**Titre français :** L’intelligence artificielle n’est pas une simple mise à niveau technologique, mais plutôt une restructuration organisationnelle : derrière tout ce côté glamour se cachent des problèmes de gestion et d’organisation.

Résumé des points clés

Cet article démontre, à travers l’échec de l’entreprise entrepreneuriale de l’auteur (un projet de création d’un double numérique du PDG utilisant l’IA) ainsi que la mise en œuvre de l’IA dans une entreprise de vente par téléphone, que l’essence d’une équipe native à l’IA n’est pas l’utilisation d’outils IA, mais plutôt une réorganisation de l’organisation. De nombreuses entreprises croient erronément qu’utiliser des outils IA signifie être une équipe native à l’IA, alors qu’en réalité, elles doivent d’abord résoudre des problèmes de gestion tels que des processus commerciaux chaotiques, des normes de données incohérentes, des droits d’accès flous et des difficultés à mettre en œuvre les décisions. L’article propose également un modèle hiérarchisé pour une équipe native à l’IA (aide par outils, intégration dans les processus, direction par des règles) et souligne que la volonté de gestion du dirigeant et le désir de changement organisationnel sont essentiels pour la réussite de l’implémentation de l’IA – peu importe à quel point l’IA est avancée, elle ne peut pas contourner les fondamentaux de la gestion.

Analyse détaillée

#### 1. Équipe native à l’IA : Ne vous laissez pas abuser par le côté “high-tech” ; l’essence est une réorganisation de l’organisation

Beaucoup pensent qu’une équipe native à l’IA signifie que tous les employés utilisent des outils IA et que l’efficacité est extrêmement élevée, mais l’auteur souligne qu’il s’agit d’une grande erreur. L’essence de l’IA n’est pas la technologie elle-même, mais la ré conception complète du mode de fonctionnement de l’équipe en fonction de l’IA : comment les processus commerciaux se déroulent, comment les informations circulent, qui doit faire quoi, et comment évaluer les résultats.

Par exemple, le projet de création d’un double numérique du PDG de l’auteur visait à utiliser l’IA pour gérer uniformément les flux d’informations de l’entreprise, remplacer des tâches répétitives et fournir des suggestions de décision. Cependant, lors de la mise en œuvre, il s’est avéré que personne ne pouvait clarifier des questions fondamentales telles que l’origine des leads, qui les attribuait ou comment les transformer en opportunités commerciales – les processus commerciaux étaient complètement désorganisés, rendant impossible l’utilisation de l’IA. L’entreprise de vente par téléphone a dû passer trois mois à clarifier les lignes directrices des activités et à unifier le langage utilisé avant que le système IA puisse fonctionner correctement. Cela montre qu’il faut premierment consolider les bases de l’organisation avant d’introduire l’IA, et non l’inverse.

#### 2. Les quatre principaux obstacles à la création d’une équipe native à l’IA : tous des problèmes de gestion

L’auteur résume les erreurs les plus fréquentes lors de la mise en œuvre de l’IA, qui sont essentiellement liés à la gestion :

• Absence de ligne directrice claire dans les activités : Les activités de l’entreprise de vente par téléphone reposaient sur des approches manuelles et des coordinations via des groupes WeChat ; personne ne pouvait décrire clairement le processus complet. L’IA a besoin de processus bien définis pour remplacer les tâches répétitives, ce qui nécessite beaucoup de temps et de communications avec toutes les départements afin de transformer des procédures floues en diagrammes clairs.
• Normes de données incohérentes : Les mêmes éléments étaient appelés différemment selon les départements (par exemple, les leads étaient qualifiés d’“opportunités commerciales” par le marketing et de “destinataires de paiements” par la finance) ; l’IA ne pouvait pas comprendre ces différences sans une terminologie unifiée. L’équipe de l’auteur a dû organiser quatre réunions avec tous les départements pour établir un tableau de terminologie commun.
• Droits d’accès flous : Qui peut consulter quelles données et modifier quel contenu ? Dans un environnement physique, ces questions sont résolues par des discussions ; en revanche, avec l’IA, cela peut entraîner des problèmes. L’entreprise de vente par téléphone a passé une semaine à rédiger des documents détaillant les droits d’accès des employés pour clarifier des situations précédemment inconnues (comme le fait que les vendeurs ne pouvaient pas voir les chiffres des paiements).
• Difficultés à mettre en œuvre les décisions : Les instructions envoyées aux employés ne sont pas toujours suivies ; il faut alors recourir à des interventions humaines. La solution consiste à définir des actions standard, comme le moment exact pour saisir les données et la manière d’utiliser le système, sinon l’IA devient inutile.

Ces problèmes ne sont pas liés à la technologie elle-même, mais relèvent de tâches de gestion complexes telles que la communication, l’alignement des efforts et la résolution de conflits, qui sont pourtant indispensables pour la mise en œuvre efficace de l’IA.

#### 3. Trois niveaux d’équipes natives à l’IA : À quel niveau se situe votre équipe ?

L’auteur distingue trois niveaux d’équipes native à l’IA, avec des différences d’efficacité pouvant aller jusqu’à dix fois :

• Niveau 1 (Aide par outils) : Les employeurs utilisent occasionnellement des outils IA (par exemple, ChatGPT pour rédiger du contenu), mais cela ne améliore que leur efficacité individuelle sans modifier l’organisation globale de l’équipe.
• Niveau 2 (Intégration dans les processus) : L’IA est intégrée aux processus départementaux (par exemple, pour l’attribution des leads), mais les décisions finales restent entre les mains des humains (le dirigeant peut intervenir dans l’attribution des leads).
• Niveau 3 (Direction par des règles) : L’IA influence directement les récompenses, les promotions et les évaluations (par exemple, l’IA évalue la performance des employés sans que le dirigeant ne puisse intervenir de manière arbitraire). C’est ce qu’on appelle vraiment une équipe native à l’IA, mais peu d’entreprises y parviennent.

Les critères plus précis pour déterminer ce niveau sont : l’impact de l’IA sur le travail individuel, les actions des employés au sein de leur poste, les processus départementaux et les décisions stratégiques de l’entreprise. La plupart des entreprises se situent aux deux premiers niveaux.

#### 4. La volonté du dirigeant : même l’IA la plus avancée ne peut pas contourner la gestion

L’exemple de l’auteur concernant le système d’attribution des leads est particulièrement éclairant : le système IA a réduit le nombre de personnes nécessaires à gérer les leads de cinq à une, augmentant considérablement l’efficacité. Cependant, le dirigeant a arrêté son utilisation parce qu’il n’était pas satisfait d’un certain vendeur et préférait que les décisions soient prises de manière plus “équitable”. Cela montre que la mise en œuvre effective de l’IA dépend du désir du dirigeant de laisser l’IA prendre le contrôle. Beaucoup de dirigeants affirment être “entièrement engagés dans l’IA”, mais au fond, ils cherchent à maintenir un certain contrôle ; une IA trop “équitable” ne correspond pas toujours à leurs besoins de gestion. L’échec du projet de création du double numérique du PDG s’explique également par le fait que les dirigeants n’étaient pas prêts à réorganiser leur structure il y a trois ans ; ce n’est qu’avec la popularité croissante de l’IA qu’ils ont commencé à se mobiliser. Cela souligne que l’IA native n’est pas un problème technique, mais plutôt une question de perception et de volonté des dirigeants.

#### 5 Conseils pour les entreprises et les individus : ne cherchez pas à utiliser l’IA pour vous éviter le travail difficile de gestion

Le conseil principal de l’auteur est de **ne pas essayer d’utiliser l’IA pour contourner la gestion*. La précondition pour une équipe native à l’IA est de clarifier les bases de l’organisation : les processus commerciaux, les normes de données et les règles de droits d’accès. Ce sont des tâches de gestion fastidieuses, mais essentielles.

Pour les entreprises : ne vous précipitez pas à acheter des outils IA ; commencez par clarifier vos lignes directrices commerciales, unifier votre terminologie et définir clairement les droits d’accès. Pour les individus : ne craignez pas que l’IA vous prenne votre travail ; concentrez-vous plutôt sur les tâches qui nécessitent de la créativité ou des compétences relationnelles, et non sur celles que l’IA peut remplacer.

En conclusion, l’auteur souligne que derrière l’IA native se cachent des problèmes de gestion complexes, mais c’est précisément cela qui crée de la valeur réelle : éliminer les tâches répétitives et permettre aux gens de se concentrer sur des activités plus significatives.

Cet article brise le mythe de l’IA comme une technologie “high-tech” et montre que son essence est d’utiliser l’IA pour améliorer l’organisation, et que la clé de cette amélioration réside dans la résolution des problèmes de gestion existants. Sans une base solide en matière de gestion, même les technologies les plus avancées ne sont qu’une façade inutile.