En bref :
un modèle d'IA générative ressemble à un débutant qui aurait lu une bibliothèque entière. Il écrit vite et bien, il connaît un peu de tout, mais il ne connaît ni votre entreprise ni vos clients, il ne sait pas ce qui s'est passé après sa dernière lecture, et il affirme parfois avec aplomb des informations erronées.
L'enjeu est donc de mettre en œuvre les moyens pour mieux l'informer, l'outiller ou le surveiller.
L'IA générative dont tout le monde parle n'est qu'un étage d'une famille plus ancienne : chaque niveau est inclus dans le précédent.
Intelligence artificielleproduit prédictions, contenus ou décisions
Apprentissage automatiquedéduit les règles à partir d'exemples
Apprentissage profondréseaux de neurones à nombreuses couches
IA générativecrée du texte, des images, du son, du code
Grand modèle de langage (LLM)prédit le mot suivant
Le moteur des assistants du marché : ChatGPT, Claude, Gemini, Le Chat.
Concrètement, l'IA sert à trois choses, souvent combinées dans un même projet :
Prédireanticiper à partir de l'historique : prévision, score, détection
Générerproduire un texte, une image, du code, une synthèse
Agirexécuter des tâches dans vos systèmes, avec des outils
Taux d'adoption en 2025 : IA traditionnelle 72 %, IA générative 70 % en trois ans, IA agentique 35 % en deux ans (MIT Sloan Management Review et BCG).
Six notions clés
Prompt · promptLa qualité d'une réponse se joue-t-elle dans la question ?
En grande partie. Le prompt, la consigne donnée au modèle, fixe le contexte, l'objectif et le format attendu. Une consigne précise donne une réponse exploitable du premier coup ; une consigne floue multiplie les itérations, donc le temps passé et le coût. Bien rédiger ses consignes devient une compétence d'équipe, pas un talent individuel.
Enjeu : Qualité des réponses et coût Jeton · tokenComment se mesure le coût réel d'un usage d'IA ?
Quand l'IA est branchée à vos outils, en jetons, l'unité de texte que le modèle lit et produit. Tout compte : la question, les documents fournis, la réponse, et même le raisonnement intermédiaire des modèles qui « réfléchissent » avant de répondre. Un pilote coûte peu ; le même usage étendu à toute l'entreprise devient une dépense variable à piloter.
Enjeu : Coût Fenêtre de contexte · context windowPourquoi l'IA perd-elle le fil en cours de route ?
Parce qu'elle ne travaille que sur ce qui tient dans sa fenêtre de contexte, sa mémoire de travail pour l'échange en cours. Au-delà, le début sort du champ. Pour les tâches longues, il faut structurer : découper le travail, résumer, ou brancher l'IA sur une base documentaire.
Enjeu : Fiabilité sur les tâches longues Hallucination · hallucinationPeut-on se fier à une réponse d'IA sans la vérifier ?
Pas par défaut. Le modèle produit la suite de mots la plus probable, sans contrôler les faits : il peut inventer une source ou un chiffre plausible. C'est ce qu'on appelle une hallucination. La solution n'est pas seulement technique : elle tient à qui relit, à quel moment, et à ce qui part sans validation.
Enjeu : Fiabilité et responsabilité RAG · retrieval-augmented generationComment faire répondre l'IA à partir de vos propres documents ?
En la faisant chercher dans vos documents avant de répondre, avec ses sources citées : c'est la génération augmentée par la recherche (RAG). Les erreurs diminuent, mais l'effort se déplace : la fiabilité des réponses dépend alors de la qualité, de la mise à jour et des droits d'accès de votre base documentaire.
Enjeu : Qualité de vos données Agent · AI agentÀ partir de quand l'IA ne se contente-t-elle plus de proposer ?
Quand elle devient un agent : on lui confie un objectif, des outils et le droit d'agir dans vos systèmes (envoyer, mettre à jour, relancer). La question n'est plus la qualité d'un texte, mais la délégation : qui fixe le périmètre, qui valide, qui peut arrêter ?
Enjeu : Contrôle et délégation
Six idées reçues à revisiter
Chacune renvoie à une décision de direction.
Idée reçue« On automatise, donc on gagne »
En réalité
La valeur vient du processus repensé, pas de l'outil ajouté.
Plaquer l'IA sur un processus existant accélère aussi ses défauts. Les gains apparaissent quand on repense le travail de bout en bout.
37 %des organisations attribuent à l'IA un effet sur leur résultat opérationnel, alors que 90 % l'utilisent.
McKinsey, The state of AI in 2026Mesuré dans le diagnostic IA : Refonte du travailIdée reçue« On lance un pilote pour voir »
En réalité
Sans plan de passage à l'échelle, un essai reste un essai.
Un pilote tourne sur des données propres et une petite équipe. La production exige intégration, sécurité, suivi : un projet estimé à 3 mois peut en prendre 18.
25 %des entreprises ont mis en production au moins 40 % de leurs essais.
Deloitte, State of AI in the Enterprise, 2026Mesuré dans le diagnostic IA : Du pilote à la productionIdée reçue« Un agent, c'est un assistant de plus »
En réalité
Une IA qui agit dans vos systèmes demande des règles écrites avant de démarrer.
Un agent envoie, achète, modifie. Il faut décider à l'avance ce qu'il peut faire seul, ce qu'un humain valide, et comment l'arrêter. Gartner prévoit que plus de 40 % des projets d'IA agentique seront abandonnés d'ici fin 2027, faute de valeur claire, de maîtrise des coûts ou des risques.
21 %des entreprises ont une gouvernance mature des agents, quand 74 % prévoient d'en utiliser d'ici deux ans.
Deloitte, State of AI in the Enterprise, 2026Mesuré dans le diagnostic IA : Gouvernance et confianceIdée reçue« L'IA comprend »
En réalité
Elle produit du probable, pas du vérifié : quelqu'un doit contrôler et assumer.
Le modèle ne vérifie pas ce qu'il écrit. Sans traçabilité, impossible d'expliquer une décision automatisée à un client ou à un auditeur.
45 %des dirigeants citent le manque de visibilité sur les décisions des agents comme un frein.
IBM Institute for Business Value, 2025Mesuré dans le diagnostic IA : Gouvernance et confianceIdée reçue« L'IA apprend de vos usages »
En réalité
La vraie question : où vont vos données, et sous quel droit.
Le modèle n'apprend pas en direct pendant que vous l'utilisez. En revanche, selon le contrat, vos échanges peuvent servir à entraîner ses versions suivantes. Ce qui compte, ce sont les conditions d'usage de vos données et le pays où elles sont traitées.
77 %des entreprises tiennent compte du pays d'origine d'une solution d'IA avant de la choisir.
Deloitte, State of AI in the Enterprise, 2026Mesuré dans le diagnostic IA : Données et technologieIdée reçue« L'IA va remplacer tel métier »
En réalité
Les métiers changent moins par la tâche automatisée que par l'organisation repensée.
Former aux outils ne suffit pas. Il faut redéfinir les rôles : qui supervise, qui décide, qui traite les exceptions.
84 %des entreprises n'ont pas encore repensé les postes autour de l'IA.
Deloitte, State of AI in the Enterprise, 2026Mesuré dans le diagnostic IA : Rôles et organisation
Où en est votre organisation face à ces enjeux ?
01 · MesurerDiagnostic IA, offert
32 questions, 15 minutes, sur les 8 dimensions qui séparent les essais des résultats, qui couvrent les six points ci-dessus. Vous obtenez votre niveau de maturité, vos signaux d'alerte et une feuille de route à 3, 9 et 18 mois pour votre comité de direction.
02 · RepenserProcess redesign avec l'IA
Vos processus repensés étape par étape avec vos équipes : pour chaque étape, ce que fait l'IA, ce que gardent vos équipes et la règle de renvoi vers une personne. En préparation.