Un dirigeant me dit : « Ce process-là, on l'a automatisé il y a un an. » Je vais voir l'équipe. Trois personnes le font à la main depuis dix-huit mois. Personne n'a remonté l'information.
Pas un sabotage. Pas de la mauvaise volonté. Juste un écart silencieux entre ce que la direction croit et ce qui se passe vraiment.
Combien de choses tournent dans votre organisation sans que vous sachiez exactement comment ?
Le réflexe, quand rien n'avance, c'est de chercher la cause technique. L'outil est vieux. Le SI est rigide. Les équipes n'ont pas les bons logiciels. On change de plateforme, on migre, on modernise. Et six mois après, le même sentiment : ça coince.
Parce que le problème n'est pas technique. Pas seulement.
Ce qui grippe, c'est un triptyque que personne ne nomme.
La dette organisationnelle. Un désalignement entre ce qu'on croit qu'il se passe et ce qui se passe réellement. Les process dérivent, les retours terrain ne remontent plus. La direction pilote sur une carte qui ne correspond plus au territoire. Hirschman décrivait ça dans Exit, Voice, and Loyalty : quand alerter coûte trop cher, les gens compensent en silence. Ils restent loyaux, mais d'une loyauté qui masque la dérive. Le signal s'éteint là où il devrait clignoter.
La dette analytique. Plus subtile. L'incapacité à identifier la valeur métier de ce qu'on fait. Des tâches tournent dont personne ne sait si elles produisent de la valeur ou du bruit. Les données existent — dans le CRM, dans les outils de reporting, dans les tableurs marketing. Mais personne ne sait les lire, les relier au métier, en tirer une décision. On empile des dashboards que personne n'ouvre.
La dette technique. Celle-là, on la connaît. Le code vieillissant, l'infrastructure fragile, les dépendances non maintenues. J'en parle en détail ailleurs. Ici, ce qui compte : elle n'est que le troisième étage. La partie visible.
Certes, ces adaptations ont permis d'avancer vite. Les équipes ont contourné, bricolé, fait tenir. Mais ce qu'on appelle agilité est parfois une machine dont la courroie patine — ça produit du mouvement, pas du travail.
Ce qu'on ne sait pas décrire à la main, on ne saura pas le confier à une machine.
J'ai vu ce triptyque à l'œuvre. Pas dans des études de cas. Dans des organisations réelles, avec des gens compétents et de bonne volonté.
Le PDG est convaincu que la saisie client est automatisée. Elle ne l'est pas. Trois personnes recopient des données d'un système à l'autre, chaque jour, depuis un an et demi. Pas un problème d'outil. Un problème de visibilité. Personne n'a mesuré ce que cette tâche coûte ni ce qu'elle produit.
Un opérateur suit un process documenté il y a deux ans. Depuis, le métier a changé, les cas limites se sont multipliés, mais la procédure n'a pas bougé. Alors il adapte. Improvise. Fait tenir. Sauf qu'il n'a pas la profondeur métier pour savoir si son adaptation est pertinente ou dangereuse. Le retour terrain n'existe plus — la dette organisationnelle à l'état pur.
L'équipe marketing, elle, dispose d'un outil de reporting complet. Elle n'en sort rien. Pas par incompétence — par déconnexion. Les indicateurs ne parlent pas la langue du métier. Les tableaux mesurent ce qu'on sait mesurer, pas ce qu'on a besoin de savoir. On a les instruments, mais on ne lit plus les cadrans.
Dans chaque cas, le même schéma. Les rouages tournent. L'organisation produit du mouvement. Mais la friction monte sans que personne ne l'entende. Et un jour, quelqu'un demande pourquoi rien n'avance.
L'IA ne crée pas cette dette. Elle la révèle.
Chaque projet d'IA sérieux commence par une question simple : qu'est-ce qu'on fait, comment, et pourquoi ? Et c'est cette question qui met la lumière sur les écarts. Sur les process fantômes que personne ne supervise. Sur les données que personne ne lit. Sur les tâches dont personne ne connaît le coût réel.
C'est pour ça que les projets « IA » les plus utiles ne commencent pas par de l'IA. Ils commencent par un inventaire. Cartographier ce qui tourne, mesurer ce que ça coûte, identifier ce qui produit du signal et ce qui produit du bruit. Pas de la technologie — de la lisibilité.
C'est peut-être la contribution la plus inattendue de l'IA : pas d'automatiser, pas d'optimiser — forcer à regarder. Chaque révolution technologique expose les structures qui n'ont pas suivi. L'IA ne fait pas exception. Mais contrairement aux précédentes, elle a cette particularité : elle ne fonctionne que si le sous-jacent est propre. On ne peut pas entraîner un modèle sur des données que personne ne comprend. On ne peut pas automatiser un process que personne ne sait décrire.
Avant de parler d'IA, regardez la machine. Pas pour la réparer — pour entendre ce qui frotte.