Pourquoi ce dossier existe
Vous avez choisi de partager Un Cran d'Avance avec trois personnes de votre entourage professionnel. Ce n'est pas un geste anodin — recommander un contenu à un pair, c'est engager sa crédibilité. Je le prends au sérieux.
En retour, ce dossier est ce que je ne publie pas dans la newsletter hebdomadaire, ni dans le dossier stratégique mensuel. Pas parce que c'est trop technique — parce que c'est trop structurant. Le genre de contenu qui change la façon dont un dirigeant regarde son organisation le lundi matin. Pas un article. Un cadre — réservé à ceux qui contribuent à faire grandir la communauté.
La question centrale de ce dossier : dans la redistribution économique que l'IA est en train d'opérer, votre organisation est-elle en train de capturer de la valeur — ou d'en céder ? Et surtout : que décidez-vous maintenant pour que la réponse soit la bonne dans 24 mois ?
01 — Contexte
La vraie nature de ce qui est en train de se passer
La plupart des analyses sur l'IA parlent de productivité. Combien d'heures économisées, combien de processus automatisés, quel ROI sur quel déploiement. Ces métriques sont réelles et utiles — mais elles ratent l'essentiel.
Ce qui est en train de se passer, c'est une redistribution du pouvoir économique. Pas une amélioration marginale de l'efficacité — une reconfiguration de qui capture la valeur, qui la crée, et qui la subit.
3,7×
L'écart de rentabilité entre les organisations IA-matures et les autres d'ici 2027 — McKinsey Global AI Survey 2025
Ce chiffre ne mesure pas la productivité. Il mesure la capture de valeur. Les organisations qui ont formalisé leur stratégie IA ne produisent pas 3,7 fois plus — elles capturent 3,7 fois plus de valeur économique à périmètre comparable. La différence est fondamentale.
Exemple concret : deux cabinets juridiques de taille comparable. Le premier a anticipé la demande de ses clients de partager les gains de productivité IA — il a réduit ses honoraires sur les tâches automatisées et repositionné ses associés sur du conseil stratégique facturé 40 % plus cher. Ses marges ont augmenté. Le second a subi la même demande sans contrepartie préparée.
L'IA ne crée pas de valeur ex nihilo. Elle la déplace — des organisations lentes vers les rapides, des processus rigides vers les agiles, des modèles économiques ancrés dans le passé vers ceux qui ont anticipé la transition.
Trois dynamiques de redistribution sont déjà à l'œuvre :
1. La compression des marges par les clients. Le précédent KPMG–Grant Thornton est instructif — et les deux lectures sont vraies. KPMG a demandé 14 % de réduction sur les honoraires d'audit au nom de l'efficacité IA. Grant Thornton a accepté. Ce que cette lecture oublie : Grant Thornton avait probablement réalisé des gains de productivité bien supérieurs à 14 % — ils ont cédé le point visible en gardant l'essentiel. L'organisation préparée négocie. Celle qui ne l'est pas subit sans alternative. Le signal n'est pas la capitulation de l'un — c'est que la conversation va maintenant avoir lieu dans tous les secteurs.
2. La concentration des avantages compétitifs. Dans chaque secteur, un petit nombre d'organisations accumule des données propriétaires, des modèles entraînés sur leurs processus, et des agents qui s'améliorent en continu. L'écart avec les suiveurs ne se comble pas — il s'accélère. Les données d'aujourd'hui entraînent les modèles de demain. Les organisations qui n'ont pas commencé n'ont pas du retard — elles ont un désavantage structurel.
3. La revalorisation asymétrique du jugement humain. Paradoxalement, l'IA ne dévalue pas l'expertise — elle la concentre. Les organisations qui réussissent ne remplacent pas leurs meilleurs éléments. Elles libèrent leur temps des tâches d'exécution pour le concentrer sur ce que l'IA ne peut pas faire : le jugement contextuel, la relation de confiance, la décision sous ambiguïté. Ceux qui ont compris ça construisent un avantage en capital humain, pas seulement en capital technologique.
Le cadre d'analyse — DRIVEN™
Les 10 décisions de ce dossier sont organisées autour du cadre DRIVEN™ — l'outil d'audit de maîtrise organisationnelle d'Un Cran d'Avance. Six axes : Décision, Risque, Impact valeur, Vulnérabilité, Engagement, Nécessité humaine. Chaque axe pose une question centrale sur votre capacité à rester maître de votre transformation — et à en capturer les bénéfices économiques.
Les 10 décisions
Dans les organisations qui déploient des agents IA à l'échelle, un phénomène documenté par Deloitte et McKinsey émerge systématiquement : les collaborateurs commencent à suivre les recommandations de l'agent sans les questionner. Pas par paresse — par confiance progressive dans un système qui, la plupart du temps, a raison. Ce glissement est dangereux non pas parce que l'agent se trompe souvent, mais parce que quand il se trompe, personne n'a formalisé qui était responsable de la décision finale.
La décision à prendre n'est pas technique. C'est une décision de gouvernance : définir explicitement, pour chaque workflow agentique, quelles décisions restent humaines — et lesquelles peuvent être déléguées. Cette cartographie décisionnelle est l'actif de gouvernance le plus précieux qu'une organisation puisse construire dans les 12 prochains mois.
Exemple concret : un grand groupe de distribution a déployé un agent IA pour la gestion des ruptures de stock. L'agent décide seul des réassorts standards (décision déléguée). Il propose une recommandation validée par un acheteur pour les réassorts stratégiques dépassant 50 000 € (décision supervisée). Il alerte la direction commerciale sans jamais décider pour les ruptures sur les références à forte marge (décision exclusivement humaine). Cette cartographie en trois niveaux a été validée en comité de direction en une demi-journée.
La décision concrète
Constituez une cartographie des décisions par niveau d'enjeu. Trois catégories : décisions déléguables à l'agent (exécution), décisions supervisées par l'humain (validation), décisions exclusivement humaines (jugement). Cette cartographie doit être signée par un membre de la direction — pas produite par les équipes IT.
Ce que les organisations leaders font
Les organisations en couche A du cadre LEAP™ qui réussissent ont toutes formalisé ce qu'on appelle un « seuil de supervision » — un critère précis au-dessus duquel une décision agentique déclenche automatiquement une validation humaine. Ce seuil n'est pas défini par les équipes IA. Il est défini par la direction générale.
67 % des organisations qui expérimentent l'IA n'ont pas de responsable IA formel — ou ont nommé quelqu'un dont le rôle est consultatif sans autorité décisionnelle réelle. Le résultat est prévisible : des projets pilotes qui ne passent jamais à l'échelle, des budgets fragmentés, et une absence de capitalisation sur les apprentissages d'un département à l'autre.
Le CAIO (Chief AI Officer) n'est pas un luxe de grande entreprise. C'est une fonction de gouvernance qui peut être exercée par un directeur existant — à condition qu'on lui donne une autorité transversale explicite, un budget dédié, et un mandat de reporting direct au comité de direction.
La décision concrète
Dans les 30 prochains jours : nommez un responsable IA avec autorité transversale. Pas un chef de projet IA. Un décideur avec budget, mandat, et reporting au COMEX. Si ce n'est pas possible immédiatement, créez a minima un comité IA avec représentation de toutes les directions et réunion mensuelle.
Ce que les organisations leaders font
Les organisations qui ont le mieux réussi leur déploiement IA ont systématiquement un sponsor exécutif identifiable — quelqu'un dont la réputation professionnelle est liée au succès de la transformation. Cette pression personnelle est le meilleur moteur de responsabilisation.
Axe suivant
La quasi-totalité des contrats avec les grands fournisseurs IA (OpenAI, Microsoft, Google, Anthropic) contient une clause d'exclusion de responsabilité pour les erreurs produites par leurs modèles. En termes simples : si votre agent prend une mauvaise décision basée sur une hallucination ou une erreur de raisonnement, votre fournisseur IA n'est pas responsable. Vous l'êtes.
Ce n'est pas une critique de ces fournisseurs — c'est la réalité juridique actuelle de l'industrie. La décision à prendre est d'en tirer les conséquences organisationnelles :
votre système de contrôle interne doit absorber le risque que votre contrat fournisseur ne couvre pas.
Exemple concret : un cabinet comptable a déployé un agent IA pour la préparation des déclarations fiscales. Une erreur non détectée avant dépôt a coûté 40 000 € de pénalités à son client. Le cabinet s'est retourné vers son fournisseur IA : la clause d'exclusion de responsabilité était explicite. Le cabinet a absorbé seul le coût et la perte de confiance du client. Un simple processus de double-vérification humaine sur les dossiers complexes aurait évité l'incident.
La décision concrète
Mandatez votre direction juridique pour auditer les clauses de responsabilité de vos 3 principaux contrats IA. Pour chaque zone de risque non couverte, définissez un contrôle interne compensateur. Ce travail prend 2 semaines — et évite des incidents qui en prennent 6 mois à gérer.
Ce que les organisations leaders font
Les organisations les plus avancées ont développé ce qu'on appelle une matrice de risque agentique — un tableau qui croise chaque type de décision IA avec le risque juridique, financier, et réputationnel en cas d'erreur. Ce document est révisé trimestriellement au niveau du comité de direction.
L'AI Act européen est entré en vigueur en août 2024. Les premières obligations pour les systèmes à risque élevé s'appliquent à partir d'août 2026. L'AI Act européen a fixé août 2026 comme première échéance pour les systèmes à risque élevé. Ce jalon est une boussole utile — quelle que soit la date à laquelle vous lisez ce dossier, la question reste la même : où en êtes-vous dans votre cartographie de conformité ? La Loi 25 au Québec et la LIAD canadienne posent des exigences similaires dans leurs juridictions respectives. La réglementation s'applique là où vous opérez, pas là où vous êtes enregistré. Les organisations qui opèrent dans des secteurs réglementés — banque, assurance, santé, RH, infrastructure critique — sont les premières concernées.
La plupart des directions juridiques n'ont pas encore évalué si leurs déploiements IA tombent dans les catégories "à risque élevé" définies par l'AI Act. Cette évaluation n'est pas optionnelle — les sanctions prévues par l'AI Act peuvent atteindre 30 millions d'euros ou 6 % du chiffre d'affaires mondial.
La décision concrète
Lancez une cartographie de conformité AI Act dans les 30 prochains jours. Trois questions clés : quels déploiements IA tombent en catégorie "risque élevé" selon l'annexe III de l'AI Act ? Qui est le responsable de conformité désigné ? Quel est le budget alloué à la mise en conformité d'ici août 2026 ?
Ce que les organisations leaders font
Les organisations en avance traitent la conformité AI Act non pas comme une contrainte mais comme un avantage compétitif : être certifié conforme avant vos concurrents est un argument commercial auprès de clients institutionnels qui vont eux-mêmes être audités sur leurs fournisseurs IA.
Axe suivant
Le précédent KPMG–Grant Thornton a ouvert une brèche. Dans les 24 prochains mois, dans tous les secteurs où des prestataires facturent du temps ou de l'expertise, des clients vont demander des ajustements tarifaires basés sur l'efficacité IA de leur prestataire. Cette demande est légitime — et inévitable.
La décision n'est pas de savoir si vous allez y faire face. C'est de décider
quelle posture vous adoptez : subir la pression et négocier en position de faiblesse, ou anticiper en proposant proactivement un nouveau modèle tarifaire qui valorise votre expertise plutôt que votre temps.
Exemple concret : deux cabinets juridiques de taille comparable, même marché. Le premier a anticipé la demande de partage de valeur de ses clients : il a réduit ses honoraires sur les tâches automatisées et repositionné ses associés sur du conseil stratégique, facturé 40 % plus cher. Ses marges ont augmenté, ses clients sont satisfaits. Le second a subi la même demande de réduction — sans contrepartie préparée.
La décision concrète
Dans les 60 prochains jours : construisez votre argumentaire de valeur post-IA. Pas un argument défensif ("nous maintenons nos prix parce que...") — un argument offensif ("notre modèle tarifaire évolue pour mieux refléter la valeur que nous créons"). La différence entre les deux est la différence entre subir et piloter.
Ce que les organisations leaders font
Les cabinets de conseil et firmes de services qui réussissent migrent vers des modèles à la valeur — facturation basée sur les résultats produits, pas le temps passé. L'IA accélère l'exécution ; le modèle tarifaire capture la valeur de l'expertise, pas de la vitesse.
Dans l'économie IA, les données propriétaires sont le nouveau pétrole — mais la métaphore est trompeuse. Le pétrole s'épuise ; les données s'accumulent et s'améliorent. Chaque interaction client, chaque processus documenté, chaque décision historisée est du carburant pour entraîner des modèles spécifiques à votre organisation — des modèles que vos concurrents ne peuvent pas répliquer parce qu'ils ne disposent pas de vos données.
La plupart des organisations ne traitent pas leurs données comme un actif stratégique. Elles les stockent, parfois les analysent, rarement les monétisent — et presque jamais ne les protègent avec le niveau de rigueur qu'elles accordent à leurs actifs financiers.
Exemple concret : une DRH d'un groupe de 3 000 personnes dispose de 8 ans d'historique de performance, mobilité interne et rétention. Ces données permettraient d'entraîner un modèle prédictif de risque de départ d'une précision inaccessible à un modèle générique. Ces données existent — dans trois systèmes non connectés, sans mission de valorisation IA. C'est de la valeur dormante.
La décision concrète
Lancez un inventaire des données propriétaires de votre organisation sous l'angle de leur valeur pour l'IA : quelles données avez-vous que vos concurrents n'ont pas ? Lesquelles pourraient entraîner un modèle spécifique à votre métier ? Lesquelles sont actuellement dans des silos inaccessibles à vos systèmes IA ? Cet inventaire est la première étape d'une stratégie de données sérieuse.
Ce que les organisations leaders font
Les organisations les plus avancées ont nommé un Data Steward — pas un DPO (Délégué à la Protection des Données, dont le rôle est d'assurer la conformité RGPD et protéger la vie privée) mais quelqu'un dont le rôle est de maximiser la valeur des données pour l'IA. Ces deux rôles sont complémentaires et distincts.
Axe suivant
Une organisation sur trois qui déploie l'IA à l'échelle ne peut pas fonctionner normalement 48 heures si son fournisseur principal change ses conditions ou cesse d'opérer. Ce risque est traité comme un risque technologique — alors que c'est un risque stratégique de premier ordre, comparable à une dépendance énergétique ou logistique.
La solution n'est pas de ne pas s'engager avec les grands fournisseurs — ils offrent des capacités sans équivalent. C'est de construire une architecture multi-fournisseurs avec des points de sortie documentés, et de tester régulièrement sa capacité à basculer d'un fournisseur à l'autre.
Exemple concret : en novembre 2024, une panne de 4 heures chez un grand fournisseur de LLM a paralysé le service client de plusieurs entreprises ayant intégré l'IA comme canal principal. Les organisations avec un fallback manuel documenté ont rétabli un service dégradé en 20 minutes. Celles sans fallback ont subi 4 heures d'interruption totale — avec des conséquences directes sur leurs SLA contractuels.
La décision concrète
Réalisez un test de continuité IA : simulez l'indisponibilité de votre principal fournisseur IA pendant 48 heures. Quels processus s'arrêtent ? Lesquels ont un fallback ? Quel est le coût opérationnel de cette simulation ? Ce test révèle votre vulnérabilité réelle mieux que n'importe quel audit théorique.
Ce que les organisations leaders font
Les organisations les plus résilientes maintiennent une politique de double-sourcing IA pour leurs processus critiques — deux fournisseurs capables de délivrer la même fonction, avec des bascules testées semestriellement. Le coût de ce dispositif est systématiquement inférieur au coût d'un incident non anticipé.
Axe suivant
Dans les organisations sans système de responsabilité IA formalisé, les incidents suivent un pattern prévisible : l'agent produit une erreur avec des conséquences réelles (financières, réputationnelles, réglementaires), et personne ne sait qui appeler. L'incident se gère dans l'urgence, sans processus, sans documentation, et sans apprentissage institutionnel.
La décision n'est pas de prévoir que les agents vont se tromper — ils le feront. C'est de décider maintenant comment vous allez gérer ces erreurs : qui est prévenu, qui décide de l'arrêt d'urgence, qui communique en interne et en externe, et qui documente les apprentissages.
La décision concrète
Créez un "Runbook IA" — un document opérationnel qui définit, pour chaque déploiement IA critique, la procédure en cas d'erreur majeure. Ce document doit tenir en 2 pages et être accessible à tous les acteurs concernés. Sa création force une conversation sur les responsabilités qui n'a souvent jamais eu lieu.
Ce que les organisations leaders font
Les organisations les plus matures ont instauré des revues post-incident IA systématiques — même pour les erreurs mineures. Ces revues produisent des apprentissages qui alimentent l'amélioration continue des agents et du système de gouvernance.
Axe suivant
Les coûts IA ont une caractéristique unique : ils sont invisibles jusqu'à ce qu'ils ne le soient plus. Les plateformes facturent à l'usage — par token, par exécution, par utilisateur — et dans une organisation de 200 personnes avec 15 outils IA différents, le coût total mensuel peut tripler en 6 mois sans qu'aucune ligne budgétaire ne soit formellement dépassée.
Le FinOps IA n'est pas une fonction de contrôle — c'est une fonction de pilotage. Son objectif n'est pas de réduire les dépenses IA mais de
maximiser le ROI de chaque dollar investi : quels outils produisent de la valeur mesurable, lesquels sont utilisés en dessous de leur potentiel, et où les coûts dépassent les bénéfices documentés.
Exemple concret : un groupe industriel a réalisé un audit FinOps IA 12 mois après ses premiers déploiements. Résultat : 7 outils pour 34 000 €/mois. Deux outils représentaient 28 000 € et 80 % de la valeur produite. Trois outils avaient une valeur non documentée. Deux ne sont plus utilisés mais facturent toujours. L'audit a permis de réallouer 12 000 €/mois vers les outils performants.
La décision concrète
Construisez un tableau de bord FinOps IA en 30 jours. Contenu minimum : coût total mensuel par outil, nombre d'utilisateurs actifs par outil, valeur produite par outil (en heures économisées ou en revenus générés), et alerte automatique si le coût d'un outil dépasse 120 % du budget alloué.
Ce que les organisations leaders font
Les organisations les plus disciplinées appliquent un principe de sunset automatique : tout outil IA dont le ROI n'est pas documenté après 90 jours est suspendu. Cette règle simple élimine le sprawl et force la mesure systématique.
Le McKinsey Global AI Survey 2025 est sans ambiguïté : dans les organisations en couche A du cadre LEAP™, les travailleurs du savoir deviennent des gestionnaires d'agents. Leur valeur réside dans la définition des objectifs, la supervision des workflows agentiques, et la validation des résultats — pas dans l'exécution des tâches que les agents gèrent désormais.
Ce glissement est une opportunité pour les individus qui l'anticipent — et une menace pour ceux qui ne le voient pas venir.
Votre rôle en tant que dirigeant est de décider comment vous aidez vos équipes à traverser cette transition — pas si vous le faites.
Exemple concret : un grand cabinet d'expertise comptable a lancé un programme "gestionnaire d'agents" pour ses 200 collaborateurs — non pas sur les outils, mais sur trois compétences : définir un objectif précis pour un agent, évaluer la qualité d'une sortie IA, décider quand escalader à un expert humain. Six mois après, les collaborateurs formés traitent 35 % de dossiers supplémentaires et déclarent un niveau de satisfaction professionnelle plus élevé.
La décision concrète
Lancez un programme de "montée en compétences managériales IA" — pas une formation sur les outils, mais un programme sur la supervision d'agents, la définition d'objectifs pour des systèmes autonomes, et l'évaluation de la qualité des sorties IA. Ce programme doit commencer par les managers intermédiaires — ceux dont les rôles changent le plus rapidement.
Ce que les organisations leaders font
Les organisations les plus avancées ont créé des « centres d'excellence IA » internes — des équipes de 3 à 5 personnes dont le rôle est de former les autres, d'évaluer les nouveaux outils, et de documenter les bonnes pratiques. Ces centres coûtent moins qu'une consultation externe et produisent un savoir institutionnel que personne ne peut racheter.
Plan d'action
03 — Plan d'action
Par où commencer — une séquence en 90 jours
Concept — IA-CMDB
On a appris à gouverner les actifs IT avec des CMDB. L'IA appelle désormais le même niveau de discipline : un registre central permettant de savoir quels systèmes IA existent, ce qu'ils font, qui en répond, et ce qu'il se passe s'ils dérivent. Un tableur de 7 colonnes suffit pour commencer. Le fait que le registre existe — même incomplet — change la dynamique organisationnelle.
Dix décisions, c'est trop pour agir sur tout en même temps. Voici la séquence recommandée selon votre position dans le cadre LEAP™ :
30 premiers jours — Gouvernance
Décisions 1 et 2 : cartographie décisionnelle + nomination du responsable IA. Ces deux décisions sont les fondations sans lesquelles les autres ne tiennent pas.
Jours 30 à 60 — Protection
Décisions 3, 4 et 7 : audit contractuel, conformité AI Act, test de continuité. Ces décisions protègent ce que vous avez déjà construit.
Jours 60 à 90 — Capture de valeur
Décisions 5, 6, 8, 9 et 10 : modèle tarifaire, stratégie données, responsabilité formalisée, FinOps, capital humain. Ces décisions construisent votre avantage compétitif durable.
Les organisations qui capturent la valeur de l'IA ne sont pas celles qui ont déployé le plus d'outils. Ce sont celles qui ont pris les bonnes décisions au bon moment — avant que leurs concurrents ne le fassent.
Score DRIVEN™
Concept propriétaire UCA · Score DRIVEN™
Un classement vivant pour votre gouvernance IA.
Le classement ATP d'un joueur n'est pas sa performance d'il y a 3 ans. C'est sa performance des 12 derniers mois, recalculée en permanence. Votre Score DRIVEN™ fonctionne de la même façon — il mesure où en est votre système IA aujourd'hui, pas au moment de son déploiement.
6 axes pondérés (D · R · I · V · E · N) · Score 0-100 · Signal de dérive automatique · Historique trimestriel.
Calculer votre Score DRIVEN™ →
Auto-diagnostic
04 — Auto-diagnostic
Où en est votre organisation ?
Comptez le nombre de décisions que votre organisation a déjà prises et formalisées — pas celles en réflexion ou prévues.
0 à 3 décisions
Exposition forte
Votre organisation est exposée à une redistribution de valeur dont elle ne voit pas encore les contours. Priorité : décisions 1, 2 et 5.
4 à 7 décisions
En transition
Vous avancez dans la bonne direction. Identifiez vos lacunes sur les axes V et E — souvent les angles morts les plus coûteux.
8 à 10 décisions
En maîtrise
Vous êtes en avance. La question qui compte : capturez-vous activement la valeur que votre maturité IA vous permet de créer ?
La suite — chaque semaine dans votre boîte mail
Un Cran d'Avance vous envoie chaque mardi
les signaux qui alimentent ces décisions.
5 signaux filtrés sur 12 sources de référence. Analysés avec les cadres LEAP™ et DRIVEN™. En 5 minutes de lecture — pour que votre veille alimente vos décisions, pas votre inbox.
Accéder à la newsletter →
