Résumé IA
- Le basculement de fond : devenir AI-native, c’est découpler la production du nombre d’heures travaillées.
- Le nouveau modèle : passer de « je gère une équipe d’agents IA » à « je construis une chaîne de production automatisée ».
- Le rôle des humains : l’IA prend en charge l’exécution des workflows et les contrôles qualité ; les humains apportent la redevabilité, le jugement et la relation client.
- La mise en œuvre : inventorier vos livrables répétables, constituer une bibliothèque de capacités, et traiter le contexte client comme une infrastructure.
Qu’est-ce qu’un cabinet AI-native ?
Être AI-native consiste à découpler la production du nombre d’heures travaillées. Ce n’est pas une philosophie nouvelle, mais pour les entreprises de services professionnels, qu’il s’agisse de cabinets de conseil, d’agences, de cabinets de chasse de têtes, de cabinets d’avocats ou de à peu près n’importe quoi d’autre, cela ne devient possible que maintenant, avec l’IA, à condition de disposer du bon cadre de travail. Et, bien sûr, d’un harnais spécialisé comme Stackmint.
Le modèle de l’usine : décomposer la chaîne de production IA
Pour réussir cette transition, ou pour lancer un cabinet AI-native de zéro, il faut aborder le problème différemment : non pas par équipe, mais par chaîne de production. Laissons les humains de côté une minute. Imaginez votre entreprise comme une usine comportant plusieurs chaînes de production. Comme dans une usine, une chaîne se définit par des intrants (les matières premières), un processus (un ensemble de workflows, de playbooks, etc.) et des extrants. Pour atteindre le bon niveau de qualité, vous introduisez des points de contrôle. Et pour atteindre le bon volume, vous vous assurez qu’assez de matière première est injectée en entrée.
Empiriquement, lors d’une transformation AI-native, l’objectif est d’atteindre le plus vite possible le point où le processus produit le maximum d’extrants, avec le minimum de rebuts au contrôle qualité, au coût le plus bas. Il est rarement possible d’optimiser les trois dimensions simultanément : l’objectif réaliste est donc d’atteindre le point où la chaîne de production vous satisfait. Comme ordre de grandeur, on obtient généralement un résultat 3 à 10 fois moins cher et plus rapide que le tout-manuel, selon le processus.
Décomposons maintenant ces composants.
1. Les intrants (matières premières et contexte client)
Les intrants sont évidemment déterminants. Garbage in, garbage out : ce qui entre de mauvaise qualité ressort de mauvaise qualité. Vous en avez le contrôle, ou pas. Dans un cabinet d’avocats, un intrant typique peut être les annotations d’un client sur un projet de NDA ; dans un cabinet de conseil, un appel d’offres. Parfois, ce sont les extrants d’une autre chaîne de production.
2. Les extrants (livrables et économie unitaire)
Les extrants sont vos livrables. Le contrat révisé. La réponse à l’appel d’offres. Il s’agit généralement d’un travail directement relié à l’économie unitaire du cabinet. (Nombre d’appels d’offres traités × taux de réussite × valeur moyenne d’un appel d’offres = chiffre d’affaires appels d’offres.)
3. Le processus (propriété intellectuelle et logique des workflows)
Le processus est la suite d’étapes qui, répétée sur un type d’intrant constant, produit l’extrant de façon constante. C’est dans le processus que réside la propriété intellectuelle de l’entreprise. C’est ce qui la distingue. Vous devez en être propriétaire et le défendre à tout prix. Pour notre exemple d’appel d’offres, le processus pourrait comprendre : vérifier que le cabinet est en capacité de réaliser la mission, s’assurer que soumissionner a un sens économique, estimer les chances de l’emporter, reformuler les demandes et étudier les dépendances, estimer la charge de travail, construire la proposition, la faire relire et valider, puis l’envoyer au donneur d’ordre. Il peut aussi comprendre l’arrêt complet du processus, par exemple si l’entreprise décide de ne pas soumissionner. C’est là que réside l’essentiel du travail.
4. Contrôle qualité et gouvernance (Human-in-the-Loop)
Le contrôle qualité est critique. Une mauvaise qualité de production peut être extrêmement préjudiciable à votre cabinet. Dans l’exemple du cabinet d’avocats, une revue de contrat défaillante peut avoir de lourdes conséquences pour vos clients et pour votre réputation. C’est précisément pour cela que le jugement et la redevabilité comptent autant.
Alors quel est le rôle des humains, si nous construisons une usine ? Et pourquoi n’avons-nous même pas encore parlé d’IA ?
En réalité, l’IA joue plusieurs rôles dans cette chaîne. Elle peut garantir que les intrants sont correctement formatés pour être absorbés par le processus. À chaque étape, elle doit vérifier que les conditions sont réunies pour passer à la suivante. En fin de parcours, elle doit contrôler la forme, le fond et la qualité de l’extrant. Elle doit noter le travail et, s’il ne satisfait pas les critères, le renvoyer à l’étape appropriée. Enfin, elle doit apprendre ce qui a rendu ce travail bon ou mauvais, afin que le processus s’améliore. Dans le monde de l’IA, ces actions s’appuient sur des outils spécialisés comme le renforcement de processus et le LLM as a judge. L’IA doit également pouvoir appeler un humain à l’aide en cas de doute : c’est un exemple de Human in the Loop.
Les humains jouent un rôle très différent. Le rôle de l’humain, comme dans notre usine, consiste à s’assurer que le processus tourne correctement, à analyser les données de fonctionnement et de qualité (éventuellement assisté par l’IA), à trancher les arbitrages, et à mobiliser ses qualités proprement humaines : la compréhension du standard de qualité du cabinet, le savoir tacite et le tour de main, la compréhension des exigences du client parce qu’il en détient la relation, le bon sens, la responsabilité, l’appropriation, la redevabilité. Une machine ne doit pas être rendue redevable ; un humain doit l’être.
Ainsi, l’humain est propriétaire de l’extrant de la chaîne, l’IA fait le travail, et l’entreprise AI-native est essentiellement une usine dotée de différentes chaînes de production : développement commercial, ventes, marketing, ressources humaines, et la production des livrables vendables, propre à chaque cabinet. Mais à quoi cela ressemble-t-il en pratique ?
Pourquoi les « équipes » d’IA échouent, et pourquoi les workflows doivent être gouvernés
D’abord, le noyau passe de « l’équipe » à « les humains plus les chaînes de production ». Un consultant peut piloter quelques chaînes, lesquelles peuvent bien sûr contenir des workflows et des agents IA. À ce stade, j’éviterais l’anthropomorphisme et l’idée d’un consultant qui gérerait « une équipe de chercheurs ou d’analystes IA ». C’est un modèle mental confortable, mais il crée ses propres problèmes, car les modèles ont toujours tendance à sortir de leur périmètre. Vous voulez l’inverse : les tenir en bride et les amener à accomplir une mission précise en appliquant les règles de votre entreprise, plutôt que de produire du contenu générique sans valeur ou, pire, de partir en exploration pour résoudre des problèmes qui ne relèvent pas de leur processus. Un workflow IA gouverné sur Stackmint maintient chaque modèle dans son couloir. Plutôt que d’imaginer une équipe de « copies IA d’humains », cartographiez la chaîne de production en actions atomiques, choisissez le meilleur modèle pour chacune, et vous obtenez quelque chose de scalable, d’auditable, sur lequel votre équipe peut compter.
Étape par étape : construire votre bibliothèque de capacités
Ensuite, faites l’inventaire de votre delivery, en commençant par les actifs que vous produisez. On les trouve souvent dans vos SOW, vos contrats clients, vos lettres de mission, vos bons de commande. Tout type de travail répétable. Si ce n’est pas répétable et que vous n’avez pas l’intention de le répéter à court terme, ne forcez pas. C’est la première étape. Commencez par ce qui génère de la valeur. C’est bien cela, être AI-native : le principe d’automatiser une partie de votre delivery avec l’IA. Puis concentrez-vous sur ce qui consomme le plus de temps à vos équipes.
Une fois cet inventaire réalisé, consolidez-le dans une bibliothèque de capacités (Capability Library). Cette bibliothèque contient tout ce dont votre entreprise a besoin pour générer les chaînes de production.
Il faut ensuite commencer à penser vos intrants, et tout particulièrement le contexte client, comme une infrastructure. Pour une agence de marketing, ce sera les logos du client, ses couleurs, ses polices de prédilection ; pour un cabinet d’avocats, les modèles de contrats, les dénominations commerciales, les liens vers les politiques de confidentialité ; pour un cabinet de chasse de têtes, les fiches de poste. Tout cela doit être traité comme des enregistrements, de façon cohérente et normalisée. Chez Stackmint, nous utilisons des variables pour cela. Une fois le workflow créé, comme tout est en variables, il tournera nativement pour de nouveaux clients.
Vous commencerez peut-être à sentir que votre vision de votre propre activité devient plus industrialisée. Vous vous mettrez à visualiser vos chaînes de production et, en tant que dirigeant, votre rôle deviendra de veiller à ce qu’elles reçoivent suffisamment d’intrants et livrent des extrants de qualité constante, en travaillant avec les responsables de chaîne. À ce moment-là, le modèle commercial peut naturellement basculer de la vente de capacité (heures, jours-homme) à la vente d’exécution et de résultats. C’est un excellent signe que vous avez opéré le virage AI-native.