'entreprise.12
La sécurité fait partie de cette maîtrise. Une mémoire utile peut rendre plus accessibles des informations sensibles. Un assistant capable d'agir peut transformer une information manipulée en action inappropriée ; l'OWASP décrit les risques liés à des permissions et à une autonomie excessives.13 Les accès doivent correspondre aux besoins, et préparer une action ne doit pas donner automatiquement le droit de l'exécuter. Une consigne écrite ne garantit pas la protection technique.
Quelle part de sa performance l'entreprise sait-elle reproduire, adapter et transmettre ? Cette question donne un contenu concret à sa consistance. La réponse dépend autant des personnes et des droits que des données et des outils.
5. Par où commencer : un service, deux cycles, une perturbation
Pour éprouver la promesse, choisissons un rendez-vous dirigeant récurrent.
Avant de commencer, une petite équipe précise avec le client les décisions à accompagner et le suivi attendu. Elle relève un point de comparaison : temps de préparation et de revue, corrections, délais et coût d'un rendez-vous comparable. Si les dossiers diffèrent fortement, elle le signale avant de comparer. Avec les collaborateurs concernés, elle attribue préparation, contrôle, décision et entretien de la mémoire, prévoit le temps nécessaire et fixe les conditions d'usage et de poursuite.
Au premier cycle, l'équipe prépare un brief court et vérifie les faits importants. Après le rendez-vous, elle conserve les décisions et leurs raisons, avec un responsable et une échéance pour chaque action. Au suivi, elle distingue ce qui était prévu, ce qui a été fait et ce qui a changé pour le client. Un résultat favorable ne suffit pas à l'attribuer à l'IA ou à notre intervention.
Au deuxième cycle, un autre collègue prépare l'échange à partir de cette mémoire. Il relève les informations absentes, contradictoires ou périmées. Un débrief permet de corriger le dossier et de conserver un enseignement réutilisable, avec ses limites. On observe alors ce qui a été transmis et ce qui dépend encore du premier intervenant.
Une perturbation contrôlée complète l'exercice, sur des données fictives ou un dossier autorisé : l'assistant est indisponible, une source contredit la mémoire ou le référent habituel ne participe pas. L'équipe relève le service qu'elle peut encore assurer, les points où elle s'arrête et les moyens nécessaires à la reprise. Cet essai révèle certaines dépendances ; il ne démontre pas une résistance à toutes les crises.
Avant d'étendre, le responsable réunit cinq éléments :
- Utilité : une décision mieux éclairée ou un suivi effectivement réalisé, avec les éléments qui permettent au client de l'apprécier.
- Économie : des coûts complets, incluant revue, entretien et transmission, et les revenus ou engagements commerciaux observés.
- Continuité : les sources retrouvées, les erreurs et les demandes d'aide lors de la reprise par un collègue.
- Robustesse : le service maintenu, ses limites et le délai de reprise lors de la perturbation choisie.
- Maîtrise : des usages autorisés, des accès vérifiés et des éléments nécessaires récupérables.
Il décide de poursuivre, de modifier ou d'arrêter. Il précise également l'usage du temps libéré : volume supplémentaire, qualité, apprentissage ou disponibilité pour l'imprévu. Deux cycles servent à repérer les défauts et à décider du prochain essai. La fidélisation, la progression des compétences et l'effet sur la valeur demanderont un suivi plus long.
Notre playbook décline cette démarche en rôles, fiches et consignes : le contexte, les permissions, les vérifications, la reprise et l'épreuve de perturbation.
C'est là que se joue la singularité Citizen Builder : partir d'un travail concret, vérifier les effets pour le client, organiser la transmission et éprouver les dépendances créées. Nous intervenons pour que l'équipe reprenne le service et l'améliore sans nous.
Pour avancer, choisissons un service. Observons ce qu'il coûte, ce qu'il apporte et ce qu'un collègue sait en reprendre. La consistance de l'entreprise commence à se vérifier là.
L'IA peut transformer l'expérience en une capacité collective réutilisable. Sa valeur tient à ce qu'elle permet d'accomplir, à ce qu'elle aide à préserver et à la possibilité de la faire vivre au-delà de ceux qui l'ont installée.
Citizen Builder — On fait avec vous, pas pour vous.
Pour transformer ces principes en premiers chantiers dans votre organisation : échanger avec un expert.
Sources et références
- Teresa Tung et Philippe Roussiere, « Tacit Knowledge Is Your Next Competitive Moat », California Management Review Insights, 16 mars 2026. Proposition managériale sur la formalisation du savoir tacite. ↩
- Erik Brynjolfsson, Danielle Li et Lindsey Raymond, Generative AI at Work, The Quarterly Journal of Economics, 140(2), 2025, p. 889–942. Déploiement progressif, analyse quasi expérimentale ; chiffres de la version publiée : 5 172 conseillers et 15 %, distincts de ceux du document de travail initial. La diffusion des pratiques est une interprétation appuyée par les observations, sans preuve d'une transmission complète du métier. ↩
- Anthropic, Effective harnesses for long-running agents, 26 novembre 2025. Retour d'expérimentation sur des outils de développement logiciel autonomes ; la transposition au service décrit ici est une proposition à éprouver. ↩
- En complément : Fabrizio Dell'Acqua et al., The Cybernetic Teammate : A Field Experiment on Generative AI and Teamwork, Organization Science, publication en ligne le 12 juin 2026, résumé éditeur consulté. Chez P&G, 791 professionnels travaillent sur des défis d'innovation produit : les individus assistés atteignent la performance des équipes sans IA et produisent des propositions plus équilibrées entre dimensions techniques et commerciales. Cela renseigne la combinaison des expertises, sans démontrer la persistance des compétences après retrait de l'outil. ↩
- Olivier Hamant, « En basculant de la performance à la robustesse, nous entrerons dans un monde viable », entretien avec Cédric Polère, Millénaire 3, 3 mai 2024. L'application à l'organisation du travail avec l'IA est proposée dans cet article. ↩
- Fabrizio Dell'Acqua et al., Navigating the Jagged Technological Frontier, HBS Working Paper 24-013, 22 septembre 2023, version consultée. Expérimentation randomisée : résumé et sections 3–4 ; tâches professionnelles simulées, non résultats de missions facturées. Les 19 points concernent la tâche située hors des capacités du modèle dans cette expérience, pas toutes les tâches ni tous les consultants en activité. ↩
- Daron Acemoglu, David Autor et Simon Johnson, Building Pro-Worker Artificial Intelligence, NBER Working Paper n° 34854, février 2026. Résumé consulté. ↩
- Geoffrey Martinache (dir.), Stratégies durables. Repenser la création de valeur dans un monde sous contrainte écologique, Éditions EMS, septembre 2026. ↩
- IVSC, Perspectives Paper : Value and Data, 29 février 2024. Présentation officielle consultée. ↩
- Tania Babina, Anastassia Fedyk, Alex Xi He et James Hodson, Artificial Intelligence, Firm Growth, and Product Innovation, Journal of Financial Economics, 151, 2024, résumé et présentation éditeur consultés. Les investissements en IA sont associés à une croissance des ventes, de l'emploi et des valorisations, principalement via l'innovation produit. Les auteurs utilisent notamment une stratégie de variables instrumentales pour traiter l'endogénéité. Cette étude sur l'IA au sens large ne mesure ni notre protocole, ni une prime de cession des PME, ni l'effet propre d'une mémoire métier ou d'un harness. ↩
- IFRS Foundation, IAS 38 — Intangible Assets. Présentation officielle consultée ; référence au périmètre IFRS. ↩
- CNIL, « Vente de fichiers clients : la CNIL rappelle les règles », 5 décembre 2022. ↩
- OWASP, LLM06 :2025 — Excessive Agency. ↩