L’auteur et la machine

En avril 2026, le Sénat a voté la proposition de loi Darcos. Ce texte vise à instaurer une présomption d’exploitation des contenus culturels par les fournisseurs d’intelligence artificielle.

L’intention est généreuse: protéger les créateurs face à des modèles qui moissonnent sans demander. La logique paraît évidente. Une machine apprend sur des œuvres, donc elle vole. Un auteur est lésé, donc il faut renverser la charge de la preuve.

Cette évidence, je voudrais la fissurer. Non pas parce que les auteurs ne mériteraient rien, mais parce que la question qu’on croit poser n’est pas celle qu’on pose vraiment.

Derrière “qui a payé pour quoi”, il y a une question bien plus ancienne et bien plus vertigineuse : qu’est-ce qu’un auteur, au juste, quand l’image peut surgir d’ailleurs que de sa main ?

1862, déjà

Nous avons déjà vécu cette panique. Elle portait un autre nom et une autre technologie, mais c’était la même.

En 1856, le studio Mayer et Pierson, photographes officiels de Napoléon III installés boulevard des Capucines, réalise un portrait du comte de Cavour. À la mort de l’homme d’État italien quelques années plus tard, l’image devient très recherchée. Un concurrent, Betbéder, la reproduit, l’agrandit, la retouche au pinceau, lui ajoute un fond de bibliothèque. Mayer et Pierson l’assignent pour contrefaçon.

Le tribunal correctionnel de la Seine les déboute le 9 janvier 1862. Le motif est limpide et il sonne familièrement à nos oreilles : la photographie n’est qu’une reproduction du réel obtenue par des procédés chimiques, une opération purement matérielle, pas une œuvre de l’esprit. Comment une machine, qui ne fait que reproduire le réel, pourrait-elle produire de l’art ? La lumière et la chimie font le travail, l’opérateur ne fait que déclencher.

L’affaire remonte. En appel, puis devant la Cour de cassation qui tranche le 28 novembre 1862 en faveur des photographes. L’argument de leur avocat est resté : la loi de 1793 n’a jamais défini les caractères qui constituent une création de l’esprit, et ce qui distingue une œuvre, ce n’est pas la forme dans laquelle elle se réalise, c’est qu’elle porte l’empreinte de la personnalité de son auteur.

Leur avocat résumera cette position par cette formule : “Rendons à l’esprit ses droits et à la matière son rôle !”. Le film photographique est un outil. L’art est dans le choix.

La pétition des vingt-six

Ce qui rend cet épisode saisissant, c’est ce qui se tenait de l’autre côté. Pendant que les juristes débattaient, les artistes pétitionnaient. En 1862, vingt-six d’entre eux, dont Ingres, signent un texte pour refuser à la photographie le statut d’art. Ingres, le plus grand dessinateur de son siècle, le maître de la ligne, celui dont la main était réputée infaillible.

D’une certaine manière, ce n’était pas l’Art qu’ils défendaient, mais leur rente de rareté. Si la machine peut produire une ressemblance, alors la virtuosité manuelle cesse d’être le critère, et tout un édifice de prestige s’effondre.

Finalement, la photographie a fini par tuer le réalisme. Les artistes se sont réinventés.

Certains en rejetant la technique, et se contre-positionnant : c’est la naissance de l’impressionnisme. D’autres en l’embrassant, et en faisant un Art à part entière : la photographie aura engendré Man Ray.

Duchamp : qu’est-ce que l’art ?

Reste le sujet de ce qui fait art, et donc ce qui fait artiste.

En 1917, Marcel Duchamp impose un urinoir dans une galerie et signe “R. Mutt”. Fountain. L’objet n’est pas fabriqué par lui, il est manufacturé, identique à des milliers d’autres. Duchamp n’a rien sculpté, rien peint, rien façonné. Il a choisi.

Duchamp démontre par là que l’acte artistique fondamental est la décision, pas l’exécution manuelle. Choisir cet objet, le sortir de son contexte, le nommer, le désigner comme art. Le ready-made fait du choix le cœur de l’œuvre et relègue la fabrication au rang d’accessoire. Ce que les vingt-six refusaient à la photographie en 1862, le geste précisément qui consiste à dire “ceci est de l’art parce que je le décide”, Duchamp en fait le principe même de l’art moderne.

L’artiste a toujours triché, et c’était bien

On voudrait croire que l’art authentique, c’est la main nue face à la toile. C’est un mythe. L’artiste a toujours été un utilisateur d’outils, et souvent d’outils qui font une partie du travail à sa place.

Regardez Les Ambassadeurs de Holbein, 1533. Au premier plan, cette tache oblongue et illisible qui ne devient un crâne que lorsqu’on se place sur le côté. Un memento mori en anamorphose, une distorsion géométrique d’une précision telle qu’on imagine mal une main libre l’avoir tracée à l’œil. Projection, dispositif optique, géométrie réglée: l’outil est dans le tableau, caché à la vue, et il en fait la puissance.

La thèse Hockney-Falco a généralisé cette intuition de façon provocante. Le peintre David Hockney, avec le physicien Charles Falco, soutient dans Secret Knowledge que la précision soudaine de l’art occidental à partir des années 1420 s’expliquerait par l’usage de dispositifs optiques: camera obscura, chambre claire, miroirs concaves. Van Eyck, Caravage, Vermeer auraient projeté pour mieux tracer. La thèse reste discutée, elle manque de preuves primaires, des historiens la contestent. Peu importe ici qu’elle soit vraie à cent pour cent. Ce qu’elle établit, c’est que l’idée même qu’un grand maître ait pu s’appuyer sur un appareil ne retire rien à son génie. Dürer dessinait son “filet du dessinateur”. Vermeer a probablement regardé dans une boîte. Personne ne propose de les déchoir.

L’outil n’a jamais été l’ennemi de l’auteur. Il en est un prolongement.

L’artiste devient abstrait

Voici où l’intelligence artificielle nous amène, et pourquoi elle n’est pas une rupture artistique.

Quand un modèle peut générer n’importe quelle image, la question de la fabrication disparaît entièrement. Plus de main, plus de pinceau, plus même de déclencheur. La compétence technique d’exécution, celle qu’Ingres revendiquait, celle que les vingt-six voulaient sanctuariser, tend vers zéro comme barrière. Tout devient possible, tout devient immédiat.

Que reste-t-il alors ? Le choix. Exactement le choix de Duchamp. Quelle image faire surgir, parmi l’infini des images possibles, et pourquoi celle-ci. Quel cadrage, quelle intention, quel sens. L’artiste ne disparaît pas et il ne disparaîtra jamais.

L’IA ne tue pas l’auteur. Elle le révèle dans sa fonction la plus pure, celle que Mayer et Pierson plaidaient déjà devant la Cour de cassation : l’empreinte d’une personnalité dans un choix.

S’inspirer, ou la fausse évidence du vol

Reste l’objection qui fonde la loi Darcos. L’IA s’entraîne sur des œuvres existantes, donc elle copie, donc elle vole.

Mais posons honnêtement la question. Qu’est-ce qu’un artiste humain ? Quelqu’un qui a passé sa vie dans les musées, qui a regardé des milliers de tableaux, lu des milliers de livres, absorbé des styles, des gestes, des compositions, et qui en fait, un jour, sa synthèse personnelle. Aucun créateur ne surgit de rien. Tout peintre est l’héritier de tous les peintres qu’il a vus. La tradition entière est une chaîne d’imprégnation et de réélaboration. La création se fait très rarement ex nihilo. On a compilé, on s’est inspiré.

Où est exactement la différence de nature avec un modèle qui apprend des régularités sur un corpus puis produit autre chose ? Je ne dis pas qu’il n’y en a aucune. La vitesse change tout, l’échelle change tout, et la question de la rémunération de ceux dont les œuvres ont nourri le corpus est une vraie question politique et économique. C’est cela l’enjeu nodal.

Mais ce n’est pas la question que la loi prétend trancher. La proposition de loi Darcos ne dit pas “rémunérons”, elle dit “présumons le vol”. Elle requalifie en contrefaçon ce qui, chez un humain, s’appelle l’inspiration. Le disciple qui se nourrit, puis dépasse le maître. Dirait-on de Braque et de Picasso, pères du cubisme, qu’ils ont spolié ou volé Cézanne ?

C’est précisément l’erreur de 1862. Confondre le procédé avec l’œuvre. Croire que parce qu’une machine est dans la boucle, l’esprit en est absent. Croire que la nouveauté technique est une menace pour l’art alors qu’elle n’a jamais été qu’un déplacement de la frontière entre la main et l’intention.

Le pari à faire

Les vingt-six ont perdu. La photographie est devenue un art, et un art majeur, sans que la peinture en meure. Elle l’a même libérée: déchargée de la fonction de ressemblance, la peinture a pu inventer l’impressionnisme, l’abstraction !

Je crois que nous sommes exactement à ce point. La tentation est de légiférer dans le sens des vingt-six, de défendre une rente de rareté en la déguisant en défense de la création. Le pari que je préfère, c’est celui de la confiance dans l’irremplaçable création humaine : ce qui définit l’auteur, c’est ce que son esprit choisit que personne d’autre n’aurait choisi.

Trois questions pour une experte

— Pouvez-vous vous présenter brièvement, ainsi que vos fonctions au Conseil de l’IA et du numérique ?

Je suis directrice générale d’un établissement public, le Palais de la Porte Dorée, Musée national de l’histoire de l’immigration, romancière, et impliquée dans plusieurs secteurs culturels assez différents de l’IFCIC aux rencontres internationales de la photographie d’Arles en passant par Bibliothèques sans frontière. Je m’intéresse depuis des années à l’impact des technologiques numériques sur les industries culturelles et les pratiques artistiques en général. J’avais rédigé avec Nicolas Colin le premier rapport sur ce sujet, « création et internet » en 2009, pour la mission Zelnik, Cerutti, Toubon. Je suis depuis septembre 2025 membre du conseil de l’IA et du numérique présidé par Anne Bouverot et Guillaume Poupard.

— Duchamp a posé que le geste artistique, c’est le choix, pas l’exécution. Si l’IA exécute à notre place, est-ce que cela fait de nous tous des artistes... ou de personne un auteur ?

Il y a mille manières d’être artiste et les artistes ont toujours testé, joué, détourné les technologies qui émergeaient à leur époque. Il est donc naturel que certains artistes fassent de même avec l’intelligence artificielle. Les sons numériques n’ont pas tué la musique acoustique, la 3D n’a pas rendu obsolète la sculpture, mais l’intelligence artificielle pose un tout autre défi, de nature anthropologique. Car la création nait du geste, de l’artisanat, de l’effort. Et elle n’est création que si elle ouvre d’autres manières de voir, qui viennent du regard singulier de l’auteur et de son expérience unique d’être au monde. En ce sens l’IA générative qui privilégie la paresse, la rupture du lien interpersonnel et la répétition est bien une menace à la possibilité même d’être auteur. Surtout si elle se nourrit d’œuvres sans rétribuer ceux qui les créent. N’oublions pas qu’une œuvre dans notre droit est attachée à la personne humaine. Or jusqu’à présent les ruptures technologiques ne créaient pas à la place des artistes. Il s’agissait d’outils nouveaux au service des artistes mais pas d’outils prétendant se substituer au geste créatif lui-même. Aujourd’hui, des contenus sont créés en pillant des œuvres humaines et tentent d’entrer en concurrence avec elles. Regardons ce qui se passe dans la musique qui est souvent la première impactée par les ruptures technologiques : en France, 50% des titres uploadés sur Deezer chaque jour sont 100% IA générative, et 85% des écoutes de ces titres IA le sont par des robots.

— Face aux propositions législatives autour des droits d’auteur et de l’IA (comme la Proposition de Loi de Madame Laure Darcos), comment penser la protection de la création sans freiner l’innovation ?

Tout d’abord je ne suis pas certaine qu’on puisse si facilement parler d’innovation sans création, mais je comprends que votre question porte sur la tension entre l’acte de création artistique et les ruptures technologiques. Sur ce point, c’est à chaque fois même chose, on crie au risque de tuer l’innovation technologique si on met en place la moindre régulation pour protéger les auteurs et les créateurs. C’est absurde sur tous les plans : social, culturel mais aussi économique. Pourquoi trouverait-on normal que les seuls à ne pas être rémunérés pour leur travail soient les auteurs ? Si leur travail nourrit une machine, alors il devrait être considéré avec au moins la même valeur que la machine qui s’en nourrit, et ce pour une raison très simple : les créateurs sont la source de toute la valeur. Si on veut rester un pays à la culture vivante, alors il faut un modèle qui rémunère des auteurs vivants, sauf à prendre le risque que la culture française devienne une sorte de gigantesque patrimoine ringard, s’autoalimentant de nostalgie, où la création se transformera en contenus standardisés et segmentés. Est-ce vraiment cela que nous voulons ? La proposition de loi de Laure Darcos, validée par le Conseil d’État, est à ce jour la seule qui prenne la mesure des risques que pose à grande échelle et à long terme le moissonnage d’œuvres protégées par le droit d’auteur, le tout dans une très grande opacité. Il faut évidemment rétablir un équilibre plus favorable aux créateurs. A ce titre, prévoir une présomption simple, réfragable, applicable à tous, ne produira pas de contentieux massifs, ne fera pas fuir les acteurs du numérique attachés au marché français, et ne portera pas atteinte à l’innovation technologique. C’est la France qui a inventé le droit d’auteur face aux copistes à l’époque de Beaumarchais. A chaque rupture technologique, nous avons renforcé le droit de propriété en général et le droit d’auteur en particulier, et nous sommes aujourd’hui la 3^ème puissance culturelle mondiale. Des centaines de milliers d’auteurs dans le monde attendent protection et transparence dans l’utilisation de leurs œuvres par l’IAG, et la France a toujours été à la pointe sur ces sujets, convaincue qu’une innovation respectueuse du droit d’auteur est plus puissante et durable. Que le débat sur ce sujet ne soit pas considéré comme prioritaire serait une faute. Nous allons y travailler au conseil national de l’IA et du numérique à partir de cet été.

Dans le monde de l’IA ce mois-ci…

Ces derniers jours, nous avons trouvé intéressant :

• [🇫🇷] Un résumé de l’audition d’Arthur Mensch (Mistral AI) devant la commission d’enquête sur les vulnérabilités numériques.

• [🇫🇷] Un échange (lisez le commentaire de Sofiane Coly!) sur le coût de l’IA.

• [🇬🇧] Un article sur la naissance des “High-Impact Individual Contributors”.

👋 Rendez-vous dans un mois,

— Charles & Maxime

« Ce que Taylor a fait pour le geste, nous devons le faire pour la fonction. L’administration est l’affaire de tous ceux qui décident. » — Henri Fayol, Administration industrielle et générale, 1916

La promotion silencieuse

On parle des agents IA comme d’une menace ou d’un miracle. On dit qu’ils vont remplacer, augmenter, libérer, soumettre. Je souhaite parler d’un angle peu abordé : ils vont faire de nous des managers.

Managers au sens le plus ancien du mot : quelqu’un qui fait faire. Qui doit clarifier un objectif, transférer un contexte, vérifier un résultat. Qui ne produit plus directement, mais à travers un autre.

Le développeur qui n’avait jamais eu à expliquer son travail briefe un agent IA trois fois par jour. La chargée de support apprend à formuler des consignes écrites pour une entité qui décide à sa place. Le commercial qui râlait contre les managers en est devenu un, sans formation, sans préavis.

L’IA promeut tout le monde, d’un coup, sans l’échelon intermédiaire qui servait autrefois d’école.

Et, de manière très pratique, la question devient : serez-vous un bon manager ?

Taylor avait gagné. Il perd.

Pour comprendre ce qui nous arrive, il faut revenir à une querelle oubliée du début du XXe siècle.

D’un côté, Frederick Taylor, l’ingénieur américain qui a inventé le management scientifique. Sa méthode : décomposer chaque geste du travailleur, chronométrer, prescrire le meilleur mouvement possible. Le manager, chez Taylor, sait mieux faire que celui qui fait. Il descend au niveau du geste.

De l’autre, Henri Fayol, ingénieur des mines français, regardait l’organisation du haut et identifie les fonctions du dirigeant : prévoir, organiser, commander, coordonner, contrôler. Le manager, chez Fayol, ne sait pas mieux faire que son équipe. Il cadre, il délègue, il articule. Son métier est architectural plus qu’il n’est technique.

Le XXe siècle a donné raison à Taylor, de fait. L’usine fordiste, la bureaucratie d’après-guerre, le consulting, la tech avec ses runbooks et ses playbooks, tout cela est tayloriste. On optimise le comment. On documente le geste.

Et puis arrivent les agents IA. D’un coup, le geste n’a plus d’importance, parce que le geste, c’est l’agent IA qui le fait. Ce qui compte, c’est le cadre, le contexte, l’objectif, la vérification. Tout ce que Fayol avait mis au centre.

L’agent IA, paradoxalement, est l’outil le plus tayloriste jamais inventé, et c’est lui qui nous force à devenir fayoliens (non, pas des fayots).

Un étage plus haut

La bascule est une montée en abstraction. Quand je code moi-même, je vis dans le comment. Je choisis ma librairie, j’écris ma fonction, je débugue ma fonction. Quand je fais coder un agent IA, je remonte d’un cran : je formule un objectif, une contrainte, un critère de succès. Je pense comme un ingénieur, un architecte, plutôt que comme un maçon.

C’est une libération formidable. Elle démultiplie ce qu’un humain peut piloter. Elle ouvre une excellence de masse : chacun peut se hisser à des niveaux d’ambition qui supposaient autrefois une équipe de plusieurs personnes.

Mais l’abstraction a une rançon, et elle s’appelle la boîte noire.

Quand je regardais le code d’un collègue junior, je voyais son raisonnement. Je pouvais pointer un réflexe, corriger une mauvaise pratique, transmettre un savoir. L’agent IA, lui, me donne un résultat dont je ne remonte pas la généalogie. Je ne peux plus inspecter le geste. Je ne peux qu’inspecter la sortie.

J’écrivais ici, il y a quelques mois, sur l’évaluation technique des systèmes d’IA. Il faut aujourd’hui la reprendre sous un autre angle, humain celui-là. Parce qu’évaluer un résultat que l’on ne comprend plus dans sa fabrication, c’est exactement le métier qu’on demande, depuis toujours, à un manager.

Le retour du jugement

Beaucoup de managers ont pris l’habitude d’évaluer à la marge. On évite le conflit, on pondère par l’effort visible, on arrondit vers le haut en espérant motiver. Dans beaucoup d’organisations, l’évaluation des humains est devenue molle. Un ensemble de signaux ambigus entourés de précautions.

Avec les agents IA, la mollesse perd son sens. L’agent IA n’a pas d’ego à ménager. Il ne se vexe pas, ne démissionne pas, ne rumine pas sa note pendant trois semaines. L’évaluation peut redevenir ce qu’elle n’aurait jamais dû cesser d’être : directe, précise, sans fard.

En apprenant à évaluer des agents IA, nous allons redécouvrir des réflexes que nous avions laissés s’atrophier. La clarté du critère. La mesure avant l’appréciation. La distinction entre ce qui est livré et ce qui était demandé. L’exigence de preuves plutôt que d’impressions.

Ces réflexes diffuseront. Les bons managers d’agents IA deviendront, presque malgré eux, de meilleurs managers d’humains. Les mauvais verront leurs défauts exposés par la vitesse d’exécution des agents IA. Un cadre flou produit un agent IA qui délivre à toute allure du travail inutilisable. Il ne reste plus personne à blâmer.

L’agent IA est un miroir accéléré de la capacité à cadrer.

Alors, serez-vous un bon manager ?

Trois questions pour un expert

— Pouvez-vous vous présenter brièvement, ainsi que Twin ?

Je suis Hugo Mercier. J’ai cofondé Dreem en 2014, un bandeau qui mesure l’activité cérébrale pour analyser et améliorer le sommeil.

J’ai démarré Twin en 2023, peu après le lancement de GPT-3.5. J’y voyais une opportunité incroyable d’utiliser l’IA non pas pour remplacer l’humain, mais pour créer des doubles capables d’automatiser les tâches répétitives.

Après 18 mois de R&D sur notre agent, nous avons sorti l’application fin janvier. Nous sommes passés de 0 à 80 000 utilisateurs et 3 000 sociétés payantes. Twin permet d’automatiser des pans entiers d’une entreprise : prospection commerciale, back-office, génération de contenu, recrutement, etc.

— Quand une entreprise commence à déployer massivement des agents IA, qu’est-ce qui doit changer dans l’organisation, les processus RH, et la façon dont on définit les rôles ?

Le contraste avec ma boîte précédente est saisissant : Dreem, c’était 0 à 150 personnes en 3 ans. Twin, c’est 0 à 8 personnes en 2 ans. Et pourtant, à 8 personnes, nous avons développé un produit qui, sur certains cas d'usage, dépasse des concurrents 100 à 1 000 fois plus grands.

Nous utilisons Twin et des agents de code. Nous n’avons quasiment plus de tâches opérationnelles ou répétitives. Chacun « own » son sujet intégralement et manage ses agents plutôt qu’une équipe. Il n’y a pas de manager au sens classique : il y a un cap, une priorisation, et chacun délivre.

Côté RH, nous avons interviewé 2 500 candidats pour 8 personnes dans l’équipe. On ne recrute plus pour combler un pipeline de tâches. On recrute des profils capables de définir leur propre périmètre, de l’exécuter de bout en bout, en utilisant des agents pour obtenir le contexte, brainstormer et implémenter le projet.

Cela ne veut pas dire qu’on se passe d’expérience, au contraire. Les profils seniors et les mentors expérimentés jouent un rôle clé : ce sont eux qui transmettent le jugement, le sens du détail, les bons réflexes. La différence c’est qu’ils ne managent plus une équipe — ils élèvent le niveau de chacun en partageant leur expertise au cas par cas.

— Dans un monde où chaque employé manage plusieurs agents IA, quelles compétences deviennent critiques ? Et à l’inverse, qu’est-ce qui devient obsolète dans le management traditionnel ?

Trois compétences deviennent critiques.

D’abord, l’esprit critique et la capacité à poser les bonnes questions. Les agents peuvent facilement vous faire croire des choses fausses. Il faut une approche socratique : interroger, détecter les incohérences, savoir s’arrêter quand quelque chose ne tient pas. C’est particulièrement vrai pour les profils juniors : il ne faut pas croire aveuglément le LLM, il faut se forger sa propre expérience, faire soi-même certaines tâches pour calibrer son jugement et savoir reconnaître quand l’agent dérape.

Ensuite, la polyvalence. Les silos techniques ont beaucoup moins de sens : avec un peu de mentoring expert, chacun peut faire de la RH, de l’acquisition, du research engineering. Tout le monde ship, personne n’attend que quelqu’un d’autre fasse à sa place.

Enfin, le goût. L’IA aplatit tout — l’esthétique, l’humour, le caractère, le ton. Ce qui distingue un produit, un texte ou une marque, c’est désormais le goût de la personne qui l’a piloté.

À l’inverse, le middle management tel qu’on le connaît devient largement obsolète. Son rôle historique était de faire transiter l’information entre les équipes. Aujourd’hui, on interroge directement la codebase ou la base de données pour avoir l’information, et on se met autour d’une analyse faite par Claude (Anthropic) pour en discuter. C’est beaucoup plus décentralisé, beaucoup plus apte à expérimenter, beaucoup moins top-down.

Le management ne disparaît pas pour autant, mais il se recentre sur deux rôles. D’un côté, resource allocator : définir le cap, allouer les moyens (humains, agents, capital), arbitrer les trade-offs. De l’autre — et c’est sans doute le plus important — storyteller : maintenir une histoire cohérente et cohésive, des valeurs, un style, une philosophie. Parce que dans un monde où n’importe qui peut bosser en solo avec des agents et gagner sa vie confortablement, la seule raison de rejoindre une équipe c’est l’envie de construire quelque chose ensemble. Le récit devient le ciment.

Au fond, ce qui disparaît avec les agents, ce sont les bullshit jobs : les réunions de coordination inutiles, les reportings qui ne sont lus par personne, les tâches qu’on faisait par défaut. Ce qui reste est plus exigeant — il faut penser, trancher, créer, avoir du goût — mais aussi infiniment plus intéressant et exaltant. C’est, je pense, une des plus grandes opportunités professionnelles de notre génération.

Dans le monde de l’IA ce mois-ci…

Ces derniers jours, nous avons trouvé intéressant :

• [🇬🇧] Un exemple de comment Zapier automatise les appels de références.

• [🇫🇷] Anthropic souhaiterait construire des logiciels RH…

• [🇫🇷] Cet article sur l’urgence de la fonction recrutement à se réinventer.

👋 Rendez-vous dans un mois,

— Charles & Maxime

« La vie donc oscille, comme un pendule, de droite à gauche, de la souffrance à l’ennui ; ce sont là les deux éléments dont elle est faite, en somme. » — Arthur Schopenhauer, Le Monde comme volonté et comme représentation, 1818

Le pendule cassé

Schopenhauer pensait que la vie humaine oscillait entre la souffrance et l’ennui. On désire, on souffre de ne pas avoir. On obtient, on s’ennuie. Le pendule ne s’arrête jamais.

L’IA vient casser le pendule.

Depuis quelques mois, je vois le même phénomène partout autour de moi. Des gens qui codent jusqu’à 2h du matin alors qu’ils ne sont pas développeurs. Des managers qui construisent des prototypes le week-end. Des fondateurs qui n’arrivent plus à décrocher, non pas par anxiété, mais par enthousiasme. L’obstacle entre l’idée et la réalisation a fondu. Ce qui prenait une semaine prend une heure. Ce qui nécessitait une équipe tient dans une conversation.

Le résultat, c’est un état que les psychologues appellent le flow, et qu’Aristote aurait reconnu comme une forme d’eudaimonia : le bonheur qui vient de l’activité elle-même, du sentiment de produire quelque chose d’utile. L’excellence de masse, dont je parle souvent, passe aussi par là : donner à chacun les moyens de se sentir compétent et créatif.

Mais il faut regarder de plus près ce qui se joue dans notre cerveau.

Une dopamine qui construit

Pour comprendre ce qui se joue, il faut regarder du côté des jeux vidéo. Les game designers ont compris depuis longtemps comment créer des boucles d’engagement : chaque action produit un résultat visible, chaque résultat débloque une nouvelle possibilité, chaque niveau atteint appelle le suivant. C’est ce que les chercheurs appellent une boucle de récompense à renforcement variable.

L’IA produit exactement la même boucle. Sauf que cette fois, le résultat est réel. On ne collecte pas des points d’expérience fictifs, on livre des prototypes, des analyses, des outils. On ne progresse pas dans un monde virtuel, on construit dans le monde réel.

C’est magnifique. Et c’est précisément ce qui demande de la vigilance. Quand un joueur passe la nuit sur un jeu, il sait quelque part qu’il joue. Quand on construit quelque chose d’utile à 1h du matin, le sentiment de productivité légitime la spirale. L’accomplissement est réel. La valeur créée est réelle. Mais l’épuisement aussi sera réel.

Les temps morts deviennent insupportables

Il y a un phénomène que peu de gens décrivent encore : les creux. Quand on travaille avec l’IA, il y a des moments où l’on attend. L’IA traite, génère, itère. Et pendant ce temps, on ne fait rien.

Ces micro-pauses devraient être des respirations. En pratique, elles deviennent des sources d’agitation. On ouvre un autre onglet. On lance une autre tâche. On remplit chaque seconde de vide par une nouvelle sollicitation. Le rythme du travail avec l’IA alterne entre des pics d’intensité créative et des creux d’attente que l’on supporte de moins en moins.

C’est l’inverse exact de ce que décrivent les artisans : le temps de séchage, de repos, de recul, fait partie du processus. Avec l’IA, on perd l’habitude de laisser une idée décanter. On veut le résultat suivant, tout de suite.

Le signal d’alerte

J’observe autour de moi des signaux concrets. Des nuits raccourcies. Des repas sautés. Une difficulté croissante à s’arrêter, non par obligation mais par désir. Et un phénomène plus subtil : une intolérance grandissante à l’ennui. Quand on a goûté au flow permanent, revenir à une tâche lente, manuelle, sans feedback immédiat, devient presque douloureux.

Il faut être lucide. Nous entrons dans une ère où le travail intellectuel devient intrinsèquement addictif pour une partie croissante de la population. Les outils d’IA génèrent de l’excitation plutôt que du stress. Et l’excitation chronique use autant que le stress chronique.

Le rôle des RH : apprendre à protéger l’enthousiasme

Les directions des ressources humaines ont construit des outils pour détecter le mal-être : burn-out, désengagement, surcharge. Mais nous n’avons quasiment aucun outil pour détecter l’excès d’engagement. Comment repérer quelqu’un qui va trop bien, trop vite, trop longtemps ?

Les RH vont devoir inventer de nouveaux signaux. Non seulement surveiller l’absentéisme, mais aussi l’hyper-présence. Non seulement prévenir la souffrance au travail, mais aussi l’ivresse du travail. Si le workaholisme a toujours existé, l’IA lui donne un carburant à combustion rapide.

Quelques pistes concrètes :

• Nommer le phénomène. Ce qui n’a pas de nom n’existe pas dans une organisation. Parler ouvertement de l’usage intensif des outils d’IA, sans moralisme, permet de créer un espace de vigilance collective.

• Sanctuariser les temps sans production. Des moments où l’on ne construit rien, où l’on ne génère rien, où l’on pense sans outil. Traiter la capacité à s’arrêter comme une compétence, pas comme une faiblesse.

• Former les managers à repérer les signes. Un collaborateur qui envoie des messages à minuit n’est pas forcément en difficulté. Mais un collaborateur qui le fait tous les soirs depuis trois semaines, avec un enthousiasme croissant, mérite une conversation.

Le pendule à reconstruire

Schopenhauer avait tort sur un point : la souffrance et l’ennui ne sont pas les deux seules options. Mais il avait raison sur l’essentiel. Le pendule existe pour une raison. L’ennui avait une fonction : il nous ramenait à nous-mêmes, à notre corps, à nos proches. Il forçait le recul.

Quand on casse le pendule, il faut construire autre chose à la place. Une discipline de la pause. Une hygiène de l’ennui. Une sagesse de l’arrêt volontaire.

L’IA nous donne un pouvoir de création sans précédent. À nous de ne pas nous y consumer.

Trois questions pour un expert

— Pouvez-vous vous présenter brièvement, ainsi que Teampact Ventures ?

Je suis Benjamin Kayser, ex-rugbyman international et aujourd’hui co-fondateur de Teampact Ventures, un fonds VC (Venture Capital). Nous extrayons le meilleur du sport de haut niveau au service de la performance humaine pour accompagner des entreprises deeptech innovantes dans le climat et la santé.

Et je continue à vibrer de ma passion du sport en tant que consultant TV, pour transmettre ces moments d’émotions et d’adrénaline au public.

— Dans le rugby professionnel, comment distinguiez-vous l’intensité soutenable de celle qui mène à la blessure ou au burn-out ?

La frontière entre ultra-détermination, travail acharné, dépassement de soi, repousser ses limites… et le burn-out est évidemment très fine.

Dans le sport de haut niveau, on apprend justement à naviguer en permanence sur cette ligne. Et pour la distinguer, on s’appuie sur plusieurs repères très concrets.

D’abord, Data is King. On multiplie les sources de données – physiologiques comme psychologiques – pour piloter la performance au plus près de la réalité. Mais elles restent toujours au service de l’analyse : elles éclairent la décision, elles ne la remplacent jamais. Parce qu’un joueur n’est pas qu’un ensemble d’indicateurs.

Ensuite, il y a l’inner circle. Ce cercle restreint, dont l’avis compte vraiment – staff, coéquipiers proches – agit comme un véritable radar. Souvent, ce sont eux qui détectent en premier les signaux faibles : une fatigue inhabituelle, une irritabilité, une perte de lucidité… des choses que soi-même on ne veut pas voir, ou qu’on choisit d’ignorer.

Il y a aussi l’auto-évaluation constante. Le sport de haut niveau pousse à se connaître avec une grande précision. Mais c’est un exercice exigeant, et parfois piégeux : mal maîtrisé, il peut justement conduire à franchir la ligne, en confondant engagement et sur-engagement.

Enfin, la récupération fait partie intégrante de la performance. Ce n’est pas un complément, c’est une phase d’entraînement à part entière. La vraie différence se joue là : dans la capacité à alterner. Savoir quand pousser… et surtout savoir quand couper. On peut être extrêmement intense, y compris dans le repos!

Au fond, on sait que l’on bascule du bon côté de l’intensité vers le risque de blessure ou de burn-out à partir du moment où l’on sort de cet équilibre : quand l’écoute diminue, que les signaux faibles sont ignorés, et que l’intensité n’est plus pilotée mais subie.

— L’IA intensifie le travail mental plutôt que de le réduire. Vous qui avez vécu l’intensité du sport de haut niveau, cette dynamique vous semble-t-elle soutenable pour les organisations ?

Le risque principal, c’est justement que cette intensification ne soit pas soutenable dans la durée.

L’IA peut pousser à un hyper-focus permanent, qui crée une forme de tunnel : on perd la capacité à poser les “questions bêtes”, à prendre du recul, à regarder autrement.

Et c’est là que ça devient dangereux pour une organisation : quand tout le monde est en surcharge cognitive, la créativité s’érode.

Où est la place de la naïveté dans la créativité ?

Si l’on connaît toutes les raisons pour lesquelles quelque chose est impossible, aura-t-on encore l’élan de se lancer ?

L’IA a des capacités infinies, c’est une certitude. Mais la performance durable ne vient pas seulement de l’intensité mentale ou de l’excellence individuelle. Elle repose sur une conviction collective.

Aujourd’hui, l’IA permet de produire mieux, plus vite, seul. Mais elle ne sait pas encore embarquer des équipes dans la durée.

Au rugby, on disait souvent : le but n’est pas de toujours prendre les meilleures décisions. Prenez les moins mauvaises, mais soyez obsédés par une chose : que tout le monde y croie… et avance dans la même direction.

C’est ça qui rend l’effort soutenable.

Dans le monde de l’IA ce mois-ci…

Ces derniers jours, nous avons trouvé intéressant :

• [🇬🇧] L’expérience de Zapier, qui a utilisé une IA pour les calls de pré-qualifications avec les candidats.

• [🇫🇷] Ce post du CEO de BO&MIE (Réseaux de Boulangerie) qui construit lui-même son CRM/ERP.

• [🇬🇧] Cette étude d’Anthropic qui mesure pour la première fois l’exposition réelle (et non théorique) à l’IA dans différents métiers, et ne trouve pas encore d’impact sur le chômage.

👋 Rendez-vous dans un mois,

— Charles & Maxime

“Comprendre, c’est inventer.” — Jean Piaget, Six études de psychologie, 1964

Piaget a passé sa vie à observer comment les enfants apprennent. Sa conclusion : l’enfant n’est pas un récipient qu’on remplit comme le dit la maxime. Il construit activement sa compréhension du monde. Chaque concept, il doit le réinventer pour lui-même. L’enseignant peut guider, montrer, expliquer. Mais le travail de compréhension, personne ne peut le faire à la place de l’enfant.

Comprendre, c’est inventer.

Cette idée influence d’après moi fortement la façon dont on peut penser l’IA dans l’éducation.

Le paradoxe de l’IA

L’IA peut tout expliquer. Elle peut reformuler cent fois, adapter son niveau, donner des exemples infinis. Elle est patiente, disponible, personnalisée.

Mais expliquer ne suffit pas.

Si l’enfant reçoit la réponse sans avoir cherché, il n’a rien construit. Si l’IA fait le travail à sa place, l’enfant n’apprend pas. Il consomme.

Le risque n’est pas que l’IA soit mauvaise pédagogue. Le risque est qu’elle soit trop efficace. Qu’elle court-circuite l’effort. Qu’elle donne la solution avant que l’enfant ait eu le temps de buter, d’essayer, de se tromper.

Or c’est précisément dans cet effort que se construit la compréhension.

L’apprenant doit rester acteur

La question n’est pas : comment l’IA peut-elle mieux expliquer ?

La question est : comment l’IA peut-elle aider l’enfant à inventer lui-même ?

Un bon tuteur ne donne pas la réponse. Il pose la bonne question au bon moment. Il crée les conditions pour que l’élève trouve. Il dose le défi : assez difficile pour qu’il y ait effort, pas trop pour qu’il y ait découragement.

C’est exactement ce que l’IA peut faire à grande échelle.

Adapter le niveau de difficulté en temps réel. Détecter quand l’enfant est bloqué et lui donner un indice, pas la solution. Proposer un autre angle quand le premier ne fonctionne pas. Savoir quand laisser chercher et quand intervenir.

L’IA ouvre un environnement d’apprentissage, ce ne doit pas être un distributeur de réponses.

Pas forcément un écran

Quand on parle d’IA dans l’éducation, on imagine un enfant devant une tablette, seul face à un chatbot.

Cette image inquiète, peut-être à raison (les parents ne sont pas forcément mieux). Les parents s’alarment déjà du temps d’écran. Ce n’est pas clair que la réponse soit un tuteur IA sur la tablette.

Mais l’IA peut être invisible.

Invisible pour l’élève, présente pour l’enseignant. Une correction assistée qui prend une heure au lieu de quatre. Une analyse qui repère les erreurs récurrentes d’une classe. Une génération d’exercices adaptés au niveau de chacun.

L’enfant travaille sur papier. Il écrit, il dessine, il rature. L’enseignant photographie les copies, l’IA analyse. Elle identifie que Marie confond toujours “a” et “à”, que Lucas a compris le concept mais fait des erreurs de calcul, que la moitié de la classe bute sur le même problème.

L’enfant ne voit jamais l’IA. Il voit son enseignant qui lui rend sa copie le lendemain avec des commentaires précis. Il voit un exercice adapté à sa difficulté. Il voit quelqu’un qui comprend où il en est.

C’est ça, le vrai gain : la boucle raccourcie.

Un élève qui fait une erreur et ne le découvre que deux semaines plus tard a déjà ancré l’erreur. Le feedback tardif est un feedback affaibli. Mais quand l’enseignant peut corriger le soir même, l’élève ajuste le lendemain. L’erreur est corrigée avant de se fossiliser.

Plus la boucle est courte, plus l’enfant peut ajuster, réessayer, construire.

Et paradoxalement, l’IA peut permettre moins d’écran, pas plus. Si le prof gagne du temps sur la correction et la préparation, il peut faire plus d’oral en classe, plus d’interaction, plus de travail en groupe. Le temps gagné par la machine est réinvesti dans l’humain.

Le rôle de l’enseignant

L’IA peut créer les conditions. Mais l’enseignant reste celui qui donne le sens.

Pourquoi apprendre ça ? À quoi ça sert ? Est-ce que j’en suis capable ? L’IA peut répondre à ces questions. L’enseignant le fait mieux. Il voit la frustration, la fierté, le déclic. Il sait quand pousser et quand encourager. Il incarne la raison d’apprendre.

L’IA libère du temps. L’enseignant investit ce temps là où il fait la différence : inspirer, accompagner, donner confiance. L’enseignant peut aider à faire.

Le suivi que les parents attendent

Il y a une dimension dont on parle peu : le suivi.

Les parents veulent comprendre où en est leur enfant. Pas juste une note sur vingt, mais une vraie compréhension de ce qu’il maîtrise et de ce qui lui manque.

Aujourd’hui, ce suivi est fragmentaire. Un bulletin trimestriel. Quelques commentaires lapidaires. “Peut mieux faire.” “Ensemble satisfaisant.”

Ces formules ne disent rien. Elles ne permettent pas d’accompagner.

L’IA permet un suivi continu et précis. Tel enfant maîtrise les multiplications mais bute sur les fractions. Tel autre a compris le concept mais fait des erreurs d’inattention. Tel autre encore a besoin de plus d’exemples concrets avant de passer à l’abstraction.

Ce niveau de détail était impossible à produire manuellement. Il devient automatique.

Et cela ouvre la possibilité d’avoir une vraie collaboration entre le corps enseignant et les parents pour le bien de l’enfant.

Comment en parler aux enfants

Une question revient souvent : comment présenter l’IA aux enfants ?

On peut leur dire ceci : l’IA est un outil puissant. Elle peut t’aider à aller plus vite sur certaines choses. Mais elle ne peut pas comprendre à ta place. Elle ne peut pas avoir d’idées à ta place. Elle ne peut pas être curieux à ta place.

Comprendre, c’est inventer. Et inventer, c’est toi qui le fais.

Si tu demandes la réponse à l’IA, tu l’as. Mais tu n’as rien appris. Si tu utilises l’IA pour t’aider à chercher, à vérifier, à aller plus loin, alors tu construis quelque chose.

La différence entre consommer et apprendre, c’est l’effort que tu mets.

À nous de faire les bons choix

L’IA dans l’éducation peut être le meilleur ou le pire.

Le pire : des enfants qui reçoivent des réponses sans chercher, qui consomment du contenu sans construire, qui perdent le goût de l’effort parce que tout est facile.

Le meilleur : des enfants qui ont accès à un environnement adapté à leur rythme, qui reçoivent le bon défi au bon moment, qui restent acteurs de leur apprentissage avec un feedback immédiat.

La différence n’est pas dans la technologie. Elle est dans la façon dont on l’utilise.

Piaget nous l’a appris il y a soixante ans : on n’apprend pas en recevant, on apprend en construisant.

L’IA peut créer les meilleures conditions pour cette construction.

Mais c’est l’enfant qui construit.

Trois questions pour un expert

— Pouvez-vous vous présenter brièvement, ainsi que Korabench.ai ?

Je suis Mathilde Collin. J’ai cofondé Front en 2013 et en ai été la CEO jusqu’en 2024.

En 2025, j’ai cofondé KORA, une association à but non lucratif. KORA c’est le premier benchmark dédié à l’évaluation de la sureté des modèles d’intelligence artificielle pour les enfants.

Nous définissons une typologie précise des risques, puis nous évaluons les modèles pour permettre aux parents, aux développeurs, aux décideurs publics et aux autres parties prenantes de voir, de manière transparente, comment un modèle se comporte face à chaque catégorie de risque.

L’objectif c’est de tirer l’ensemble des modèles vers le haut et de contribuer à l’émergence d’IA toujours plus sûres pour les enfants et les adolescents.

— Comment l’IA transforme-t-elle fondamentalement la façon dont on apprend ? Qu’est-ce qui change au-delà d’“aller plus vite” ?

L’un des enseignements majeurs de KORA est que les modèles d’IA échouent massivement sur ce que nous appelons l’« intégrité éducative et de la connaissance » (ils échouent dans plus de 70 % des cas).

On pourrait penser que la solution consiste à améliorer les modèles (par exemple en limitant les réponses « clés en main »). Mais ma conviction c’est qu’il faut adapter les méthodes d’enseignement aux outils, et pas l’inverse.

Il faut accepter que les élèves auront presque toujours accès à l’IA (hors conditions d’examen très spécifiques). Ils auront donc accès à une forme de « professeur » qui, malgré ses erreurs possibles, est souvent plus informé et plus expert que la plupart des enseignants. Dans ce contexte, le rôle de l’enseignant doit s’adapter.

La question devient alors : que peut offrir l’enseignant que la machine ne peut pas ? Une relation de confiance avec l’élève, une source de motivation et de récompense, une ouverture proactive sur de nouveaux horizons, s’éloigner du cours magistral (ou plutôt le déléguer à la machine) pour accompagner l’étudiant sur des projets / travaux pratiques.

Les enseignants pourront davantage se consacrer à « former des esprits » qu’à « transmettre des contenus », ce qui est une super opportunité.

— Dans un monde où ChatGPT peut résoudre la plupart des exercices, comment évaluer si quelqu’un a réellement appris ? Que reste-t-il à tester ?

De manière pratique, je suis pour l’evaluation sans ordinateur. Certaines universités (Sciences Po je crois) font déjà ça. On pourrait aussi généraliser les entretiens oraux, éventuellement conduits par une IA, avec une “relecture” par un enseignant.

Si on prend du recul, je pense aussi qu’il faut apprendre à évaluer les compétences que l’IA peut fragiliser : l’esprit critique, le pouvoir d’agir (la capacité à se fixer ses propres objectifs, à les réaliser et à évaluer ce que l’on a accompli), la mémorisation.

Dans le monde de l’IA ce mois-ci…

Ces derniers jours, nous avons trouvé intéressant :

• [🇬🇧] Cet article sur un logiciel développé sans une seule ligne de code venant d’un ingénieur.

• [🇫🇷] Cette note du Conseil de l’IA et du Numérique sur les agents IA.

• [🇫🇷] L’impact de Claude dans vos présentations / tableurs.

👋 Rendez-vous dans un mois,

— Charles & Maxime

“L’intelligence, envisagée dans ce qui en paraît être la démarche originelle, est la faculté de fabriquer des objets artificiels, en particulier des outils à faire des outils.” – Henri Bergson

Les ingénieurs qui ont bâti les pyramides d’Égypte étaient excellents.

Et pourtant, ils n’auraient pas pu construire la Tour Eiffel. Non par manque de talent ou d’intelligence, mais parce que Gustave Eiffel disposait d’outils qu’ils n’avaient pas : l’acier industriel, la préfabrication de précision, le calcul structurel moderne.

Nous vivons un moment équivalent.

La révolution Ralph Wiggum

En 2025, un personnage improbable est devenu le symbole d’une révolution : Ralph Wiggum, un personnage simplet des Simpsons.

Son nom désigne désormais une technique de programmation où l’on place un agent IA dans une boucle qui tourne jusqu’à ce que la tâche soit accomplie. Simple, obstiné, répétitif, comme le personnage lui-même qui, malgré son apparente naïveté, finit toujours par arriver quelque part.

Dans les faits, cela veut dire que le rôle de l’ingénieur devient beaucoup plus de créer un cadre dans lequel une IA pourra travailler, vérifier son travail ainsi que sa qualité, puis continuer à travailler jusqu’à satisfaction.

Ce qui change vraiment

Le code devient abondant. Les fonctionnalités qui végétaient éternellement dans le backlog deviennent réalisables. Ajouter ces petits détails agréables qui font la différence n’est plus un luxe.

Mais attention au piège : croire que le code gratuit signifie que tout devient facile. La complexité inhérente des systèmes demeure. Créer un prototype ? Facile. Gérer l’authentification, la persistance, les cas limites, la sécurité, l’architecture à long terme ? C’est une autre histoire.

Le rôle de l’ingénieur se transforme. Moins de temps à écrire, plus de temps à spécifier, réviser et décider. On devient éditeur et architecte, pas seulement auteur. L’ingénieur qui construisait doit maintenant orchestrer la construction.

Le paradoxe du contrôle

Et une question inconfortable émerge : quand arrête-t-on de lire le code produit ?

Si l’IA produit 99 fois sur 100 ce qu’on attend, comment change-t-on notre manière de travailler ? Se reposer sur des humains qui doivent rester au maximum de leur vigilance pour attraper la centième erreur, ce n’est pas un système robuste.

La réponse n’est pas de faire confiance aveuglément, ni de tout vérifier manuellement. C’est de construire des systèmes de vérification automatique. Des tests, des garde-fous, des mécanismes qui détectent les dérives. L’énergie de l’ingénieur se déplace de la création vers la conception du filet de sécurité.

C’est comme passer d’un système où chaque ouvrier vérifie chaque rivet à un système où l’on conçoit des rivets qui ne peuvent pas être mal posés.

La nouvelle compétence

Ce qui devient crucial, c’est donc la capacité à cadrer précisément ce que l’on veut. Si vous définissez votre tâche de manière floue, le système se perd rapidement. Si vous avez bien cadré et donné tous les moyens de vérifier que le travail est correct, vous pouvez obtenir des résultats complexes mais contenus.

Le travail de l’ingénieur se déplace vers la mise en place de l’expérimentation plutôt que vers la création elle-même. C’est un changement de paradigme comparable à celui qui a fait passer les développeurs de l’assembleur aux langages de haut niveau. L’abstraction monte d’un cran.

Alors devient-on plus humains?

Une question traverse l’histoire de la philosophie : la technique libère-t-elle ou asservit-elle ? Les outils que nous créons nous rendent-ils plus humains ou nous réduisent-ils à des rouages ?

La réponse dépend de notre usage. Si nous utilisons ces nouveaux outils pour simplement aller plus vite sur les mêmes tâches, nous passons à côté de l’essentiel.

Si nous les utilisons pour élever nos ambitions, pour construire ce que nous n’aurions pas pu rêver il n’y a que 5 ans, alors nous réalisons leur véritable potentiel.

Les pyramides étaient des merveilles. La Tour Eiffel en est une autre. La différence n’est pas dans le génie des bâtisseurs. Elle est dans ce que leurs outils leur permettaient d’imaginer.

Nos outils ont changé. Nos ambitions devraient suivre.

Trois questions pour un expert

— Pouvez-vous vous présenter brièvement, ainsi que Dust?

Je suis Stanislas Polu, cofondateur et ingénieur chez Dust. Avant Dust, j’ai travaillé 3 ans chez OpenAI sur le raisonnement mathématique des modèles de langage. J’ai aussi monté une startup en France en 2010 que nous avons revendu à Stripe ou je suis resté 5 ans de 150 à 3000+ employés.

J’ai quitté OpenAI fin 2022 avec une conviction simple : les modèles étaient déjà puissants mais sous-déployés. Le verrou n’était plus technique, il était devenu produit.

Dust c’est une plateforme de création et management d’agents pour l’entreprise. C’est en terme agentique le “company harness” dans lequel s’exécutent les agents d’une entreprise. Pour pouvoir contribuer à l’entreprise, ces agents ont besoin d’avoir accès à son infrastructure (sa data, ses outils) ainsi qu’à ses humains pour collaborer avec eux. Nous construisons donc l’infrastructure permettant aux agents d’opérer sur les systèmes de l’entreprise et la surface produit ou les humains et ces agents interagissent ensemble.

— Ces derniers mois, qu’est-ce qui a fondamentalement changé dans la façon dont les organisations adoptent l’IA ?

Le shift principal : on passe de “l’IA comme outil individuel” à “l’IA comme force de travail synthétique”

Concrètement, trois choses ont changé :

• L’adoption devient collective, pas individuelle. Les entreprises ne cherchent plus à donner ChatGPT à chaque employé. Elles veulent des agents partagés, avec accès aux données de l’entreprise, qui répondent aux besoins de toute l’organisation.

• Les usages se complexifient. On passe de l’usage simple des LLM à des usages qui embarquent de multiples agents collaborant ensemble pour accomplir des tâches complexes. La durée caractéristique des loops agentiques augmente. Le niveau d’élaboration des builders dans toutes les entreprises augmente à vue d’oeil ce qui participe à l’adoption de l’utilisation d’agents à plus grande vitesse.

• La question “build vs buy” se pose enfin sérieusement. Les entreprises réalisent que construire une infrastructure IA en interne est un projet monumental et nécessite des ressources qu’elles préfèrent allouer à leur cœur de métier. Le VP Data de Doctolib l’a formulé simplement : “Build what’s in your core business, buy what will be a side project”.

Ce qui n’a pas changé : la technologie ne s’adopte pas du jour au lendemain. Même au rythme actuel, il faudra des années pour que l’IA transforme le travail en profondeur. Les organisations ont une capacité d’absorption limitée mais notre mission chez Dust c’est d’accélérer cette adoption avec du produit.

— Comment des personnes sans background technique peuvent-elles réellement s’approprier l’IA ? Quels blocages avez-vous dû lever ?

Le blocage principal n’est pas technique. Il est culturel.

Les gens pensent qu’ils ont besoin de savoir coder pour utiliser l’IA. C’est faux. Ce dont ils ont besoin, c’est d’une plateforme qui leur donne accès au bon contexte. Chez Mirakl, l’objectif atteint était de transformer 75% des employés d’”utilisateurs” en “builders” d’agents.

Ce qu’on a fait concrètement chez Dust :

• Supprimer la friction technique. La création d’un agent ne demande pas de code. On écrit des instructions en langage naturel, on sélectionne les outils ou compétences, et c’est tout. Le déploiement d’un agent fonctionnel pour un cas d’usage identifié doit pouvoir se faire en 20 minutes. Construire un agent ne doit pas être plus compliqué que de construire une spreadsheet.

• Rendre les permissions intelligibles. On a créé un modèle à deux niveaux : l’accès de l’agent aux données et outils, et l’accès des humains aux agents. Un agent RH peut avoir accès à des documents sensibles tout en étant utilisable par tous les employés pour des questions de politique interne

Le vrai levier, c’est de permettre aux experts métier de construire des outils IA sans dépendre de l’équipe technique. Les meilleurs agents sont souvent construits par ceux qui connaissent le métier, pas par les ingénieurs. L’IA, comme l’ordinateur avant elle, ne remplace pas les humains. Elle les augmente, les rend plus productifs. Le travail de demain sera meilleur, pas moins nombreux.

Dans le monde de l'IA ce mois-ci…

Ces derniers jours, nous avons trouvé intéressant :

• La perspective d’Ivan Zhao (CEO de Notion) et son parallèle entre l’IA et l’acier

• L’opinion de Yuval Noah Harari, qui nous rappelle que nous sous-estimons l’impact long terme de l’IA

• Cette vidéo du Youtubeur “Micode” intitulée “La Fabrique à Idiots” (nous y reviendrons 🤓)

👋 Rendez-vous dans un mois,

— Charles & Maxime

Une fois n’est pas coutume, c’est Maxime Le Bras qui écrit l’édito cette fois !

Dans la tech, une conviction s’installe : pourquoi embaucher un débutant quand l’IA peut faire son travail ? Ce raisonnement semble imparable. Et pourtant, il repose sur une incompréhension fondamentale de ce qui se joue aujourd’hui.

Le triangle qui se redessine

Dans notre épisode sur l’agency (ci-après “agentivité”) et le taste (ci après “discernement”), Charles expliquait comment l’IA fait s’effondrer l’un des côtés du triangle de l’efficacité : la capacité technique. Quand générer du code ou analyser des données devient accessible à tous, que reste-t-il ?

Il reste deux piliers :

• l’agentivité (le pouvoir d’action)

• le discernement (savoir distinguer l’excellence)

Et c’est précisément là que le débat sur les juniors devient intéressant.

Car voici la vérité inconfortable : les juniors intègrent l’IA dans leur façon de penser, pas seulement dans leur façon de travailler.

Deux façons d’utiliser l’IA

Certains utilisent ChatGPT comme un assistant : générer un email, corriger un bug, résumer un document. Dans ce cas, l’IA est un substitut à l’effort.

D’autres l’utilisent comme une extension de leur pensée : décomposer un problème, explorer plusieurs solutions, comprendre les trade-offs, itérer. Dans ce cas, l’IA est un partenaire de réflexion.

Le premier usage ne développe aucune compétence nouvelle. Le second transforme l’apprentissage lui-même.

L’agentivité retrouvée

L’IA a abaissé la barrière technique, mais élevé l’importance de l’agentivité. Dans un monde où créer ne coûte presque rien, la différence se fait sur le courage d’expérimenter.

Un junior qui maîtrise l’IA peut prototyper en heures plutôt qu’en semaines, tester dix approches pendant qu’on en débat une, échouer rapidement et itérer sans coût émotionnel.

Chez Alan, dans nos équipes “Everyone Can Build!”, ce ne sont pas toujours les plus expérimentés qui innovent le plus. Ce sont ceux qui osent essayer.

Le discernement comme dernier rempart

Mais attention : l’agentivité sans discernement produit du volume, pas de la valeur.

Le discernement — distinguer l’excellent du médiocre — ne s’improvise pas. Il se développe par l’exposition répétée à la qualité et par le feedback.

Un junior qui n’a jamais vu de code propre ne saura pas reconnaître quand l’IA produit du code médiocre. C’est le paradoxe cruel : pour développer son discernement, il faut avoir fait soi-même.

Le paradoxe de Jevons : moins de juniors ou plus de jobs ?

Aujourd’hui, on entend parfois que les entreprises embauchent moins de juniors. L’IA semble les remplacer. Mais c’est oublier le paradoxe de Jevons : quand l’efficacité augmente, la demande explose.

Les machines à vapeur plus efficaces n’ont pas réduit la consommation de charbon, elles l’ont multipliée. De même, quand créer une application coûte 100 fois moins cher, on ne crée pas moins d’applications, on en crée 1000 fois plus.

L’IA va créer une explosion de nouveaux métiers et de nouveaux besoins. Pas les mêmes qu’avant, mais potentiellement bien plus nombreux. La question n’est pas “aura-t-on besoin de juniors ?” mais “quels juniors former pour ces nouveaux jobs ?”

Pourquoi nous avons encore besoin de juniors

Nous avons besoin de juniors pour qu’ils développent leur discernement en conditions réelles, sans que l’IA ne fasse tout à leur place.

Si nous attendons que l’IA soit parfaite pour former des juniors, nous n’aurons plus personne capable de juger si l’IA est bonne ou mauvaise.

Les juniors d’aujourd’hui sont les gardiens du discernement de demain. Mais seulement si nous leur donnons les conditions pour le développer.

Trois conditions essentielles

1. Exposition à l’excellence — Si on confie uniquement des tâches automatisables, le junior ne développera rien. Chez Alan, nous pratiquons le “shadowing” : chaque junior observe un senior dans son travail quotidien.

2. Permission d’échouer rapidement — Une culture qui punit l’erreur tuera l’agentivité. Une culture qui célèbre l’apprentissage la fera exploser.

3. Feedback continu — L’IA peut générer, mais elle ne peut pas juger si c’est vraiment bon. Seul un humain expérimenté peut fournir ce feedback.

Une nouvelle forme d’apprentissage

Avant : on apprenait en faisant répétitivement les mêmes tâches jusqu’à les maîtriser.

Maintenant : on apprend en orchestrant l’IA, tout en développant le jugement nécessaire pour distinguer ce qui est bon de ce qui ne l’est pas.

Chez Alan, les juniors utilisent l’IA dès le premier jour, accompagnés par des seniors qui leur apprennent à évaluer la qualité. Pas “est-ce que ça marche ?” mais “est-ce que c’est excellent ?”

Conclusion : l’apprentissage perpétuel

Aura-t-on encore besoin de stagiaires ? Oui. Comme laboratoire de la nouvelle façon de travailler.

Les juniors développent des modes opératoires que nous, les “seniors”, devons observer et apprendre. La véritable menace n’est pas que les juniors deviennent inutiles. C’est que ceux qui refusent d’apprendre d’eux le deviennent.

Le débat n’est pas entre juniors et seniors. Il est entre ceux qui continuent d’apprendre et ceux qui s’arrêtent.

Les juniors nous le rappellent chaque jour : dans l’ère de l’IA, le diplôme le plus précieux n’est pas celui qu’on obtient, mais celui qu’on n’obtient jamais — le diplôme de l’éternelle curiosité. Et spoiler : on recrute !

Trois questions pour un expert

— Pouvez-vous vous présenter brièvement, ainsi que le métier de The Product Crew?

Je suis recruteur tech, un métier qui est mort avec l’IA. Il y a trois ans, il consistait à poster des annonces, trier des centaines de CV à la main, envoyer des messages. Mais plus maintenant. Aujourd’hui le métier renaît avec une portée plus stratégique et plus technique. Il s’agit de parler business et tech avec les équipes, d’identifier les besoins de compétences et d’y répondre en orchestrant une machine de recrutement huilée.

The Product Crew est une tentative de réponse à ce changement. Nous accompagnons des founders et startups early stage à Série B sur leurs recrutements stratégiques, avec une approche analytique et technique.

— On entend beaucoup parler de l’impact de l’IA sur les juniors qui démarrent leur carrière. Toi, tu as une lecture différente sur qui sera le plus impacté à moyen terme. Qu’est-ce que tu observes ?

Le consensus actuel dans la Tech est que les juniors n’ont plus de raison d’être dans les entreprises. L’IA peut remplacer les emplois débutants, et par conséquent seuls les profils techniques expérimentés auraient encore une valeur ajoutée.

Mais les juniors adoptent l’IA beaucoup plus profondément que les autres générations. Ils ne l’utilisent pas seulement pour générer du texte, mais pour apprendre plus vite, décomposer un problème et co-construire la solution, structurer un projet, prototyper. Et surtout, pour compenser un manque d’expérience.

À mesure que la génération entrée avec ChatGPT aura 5 ans de pratique quotidienne, et que les seniors peineront à combler leur retard d’adoption, on arrivera à un retournement du marché. Un senior peu outillé en IA sera dépassé par un junior très augmenté.

La productivité marginale d’un junior IA-native pourra excéder celle d’un collaborateur senior qui travaille encore sur les modes opératoires d’avant 2022.

Je suis donc très optimiste pour les juniors qui s’emparent de cette technologie.

— Si tu projettes le marché du travail tech dans 5 ans, quelles sont les compétences ou les postures qui vont créer le plus de valeur ? Et qu’est-ce qui va devenir obsolète ?

La compétence qui va probablement discriminer la génération qui entre sur le marché, c’est la capacité à se reprogrammer vite : désapprendre, réapprendre, intégrer, et mettre en application avec un fort biais vers l’action.

Plus spécifiquement, la maîtrise du raisonnement assisté est déjà un atout clé : utiliser l’IA pour définir un objectif mesurable, le traduire en instructions, obtenir un résultat fiable.

En revanche, les métiers dont la valeur résidait dans l’organisation, ou la production de livrables standards, vont être compressées par l’automatisation. L’IA va valoriser ceux qui prennent des décisions, pas ceux qui se contentent d’exécuter des tâches.

Enfin dans beaucoup de verticales, l’expertise qui n’est pas continuellement augmentée deviendra obsolète.

L’expertise figée vaudra moins que l’apprentissage continu.

Dans le monde de l'IA ce mois-ci…

Ces derniers jours, nous avons trouvé intéressant :

• Ce post qui a motivé ce billet (plus optimiste) sur ce qui se joue.

• Ce petit jeu à faire pendant votre break de fin d’année.

• De lire ce que demande réellement les utilisateurs d’IA générative.

👋 Rendez-vous dans un mois,

— Charles & Maxime

“Un bon croquis vaut mieux qu’un long discours.” — Napoléon Bonaparte

L’idée est ancienne. Et pourtant, dans les derniers mois, elle a pris énormément de valeur, car désormais, ce bon croquis, tout le monde peut le produire.

Une nouvelle barrière vient de tomber

L’histoire des technologies est une histoire de démocratisation progressive. L’imprimerie a libéré l’écrit des monastères. Le traitement de texte a fait de chacun un typographe. Le smartphone a transformé tout le monde en photographe (avec plus ou moins de bonheur).

Mais l’image travaillée, le visuel professionnel, la vidéo soignée, restait un bastion. Trop cher. Trop technique. Réservé à ceux qui maîtrisaient Photoshop, After Effects, ou avaient le budget pour payer ceux qui les maîtrisaient.

Cette barrière vient de s’effondrer.

Avec les outils de génération d’image et de vidéo par IA, nous assistons à l’émergence d’une nouvelle littératie : la capacité de s’exprimer visuellement devient aussi accessible que la capacité d’écrire un email.

La créativité libérée, pas remplacée

Face à cette révolution, la crainte habituelle ressurgit : “L’IA va tuer la créativité !”

C’est confondre l’outil et l’intention.

L’IA ne crée pas à notre place. Elle enlève les obstacles techniques qui empêchaient notre créativité de s’exprimer. La différence est fondamentale : entre “l’IA a fait ça” et “j’ai pu faire ça grâce à l’IA”, il y a tout un monde : celui de l’intention humaine.

Chez Alan, nous avons observé ce phénomène de près. Plus de 2 000 visuels générés par mois par nos équipes. Pas par des graphistes — par tout le monde. Des marmottes personnalisées pour les emails, des illustrations pour les présentations, des visuels pour les posts LinkedIn.

Ce n’est pas une explosion de médiocrité. C’est une explosion de créativité auparavant contrainte.

De la vidéo rare à la vidéo ubiquitaire

La vidéo était le dernier rempart du “trop compliqué”. Produire 30 secondes de contenu vidéo professionnel pouvait coûter des milliers d’euros et des semaines de travail.

Aujourd’hui, avec les générateurs de vidéos, de nouveaux usages deviennent viables :

• La personnalisation de contenu pour chacun

• La communication interne vivante plutôt que les emails-pavés

• Une pub Instagram en quelques minutes plutôt qu’en plusieurs jours

• La formation sur mesure, illustrée, engageante

La vidéo cesse d’être un événement pour devenir un langage courant.

Tout le monde devient auteur visuel

Pendant des décennies, nous avons vécu une frustration silencieuse : avoir des idées visuelles sans pouvoir les matérialiser. Savoir exactement ce qu’on voulait voir sans pouvoir le créer.

Cette frustration disparaît.

Le commercial qui imagine une présentation percutante peut la créer. Le RH qui visualise une campagne de recrutement peut la produire. Le manager qui voit un concept peut le montrer, pas seulement le décrire.

Nous passons d’une élite technique (graphistes, vidéastes, motion designers) à une population “visuellement alphabétisée”. Les experts ne disparaissent pas pour autant ! Leur rôle s’élève vers l’excellence, la direction artistique, la cohérence de marque.

La vraie question

La révolution visuelle ne détruit pas la créativité. Elle révèle celle qui était emprisonnée derrière des barrières techniques.

La vraie question n’est plus “savez-vous utiliser Photoshop ?” mais “avez-vous quelque chose à montrer ?”.

L’image est devenue un langage courant. À nous d’apprendre à le parler.

Trois questions pour un expert

— Pouvez-vous vous présenter ainsi que Scenario ? Comment avez-vous vu évoluer l’utilisation de l’IA générative d’images dans les organisations depuis le lancement ?

Je suis Emmanuel de Maistre, CEO et cofondateur de Scenario.com. Scenario est une plateforme d’IA générative créée en 2022 (avant l’arrivée de ChatGPT…) et spécialisée dans le contenu visuel : images, vidéo, 3D. Nous avons d’abord commencé dans le secteur du gaming, puis nous avons élargi à d’autres secteurs, et nous sommes aujourd’hui utilisés par des milliers d’équipes marketing, design et média.

Depuis notre lancement, le changement a été profond. En 2022-2023, la qualité n’était pas encore au niveau pour un usage professionnel (modèles IA dits “diffusion models” de première génération comme SD1.5 ou SDXL). En 2024, beaucoup restaient préoccupés par les risques légaux potentiels, ce qui freinait encore l’adoption. À partir de mi-2025, tout s’est accéléré : la qualité des outputs a augmenté de manière exponentielle (notamment avec les modèles de ChatGPT puis de Google), beaucoup de freins ont été levés, et l’usage devient désormais massif. Certains de nos clients dans le jeu vidéo font désormais 98% de leurs assets par IA.

Au-delà de cela, l’IA n’est plus un outil réservé à des experts ou ingénieurs applied ML : avec la démocratisation des outils (web tools notamment, mais aussi APIs), elle est devenue un outil quotidien pour créer et produire du contenu visuel à grande vitesse.

On voit les organisations passer d’un modèle “centralisé” (où une équipe restreinte devait produire tout le contenu) à un modèle un peu plus distribué où de nombreux collaborateurs peuvent plus facilement créer, tout en respectant l’identité visuelle de la marque ou du jeu, grâce à des outils IA plus faciles à “guider”, notamment les modèles custom-trained.

C’est un changement de culture créative majeur qui s’accompagne de gains de productivité massifs (d’un facteur 3 à 10 en général).

— Chez Alan, nous avons observé une explosion de créativité avec plus de 2 000 visuels générés par mois par nos équipes. Comment expliquez-vous ce phénomène ? En quoi l’IA image transforme-t-elle le rapport des collaborateurs à la création visuelle en entreprise ?

Ce que vous observez chez Alan, nous le voyons beaucoup : dès que les équipes ont un outil simple, rapide et de bonne qualité (tant l’interface que les modèles qui “tournent”), produire un visuel “valide” (prêt pour la production ou la release) ne prend plus des jours, ni même des heures… ça peut être l’affaire de quelques minutes.

Tout change ensuite : les équipes testent plus, expérimentent plus, explorent plusieurs pistes au lieu d’en suivre une seule. Cette baisse totale du “coût d’essai” (et surtout du temps associé) change complètement la dynamique interne de créativité. Les collaborateurs passent moins de temps dans la “production contrainte” et beaucoup plus dans l’exploration, l’itération et la recherche d’idées.

L’IA enlève ou diminue trois freins historiques :

• (i) Le temps, qui était souvent le facteur limitant.

• (ii) La compétence technique (”savoir dessiner” ou “savoir parfaitement utiliser Photoshop”), qui n’est pas nécessaire pour toutes les étapes du processus.

• (iii) La charge mentale du brief (= “faire un bon design”), car on peut prototyper et explorer plus vite.

Ce phénomène transforme la dynamique entre les équipes. En plus de leur rôle de production visuelle, les designers prennent de nouvelles places dans des rôles de direction artistique, de “garde-fou esthétique”, pendant que plus de monde peut participer à la création au sein de l’organisation.

— Avec l’arrivée de la génération vidéo par IA, quelles nouvelles transformations anticipez-vous pour la communication en entreprise ? Quels sont les nouveaux use cases qui vous enthousiasment le plus ?

La génération vidéo par IA marque une nouvelle étape. La vidéo est déjà LE média de l’Internet, bien plus que l’image (cf. YouTube, TikTok, Reels…). Jusqu’ici, la vidéo IA était très en retard sur l’image en termes de maturité/qualité, mais les nouveaux modèles comme Veo 3 ou Seedance produisent désormais d’excellents résultats pour les formats courts : marketing, communication, teasers produit, etc.

Mais si on regarde plus loin encore (à un horizon de quelques années), ce qui arrive maintenant est encore plus profond : on bascule vers un monde où “chaque pixel est généré à la volée” (cf. Jensen Huang). On ne va plus “stocker et lire” du contenu, on va le générer exactement au moment où on en a besoin.

Ce qui était une vision en 2023 semble pouvoir devenir une réalité à moyen terme, et ce changement rend possible quelque chose qui n’existait pas jusqu’ici : l’ultra-personnalisation de la communication visuelle.

Si une vidéo peut être générée en temps réel, alors elle peut être adaptée à une audience, un segment, un marché… voire à chaque client individuellement. Pour la communication interne ou le marketing/growth, c’est un basculement énorme : on passe d’un modèle “one video fits all” à un modèle où chaque vidéo peut être unique selon la cible.

Il faudra alors certainement développer de nouveaux systèmes, pas encore en place aujourd’hui, pour permettre de contrôler ces contenus, leur coût, leur qualité… Beaucoup d’innovations à venir.

Dans le monde de l'IA ce mois-ci…

Ces derniers jours, nous avons trouvé intéressant :

• Cette approche pour se former à l’IA.

• L’essor phénoménal de Mercor, qui révolutionne le recrutement.

• Ce partage de 5 agents IA RH.

👋 Rendez-vous dans un mois,

— Charles & Maxime

“Il se tire une merveilleuse clarté pour le jugement humain de la fréquentation du monde.” - Montaigne, Essais

La machine peut analyser des monceaux de données, mais c’est dans la “fréquentation du monde” - l’action, l’expérience, la confrontation au réel - que se forge le jugement humain. Ce jugement qui distingue l’essentiel de l’accessoire, le possible de l’impossible, le souhaitable du réalisable.

Le triangle qui s’effondre

Longtemps, l’efficacité professionnelle reposait sur un triangle stable : la capacité technique (savoir-faire - technical ability), le discernement (savoir quoi faire - taste), et le pouvoir d’action (oser faire - agency). Ces trois piliers se sont équilibrés mutuellement.

Aujourd’hui, l’IA fait s’effondrer l’un des côtés. La capacité technique, barrière à l’entrée millénaire, devient soudainement accessible à tous. N’importe qui peut générer du code, créer des visuels, analyser des données. Le triangle devient ligne.

Mais attention au piège : croire que la technique disparaît, c’est confondre la carte et le territoire. L’IA ne supprime pas le besoin de compréhension technique. Elle déplace le curseur de l’exécution vers l’orchestration.

L’agency : le courage d’agir

Le pouvoir d’action, la capacité à transformer une idée en réalité, devient le premier différenciateur. Dans un monde où créer coûte de moins en moins cher, ceux qui osent expérimenter prennent une avance exponentielle.

Elle ne s’apprend pas dans les livres. Elle se forge dans l’action, dans l’échec rapide, dans l’itération constante. C’est la différence entre celui qui attend le moment parfait et celui qui lance un prototype imparfait aujourd’hui.

Paradoxe cruel : pour développer son agency, il faut faire. Et pour faire efficacement avec l’IA, il faut comprendre ce qu’on fait. La technique revient par la fenêtre qu’on croyait avoir fermée.

Le taste : l’œil qui distingue

Le discernement - cette capacité à reconnaître l’excellence - devient le second pilier. Quand l’IA peut générer mille variations, savoir choisir la bonne devient crucial.

Le taste ne se décrète pas. Il se cultive par l’exposition répétée à l’excellence, par la pratique délibérée, par le feedback honnête. C’est la différence entre celui qui accepte la première réponse de ChatGPT et celui qui sait pousser l’outil jusqu’à l’excellence.

Nouveau paradoxe : pour développer son discernement, il faut avoir fait soi-même. Comment juger la qualité d’un code si on n’a jamais codé ? Comment évaluer une stratégie si on n’a jamais échoué ?

La spirale vertueuse de l’apprentissage

Voici la vérité inconfortable : la capacité technique reste le socle invisible. Non pas comme fin en soi, mais comme moyen de développer le pouvoir d’action et le discernement.

Comprendre comment fonctionne le code permet de mieux diriger l’IA qui code. Avoir écrit permet de mieux éditer ce que l’IA produit. Avoir analysé permet de poser les bonnes questions.

L’IA ne supprime pas l’apprentissage technique. Elle accélère le cycle : on peut maintenant apprendre en faisant, obtenir du feedback instantané, itérer bien plus rapidement.

Le nouveau partage des eaux

Dans ce monde transformé, deux profils émergent :

Les engagés - Ils utilisent l’IA comme amplificateur. Leur compréhension technique leur permet de pousser l’outil au maximum. Leur pouvoir d’action les fait expérimenter constamment. Leur discernement affine chaque itération.

Les passagers - Ils subissent l’IA. Sans compréhension technique, ils ne peuvent pas déboguer. Sans agentivité, ils n’osent pas explorer. Sans discernement, ils se contentent du médiocre.

La différence ? Les premiers ont investi dans les fondamentaux. Pas pour devenir experts, mais pour devenir orchestrateurs éclairés.

Cultiver les trois piliers

Pour l’agentivité : Lancez quelque chose cette semaine. Pas le mois prochain. Cette semaine. Un prototype, un test, une expérience. L’IA rend l’échec peu coûteux. Profitez-en.

Pour le discernement : Exposez-vous à l’excellence. Analysez pourquoi certaines créations IA sont médiocres et d’autres brillantes. Développez votre œil critique en comparant, déconstruisant, reconstruisant. Demandez à d’autres de critiquer vos créations.

Pour la technique : Ne fuyez pas la complexité. Plongez sous le capot de temps en temps. Comprenez les principes, même sans maîtriser les détails. L’IA est votre tuteur personnel infiniment patient.

La technique comme fondation cachée

C’est le paradoxe ultime : plus l’IA progresse, plus la compréhension technique devient précieuse. Non pas la technique comme expertise pointue, mais comme intuition profonde.

Savoir coder ne sert plus à coder, mais à savoir ce qui est codable. Comprendre les données ne sert plus à les analyser, mais à poser les bonnes questions. Maîtriser l’écriture ne sert plus à rédiger, mais à reconnaître l’excellence.

L’IA abaisse la barrière technique pour l’exécution, mais élève celle du jugement. Elle démocratise le faire, mais différencie le bien faire.

L’avenir appartient aux amateurs éclairés

Le futur n’appartient ni aux experts techniques purs (l’IA les remplace), ni aux généralistes superficiels (l’IA les dépasse). Il appartient aux amateurs éclairés - ceux qui combinent :

• Assez de technique pour comprendre

• Assez d’agentivité pour expérimenter

• Assez de discernement pour reconnaître l’excellence

Dans ce nouveau monde, la question n’est plus “que savez-vous faire ?” mais “qu’osez-vous entreprendre avec ce que l’IA peut faire pour vous ?”.

La technique était le ticket d’entrée. L’agency et le taste sont devenus le terrain de jeu. Mais pour jouer efficacement, il faut avoir payé le ticket.

Alors oui, apprenez à coder. Pas pour coder, mais pour comprendre. Pratiquez l’analyse. Pas pour analyser, mais pour questionner. Écrivez. Pas pour publier, mais pour affiner votre goût.

Car au final, ce qui fera la différence, c’est votre capacité à transformer le potentiel infini de l’IA en valeur réelle. Et ça, aucune IA ne peut le faire à votre place.

Trois questions pour un expert

— Pouvez-vous vous présenter brièvement, ainsi que l’initiative ‘Everyone Can Build!’ ?

Je suis Alexandre Gerlic, VP Engineering d’Alan depuis 6 ans. Mon rôle est de m’assurer que la technologie serve notre mission : rendre la santé simple et accessible.

‘Everyone Can Build!’ est né d’une observation simple : dans nos organisations, nous avons artificiellement séparé “ceux qui pensent” de “ceux qui font”. Les idées traversent Product Manager → Designer → Ingénieur, accumulant friction et malentendus à chaque passage. C’est un modèle hérité d’une époque où la barrière technique était infranchissable.

Cette époque est révolue.

Nous donnons aux Alaners travaillant sur le produit accès aux mêmes outils que nos ingénieurs. Une designer modifie directement l’interface mobile. Un PM (Product Manager) corrige un bug signalé par un membre. Une personne des Opérations améliore son propre outil. C’est désormais une réalité.

Parce qu’au final, un prototype lancé aujourd’hui vaut mille réunions de spec prévues pour demain.

— Comment exposez-vous les employés “non-techniques” à l’excellence pour éviter les problèmes de qualité ?

Cette question touche le paradoxe central : démocratiser ne veut pas dire niveler par le bas.

Notre réponse est contre-intuitive et inconfortable : nous avons choisi le chemin le plus difficile.

Plutôt que de créer des outils simplifiés qui isolent et limitent les équipes, nous leur donnons accès aux vrais outils d’ingénierie. Pourquoi ? Parce que ces outils n’ont pas de limite artificielle et si ces outils deviennent assez simples pour les non-ingénieurs, ils deviennent aussi plus rapides pour les ingénieurs. L’excellence n’est pas un jeu à somme nulle.

Mais attention - donner accès aux outils ne suffit pas. C’est là que le triangle s’active.

Pour développer le taste - cette capacité à reconnaître l’excellence - nous créons des rituels d’exposition. Des “Show & Tell“ hebdomadaires où l’on partage autant les succès que les échecs instructifs. Des “champions” formés dans chaque équipe qui incarnent les standards. L’excellence ne s’enseigne pas, elle se transmet par imprégnation.

Pour cultiver l’agency - le courage d’agir - nous avons résolu un défi technique crucial : le feedback immédiat. Voir l’impact de ses modifications instantanément transforme l’apprentissage. On n’apprend pas à nager en lisant, on apprend en plongeant. L’IA rend l’eau moins froide.

Pour maintenir la rigueur technique, nous avons construit des garde-fous intelligents : périmètres sécurisés, templates éprouvés, design systems, revues automatisées et humaines.

Les ingénieurs deviennent architectes, construisant les fondations qui permettent à tous de contribuer avec qualité et sécurité.

Ce que nous découvrons en pratique : un outil “imparfait” qui résout un vrai problème pour cinq personnes vaut mieux qu’un outil “parfait” que personne n’utilise. L’excellence n’est pas la perfection - c’est l’impact.

— Comment mesurez-vous le succès d’’Everyone Can Build!’ : nombre de projets, qualité des créations, ou transformation culturelle ?

Honnêtement ? Nous résistons à la tentation des métriques prématurées. Et c’est volontaire.

Les métriques ne sont jamais neutres, elles façonnent les comportements qu’elles mesurent. Mesurer le nombre de projets, c’est encourager la quantité. Mesurer la qualité trop tôt, c’est tuer l’expérimentation. Nous préférons d’abord observer les comportements que nous voulons cultiver, puis construire les métriques qui les renforcent.

Ce qui compte vraiment, c’est la transformation du modèle mental:

• Est-ce qu’un designer, face à un problème, se dit “je peux tester ça moi-même” plutôt que “je vais créer un ticket” ?

• Est-ce qu’un Alaner présente un prototype plutôt qu’un document de 40 pages ?

• Face à un problème, est-ce qu’on réfléchit à comment le résoudre plutôt qu’à comment le signaler ?

Nos premiers signaux sont au-delà de nos espérances : diversité des équipes qui contribuent, bugs membres corrigés en heures plutôt qu’en semaines, équipes Opérations qui font évoluer leurs outils sans dépendre de la Roadmap Engineering, ingénieurs qui se concentrent sur les problèmes à fort impact.

Mais le vrai succès ? C’est le moment où quelqu’un dit naturellement : “J’avais un problème, j’ai construit un outil, ça marche, voilà le lien si ça vous intéresse”.

C’est ça, la vraie transformation : passer de “j’ai une idée mais je dois attendre” à “j’ai créé et je partage”.

L’IA rend ce passage possible pour la première fois à grande échelle. Nous ne savons pas encore exactement où cela nous mène. Mais les organisations qui attendent d’avoir toutes les réponses avant de commencer seront dépassées par celles qui apprennent en construisant.

Dans le monde de l'IA ce mois-ci…

Ces derniers jours, nous avons trouvé intéressant :

• Le graphe qui inquiète toute l’industrie du recrutement.

• Ce Wikipédia du prompt : bibliothèque géante de prompts partagés par des utilisateurs.

• Cette démonstration de ce qu’est capable de faire GPT Atlas.

👋 Rendez-vous dans un mois,

— Charles & Maxime

L’évaluation est le sujet dont tout le monde parle dans la Silicon Valley en ce moment. Avec la multiplication des agents IA, on réalise qu’on construit des systèmes ultra-puissants sans savoir s’ils font ce qu’on attend d’eux.

Vous déployez un chatbot RH. Il répond vite, semble intelligent, impressionne en démo. Mais répond-il juste ? Est-il utilisé ? S’améliore-t-il ou dérive-t-il ?

Sans évaluation, vous ne savez pas. Vous pilotez les yeux bandés.

Le paradoxe de la boîte noire

L’IA n’est pas une calculatrice. 2+2 ne fait pas toujours 4. Elle hallucine, dérive, surprend. Impossible de prédire exactement ce qu’elle produira.

Alors comment lui faire confiance ?

Pour comprendre l’IA, évaluez ses résultats. C’est comme goûter un plat : peu importe la recette, ce qui compte c’est de savoir si c’est bon.

Vous n’évaluez pas l’IA, vous évaluez VOTRE système

Le modèle d’IA (GPT, Claude, Mistral) n’est pas votre système.

Votre système, c’est tout ce que vous construisez autour :

• Les instructions données à l’IA

• Les garde-fous

• Le contexte fourni

• La présentation des résultats

Le modèle, vous ne le contrôlez pas. Votre système, si.

Et voici le point crucial : les modèles s’améliorent constamment. Comment savoir si le nouveau est meilleur pour votre cas d’usage ?

Sans évaluation : “On a entendu dire que c’était mieux. On essaie et on prie ?”

Avec évaluation : “85% de bonnes réponses avant, 92% maintenant. On change.”

L’IA qui juge l’IA

Évaluer manuellement des centaines de réponses ? Impossible à grande échelle.

La solution : utiliser un LLM pour juger un autre LLM. Vous créez un prompt d’évaluation : “Voici une question, voici la réponse de notre chatbot. Note la pertinence, clarté et exactitude de 1 à 5.”

Résultat : tester des centaines de cas en minutes, identifier les patterns d’échec, comparer objectivement les versions.

Le piège ? Le juge a ses propres biais. Alors on combine toujours : évaluation automatique pour filtrer à grande échelle, vérification humaine sur les cas critiques.

Le “LLM as a Judge” n’est pas la vérité. C’est un filtre qui fait gagner du temps.

En pratique : trois étapes

1. Commencer micro

Les 5 questions les plus fréquentes. Testez-les chaque semaine. Si les basiques échouent, le reste n’a pas d’importance.

2. Vibe check régulier

Lisez 10 vraies conversations. Si votre première réaction est “hmm, c’est bizarre”, c’est que ça l’est. Votre intuition métier reste votre meilleur détecteur.

3. Créer un baromètre

Une batterie de cas tests, rejouée à chaque changement. Nouveau modèle, nouvelle instruction ? Re-testez. Vous saurez instantanément si vous progressez.

(Nous avons publié notre méthode pour évaluer notre assistant médical ici)

Chez Alan : agilité par l’évaluation

Notre choix : construire des systèmes qu’on peut évaluer, plutôt que des modèles opaques.

Avec quelques centaines d’exemples, on identifie où ça échoue. On améliore. Un nouveau modèle sort ? On teste sur nos cas, on compare, on adopte si c’est mieux.

Cette agilité n’existe que par l’évaluation.

Le piège de la perfection

L’erreur fatale : attendre le système d’évaluation parfait.

Une évaluation basique mais régulière bat une évaluation sophistiquée mais sporadique. Toujours.

Plus pernicieux : sans évaluation, vous ignorez avoir un problème. Les employés arrêtent d’utiliser l’outil, reviennent aux anciennes méthodes. Votre investissement IA devient une coquille vide.

L’évaluation n’est pas un coût. C’est ce qui protège votre investissement.

Commencez maintenant

Prenez votre outil IA. Testez-le sur un cas réel. Notez ce qui cloche.

Félicitations, vous venez de faire votre première évaluation.

L’évaluation parfaite n’existe pas. Mais l’absence d’évaluation garantit l’échec.

Comme le disent les pilotes : “Mieux vaut être au sol en regrettant de ne pas voler, qu’en l’air en regrettant de ne pas être au sol.”

Avec l’IA, c’est pareil. Mieux vaut évaluer imparfaitement que découvrir les problèmes en plein vol.

Trois questions pour un Expert

— Pouvez-vous vous présenter brièvement ?

Je suis Pierre Valade, CEO d’AnotherAI. Nous construisons des outils pour les ingénieurs IA.

Mon parcours : j’ai créé Sunrise Calendar, racheté par Microsoft en 2015, puis Jumbo Privacy. Aujourd’hui avec AnotherAI, je me concentre sur un problème spécifique : donner aux ingénieurs les outils pour construire, tester et déployer des systèmes IA de manière fiable.

— L’évaluation des systèmes IA est devenue le sujet brûlant de la Silicon Valley. Pour une équipe RH qui démarre avec l’IA, par où commencer quand on n’a ni expertise technique ni gros budget ?

La difficulté fondamentale, c’est qu’on doit évaluer deux choses simultanément : les prompts qu’on écrit et les modèles qu’on utilise. C’est complexe de démêler ce qui vient de quoi.

Ma recommandation si vous démarrez : oubliez l’optimisation des coûts au début. Utilisez directement les modèles les plus performants. Si votre usage reste modéré, le coût n’est pas le sujet. Concentrez-vous d’abord sur l’atteinte d’une qualité suffisante.

Et puis franchement, les coûts s’effondrent. Ce qui est cher aujourd’hui ne le sera probablement plus dans six mois. Alors autant commencer avec ce qui marche le mieux.

Pour l’évaluation concrète : faites simple. Collectez le feedback de vos utilisateurs finaux. Comme ChatGPT le fait avec ses boutons pouce levé/pouce baissé. L’idéal, c’est d’avoir aussi du feedback écrit. Un simple “Pourquoi ?” après le pouce baissé vous en apprend énormément.

Puis compilez ces retours régulièrement - hebdomadairement au début - et analysez les patterns de problèmes. Pas besoin de sophistication technique. Vous avez juste besoin de savoir ce qui ne marche pas, vu par ceux qui utilisent vraiment l’outil.

— Quel est un point important qu’on a tendance à oublier ?

Se tenir au courant des nouveaux modèles. Et je ne parle pas d’une veille annuelle - je parle de tous les mois.

Les modèles évoluent à une vitesse folle. Chaque mois apporte des baisses de coûts, des améliorations de qualité, des temps de réponse plus rapides. Si vous ne testez pas régulièrement les nouvelles versions, vous laissez de l’argent et de la performance sur la table.

Et tant qu’à faire : pensez à Mistral. C’est bon pour l’Europe.

Dans le monde de l'IA ce mois-ci…

Ces derniers jours, nous avons trouvé intéressant :

• Mistral AI lève 1,7 milliard d'€ pour accélérer son développement.

• Google révèle que chaque prompt Gemini consomme 0,24 Wh d'énergie (équivalent à <9 secondes de TV) et que l'efficacité énergétique de leurs modèles IA s'est améliorée de 33x en 12 mois.

• Selon une étude Gartner, 61% des leaders RH sont passés à l’IA Générative.

👋 Rendez-vous dans un mois,

— Charles & Maxime

"What I cannot build, I do not understand." — Richard Feynman

Cette citation de Feynman prend aujourd'hui une tournure ironique. Car désormais, ce que nous pouvons construire ne dépend plus de notre compréhension du code, mais de notre capacité à décrire ce que nous voulons.

3 février 2025. Andrej Karpathy invente le terme "vibe coding". L'idée : créer du code sans jamais en écrire une ligne. Une révolution qui fait trembler les fondations de l'industrie tech.

Le code n'est plus une barrière d'entrée

Pendant des décennies, le code était le latin de notre époque. Les idées devaient traverser d'innombrables couches avant de devenir réalité : specs, maquettes, développement. Chaque passage créait friction et délais.

Aujourd'hui, avec Lovable, Cursor ou Mistral, n'importe qui peut transformer une idée en application fonctionnelle. Pas de syntaxe à mémoriser. Juste vous, votre vision, et une IA qui traduit.

Le paradoxe de Jevons frappe encore

"C'est la fin des développeurs !" Non. William Stanley Jevons l'avait observé : quand l'efficacité augmente, la consommation explose. Les machines à vapeur plus efficaces n'ont pas réduit la consommation de charbon - elles l'ont multipliée.

De même, quand créer une application coûte 100 fois moins cher, on ne crée pas moins d'applications - on en crée 1000 fois plus.

La complexité reste le vrai défi

Soyons lucides. Le vibe coding supprime la barrière technique initiale, mais on se heurte rapidement à un mur : la complexité inhérente des systèmes.

Créer un prototype ? Facile. Gérer l'authentification, la persistance, les cas specifiques, la sécurité ? C'est une autre histoire. Le vibe coding ne transforme pas un novice en architecte système. Ce n'est pas la capacité à "vibecoder" qui fera la différence - c'est la compréhension profonde des systèmes.

Et pourtant, pouvoir prototyper change fondamentalement la donne. Un prototype tangible vaut mille spécifications. Il transforme l'abstrait en concret. Il révèle les problèmes cachés. Il accélère les décisions.

Chez Alan, un designer peut maintenant montrer, pas seulement décrire. Un Ops peut tester son idée avant de mobiliser une équipe. Un “PM” (Product Manager) peut valider une hypothèse en quelques heures, pas en quelques sprints.

Les ingénieurs ne disparaissent pas - leur rôle s'élève. Ils transforment les prototypes en systèmes robustes. Ils gèrent la complexité que le vibe coding ne peut pas toucher. Ils créent les abstractions qui rendent le code maintenable.

L'ingénierie ne devient pas obsolète. Elle devient plus stratégique, plus architecturale, plus essentielle.

Le courage du premier pas

Mon conseil ? N'attendez pas. Ouvrez Mistral, Lovable ou Cursor maintenant. Décrivez cette application dont vous rêvez, amusez-vous à y ajouter des fonctionnalités. En une heure, vous aurez créé quelque chose.

Ce ne sera pas parfait. Ce ne sera pas scalable. Mais ce sera tangible. Et cette tangibilité changera votre façon de penser le problème.

La vraie révolution : voir pour comprendre

Le vibe coding n'est pas la solution ultime. C'est un outil de visualisation extraordinaire. Il transforme les idées en prototypes, les prototypes en conversations, les conversations en produits.

La barrière technique qui empêchait 99% des gens de créer vient de tomber. Derrière, d'autres barrières demeurent : complexité, scalabilité, maintenabilité. Mais au moins, maintenant, tout le monde peut commencer.

Le vibe coding ne fait pas de vous un développeur. Il fait de vous quelqu'un qui peut montrer, pas seulement dire. Quelqu'un qui peut tester, pas seulement théoriser.

Bienvenue dans le monde où votre incapacité à coder n'est plus une barrière pour commencer. Où la complexité reste un défi, mais où au moins, vous pouvez voir le chemin.

Bonus : découvrir le Quiz Intelligence Humaine

“Encore des mots toujours des mots. Les mêmes mots” — Dalida

Eh bien non ! Cette fois Charles a “vibecodé” un Quiz en 20 minutes avec 22 épisodes d’Intelligence Humaine. Vous pouvez jouer avec 👉 ici 👈

Trois questions pour un Expert

— Pouvez-vous vous présenter brièvement ?

Je suis Thomas Wolf, co-fondateur et Chief Science Officer de Hugging Face. Nous avons créé la plus grande plateforme communautaire pour l’IA, avec plus de 2 millions de modèles partagés. Notre mission est de démocratiser l'IA en la rendant accessible à tous, pas seulement aux géants de la tech.

Avant Hugging Face, j'ai fait de la recherche en physique quantique, puis j'ai basculé vers l'IA quand j'ai réalisé son potentiel transformateur. Aujourd'hui, je suis aussi angel investor, et j'essaie d'identifier les prochaines vagues d'innovation qui vont transformer notre façon de créer.

— Vous avez organisé un événement de vibe coding avec des enfants de 9-13 ans. Qu'est-ce qui vous a le plus surpris dans leur façon d'aborder la création avec l'IA ?

Ce qui m'a sidéré, c'est leur absence totale d'inhibition. Ils ne se demandent pas "est-ce que c'est possible ?" - ils essaient directement. Un gamin de 10 ans a créé une plateforme de connexion entre scouts et jeunes joueurs amateurs. Un autre a fait un jeu de cartes online. En deux heures !

Mais le plus frappant, c'est comment les enfants s’emparent naturellement de l’IA. Pour eux, c'est simplement un outil, comme un crayon. Ils comprennent rapidement que cette partie d’un projet (fabriquer un site) est maintenant facile et passent directement à l’étape suivante, comment partager, faire une petite entreprise à partir de leur idée, fabriquer les objets décrits sur le site, etc.

Cette génération grandit en sachant qu'elle peut construire n'importe quelle plateforme. C'est un formidable outil de libération, un changement mental fondamental. Nous, on a grandi en apprenant d'abord les limites. Eux grandissent sans ces barrières mentales.

— Ces enfants créent sans connaître le code sous-jacent. Est-ce une libération ou un danger pour l'innovation future ?

C'est une libération, sans hésitation. Cette question me rappelle les débats qu'on avait sur les calculatrices - "les enfants ne sauront plus faire de calcul mental !". Aujourd'hui, ces mêmes enfants résolvent des problèmes mathématiques que nous n'aurions jamais pu aborder.

Les plus curieux plongeront dans le code quand ils en auront besoin. J'ai vu des enfants à notre événement demander "mais comment ça marche vraiment ?" et commencer à explorer le JavaScript généré. La curiosité trouve toujours son chemin.

J’ai vu récemment une personne postuler à Hugging Face qui avait appris à coder en lisant le code généré par ChatGPT, c’est un outil d’apprentissage adaptable extrêmement puissant.

Le vrai danger serait de les forcer à apprendre la syntaxe avant de les laisser créer. Imaginez dire à un enfant qu'il doit apprendre la grammaire parfaite avant de pouvoir raconter une histoire ! Le vibe coding leur permet d'abord de créer, de prendre goût à la construction. L'expertise technique viendra naturellement pour ceux qui en ont le besoin ou l'envie.

Et honnêtement ? Dans 10 ans, comprendre les prompts et savoir orchestrer des IAs aura probablement plus de valeur que de débugger du C++. Ces enfants ne sont pas moins capables - ils développent juste des compétences différentes, adaptées à leur époque.

Dans le monde de l'IA ce mois-ci…

Ces derniers jours, nous avons trouvé intéressant :

• D’après Deloitte, les tâches RH que l’IA va automatiser/assister/augmenter.

• Une étude montrant que les entretiens d'embauche menés par IA vocale donnent de meilleurs résultats que les entretiens humains.

• La première évaluation complète de l'impact environnemental des modèles, sur tout leurs cycles de vie, de Mistral IA.

👋 Rendez-vous dans un mois,

— Charles & Maxime

"Il n'y a rien de plus pratique qu'une bonne théorie." - Kurt Lewin

Vous l'avez peut-être remarqué : cette newsletter ne vous donne pas de recettes toutes faites. Pas de "10 prompts ChatGPT pour révolutionner vos RH". Pas de tutoriels pas à pas. Certains pourraient y voir un manque. Nous y voyons notre singularité.

Le piège du copier-coller

Internet regorge de guides pratiques sur l'IA. "Comment automatiser vos recrutements", "Les meilleurs outils IA pour la formation", "5 étapes pour digitaliser vos processus RH". Ces contenus ont leur valeur, mais ils partagent tous une limite fondamentale : ils présupposent que votre contexte ressemble à celui de l'auteur. Et chez Alan, on sait que notre culture est très singulière (transparence radicale et tout à l’écrit), donc que ça ne s’applique pas à tous.

Cette obsession du "comment" occulte souvent le "pourquoi" et le "quoi". Nous courons après les solutions avant d'avoir compris le problème.

L'autre extrême : la philosophie hors-sol

À l'opposé, on trouve des penseurs qui théorisent sur l'IA sans jamais l'avoir utilisée en conditions réelles. Ils philosophent sur les biais algorithmiques sans avoir jamais évalué un modèle. Ils prédisent l'avenir du travail sans avoir appliqué la transformation de l’IA dans leurs propres équipes.

Cette déconnexion du terrain produit des réflexions certes intéressantes, mais souvent inapplicables. C'est de la pensée en apesanteur, belle mais inutile.

Notre approche : du terrain à la théorie

Ce qui nous rend singuliers, c'est notre position : nous sommes dans le cambouis ET dans la réflexion. Nous utilisons l'IA au quotidien chez Alan - pour recruter, former, organiser, créer. Nous voyons ce qui marche, ce qui échoue, ce qui surprend.

Mais surtout, nous prenons le temps de comprendre pourquoi. De cette pratique intensive, nous extrayons des principes, des modèles, des outils de pensée. Pas des recettes, mais des grilles de lecture.

La vérité réside dans le fait d'avoir fait (verum ipsum factum), et il n'y a que vous pour découvrir la vérité dans votre contexte.

Des outils de pensée, pas des modes d'emploi

Pourquoi cette approche méta ? Parce que chaque entreprise est unique. Votre culture n'est pas celle d'Alan. Vos défis ne sont pas les nôtres. Vos équipes ont leur propre histoire, leurs propres résistances, leurs propres potentiels.

Ce dont vous avez besoin, ce n'est pas que nous vous disions quoi faire. C'est que nous vous aidions à penser par vous-même. À développer votre propre compréhension de l'IA, ancrée dans votre réalité.

Les outils de pensée que nous partageons - qu'il s'agisse du concept de "toil", de la métaphore de l'oracle vs la muse, ou de la notion d'intelligence augmentée - sont des lunettes, pas des GPS. Ils vous aident à voir plus clair, pas à suivre aveuglément un chemin tracé par d'autres.

L'invitation au voyage

Notre newsletter est une invitation à penser avec nous, pas à nous suivre. Chaque épisode est une pierre à votre édifice de compréhension, pas une brique d'un mur que nous construirions pour vous.

C'est plus exigeant qu'un tutoriel. C'est moins rassurant qu'une checklist. Mais c'est infiniment plus puissant. Car à la fin, la seule chose qui résiste au temps, c’est la pensée.

Alors continuons à penser ensemble. À questionner. À douter. À expérimenter. Et surtout, à construire chacun notre propre rapport à l'IA, ancré dans notre réalité, éclairé par des principes partagés.

Car la vraie révolution de l'IA ne sera pas dans l'application de recettes universelles, mais dans la capacité de chaque organisation à inventer sa propre voie.

Trois questions pour un Maxime

— [Pink Max] Salut Maxime, comment ça va ? Peux-tu nous expliquer pourquoi nous en sommes arrivés à faire cette interview entre nous ?

Quitte à assumer notre niveau d'abstraction, Charles et moi nous sommes dit qu’on allait faire une double référence philosophique :

• Comme Narcisse devant son reflet, nous créons un dialogue avec nous-mêmes pour mieux explorer nos propres idées sur l'IA - tout en assumant pleinement cette mise en abyme intellectuelle.

• Dans les dialogues platoniciens, Platon utilise le personnage de Socrate pour développer sa propre pensée philosophique. Socrate (ici Pink Maxime) pose des questions, guide la réflexion, mais c'est Platon (ici Green Maxime) qui structure la pensée derrière.

— [Pink Max] Après de longs mois à travailler sur cette newsletter, sur quels sujets as-tu changé d'avis ?

J'ai changé d'avis sur l'immédiateté de la révolution IA. Pour les "moldus" que nous sommes - nous, les non-spécialistes - l'IA générative apporte des changements importants, mais nous ne sommes pas encore au point où notre vie a complètement changé. Je pense que nous surestimons l'impact à court terme de l'IA.

En revanche, nous sous-estimons probablement son impact à long terme. Pourquoi ? Parce que nos prédictions sont influencées par notre histoire et nos cadres de référence actuels. Or l'IA va nous imposer un nouveau cadre de référence - et par définition, nous ne pouvons pas prédire ce que nous ne pouvons pas encore concevoir.

— [Pink Max] Sur l'IA, quelle vérité importante très peu de gens partagent-ils avec toi ?

Que les cheveux verts me vont mieux que les cheveux roses ?

Plus sérieusement - je crois que l'IA va nous permettre de trouver des solutions face au dérèglement climatique.

Beaucoup de gens se laissent convaincre par des figures d'autorité (par ailleurs que je respecte également) mais qui, quand on regarde leurs arguments, manquent de sérieux dans leur approche du sujet. On y trouve facilement soit des raccourcis, soit un manque de rigueur dans l'utilisation des données, ou dans la lecture des études scientifiques.

• Par exemple, quand Jancovici parle de consommation énergétique de l'IA, il fait un raccourci en comparant directement la consommation d'un data center avec celle d'un pays, sans tenir compte de l'efficacité énergétique croissante des puces ni des gains de productivité générés par l'IA dans d'autres secteurs.

• Quand certains philosophes parlent de l'impact carbone de l'IA, ils se focalisent sur la phase d'entraînement des modèles sans analyser les économies d'énergie que ces modèles peuvent générer une fois déployés - comme l'optimisation des réseaux électriques ou la recherche accélérée en énergies renouvelables.

Ce traitement partial de l'IA se retrouve aussi dans d'autres mythes (comme le fait que l'IA va "griller nos cerveaux"). Charles a écrit une tribune sur le sujet.

Pour revenir à mon opinion sur le dérèglement climatique : comme je pense que c'est la Science qui apportera des solutions au dérèglement climatique, et que l'IA est un outil extrêmement puissant pour les scientifiques - pour modéliser des systèmes complexes, découvrir de nouveaux matériaux, optimiser les processus industriels ou accélérer la recherche fondamentale - alors l'IA devient un levier essentiel dans notre lutte contre le réchauffement. C'est un pari sur l'innovation plutôt que sur la décroissance.

Dans le monde de l'IA ce mois-ci…

Ces derniers jours, nous avons trouvé intéressant :

• Trois vraies réussites d'entreprise ayant fusionné IA avec RH.

• Un post avec des ressources et templates RH que vous pourriez appliquer à votre contexte.

• Un guide de transformation IA pour votre équipe de recrutement.

👋 Rendez-vous dans un mois,

— Charles & Maxime

"Nous façonnons nos bâtiments, puis nos bâtiments nous façonnent," déclarait Winston Churchill en 1943 pour reconstruire les villes bombardées.

Cette maxime prend une nouvelle dimension à l'ère de l'IA générative. Nos bureaux, conçus pour une époque où l'information était rare et centralisée, sont-ils encore adaptés à un monde où chacun peut converser avec une IA ?

Cette question nous ramène aux origines de la philosophie. Aristote enseignait en marchant dans le Lycée d'Athènes, comprenant que la pensée se nourrit de mouvement. Avec l'IA vocale, nous redécouvrons cette vérité : on peut désormais réfléchir en marchant, créer en se déplaçant. Mais attention à ne pas tomber dans le piège de l'isolement. L'IA doit libérer l'interaction humaine, non la remplacer.

L'IA comme catalyseur spatial

Historiquement, les bureaux servaient de centres de traitement de l'information. L'IA générative change cette logique. La valeur du bureau ne réside plus dans l'accès à l'information, mais dans la qualité de l'expérience humaine. L'IA vocale nous permet de réfléchir en mouvement, adaptant nos outils à notre nature d'êtres pensants.

Trois scénarios pour demain

• L'atomisation : L'IA pourrait nous isoler, transformant les bureaux en collections de cabines individuelles. Ce scénario dystopique prolonge une tendance déjà observable : la fragmentation de l'attention et la diminution des interactions spontanées.

• L'hybridation : L'IA devient un facilitateur d'interactions humaines, enrichissant les espaces de travail pour accueillir cette intelligence augmentée.

• La renaissance : L'IA libère notre potentiel humain. Les espaces de travail deviennent des lieux d'épanouissement, favorisant l'empathie, la créativité et l'intuition.

Repenser l'architecture du travail

La vraie question n'est plus "combien de mètres carrés par personne ?" mais "quelle expérience voulons-nous créer ?". L'IA nous oblige à repenser fondamentalement la fonction de nos espaces de travail. Si l'information devient ubiquitaire grâce à l'IA, le bureau doit exceller dans ce qu'elle ne peut pas remplacer : créer du lien, stimuler la sérendipité, favoriser l'émergence d'idées nouvelles.

Steve Jobs parlait de "collision spaces" - des lieux conçus pour provoquer des rencontres inattendues. Cette idée prend une nouvelle dimension à l'ère de l'IA. Les futurs espaces de travail devront peut-être inclure des "zones de déconnexion" où l'IA est absente, préservant des moments de silence cognitif.

Conclusion : Vers une architecture humaine augmentée

L'IA ne détruira pas nos bureaux, elle les transformera. Elle nous oblige à nous poser les bonnes questions : à quoi sert vraiment un espace de travail ? La réponse réside dans ce qui nous rend humains : notre besoin de lien, notre désir de sens, notre capacité à créer ensemble. L'architecture du futur sera plus humaine, mettant la technologie au service de notre épanouissement.

Trois questions pour un expert

— Pouvez-vous vous présenter brièvement ?

Je suis Lucie Paladino, et j’ai rejoint Alan en 2019. Mon parcours est assez atypique : j'ai une formation littéraire, et 10 ans d'expérience dans la gestion culturelle avant de rejoindre Alan.

Chez Alan, j'ai évolué du service client (Care Expert) vers le recrutement (Talent), puis j'ai rejoint l'équipe Workplace (Environnement de Travail) en 2022. Aujourd'hui, je pilote notre stratégie immobilière, de gestion des espaces, d'expérience utilisateur et d'engagement via l'événementiel, ainsi que nos outils internes et infrastructure IT - des sujets que je ne connaissais pas du tout jusqu'à récemment - et que j'ai découverts en les vivant dans la Culture d'entreprise singulière d'Alan.

Ce qui est intéressant, c'est que grâce à la culture de transparence radicale et d’écrit d'Alan et aux outils d'IA auxquels nous avons accès (agents conversationnels notamment), mon équipe et moi avons pu devenir très rapidement autonomes sur des sujets complexes comme la négociation avec les bailleurs, la maintenance technique, ou l'optimisation d'espaces. L'IA nous permet de gagner du temps et de prendre de meilleures décisions sans dépendre constamment d'experts externes.

Cette expérience m'a donné une perspective unique sur la transformation des espaces de travail à l'ère de l'IA - comment on peut repenser nos besoins quand l'expertise devient plus accessible et démocratisée.

— Comment l'IA va-t-elle transformer nos environnements de travail physiques et virtuels ? Quelles nouvelles formes de collaboration émergent ?

Je pense qu'on va vers des bureaux plus intelligents technologiquement - et plus centrés humainement.

Côté physique, l'IA nous rend autonomes :

Fini d'attendre le technicien pour diagnostiquer une panne, l'architecte pour optimiser un espace, ou le consultant pour prendre une décision. L'IA nous donne l'expertise en temps réel. Les espaces deviennent adaptatifs - température, éclairage, acoustique s'ajustent selon l'usage réel, réduisant consommation énergétique et coûts d'exploitation. Et avec la maintenance prédictive, les problèmes se résolvent avant même d'apparaître (c’est une prédiction - on en est loin dans les bureaux d’Alan, mais ça viendra !).

Côté virtuel, l'IA démultiplie notre intelligence collective :

Chez Alan, l'IA est déjà le 3ème participant de chaque réunion - préparation, notes, synthèse, suivi. Elle a décuplé le pouvoir de notre culture d'écrit : non seulement tout est documenté depuis 9 ans, mais maintenant retrouver une information, identifier les connexions entre sujets, ou trouver la bonne personne devient instantané grâce à nos agents IA.

Les nouvelles collaborations qui émergent :

Depuis qu'on travaille avec l'IA, je ne passe pas moins de temps avec mon équipe - j'en passe plus, et de meilleure qualité. L'IA gère le feedback sur la forme, moi je me concentre sur le fond. On fait beaucoup de démo, et on parle de nos “prompts” (instructions données à l’IA) - comment on a atterri sur le meilleur résultat en demandant à l’agent IA de nous remettre en question plutôt que d’écrire à notre place, par exemple.

L’IA synthétise entre équipes, traduit les contextes, permet à chacun d'être un excellent généraliste avec le bon niveau d'information.

J’ai souvent l’impression qu’on travaille aujourd’hui dans un système triangulaire - Humain-IA-Humain - où l’IA joue un rôle de facilitateur, de super-assistant, et nous “augmente”.

L'IA devient un outil de plus dans notre boîte à outils - mais un outil qui transforme fondamentalement notre façon de travailler ensemble.

— Comment pouvons-nous concevoir des espaces qui facilitent l'interaction humain-IA ?

Pour moi, l'espace de travail doit devenir une interface d'intelligence collective - où humains et IA collaborent naturellement.

Transparence physique = transparence digitale : Chez Alan, notre architecture ouverte et l’aménagement de notre espace de travail reflètent notre culture : l'information circule librement. Ce qui marque le plus nos visiteurs quand ils découvrent notre bureau parisien, c’est la salle du Conseil d’Administration (Board Room), entièrement vitrée (comme toutes les salles de réunion - si si ça existe chez Alan aussi !). Pourquoi ? Parce que toute l’information partagée aux membres du Conseil est accessible aux Alaners - avant, pendant, et après - tout simplement.

Demain, j'imagine des écrans partagés où on peut voir l'IA travailler en temps réel, des espaces où les processus d'intelligence artificielle deviennent visibles et compréhensibles pour tous. Des espaces de démonstration, de collaboration, ouverts et accessibles.

Zones d'expérimentation intégrées : Nos 150+ assistants IA personnalisés montrent qu'il faut des espaces où chacun peut expérimenter librement, sans attendre l’expert informatique. Des laboratoires intégrés au quotidien, des zones modulaires pour tester rapidement - l'expérimentation doit être à portée de main, pas dans un bunker technologique.

L'IA invisible mais omniprésente : Comme l'IA dans le service client, elle deviendra le "service client de proximité" dans nos bureaux - de moins en moins visible mais de plus en plus présente. Commandes vocales fluides, ajustements automatiques, technologie qui disparaît dans l'usage naturel.

🎯 L'objectif ? Des espaces où humains et IA collaborent naturellement. À quelle échéance ? On y va tout droit et on apprend beaucoup sur le chemin !

Dans le monde de l'IA ce mois-ci…

Ces derniers jours, nous avons trouvé intéressant :

• Le post de Laszlo Bock (ex-DRH de Google) qui rappelle le rôle des RH dans la transition vers l’Intelligence Artificielle.

• Une étude du MIT sur l’impact de l’usage de ChatGPT sur nos cerveaux.

• Le rapport de Mary Meeker, sur l’impact “sans précédent” de l’IA sur nos sociétés.

👋 Rendez-vous dans un mois,

— Charles & Maxime

Vos employés utilisent déjà l'IA. La question n'est pas de savoir s'ils le font, mais comment : avec les outils sécurisés que vous leur fournissez, ou avec ChatGPT sur leur téléphone personnel pendant la pause café ?

Le piège de la prohibition

C'est le paradoxe fondamental de la sécurité en entreprise : vouloir trop protéger crée précisément le danger qu'on cherche à éviter. Comme ces banques qui interdisent l'accès à certains sites web, poussant leurs employés à utiliser leurs appareils personnels non sécurisés.

Ne pas proposer d'IA officielle, c'est garantir l'émergence d'une shadow IA (par analogie au shadow IT) - cet ensemble d'outils non validés, non contrôlés, où vos données confidentielles se baladent allègrement. La prohibition ne protège pas ; elle expose.

La tentation de la voiture en boîte à savon

Face à ce constat, certains optent pour l'autre extrême : proposer une IA tellement bridée qu'elle en devient inutile. C'est l'équivalent numérique de ces premières voitures limitées à 20 km/h "pour la sécurité". Résultat ? Des caisses à savon sur roues qui explosent au premier virage en descente.

Trop limiter l'IA sous prétexte de sécurité, c'est la rendre si peu performante que vos équipes retourneront... vers leurs outils personnels. Le cercle vicieux continue.

L'équilibre par la transparence

La solution émerge d'un paradoxe apparent : c'est en rendant l'IA puissante ET transparente qu'on la sécurise vraiment. Quand vous savez ce que fait l'IA, quand vous pouvez tracer ses actions, quand vous comprenez ses limites, vous pouvez la déployer en confiance.

Cette transparence transforme aussi la détection des abus.

L'IA devient elle-même gardienne : capable de repérer quand un employé tente soudainement de télécharger toute la documentation d'entreprise, ou quand des patterns d'usage anormaux émergent.

Le ciment encore frais

Mais soyons honnêtes : nous construisons l'avion en vol. Les questions fondamentales restent ouvertes :

• Quels droits pour les agents IA ? Un agent peut-il engager l'entreprise ? Avoir accès aux mêmes données qu'un employé ? Faire les mêmes actions dans les interfaces ?

• Quelle gouvernance ? Comment arbitrer entre innovation et protection ?

Le ciment n'est pas sec. Les réponses évoluent chaque jour. C'est précisément pourquoi il faut agir maintenant - non pas en attendant la solution parfaite, mais en construisant des systèmes évolutifs, transparents, puissants mais contrôlés.

Trois questions pour un expert

— Pouvez-vous vous présenter brièvement ?

Après une carrière dans l’industrie du développement logiciel pour les applications critiques, j’ai rejoint Alan au sortir du premier confinement COVID en tant que premier RSSI (Responsable de la Sécurité des Systèmes d’Informations). Depuis j’ai pu étoffer mon équipe, développer la fonction Sécurité et accompagner Alan dans sa montée en maturité. J’ai assisté à l’arrivée massive de l’IA dans tous les secteurs de notre activité : les usages internes (dans les processus RH tels que le recrutement et les entretiens de performance, la conformité, la recherche documentaire, la préparation de documents), les usages métier (traitement de documents, gestion de remboursements, support client, assistant en santé), et aussi les potentiels usages liés à la sécurité – aussi bien du côté de la menace que du côté de la défense.

Même s’il faut veiller à ne pas verser dans l’illusion que l’IA est une panacée, il est clair aujourd’hui qu’elle rencontre de nombreux cas d’usage pertinents et permet d’optimiser des tâches qui jusqu’ici restaient très laborieuses. Comme tous les outils, elle rend de grands services quand on l’applique aux bons problèmes.

— Quelles mesures de sécurité spécifiques sont prioritaires pour protéger les données des employés lors de l'utilisation de solutions RH basées sur l'IA ?

Il faut d’abord garder en tête que la plupart des outils basés sur l’IA sont d’abord des services Cloud, et qu’ils posent les mêmes questions, et appellent les mêmes mesures, que n’importe quel autre fournisseur. Pour maîtriser les risques liés à ces outils, il faut d’abord savoir quelle donnée est concernée, à qui on la partage, où et comment elle va être traitée, où et comment elle va être conservée, et ce tout au long de la chaîne de sous-traitance.

Pour les outils d’IA ces questions se posent de manière d’autant plus prégnante que les outils exigent d’ingérer une grande masse de données pour pouvoir fonctionner, et que les modèles sous-jacents sont la plupart du temps fournis par des fournisseurs ultérieurs qui vont eux aussi devoir y avoir accès : derrière le fournisseur de services basés sur l’IA, il y a un intégrateur de modèles, qui lui-même va utiliser un hébergeur de modèles, et encore plus loin les entités qui ont développé et entraîné le modèle. Le niveau de propagation des données dans les couches de sous-traitance est beaucoup plus important. La transparence de la chaîne d’approvisionnement est donc essentielle dans le cas de l’IA : par exemple, même si un fournisseur de service est hébergé en Europe, cela ne veut pas dire pour autant que les modèles qu’il utilise le sont. On ne peut pas le traiter comme une boîte noire, il faut aller regarder ce qui se passe à l’intérieur.

Les outils d’IA doivent aussi répondre aux exigences habituelles en matière de protection des données personnelles, notamment les obligations de transparence à l’égard des personnes concernées (droit d’être informé de la nature et des modalités de traitement des informations) et d’inscription dans une finalité légitime : une donnée personnelle ne peut être collectée que pour une finalité claire et bien définie, et ne peut pas être réutilisée à d’autres fins.

Le RGPD encadre aussi de façon stricte le profilage (l’évaluation des individus, la prédiction de leur comportement) et la prise de décision automatisés, et pose en principe le droit de faire appel à une intervention humaine, notamment pour éviter les risques de discrimination. Les outils d’IA y sont particulièrement sensibles, car leurs biais dépendent étroitement de la façon dont les modèles sous-jacents ont été entraînée, qui demeure le plus souvent très opaque et hors du contrôle des utilisateurs finaux.

— Quels sont selon vous les défis de sécurité émergents que les entreprises n'ont peut-être pas encore anticipés, et comment vous préparez-vous à y faire face ?

Jusqu’à présent les principaux usages de l’IA générative (synthèse, rédaction, recherche) ont été concentrés sur des contenus destinés en fin de compte à être lus par un humain. Une tendance actuelle, en tous cas dans les secteurs technologiques, consiste maintenant à les mettre à profit soit pour écrire du code (c’est-à-dire des programmes qui vont traiter les données de l’entreprise, et potentiellement les modifier), soit directement pour agir sur les systèmes d’information (via des “agents” qui connectent les modèles linguistiques aux applications) et leur permettent non seulement de décrire une action à effectuer, mais aussi de la déclencher directement de façon totalement automatisée.

Le vibe coding (faire écrire du code par des équipes métier qui n’ont pas d’expertise d’ingénierie) peut sembler une bonne idée, dans la mesure où cela raccourcit le chemin et le coût qui sépare une idée d’un prototype. Il pose néanmoins la question des risques associés : le code fait-il vraiment ce qu’on en attend ? Introduit-il des fonctions non souhaitées, c’est-à-dire des vulnérabilités ? Est-il inscrit dans une architecture cohérente qui va pouvoir fonctionner de manière fiable et robuste sur le long terme ? C’est un outil intéressant de maquettage et de prototypage, mais le jetable est-il toujours l’option la plus intéressante ?

Les IA agentiques, elles aussi, permettent de s’affranchir du facteur humain dans certains processus, par exemple la gestion d’une demande au support clients. Plutôt que d’avoir un humain qui suit une procédure et effectue une manipulation dans une application, l’IA peut directement se connecter à l’application et satisfaire sans délai la demande du client. Mais on doit alors se poser à l’égard de l’IA les mêmes questions difficiles qu’on se poserait au sujet d’un agent humain : est-elle digne de confiance ? Est-elle loyale ? Et qui endosse la responsabilité de ses actions ? Contrairement aux humains, les IA n’ont ni compas moral, ni bon sens, ni règles sociales. Il est donc nécessaire d’inventer d’autres moyens pour encadrer les pouvoirs qui leurs sont donnés . Il en va, en fin de compte, de la responsabilité portée par les entreprises qui décident de les mettre en action.

Dans le monde de l'IA ce mois-ci…

Ces derniers jours, nous avons trouvé intéressant :

• La nouvelle version de Veo, le générateur de vidéo de Google (exemple ici).

• Cette tribune claire de Sol Rashidi sur la nécessité de développer sa compréhension de ce que fait l’IA, et dépasser la hype et les peurs.

• Cette slide, la meilleure pour résumer les cas pratiques l’IA x Recrutement?

👋 Rendez-vous dans un mois,

— Charles & Maxime

L'IA : une révolution avant tout culturelle

« Le futur est déjà là, mais il est inégalement réparti. » Cette citation de l'écrivain américain William Gibson résume parfaitement la dynamique d'adoption de l'intelligence artificielle aujourd'hui.

L'IA est partout évoquée, discutée, célébrée ou redoutée, mais son intégration profonde reste inégale. Et si ce n'était pas tant une question technique qu'un défi culturel majeur ?

Une histoire de perception

Marshall McLuhan, le célèbre théoricien canadien des médias, observait déjà dans les années 60 comment les nouvelles technologies de communication façonnaient profondément la société.

Le téléphone, la télévision, chaque nouvel outil ne transformait pas simplement nos habitudes mais redéfinissait notre rapport au temps, à l'espace, et même à l'autre. L’IA, en ce sens, prolonge cette histoire : elle n'est pas seulement un outil de plus, mais une nouvelle manière d'interagir, de réfléchir, et de travailler.

Les changements majeurs surviennent souvent lentement, puis tout à coup très rapidement. Le mail, par exemple, est passé en quelques décennies d'une curiosité technologique à un standard de communication incontournable. Cette lente intégration initiale s'explique moins par les limites techniques que par une nécessaire transformation culturelle.

Au-delà de l'efficacité : une transformation de l'organisation

L'impact de l'IA dépasse largement les gains de productivité. Elle reconfigure profondément les dynamiques organisationnelles en rendant l'information non seulement accessible, mais aussi immédiatement actionnable par tous. Avec l'IA, la hiérarchie traditionnelle basée sur la rétention d'informations cède la place à une autorité fondée sur la capacité à interpréter et à utiliser ces informations efficacement.

Ce phénomène, appelé « collapse of the talent stack » ou l'affaissement de la pyramide des talents, permet à des équipes plus petites et autonomes d'agir rapidement et efficacement, diminuant la nécessité d'expertises très spécialisées.

Redéfinir la confiance et l'autonomie

L'une des transformations culturelles les plus profondes apportées par l'IA concerne la notion même de confiance.

Lorsque chaque action peut être analysée rétrospectivement grâce à la mise à l’écrit généralisée et l’IA, les entreprises peuvent abandonner le contrôle immédiat pour privilégier une autonomie accrue. Cette transition demande toutefois une évolution majeure des mentalités, au sommet de la hiérarchie mais pas seulement.

Un dirigeant réticent risque de voir émerger un « système d'information gris », avec une utilisation non maîtrisée des outils d'IA en marge de l'entreprise.

Un employé attentiste se fera dépasser par les attentes, ses pairs, par un autre qui utilisera l’IA et son autonomie efficacement.

Du dirigeant omnipotent au catalyseur culturel

Le rôle du dirigeant évolue alors radicalement. Sa fonction de filtre informationnel perd de sa pertinence au profit d'un rôle basé sur la vision stratégique, l'empathie et la capacité à inspirer. Ce changement ne peut réussir que par une compréhension intime de l'IA par les dirigeants eux-mêmes.

Ce n'est plus seulement une question de décisions descendantes mais d'une culture où chacun devient acteur, responsable et autonome grâce aux outils à sa disposition.

Le rôle crucial des ressources humaines

Les départements RH deviennent les architectes de cette transformation en repensant les systèmes d'évaluation, en formant les collaborateurs aux nouveaux outils décisionnels et en accompagnant les managers dans leur évolution.

Construire une nouvelle relation avec le futur

En somme, l'IA offre une opportunité unique de repenser fondamentalement notre rapport au travail, à l'organisation et à la culture d'entreprise. C'est un voyage culturel bien plus qu'une simple adoption technologique. La vraie question est désormais : comment souhaitons-nous façonner notre futur avec l'IA ?

Face à cette transformation profonde, notre curiosité, notre capacité à apprendre et à nous adapter feront toute la différence.

Trois questions pour un expert

— Pouvez-vous vous présenter brièvement ?

Je suis Charles, le DRH de Mistral AI. J’ai rejoint la société en juillet 2024. Depuis nos effectifs ont triplé de taille, le tout en 9 mois. 9 mois humains, équivalent 12 ans… en années chats !

— Souhaitez-vous réagir à ce que nous venons de dire sur le changement culturel ? Est-ce que cela est aligné avec ce que vous pouvez observer lors des échanges avec les entreprises à propos de l’implémentation de Mistral ?

Selon moi, l’IA transforme totalement l’accès à l’information au sein de l’entreprise et nous observons en effet différents points mentionnés dans cette tribune sur le changement culturel.

Ce changement s’illustre dans notre fonctionnement interne. Mistral AI est une société où la confiance et l’autonomie sont clefs. Pour cela l’écrit et la transparence de ces écrits nous aident à créer un environnement où les idées circulent de façon fluide. Cela s’oppose à la notion “filtre informationnel” évoquée dans la tribune. Notre culture interne se base sur une pratique de l’écriture de mémos, partagés publiquement permettent le débat et ainsi l’enrichissement du projet. L'IA nous aide dans la recherche d’informations en interne et dans la structuration de cette connaissance.

— En tant que DRH d'une entreprise à la pointe de l'IA, comment avez-vous concrètement redéfini vos processus RH ?

L’usage de l’IA est bien sûr présent aux travers des différents métiers RH. Je peux le détailler à travers 3 exemples concrets.

D’abord l’équipe office management qui doit répondre à de nombreuses questions de la part des collaborateurs et parfois poster des messages standards qui peuvent être automatisés. Pour cela, un agent IA nous aide à répondre à certaines questions plus standards.

Ensuite, nos HR Business Partners effectuent régulièrement des questionnaires sur la qualité de vie au travail. Les verbatims sont nombreux et leur analyse est chronophage. Dans ce contexte, l'IA nous aide d’une part à effectuer une analyse macro rapide (par exemple pourcentage de commentaires portant sur un sujet spécifique) ou à repérer les commentaires clefs (notamment ceux, plus sensibles d’employés exprimant un mécontentement).

Enfin nos HR Operations arrivent même à créer leur propres outils RH en codant (alors qu’ils ne sont pas codeurs) grâce à un usage de l’IA. Un exemple me semble particulièrement marquant dans la gestion et le partage des données d’onboarding. Attention, je détaille un peu...

Lors d’un onboarding, nous renseignons la date d’arrivée dans Lucca et ensuite différentes équipes (RH, Office management, IT, ...) font des extractions de cette donnée pour créer leur propre tableaux de suivi des arrivées. Problème : si la date d’arrivée d’un collaborateur change, il faut changer cette date dans Lucca mais prévenir toutes les équipes qui doivent mettre à jour tous leurs tableaux.

Pour éviter cela, nous avons créé un fichier GSheet automatiquement mis à jour à partir du SIRH via une API. Dès qu’un changement a lieu dans Lucca, il est répliqué partout.

Quid de l’IA ici ? C’est que cette synchronisation nécessite de coder un Apps Script et que nous, RH, ne sommes pas codeurs. La solution ? Demander à l’IA du Chat de Mistral de nous aider à coder ce script. Cette IA nous a ainsi permis de façon autonome de créer la centaine de lignes de code nécessaire pour ce projet (et même de résoudre les bug ayant pu apparaître).

Dans le monde de l'IA ce mois-ci…

Ces derniers jours, nous avons trouvé intéressant :

• Un workflow de Mistral sur la transformation d’un appel en… demande de développement à l’équipe Tech.

• Des guides pour prompter, de la part de Google, ou d’OpenAI.

• Une réflexion, par McKinsey, qui annonce que d’ici 2030, 2/3 des métiers RH seront automatisés.

👋 Rendez-vous dans un mois,

— Charles & Maxime

« L'esprit n'est pas comme un vase qui a besoin d'être rempli ; c'est plutôt une substance qu'il s'agit seulement d'échauffer. » Cette célèbre citation de Plutarque est devenue un lieu commun dans le monde pédagogique. Et pourtant, elle trouve une résonance particulière à l'ère de l'IA.

Dans un monde où l'intelligence artificielle devient omniprésente, une question fondamentale se pose : comment appréhender cette technologie ? Comme un oracle infaillible à consulter, ou comme une muse inspirante qui étend les frontières de notre créativité ?

Le piège de l'oracle

L'approche "oracle" de l'IA est séduisante mais dangereuse. Elle nous pousse à déléguer notre jugement à une boîte noire mystérieuse, créant une relation de dépendance passive. Cette vision conduit inévitablement à deux extrêmes tout aussi problématiques :

• La déception amère face aux imperfections de l'IA ("elle s'est trompée, donc elle est inutile")

• L'acceptation aveugle de ses réponses ("c'est l'IA qui l'a dit, donc c'est vrai")

Pour prendre une analogie, si la météo de la veille dit qu’il fera beau, et qu’en réalité il pleut, ce serait soit rejeter la météorologie en bloc, soit s’obstiner à rester trempé en tshirt sous les trombes d’eau.

Ces deux attitudes nous éloignent d'une relation constructive avec la technologie. À travers ce prisme de l'oracle, nous devenons spectateurs plutôt qu'acteurs, consommateurs plutôt que créateurs.

L'IA comme extension créative

La métaphore de la muse offre une perspective radicalement différente. La muse n'impose pas, elle inspire. Elle ne remplace pas l'artiste, elle amplifie ses capacités.

En voyant l'IA comme une muse, nous préservons notre autorité créative tout en bénéficiant de nouvelles perspectives. Nous l'utilisons pour:

• Explorer des territoires inattendus de notre pensée

• Surmonter nos blocages créatifs

• Découvrir ce que nous ne savions pas que nous ignorions

Cette approche nous guide vers ce que le philosophe Gilbert Simondon opposait au "facile humanisme " - une relation symbiotique entre l'humain et ses outils, où chacun enrichit l'autre sans domination, et où nous ne réduisons pas la technique à un simple instrument asservi.

De l'admirateur béat au créateur inspiré

Le culte du cargo technologique - cette fascination révérencielle pour l'IA sans réelle compréhension - nous cantonne dans une posture passive. À l'inverse, s'approprier l'IA comme outil créatif nous engage dans une démarche active où nous restons maîtres de nos choix.

La différence est fondamentale : l'oracle appelle la soumission, la muse invite à la création. L'un éteint notre esprit critique, l'autre l'enflamme.

Une nouvelle relation à construire

Comme le suggérait Simondon en critiquant l'humanisme facile qui réduit la technique à un simple outil, nous devons construire une relation plus profonde avec l'IA. Cette approche exige une démarche délibérée :

• Dialoguer avec elle plutôt que l'interroger

• Considérer ses suggestions comme des possibilités, non des certitudes

• L'utiliser pour élargir notre pensée, pas pour la remplacer

• Garder notre jugement comme arbitre final, sans tomber dans l'illusion d'une domination simpliste

Dans cette perspective, inspirée de la philosophie de la technique de Simondon, l'erreur n'est plus un échec mais une opportunité d'apprentissage, une invitation à affiner notre dialogue avec la machine. L'IA n'est ni un oracle mystique, ni un simple outil subordonné, mais un partenaire dans un processus de création mutuelle.

Au-delà de la connaissance : la curiosité

Le véritable potentiel de l'IA n'est pas de remplir passivement le vase de nos esprits avec des connaissances préfabriquées, mais bien d'échauffer cette substance dont parlait Plutarque - celle de notre intelligence et de notre créativité. L'IA nous permet d'aller plus loin et de faire mieux : elle nous aide à formuler de meilleures questions, à explorer des perspectives inédites, à développer une compréhension plus nuancée du monde.

Dans un avenir où l'IA sera omniprésente, ce n'est pas tant ce que nous savons qui nous distinguera, mais notre capacité à utiliser ces outils pour penser différemment, plus profondément, plus créativement.

L'IA comme muse nous invite à une danse collaborative où nous guidons et sommes guidés, où nous restons pleinement humains tout en transcendant nos limitations. C'est dans cette relation symbiotique, et non dans un rapport d'oracle à suppliant, que réside le véritable potentiel transformateur de l'intelligence artificielle.

Trois questions pour deux experts

• Comment expliquer notre tendance à rechercher dans l’IA une forme de certitude absolue?

Vivre nécessite de construire de l’assurance dans des espaces d’incertitude. A mesure que nos connaissances et notre maîtrise du monde augmentent, nous créons de nouvelles poches de certitude, oubliant parfois que l’incertitude est un principe de réalité que nous ne pourrons jamais totalement effacer - et tant mieux ! Ce sont les certitudes, et non l’incertitude, qui rendent fous, disait Nietzsche.

Mais voilà le paradoxe : plus nous en savons, moins nous supportons l’incertitude. Nous sommes totalement démunis quand celle-ci refait surface dans nos vies : tel diagnostic médical « très probable » ou encore la découverte que le risque zéro n’existe pas. Pour combler l’angoisse qu’elle génère, nous cherchons d’autres certitudes pour nous rassurer. C’est précisément ce que la technologie nous propose. Mais n’oublions pas que ce qui nous semble certain ne l’est que parce que nous y croyons..

Il se passe la même chose avec l’IA. Mais à la différence d’un sèche-cheveux ou d’une voiture, qui peuvent nous faire défaut sans que nous en soyons trop surpris, l’assurance avec laquelle l’IA répond à nos questions nous donne une impression de certitude. L’IA est un « moteur de réponse ». Contrairement à l’être humain dont on va déceler l’hésitation et le doute, l’IA est assertive. L’outil est programmé pour répondre, quoiqu’il arrive, et ne dira jamais « je ne sais pas » car ses réponses ne sont pas de cet ordre. Elles sont d’ordre statistique, probabiliste.

Nous en venons même à nous demander : pourquoi la réponse d’une IA ne serait-elle pas plus, ou en tous cas tout aussi valable que celle d’un expert humain, puisqu’elle a accès à un savoir considérable, ce à quoi aucun être humain normalement constitué n’aura jamais accès ? Ce biais dit en effet quelque chose de notre rapport à la vérité et à la croyance. Nous croyons plus facilement quelqu’un qui dit quelque chose d’erroné de manière assertive, que quelqu’un qui dit une vérité en doutant. La vérité nous intéresse-t-elle tant que ça ? Si c’était le cas, nous serions plus à l’aise avec l’incertitude, le doute, les chemins sinueux de la pensée. « Si vous voulez des certitudes absolues, faites de la théologie, pas de la physique ! » dit l’astrophysicien Aurélien Barrau.

• Comment devrions-nous repenser la notion de responsabilité dans un monde où nous déléguons de plus en plus de décisions à des systèmes dont nous ne comprenons pas entièrement le fonctionnement ?

Être responsable, c’est pouvoir et devoir répondre de ses actes. La responsabilité est donc le corollaire de la liberté : c’est parce que nous sommes des êtres libres que nous endossons la responsabilité qui s’ensuit. Dès lors que nous confions à un système, qui plus est opaque, certaines de nos décisions, la notion de responsabilité pourrait en effet être repensée. Idée tentante mais risquée : doit-on adapter des notions aussi cardinales que celle de responsabilité pour qu’elles conviennent à nos usages numériques ?

Qu’adviendrait-t-il si nous adaptions la notion de responsabilité pour nous dégager des conséquences malheureuses de décisions que les IA auraient prises pour nous ? Il est possible que non seulement il n’y ait plus personne pour assumer la moindre responsabilité (qui prétendrait sérieusement demander des comptes aux IA ?) mais surtout notre liberté perdrait toute conscience, toute limite, toute éthique.

C’est donc en amont de nos usages qu’il faut poser les bonnes questions, celles qui valorisent notre liberté et engagent notre responsabilité. Par exemple : par quelles informations et par qui cette IA a été nourrie ? Quelles visions du monde est véhiculée par telle ou telle IA ? La plupart des sites de rencontre fonctionnent avec le présupposé qu’une relation d’amour durable repose sur des ressemblances. Il faudrait pouvoir se demander si l’on est d’accord avec ce présupposé avant d’utiliser un tel site.

• Que révèle notre intolérance aux erreurs de l’IA de notre conception de l’intelligence ?

Pourquoi ne pas renverser la question ? Supposons que le problème vienne moins de notre intolérance aux erreurs de l’IA que de notre méprise à propos des vertus de l’erreur.

Rappelons d’abord que sous une apparence très humaine (liée à son usage du langage), une IA n’est qu’un algorithme conçu pour apporter la meilleure réponse par un calcul de probabilités. De ce fait, il est normal qu’elle produise une quantité non négligeable de réponses fausses. Rappelons ensuite qu’une IA ne doute pas, ne critique pas, ne pense pas par elle-même. Il faut l’accepter une bonne fois pour toutes : la malnommée « intelligence artificielle » n’est pas intelligente.

Louons plutôt les erreurs qui nous stoppent, celles des IA comme les nôtres. C’est la thèse soutenue par Marcello Vitali-Rosati dans son ouvrage « L’éloge du bug ». Le bug, c’est ce qui fait que l’on cesse de marcher (au sens propre comme au figuré) et c’est précisément ce qui arrive à Socrate se rendant au Banquet dans le dialogue du même nom. Tout à coup, il s’arrête, comme un écran qui freeze : il se trouve dans l’incapacité d’agir, car la réflexion et le questionnement sont des préalables nécessaires à toute action juste.

C’est alors qu’un autre problème surgit : l’erreur c’est une idée fausse à laquelle on croit. Le paradoxe de l'usage que nous faisons des IA apparait plus clairement : pour pouvoir relever l’erreur dans les réponses qu’elles nous fournissent, il faudrait connaître la réponse aux questions qu’on leur pose !

De ce point de vue, une « bonne » utilisation des IA devrait nous conduire non pas à une approche plus nuancée, voire complaisante, de notre rapport à l’erreur mais au contraire à une authentique exigence dans notre quête de vérité. L’erreur joue un rôle central dans le travail de la pensée : cessons d’être crédules et paresseux, doutons et cherchons sans relâche, car s’il n’y avait plus d’erreur, l’intelligence serait alors bien inutile.

Dans le monde de l'IA ce mois-ci…

Ces derniers jours, nous avons trouvé intéressant :

• Un générateur de prompts IA spécial RH.

• Une vidéo impressionnante où reconnaître le vrai candidat est … difficile.

• Une exposition où l’on peut parler à Salvador Dalí au téléphone.

👋 Rendez-vous dans un mois,

— Charles & Maxime

"La technologie n'est ni bonne ni mauvaise, ni même neutre." - Première loi de Kranzberg.

L’historien des technologies nous rappelle que toute technologie porte en elle des conséquences qui dépassent les intentions de ses créateurs. L'IA n'échappe pas à cette règle - elle n'est pas un simple outil neutre, mais une force qui interagit avec nos contextes sociaux, économiques et culturels de façon complexe. C’est à nous d’en faire ce que nous souhaitons.

Par son entraînement probabiliste sur les écrits ou images humaines disponibles, l'intelligence artificielle est un miroir de nos sociétés.

Certains en déduisent une critique évidente de l’IA, accusée de refléter ou d’amplifier les biais de sociétés imparfaites.

Si nous changions de perspective ? Et si l'IA était en réalité un puissant levier pour l'égalité et la diversité ?

Au-delà des débats stériles sur les biais initiaux

Les discussions sur les biais algorithmiques se focalisent souvent sur la "première réponse" donnée par l'IA : si vous demandez une image de PDG, est-ce que ce sera un homme blanc ? Ces “preuves” faciles sur les réseaux sociaux ne valent rien (elles sont en plus aisément falsifiables). Ces débats passent à côté de l'essentiel.

La vraie révolution de l'IA générative ne réside pas dans sa capacité à reproduire fidèlement la distribution statistique de nos sociétés, mais dans sa capacité à créer ce que nous lui demandons. L'important n'est pas tant le biais immédiat, mais la possibilité de construire les représentations que l'on souhaite.

La liberté de création plutôt que la correction des biais

Contrairement aux médias traditionnels où la production de contenu diversifié est coûteuse et limitée, l'IA générative rend cette diversité accessible à tous, sans coût supplémentaire. Il ne coûte rien de demander une image avec une personne d'une origine, d'un genre ou d'une apparence spécifique.

L'essentiel est que la base d'entraînement soit suffisamment riche et diverse pour rendre ces créations possibles - et c'est le cas. Cette technologie nous offre une liberté sans précédent pour représenter le monde tel que nous voulons le voir, et non pas seulement tel qu'il est.

Les pièges de la surcompensation

Les tentatives bien intentionnées de corriger les biais peuvent parfois mener à des surcompensations contre productives. On se souvient de feu « Google Bard » (maintenant Gemini) qui, par souci d'inclusion, présentait un roi d'Angleterre sur quatre comme étant d'une minorité ethnique — une représentation tellement anhistorique que c’en était devenu risible.

Ces approches, bien que partant d'une bonne intention, manquent leur cible. Tout "biais" est inévitablement politique. Le “biais naturel” est sans doute le choix le moins politique.

L'objectif ne doit donc pas être d'éliminer tout biais, mais de permettre à chacun de créer selon ses besoins et ses valeurs.

L'inclusion comme possibilité, pas comme obligation

L'inclusion véritable ne consiste pas à forcer la présence de tous en permanence. On risquerait d'être serrés dans la boîte à sardines, pour paraphraser Patrick Sébastien.

L’inclusion, c’est de s'assurer que chacun puisse avoir accès aux outils et représentations qui répondent à ses besoins spécifiques.

L'IA nous permet de personnaliser l'expérience à une échelle sans précédent, offrant ainsi des solutions adaptées à la diversité des profils (voir l’exemple d’Olivier Goy en fin de billet). Elle ne nous impose pas une vision unique de la diversité, mais nous donne la liberté de créer nos propres représentations.

L'adoption comme enjeu central d'inclusion

Le véritable enjeu d'inclusion aujourd'hui n'est pas tant dans la première réponse de l'IA, mais dans l'accès et l'adoption de ces technologies. Ceux qui resteront en marge de cette révolution technologique risquent d'être les véritables exclus de demain (j’en parlais déjà ici).

L'IA permet à chacun de créer et d'innover, indépendamment de sa formation initiale ou de son poste. C'est une véritable démocratisation des compétences et des opportunités. C'est précisément pour cette raison qu'il est essentiel d'adopter un regard optimiste de se rendre compte du potentiel humaniste de ces technologies.

Au lieu de céder aux peurs irrationnelles ou aux critiques stériles, nous pouvons réaliser le potentiel émancipateur de l'IA et travailler à en faire un outil accessible à tous. Cette technologie peut niveler le terrain des opportunités, mais seulement si nous facilitons son adoption large et équitable.

Vers une IA d'émancipation

Pour que l'IA soit véritablement une alliée de l'égalité et de la diversité, nous devons donc :

1. Garantir un accès large et équitable à ces technologies

2. Former chacun à exploiter pleinement son potentiel créatif et à se simplifier la vie

3. Encourager la diversité des usages plutôt que d'imposer une vision unique de la "correction"

4. Maintenir des bases d'entraînement ouvertes, riches et diverses pour permettre toutes les représentations

L'IA n'est pas parfaite, mais elle offre une opportunité unique de construire un monde où chacun peut se représenter et être représenté comme il le souhaite.

À nous de saisir cette opportunité et de façonner non pas l'IA elle-même, mais ses usages, selon nos valeurs d'égalité et de diversité.

Et pour revenir à Kranzberg, sa sixième loi est particulièrement pertinente : "La technologie est une activité profondément humaine". L'IA n'existe pas en dehors des contextes humains qui la créent et l'utilisent - c'est donc sur ces contextes que nous devons agir.

Trois questions pour un experte

• Pouvez-vous vous présenter brièvement ainsi que "France Positive" ?

Je m’appelle Julie Martinez, j’ai 31 ans et je suis DPO au sein d’une entreprise tech américaine. En parallèle de cette activité, je suis directrice générale de France Positive, un think tank transpartisan qui rassemble des experts issus de la société civile, des hauts fonctionnaires et des acteurs engagés pour penser et construire les réformes nécessaires à la réussite du pays.

France Positive, c’est à la fois un laboratoire d’idées et un mouvement de terrain. Pour nourrir nos travaux, nous auditionnons des acteurs clefs, français et étrangers et nous organisons des conférences à travers la France, au plus près des citoyens.

Nous publions également des essais thématiques dans la collection France Positive chez Flammarion. Notre ambition ? Faire émerger des idées nouvelles et fédératrices, capables de répondre aux défis de notre époque avec pragmatisme et ambition, pour nourrir le débat public.

• Dans le monde du travail, quels sont pour vous les principaux dangers de l’IA?

L’intelligence artificielle est en train de bouleverser nos façons de travailler, et pourtant, le principal danger qu’elle pose n’est pas technologique, mais humain. Une IA incomprise par l’humain est une IA mal utilisée – soit parce qu’on la rejette par peur ou méconnaissance, soit parce qu’on l’adopte sans en saisir les limites et les risques.

Dans les deux cas, l’impact est majeur au travail : pour les employés, qui peuvent se retrouver marginalisés, et pour les entreprises, qui risquent des erreurs coûteuses. Heureusement, il est possible d’accompagner cette transition, à condition d’adresser ces deux écueils dès maintenant.

— “Bof, je ne vois pas vraiment à quoi ça sert”

Dans le monde du travail, l’IA est encore trop souvent perçue comme un gadget ou une menace. J’en ai fait l’expérience lors d’un micro-trottoir réalisé à Paris avant le Sommet sur l’IA : à la question “Utilisez-vous l’IA générative au travail ?”, la réponse la plus fréquente était “Bof, ça sert à quoi ?”. Ce désintérêt peut sembler anodin, mais il traduit une réalité inquiétante : de nombreux salariés ne perçoivent pas l’intérêt pratique de ces outils pour leur quotidien professionnel. Ce rejet peut évidemment s’expliquer de plusieurs manières.

Certains redoutent que l’IA les remplace et, par réflexe de protection, refusent de l’adopter.

D’autres ne voient tout simplement pas en quoi elle pourrait leur être utile, faute de formation ou d’exemples concrets d’application.

Pourtant on le sait, ceux qui maîtrisent ces outils gagnent en efficacité et peuvent profiter de ce temps pour être plus compétitifs sur le reste. L’enjeu n’est donc pas simplement d’introduire l’IA dans l’entreprise, mais de donner envie aux salariés de s’en saisir, de les accompagner dans des divers cas d’usage. Installer Le Chat en interne ne suffira pas si personne n’a envie, ni ne sait, comment l’utiliser de manière pertinente. C’est en instaurant une culture de la curiosité que l’on permettra aux employés de comprendre ce que l’IA peut faire pour eux, et non contre eux.

— “L’IA, c’est top, ça va me faire gagner un temps fou pour tout !”

Plus important encore, l’excès inverse existe aussi : celui de l’adoption trop rapide, trop naïve. Là encore, lors de mon micro-trottoir, une RH m’indiquait l’utiliser pour prioriser les CV reçus en fonction de critères pré-déterminés par elle (ce sur quoi elle insistait avec gravité), selon le profil recherché. A la question de savoir quelles étaient les modalités de classement et surtout quelles étaient les garanties qui lui avaient été données contre les biais, la réponse donnée a été plus vague : « des garanties classiques de fournisseurs, je crois, ça a été validé en interne donc ça doit être bon ».

L’IA est puissante, mais elle n’est pas infaillible. Nourrie par des données du passé, l’IA peut évidemment hériter de rapports de domination trop longtemps établis. C’est simple, elle apprend à partir des données qu’on lui donne et, si ces données sont biaisées ou ne sont pas assez diversifiées par rapport aux finalités posées, elle reproduit ces biais. Des algorithmes de recrutement mal calibrés ont déjà été pointés du doigt pour avoir favorisé certains profils au détriment d’autres (on pense aux Etats-Unis à l’objet de la plainte dans l’affaire Mobley vs. Workday, Inc.), sans que personne dans l’entreprise ne s’en soit rendu compte initialement. Or, une décision erronée prise par une IA ne disparaît pas d’un simple clic : elle peut avoir des conséquences lourdes, juridiques et humaines. La question de la représentativité et de la diversité dans la conception des modèles et leur entraînement est toute aussi importante que la question de leur utilisation. Il ne faudrait pas reproduire par l’IA les biais que l’on essaie d’éviter depuis des années dejà.

L’enjeu est donc double : donner envie d’expérimenter l’IA, pour ne pas être laissé sur le carreau face aux mutations du marché tout en encadrant son usage, pour éviter les erreurs, les biais et les risques liés aux données utilisées.

• Pour les professionnels des ressources humaines, quelle posture adopter dans ce contexte ?

Comme toute technologie puissante, l’IA n’a de valeur que si elle est comprise et maîtrisée. Pour les professionnels des ressources humaines, la posture à adopter ne doit être ni celle de l’enthousiasme naïf, ni celle du rejet frileux. La curiosité et l’éthique doivent les guider. En pratique, je crois que l’IA ne doit pas être une boîte noire laissée aux mains des seuls fournisseurs de solutions RH.

Pour cela, il est crucial que les équipes RH comprennent les mécanismes sous-jacents des outils qu’elles utilisent, les jeux de données qui les nourrissent et les risques qu’ils

comportent. Cela implique de pouvoir les accompagner par un dialogue constant avec les équipes techniques et juridiques visant à s’assurer que les algorithmes utilisés ne reproduisent pas des biais discriminants et respectent la protection des données personnelles. Un professionnel RH qui ne comprend pas comment fonctionne un algorithme de tri de CV risque de se fier aveuglément à ses résultats, au détriment des principes d’équité et de diversité requis dans son quotidien.

Je crois que les professionnels des ressources humaines doivent cultiver une approche expérimentale et critique, en testant régulièrement les outils avant leur déploiement à grande échelle et en remettant régulièrement en question leurs résultats : plutôt que d’adopter directement un logiciel de tri de candidatures basé sur l’IA, pourquoi ne pas comparer ses recommandations avec une sélection humaine ? Si les écarts sont significatifs, il faut investiguer et ajuster de manière assez régulière.

Dans le monde de l'IA ce mois-ci…

Ces derniers jours, nous avons trouvé intéressant :

• La formidable histoire d’Olivier Goy, atteint de la maladie de Charcot.

• Ce post sur l’inflation du mot “Agent IA” dans les outils de recrutement.

• OpenAI introduit Deep Research, concurrent de NotebookLM (Google).

👋 Rendez-vous dans un mois,

— Charles & Maxime

Quand on parle d'intelligence artificielle aujourd'hui, une inquiétude revient souvent : son impact environnemental. C’est une préoccupation extrêmement légitime.

Face aux articles alarmistes, il est temps d'examiner les faits de plus près, données à l'appui (même si elles sont parfois difficiles à obtenir comme le mentionne Hannah Ritchie).

La réalité des chiffres : loin des scénarios catastrophes

Selon l'Agence Internationale de l'Énergie (AIE), les data centers (y compris streaming vidéo), l'IA et les cryptomonnaies combinés représentent environ 2% de la consommation électrique mondiale.

Pour l'IA spécifiquement, les estimations les plus récentes montrent que si tous les serveurs d'IA Nvidia (qui possède 95% du marché) livrés en 2024 tournaient 100% du temps, ils consommeraient ~20 TWh. Cela représente environ 0,07% de la consommation électrique mondiale ou bien 10-15% de la consommation électrique des data centers par an. Pour mettre cela en perspective, c’est moins d’un quart de l’électricité nette exportée par la France en 2024.

Ces chiffres sont bien loin des projections fantaisistes qui circulent parfois, prédisant que l'IA engloutit une part massive de notre énergie.

Cependant, il faut noter que cette consommation est en augmentation, portée par la multiplication des cas d'usage de l'IA dans tous les secteurs. Mais, comme nous le verrons plus loin, les progrès technologiques permettent de contenir cette croissance dans des limites raisonnables.

Les deux visages de l'IA

Pour comprendre l'empreinte environnementale de l'IA, il faut distinguer deux phases distinctes :

• L'entraînement initial des modèles demande effectivement beaucoup de ressources (peut coûter des millions de $ et a un impact conséquent en émission de CO2). Mais grosso modo cet investissement n'a lieu qu'une seule fois par modèle.

• L'utilisation quotidienne (l'inférence), elle, consomme en comparaison très peu. Pour mettre les choses en perspective : un modèle très puissant avec 70 milliards de paramètres peut fonctionner sur un Mac Mini M4, consommant environ 21.5 watts - soit un quart de la consommation d'une ampoule à incandescence classique. Mais cette utilisation peut avoir lieu des milliards de fois !

L’essentiel est donc d’”amortir” le coup de l’entraînement avec beaucoup d’utilisation : ça veut dire que plus le modèle est utilisé, plus l’entraînement du modèle en valait le coût !

L’IA frugale et la vache intelligente

L'IA "frugale" est un concept séduisant, mais qui peut être parfois contre-productif environnementalement. Paradoxalement, une IA moins performante qui consommerait 50% moins de ressources à l'entraînement pourrait s'avérer plus polluante sur le long terme.

Pourquoi ? Parce que son utilité limitée conduirait à une sous-utilisation, et donc à un coût environnemental par requête beaucoup plus élevé.

Selon la métaphore, s’il suffit d'une seule vache intelligente qui sait ouvrir la barrière pour que tout le troupeau puisse sortir, alors il n’est pas vraiment utile d’avoir une vache moins intelligente qui ne saurait pas ouvrir l'enclos…

La clé n'est donc pas de limiter l'intelligence des modèles, mais de s'assurer qu'ils soient suffisamment utilisés pour amortir leur coût d'entraînement initial.

Bien sûr, la recherche de modèles plus petits et moins coûteux reste importante, et elle se fait naturellement par l’industrie car c'est économiquement avantageux (et environnementalement aussi !).

Un progrès fulgurant dans l'efficacité

Le secteur de l'IA et du numérique connaît une révolution silencieuse en matière d'efficacité énergétique.

Nous assistons aujourd'hui à une double révolution :

• Du côté des modèles d'IA : leur efficacité a été multipliée par 1000 en seulement trois ans

• Du côté du matériel : l'efficacité énergétique des puces a été multipliée par 100 depuis 2008, comme le montre le graphique ci-dessus. Les puces actuelles consomment moins de 1% de l'énergie qu'elles nécessitaient il y a 15 ans.

Cette progression spectaculaire ne montre aucun signe de ralentissement. La combinaison de modèles plus efficaces et de matériel moins énergivore nous permet d'être optimistes : nous apprenons à faire beaucoup plus avec beaucoup moins d'énergie.

Perspectives d'avenir rassurantes

Dans son rapport World Energy Outlook 2024, l'AIE projette que d'ici 2030, l'augmentation de la demande énergétique liée aux data centers ne représentera que 3% de la croissance totale de la demande électrique mondiale. Les voitures électriques, la climatisation et l'industrie auront un impact bien plus significatif.

Reviens Léon, j’ai les mêmes à la maison

Concrètement, il y a aussi un facteur majeur: l’électricité. Elle est très décarbonnée en France avec ~30g eqCO2/kWh en 2024. À comparer avec 500g eqCO2/kWh pour les Etats-Unis.

Le meilleur geste environnemental (et économique) serait donc d’attirer le plus possible de data centers en France, pour que l’IA soit faite avec la meilleure énergie possible (on en a en abondance en France).

La vraie question n'est donc pas si l'IA va détruire la planète - elle ne le fera pas. La question est plutôt : comment pouvons-nous l'utiliser de manière responsable pour créer un avenir plus durable ? Car, comme toute technologie, l'IA n'est qu'un outil. C'est à nous de l'utiliser intelligemment.

Et si l'IA faisait partie de la solution plutôt que du problème ?

Elle est déjà utilisée pour :

• Optimiser la consommation énergétique des bâtiments et des processus industriels

• Améliorer les prévisions météorologiques et la compréhension du changement climatique

• Développer de nouvelles solutions pour la transition écologique

La clé est de maintenir un dialogue ouvert et factuel sur ces questions, en évitant aussi bien l'alarmisme que l'optimisme béat.

Comme le suggère l'AIE dans son dernier rapport : il faut "garder son calme" face à ces enjeux. Les données montrent que nous avons les moyens de gérer l'impact environnemental de l'IA, tout en exploitant son potentiel pour construire un avenir plus durable, de préférence avec de l’énergie décarbonnée en France !

Et si vous souhaitez m’entendre en parler :

Trois questions pour un expert

• Pouvez-vous vous présenter brièvement et nous parler de votre parcours à l'intersection de l'IA et du développement durable ?

Je m'appelle Sasha Luccioni, et je suis la Responsable IA et climat chez Hugging Face, où je travaille sur l'évaluation des modèles d'IA en termes d'énergie et en émissions de gaz à effet de serre. Mon but est d'aider la communauté d'IA à prendre des décisions plus informées quant à l'effet des modèles d'IA sur le climat, et de prendre cet effet en compte lors de l'entraînement et du déploiement des modèles.

• Quelles sont les applications les plus prometteuses de l'IA pour accélérer la transition écologique ?

Il y en a plein! Autant une meilleure prévision des phénomènes climatiques extrêmes, que la découverte des nouveaux candidats pour des batteries avec la modélisation générative grâce à l'IA.. Mais honnêtement, les types d'applications qui me donnent le plus d'espoir ce sont celles qui mettent l'IA entre les mains des experts des différents domaines, que ce soit biologie, chimie, ingénieurie... Car l'IA peut leur permettre de mieux exploiter les données qu'ils ont déjà collecté, de créer des outils réellement utiles. Pour faire ce genre de travail, il faut des connaissances profondes dans les domaines en question que les informaticiens travaillant sur les modèles d'IA n'ont pas.

• Comment répondre aux préoccupations environnementales légitimes concernant l'empreinte carbone de l'IA ?

Il nous faut plus de données! En ce moment, on opère dans un flou artistique — malgré mes expériences sur les modèles open-sources du Hub de Hugging Face, on a toujours aucune information sur les modèles d'IA propriétaires deployés en production et utilisés par des centaines de millions de personnes. Le projet Energy Score sur lequel je travaille vise à proposer des méthodologies standardisées pour comparer les différents modèles, mais faut-il encore convaincre les entreprises de tester leurs modèles afin de pouvoir leur attribuer des scores...

Dans le monde de l'IA ce mois-ci…

Ces derniers jours, nous avons trouvé intéressant :

• NotebookLM pour sa capacité à condenser des documents complexes en… podcasts faciles à écouter (et où vous pouvez poser des questions en “direct”).

• Un rapide/effrayant benchmark des applications pour créer des photos professionnelles : Remini, Headshot, Everyme.ai, Secta Labs.

• Des cas d’usage de “ChatGPT Operator” le nouvel Agent IA capable d'effectuer des actions autonomes sur le web pour votre compte.

👋 Rendez-vous dans un mois,

— Charles & Maxime

“Ce n'est pas parce qu'ils sont nombreux à avoir tort qu'ils ont raison.” — Coluche

Récemment, j'ai remarqué quelque chose d'intéressant. Un membre de l'équipe m'a envoyé une analyse générée par une IA.

Le document était impeccablement formaté, avec une structure claire et un style professionnel. Pourtant, en y regardant de plus près, certaines conclusions ne tenaient pas la route. Le plus frappant ? Personne n'avait remis en question ces conclusions, tant la présentation était convaincante.

Cette situation illustre un défi majeur de notre époque : l'IA est devenue si douée pour produire du contenu d'apparence professionnelle que nous risquons de désactiver notre sens critique.

C'est ce que j'appelle "l'illusion d'autorité" de l'IA - comme un magicien qui détourne notre attention avec des effets spectaculaires pendant que le véritable tour se joue ailleurs.

Le piège de la forme parfaite

L'IA excelle dans l'art de la présentation. Elle peut générer des documents structurés, des analyses qui semblent rigoureuses, des réponses qui paraissent exhaustives. Cette perfection formelle crée une illusion de compétence qui peut endormir notre vigilance. C'est d'autant plus dangereux que, contrairement aux erreurs humaines souvent évidentes (fautes d'orthographe, incohérences flagrantes), les erreurs de l'IA sont subtiles et bien camouflées sous une forme impeccable.

Les nouveaux muscles du sens critique

Face à cette réalité, nous devons développer de nouveaux réflexes critiques. Il ne s'agit plus seulement de repérer les incohérences évidentes, mais d'apprendre à:

1. Questionner systématiquement le raisonnement sous-jacent, pas seulement les conclusions

2. Identifier les sources et leur fiabilité, même quand l'IA les présente avec assurance

3. Repérer les indices typiques des hallucinations d'IA (assertions trop précises, données trop rondes, ou les “titres systématiquement capitalisés”)

4. Maintenir une trace claire de nos propres réflexions et de leur origine

Au-delà du vrai/faux

L'enjeu n'est pas de rejeter les productions de l’IA ni de les accepter aveuglément, mais de développer une "troisième voie" : celle du dialogue critique avec l'IA. Chez Alan, nous encourageons nos équipes à voir l'IA comme un "sparring partner" intellectuel - quelqu'un avec qui on peut débattre, qu'on peut challenger, et qui nous aide à affiner notre propre pensée.

Cette approche nécessite un changement culturel. Il faut créer un environnement où il est non seulement acceptable mais encouragé de questionner les productions de l'IA, même (et surtout) quand elles viennent de nos outils internes. C'est un muscle collectif à développer.

La responsabilité des leaders

En tant que leaders, nous avons une responsabilité particulière. Nous devons :

• Montrer l'exemple en explicitant notre propre processus de questionnement

• Valoriser ceux qui osent remettre en question les conclusions trop évidentes

• Créer des espaces sûrs pour le débat et la contradiction

• Investir dans la formation au sens critique adapté à l'ère de l'IA

Le paradoxe vertueux

Il y a quelque chose de paradoxal et de beau dans tout cela : plus nous utilisons l'IA, plus nous devons développer des compétences profondément humaines - le jugement, l'esprit critique, la capacité à débattre et à raisonner.

C'est peut-être ça, finalement, l'intelligence augmentée : non pas une délégation de notre pensée à la machine, mais un renforcement de notre capacité à penser par nous-mêmes, avec l'IA comme partenaire de réflexion.

La vraie victoire ne sera pas d'avoir des équipes qui savent utiliser l'IA, mais des équipes qui savent penser avec l'IA, tout en gardant leur indépendance intellectuelle.

Et c’est vrai pour la société toute entière.

Trois questions pour un expert

— Comment Alan combine-t-elle l'analyse de données par l'IA et l'expertise humaine dans ses prises de décision ?

Je vais peut-être prendre un peu de recul sur cette question, parce qu'avant même de parler d'IA, il y a des écueils fondamentaux dans l'utilisation des données qu'il est important de comprendre. Un principe fondamental chez Alan est d'être 'défensif' face aux données : en effet, il y a une seule façon d'avoir raison, mais un million de se tromper. Dans mes années d'expérience universitaire, je me suis vu surexcité tellement de fois par des résultats 'incroyables' qui s'avéraient être des bugs dans mon code. Ça m'a appris à rester humble face aux données.

Mais attention, cette prudence ne doit pas paralyser l'action. C'est une erreur d'attendre d'avoir toutes les données pour décider. Nous devons combiner données quantitatives, interviews qualitatives et expertise terrain. L'important est d'avoir une hypothèse claire avant de plonger dans les chiffres.

— Pouvez-vous partager un exemple concret où les recommandations de l'IA ont contredit l'intuition humaine ?

Notre expérience avec Mo, notre IA médicale, est révélatrice. Mo, est un assistant médical piloté par l'intelligence artificielle, déployé au sein de la Clinique digitale d'Alan. Lorsqu’un utilisateur a question, nous lui proposons soit de parler immédiatement à Mo, soit d'attendre un médecin humain : plus de 80% choisissent Mo.

Ce résultat nous a sincèrement surpris. Je crois que cette adoption s'explique simplement : nous avons pris le temps d'écouter nos utilisateurs et de construire un parcours qui répond à leurs besoins. En nous concentrant sur deux priorités - apporter une valeur immédiate et construire la confiance - nous avons constaté que les réticences initiales s'estompaient naturellement.

— Quelles compétences les managers doivent-ils développer pour utiliser efficacement l'IA ?

Il faut avant tout penser 'produit', même pour des outils internes. Chez Alan, que nous développions un outil pour nos équipes RH ou pour nos membres, l'approche est la même : partir des besoins réels et s'intégrer dans les habitudes existantes.

Je crois que les managers en général doivent cultiver un mélange d'esprit critique et d'ouverture. Il faut savoir questionner les résultats tout en restant réceptif aux possibilités. Mais surtout, il faut se débarrasser des fantasmes, qu'ils soient positifs ou négatifs.

La clé n'est pas de dire 'utilisons l'IA parce que c'est cool', mais de se demander 'comment pouvons-nous résoudre ce problème concret de manière plus efficace ?' La meilleure technologie est celle qu'on oublie au profit de la valeur qu'elle apporte.

Notre objectif n'est pas d'impressionner avec de l'IA, mais de résoudre des problèmes réels. Quand nos équipes ou nos membres utilisent nos outils, ils ne devraient même pas penser à la technologie sous-jacente. Ils devraient juste se dire 'Tiens, c'est plus simple maintenant'.

Dans le monde de l'IA ce mois-ci…

Ces derniers jours, nous avons trouvé intéressant :

• COPY//ARTIFACT, un outil complètement gratuit pour créer des images d’une qualité excellente.

• Cette technologie développée par des chercheurs de ByteDance capable d’animer des photos avec des expressions réalistes.

• La vidéo de lancement d’o-3, le nouveau modèle d’OpenAI qui bat tous les benchmarks.

👋 Rendez-vous dans un mois,

— Charles & Maxime

Un des problèmes du coaching traditionnel est sa nature souvent abstraite : les échanges se limitent généralement à des conversations théoriques, ponctuées de conseils et de recommandations. Même lorsqu'on analyse des situations passées - ce qui est déjà plus concret - on reste dans le domaine du rétrospectif. C'est là que l'IA ouvre une perspective fascinante : elle permet de transformer l'apprentissage en le rendant véritablement interactif et pratique.

Les limites historiques de l'interactivité

Historiquement, l'apprentissage interactif était limité par une contrainte simple : le ratio humain-apprenant. Qu'il s'agisse d'un coach, d'un formateur ou d'un mentor, une personne ne pouvait interagir qu'avec 5 à 10 personnes à la fois. C'était un luxe réservé à une élite.

La révolution technologique

La technologie change la donne. Elle nous permet d'imaginer des simulations de situations professionnelles complexes, offrant aux apprenants la possibilité de s'entraîner dans un environnement sûr. Imaginez pouvoir interagir avec un collègue fictif pour vous entraîner (c'est un peu mieux que les vocalises devant le miroir non ?).

Au-delà de la simple interaction

Mais l'IA va plus loin. Elle nous permet d'envisager la préservation et la transmission du savoir d'une manière totalement nouvelle. Avant, nous pouvions lire Aristote ou Platon grâce aux livres - une révolution qui a éliminé le besoin d'intermédiaires - mais nous ne pouvions pas leur poser directement des questions. L'IA change cela, en capturant non seulement les connaissances, mais aussi la façon de penser des grands esprits de notre temps.

Une vision devenue réalité

C’est un peu ce que disait Steve Jobs dans une vidéo visionnaire de 1983 que j'ai récemment exhumée. 

Il voyait l'interactivité, mais se trompait sur un point : nous n'avons plus besoin de recueillir activement les impressions des experts. Un simple texte suffit désormais pour que l'IA puisse capturer et reproduire leur mode de pensée.

L'avenir de l'apprentissage

Cette vision d'un apprentissage véritablement interactif et personnalisé, accessible à tous, n'est plus de la science-fiction. Elle est à notre portée. À nous de l'utiliser intelligemment pour enrichir, et non remplacer, l'interaction humaine qui reste au cœur de tout apprentissage significatif. Les conditions réelles, en quelque sorte.

C'est particulièrement excitant car on peut maintenant offrir des conditions d'entraînement de niveau mondial à tous. Avant de se frotter aux humains en conditions réelles.

Trois questions pour un expert

— Pouvez-vous vous présenter brièvement ?

Je suis le CEO et co-fondateur de 360Learning. 

Notre mission chez 360Learning est de favoriser l’apprentissage au service de la performance. 

Nous permettons notamment de mobiliser les expertises internes de l’entreprise pour faire circuler les savoir-faire propres à ses métiers - que ce soit autour de sa culture et de ses modes de leadership, ou aussi et massivement autour de savoir-faire métiers techniques. 

Chez certains de nos clients aujourd’hui, plusieurs milliers d’experts forment leurs propres collaborateurs via des formations qu'ils ont créées et animent sur 360Learning. 

Aujourd'hui nous lançons Gentlerain.ai qui utilise l’IA pour produire des simulations réalistes permettant de s'entraîner et donc d’apprendre, en situation réelle. Vous pouvez tester Gentlerain.ai par exemple en jouant avec ici.

— Dans un contexte où l'IA démocratise l'accès au savoir, comment voyez-vous évoluer le rôle des formateurs et des responsables de formation en entreprise ?

Avec le concept de collaborative learning que porte 360Learning, nous avons toujours mis l’accent sur la formation entre pairs, semblable au compagnonnage.

Et la technologie a été un formidable accélérateur pour démultipler les transferts de compétences en identifiant les experts métier et en les mobilisant pour former leurs pairs à des échelles alors inaccessibles, c’est ce qui a fait le succès de 360Learning.

Aujourd’hui, l’IA est un nouvel accélérateur pour aller un cran plus loin dans cette approche, par exemple en permettant de créer des formations théoriques beaucoup plus rapidement. 

Ou avec Gentlerain qui adopte une approche radicalement disruptive : on peut imaginer que demain l’apprentissage théorique disparaisse au profit de simulations ciblées de situations réelles dans lesquelles interviennent des conseils contextuels personnalisés. C’est la vision de Gentlerain.

— Dans un monde où l'IA évolue rapidement, comment identifier et anticiper les compétences futures dont les employés auront besoin ?

La cartographie des compétences est un serpent de mer des RH. Car avoir pour chaque métier la liste des compétences, avec une description granulaire des niveaux de chacune, permettrait d’organiser l’ensemble des activités RH d’une manière plus scientifique, plus juste et plus efficace : recrutement, formation, mobilité interne, promotion, fixation des salaires, mesure de la performance… 

C’est le rêve des directions RH car cela permettrait enfin d’assurer méthodiquement que l’entreprise ait bien aujourd’hui et dans les années à venir les bonnes compétences au bon endroit.

Malheureusement de nombreuses directions RH se sont cassées les dents sur ces projets : le temps que le projet de cartographie soit terminé, la carte des compétences a changé. Certains ont dépensé des millions d’euros pour produire cette cartographie, mais sa maintenance évolutive est un tel défi que bien souvent, après quelques mois, le projet est abandonné.

Mais aujourd’hui, l’IA permet de surmonter cette difficulté. Par exemple, en utilisant un LLM qui analyse l’ensemble des annonces d’emploi d’une filière, on peut facilement extraire les compétences qui apparaissent et suggérer alors à la direction RH de les ajouter à certains métiers : l’humain reste le curateur-décideur, mais l’IA fait le travail fastidieux de veille et de lecture de milliers de documents. 

Cela change la donne et permet aux entreprises de se transformer en une organisation “skills-based”, basée sur les compétences, et d’organiser l’ensemble de l’expérience collaborateur autour de cette cartographie des compétences tout en s’assurant ainsi d’avoir à l’avenir les bonnes compétences.

360Learning a fait l’acquisition de la société eLamp afin de permettre à ses clients d’adopter une approche basée sur les compétences pour la formation.

Bonus - limité aux 10 premiers inscrits

Avez-vous vu nos marmottes générées par l’IA récemment ? 

Il y a beaucoup à dire sur le sujet : comment cette pratique a libéré la créativité de centaines d’Alaners, qui génèrent plus de 1000 visuels par mois pour personnaliser leurs emails, leurs présentations, leurs posts sur les réseaux sociaux… Et surtout, il est temps pour nous de vous partager tout cela, par le faire plutôt que le dire. Nous aimerions vous faire essayer cet outil incroyable développé en interne.

Si vous êtes arrivés au bout de cette newsletter, nous estimons que vous êtes curieux, agile, inspiré, et probablement très drôle aussi. Pour toutes ces raisons, nous offrons un accès exclusif et privilégié aux 10 premières personnes qui s'inscriront ici pour essayer notre Marmot Generator. On espère vous voir sur Slack très vite.

👋 Rendez-vous dans un mois,

— Charles & Maxime

“Toutes choses sont dites déjà ; mais comme personne n'écoute, il faut toujours recommencer.”

André Gide

Le coaching est un élément essentiel de la croissance professionnelle en entreprise. C’est un outil formidable pour développer ses compétences et son potentiel.

Et pourtant, le coaching est souvent perçu comme un luxe inaccessible. Plusieurs obstacles psychologiques freinent son développement :

• La peur de paraître faible et les inquiétudes liées à la confidentialité

• La crainte de faire perdre du temps au coach

• Le manque de contexte des coachs

• Des discussions mal préparées et mal menées

• Le coût : un bon coach peut coûter plus de 100 € par heure. À ce prix-là, il vaut mieux que ce soit efficace.

L'IA comme solution pour l'accès au coaching

L'IA pourrait être la solution pour surmonter ces freins psychologiques et démocratiser l'accès au coaching. En offrant un espace d'exploration anonyme et neutre psychologiquement, l'IA permettrait de :

• Poser des questions difficiles sans crainte

• Explorer ses pensées et se confronter à ses peurs sans jugement

• Accéder à des ressources de coaching 24/7, permettant un travail à son propre rythme

• Renforcer la confidentialité, les employés interagissant avec un assistant IA sans crainte de répercussions, mais en gardant le contexte

L'IA au service de la préparation et de l'optimisation des sessions de coaching

L'IA, en s'appuyant sur la personnalisation et l'analyse de données, peut servir d'outil puissant pour préparer et optimiser les sessions de coaching. 

Elle peut :

• Identifier les points sensibles et permettre d'aborder les sujets délicats plus facilement

• Générer des points de discussion et structurer la session en définissant une trame de conversation

• Analyser de grandes quantités de données pour identifier les domaines d'amélioration spécifiques à chaque individu (d’autant plus dans une culture où préside la transparence, où l’IA peut avoir accès à toutes ses contributions !)

• Suivre et quantifier les progrès de manière continue, offrant des éclairages précieux sur l'efficacité du coaching

Ces utilisations de l’IA sont compatibles avec un coach ou un manager humain, qui pourrait l’utiliser pour améliorer la qualité de son coaching.

Imaginez un outil capable de vous aider à gérer des conversations difficiles en entreprise, de trouver le bon angle d'approche et de formuler des questions de manière appropriée. Imaginez un outil qui vous aide à anticiper les réactions, à maintenir un cadre objectif et neutre. C'est ce que l'IA peut offrir.

L'IA, un complément à l'intelligence humaine

L'IA ne remplace pas l'intelligence humaine mais la complète. Elle sert d'outil pour optimiser la préparation et le déroulement du coaching, permettant des échanges à la fois plus efficaces et plus profonds. L'avenir du coaching en entreprise réside probablement dans une approche hybride, où l'IA augmente et complète les compétences des coachs humains. 

Le potentiel est immense.

Trois questions pour un expert

— Pouvez-vous vous présenter brièvement ?

Je m’appelle Adrien Falcon. On me connaît notamment pour mon activité en tant que coach de CEO et de fondateurs d’entreprises en très forte croissance (scale-ups), que ce soit en France ou plus largement en Europe.

Durant mes 20 années d’expérience, j’ai eu la chance d’explorer en profondeur les enjeux du coaching professionnel. D’abord, en tant que jeune manager de moins de trente ans, en découvrant à quel point le coaching pouvait transformer ma vision du leadership. Ensuite, en tant que CEO, en travaillant sur mes propres défis de leader et en prenant des décisions pour que mes équipes bénéficient également de coaching. Enfin, en exerçant depuis plus de 7 ans mon métier d’Executive Coach auprès de centaines de dirigeants.

— Quels sont les avantages du coaching assisté par l’IA ?

Je suis convaincu que le coaching assisté par l’IA est une réalité émergente qui jouera un rôle incontournable dans l’avenir du développement professionnel au sein des entreprises. Mes convictions sur le sujet viennent de mon expérience en tant que CEO et fondateur de Wave.ai, une IA dédiée au coaching professionnel, acquise par Alan en juin 2024. 

Pendant 4 ans, Wave a accompagné des milliers de personnes coachées chaque semaine, sur des centaines de problématiques individuelles, générant au total plus d’un million de sessions de coaching. Plus de 5 000 d’entre eux ont partagé des témoignages exprimant l’impact transformationnel qu’a eu Wave sur leur vie professionnelle et personnelle. Ce type de coaching est possible, et oui, il peut être bénéfique. Pourquoi et comment ?

Le coaching assisté par l’IA propose un changement de paradigme fondamental, tout en restant complémentaire aux approches traditionnelles. Historiquement, le coaching se déroule en face-à-face, en sessions individuelles. Aussi puissant que soit ce format – que je pratique encore – il présente aussi des contraintes majeures : prix élevé, disponibilité limitée des coachs, ou encore suivi irrégulier dans la durée. Ces obstacles le rendent difficilement accessible à un grand nombre de personnes. L’IA peut surmonter ces limitations en offrant une solution plus abordable, accessible, et tout aussi qualitative sur le long terme, sans pour autant déshumaniser l’expérience.

L’un des principaux atouts de l’IA réside dans sa capacité à rendre le coaching disponible à tout moment, pour tous, indépendamment de la séniorité, des problématiques, de la localisation ou de la langue des collaborateurs. Là où le coaching traditionnel est limité par les disponibilités d’un coach, l’IA permet un accompagnement instantané, adapté aux besoins spécifiques de chacun, au moment où cela est vraiment nécessaire. Là où la qualité d’un travail repose avant tout sur la singularité d’un coach aux compétences uniques, l’IA peut, par exemple, apporter une objectivité accrue en soulignant des émotions ou des comportements que le coach humain aurait pu négliger ou surinterpréter. Et ce, dans la durée. Car l’IA ne se fatigue ni n’oublie jamais. Elle permet d’archiver, de synthétiser et d’analyser les échanges de manière continue, ce qui permet par exemple de suivre les progrès dans le temps.

L’IA ne remplace pas le coaching humain, et ce n’est en rien un futur désirable. En revanche, elle peut l’enrichir en permettant d’accompagner, de manière fine et cohérente, beaucoup plus de personnes, de manière qualitative et, notamment au sein des entreprises, à une échelle inégalée.

— Comment les RH peuvent-elles aborder le coaching par IA pour garantir une utilisation éthique et efficace ?

C’est une question vaste et complexe qui dépend de la culture de l’entreprise et de la culture de coaching que les RH souhaitent mettre en place. Si je devais me poser des questions sur l’implémentation d’une IA dans le coaching, je me concentrerais sur trois points essentiels: la confidentialité des données, la supervision humaine de la pratique, et la mise en place d’un échantillon test.

La confidentialité des données doit en effet être au cœur de la démarche. Il est crucial que les échanges restent anonymes, cryptés entre le coaché, l’IA et le coach, et que les données collectées ne soient utilisées que pour des analyses globales, afin de renforcer le développement des collaborateurs sans compromettre leur vie privée.

Ensuite, il est absolument nécessaire d’assurer une supervision humaine et tripartite: entre le coaché, l’IA et le coach, pour s’assurer que les collaborateurs puissent partager leurs retours sur l’utilisation de l’IA et que l’accompagnement proposé soit sans biais et aligné avec les besoins du coaché ; entre le coaché, le coach et les RH, pour aligner les objectifs individuels avec ceux de l’entreprise et la culture RH et de coaching souhaitée ; ou encore entre l’entreprise qui développe l’IA, les RH et le coach, pour garantir que les principes fondamentaux d’éthique, de sécurité et de protection des données sont pleinement respectés et garantis. Le coaching par IA, pour être de qualité, ne peut pas fonctionner de manière autonome et doit être supervisé.

Enfin, pour que cela devienne concret – car l’enjeu est bien de proposer des solutions de développement professionnel à un maximum de collaborateurs – et ne reste pas un simple débat conceptuel, je me dirais probablement qu’un échantillon-test concret et contrôlé permettrait de découvrir ce qui fonctionne et ce qui doit évoluer pour me sentir à l’aise avec le déploiement de cette solution à plus grande échelle.

En coaching, on dit souvent que les questions sont les réponses. Si j’étais RH, je me demanderais : “Qu’ai-je à perdre et qu’ai-je à gagner à tester le coaching assisté par l’IA ? Quelles sont mes conditions sine qua non pour essayer, sans créer une attente démesurée dans mon organisation, et m’assurer in fine que je suis à l’aise avec cette proposition ?”

Dans le monde de l'IA ce mois-ci…

Ces derniers jours, nous avons trouvé intéressant :

• Les progrès de Claude, qui peut désormais prendre le contrôle de votre ordinateur et réaliser des actions à votre place.

• Une liste de 20 outils d'IA pour gagner en productivité.

• Sans lien direct avec le sujet de l'IA, le nombre de développeurs informatiques a baissé en 2023, pour la première fois depuis l'année 2000.

👋 Rendez-vous dans un mois,

— Charles & Maxime