Les gains individuels peinent encore à devenir collectifs.
L’essentiel
— Les gains de productivité promis par l’IA restent largement invisibles à l’échelle des entreprises et de l’économie, malgré la multiplication des cas d’usage et des annonces spectaculaires.
— Comme lors de l’arrivée de l’informatique ou de l’électricité, l’IA semble aujourd’hui confrontée à un temps d’adaptation organisationnel : les outils évoluent plus vite que les structures qui doivent les absorber.
— Les entreprises utilisent encore majoritairement l’IA pour remplacer des processus existants plutôt que pour inventer de nouveaux modèles de travail ou de nouveaux produits réellement natifs de cette technologie.
— Le véritable potentiel de l’IA résiderait moins dans l’automatisation elle-même que dans sa capacité à forcer les organisations à simplifier leurs processus, partager davantage l’information et repenser leur gouvernance.
Nous sommes ravis de retrouver Jérémy Lacoste, contributeur sur la Réclame. Jérémy est directeur général France de l’agence Eskimoz. C’est un expert du marketing digital, des martech et de la publicité en ligne. Il a pour grande qualité de partager chaque semaine ses analyses et observations, que ce soit sur LinkedIn, dans son podcast Icebreaker, en tant qu’enseignant ou dans ses tribunes sur la Réclame.
Il y a quelques jours, le patron d’Uber, Andrew Macdonald, a partagé une confession plutôt rare dans la Valley : son entreprise a consommé en quatre mois tout son budget IA de l’année en tokens, sans pour autant qu’il constate un véritable ROI derrière. « Il y a peut-être implicitement davantage de fonctionnalités livrées, mais il est très difficile de tracer un lien entre ces statistiques et le fait de dire que nous produisons réellement 25 % de fonctionnalités utiles supplémentaires pour le consommateur ». De quoi briser quelques certitudes.
Car avouons-le : il ne se passe pas une journée, sans qu’on lise une belle histoire sur le déploiement d’un agent IA qui, ici, divise le temps de production par 4 ; qui, là, permet de livrer 3 fois plus vite ; qui, là-bas, fait le travail de 10 personnes… Pourtant, quand on y regarde de plus près, les gains de productivité individuels ne se traduisent pas en augmentation de la vélocité des entreprises, à quelques exceptions près. Notamment les structures IA natives.
IA partout, IA nulle part
Torsten Slok, économiste en chef de l’asset manager Apollo le résume bien : « Aujourd’hui, l’IA n’apparaît pas dans les données sur l’emploi, la productivité ou l’inflation. » Sous-entendu, ces promesses de gains de productivité ne résistent pas encore à l’épreuve des faits. Et cet effet est connu depuis des décennies.
C’est ce que l’on appelle le paradoxe de Solow qui avait été théorisé au moment de l’arrivée de l’informatique : « On voit des ordinateurs partout, sauf dans les statistiques de productivité. » Traduction : il y a un temps incompressible d’incubation collective au progrès technique. À l’époque de la démocratisation des ordinateurs de bureau, il a fallu attendre 20 ans.
Pour l’électrification de la fin du XIXe siècle, cela a même pris 30 ans avant que cela n’impacte la productivité globale. Pour une raison simple : les industriels se sont contentés de remplacer les machines à vapeur par d’énormes moteurs électriques, sans modifier en profondeur l’organisation des ateliers et l’architecture des usines.
Et c’est exactement ce qui nous pend au nez. Avec un horizon moins lointain : 10 ans avant que l’impact sur l’économie ne se fasse réellement sentir. Daron Acemoğlu, économiste du MIT, prévoit une productivité en hausse de… 0,05 % sur la décennie à venir. Pas fou.
Aveuglement collectif
Et quand on veut bien enlever ses œillères, on voit bien poindre déjà des contre-récits :
– L’étude METR qui montre que les développeurs ont pris 19 % de temps en plus pour compléter leurs tâches avec les outils d’IA. Mieux, ils étaient même persuadés d’avoir codé 20 % plus vite. Un suroptimisme lié à l’euphorie du moment que l’on vit tous.
Disclaimer : évidemment que la fonction de codage s’est globalement largement accélérée, mais la complexité qu’elle charrie aussi (review, sécurité, intégration dans l’écosystème) ;
– Le vide coding : avancer pour mieux reculer. C’est ce qu’a expérimenté SNCF Connect & Tech auprès de 800 collaborateurs tech. Et son CTO de conclure : « On s’est assez rapidement rendu compte que cette manière de travailler n’était pas la plus optimale » ;
– L’enquête réalisée par NBER auprès de 6 000 dirigeants occidentaux dévoile que 90 % des CEO ne voient pas de gains de productivité grâce à l’IA dans leur entreprise sur les 3 dernières années. De deux choses l’une : soit ils l’implémentent vraiment mal dans leur organisation, soit les déclarations que l’on lit à tout bout de champ sur l’impact phénoménal de l’IA dans les organisations pour justifier les vagues de licenciement sont des boniments. Ma contribution : les 2 mon capitaine.
Cet effet de décalage qu’Erik Brynjolfsson, professeur à Stanford, cisèle sous le concept de J-Curve stipule quelque chose de contre-intuitif : toutes les technologies de rupture provoquent l’exact inverse du discours dominant d’aujourd’hui. À savoir un léger recul ou une stagnation de l’efficacité des organisations, trop occupées à mettre leur énergie et leur capital dans la réorganisation des process internes pour l’intégrer. Et c’est exactement ce que 99,9 % des entreprises vivent aujourd’hui, arrêtons les balivernes.
L’IA souffre aujourd’hui du syndrome de la « vitesse à vide » : on n’a jamais pédalé aussi vite qu’aujourd’hui, et pourtant la performance collective fait du surplace.
Comment l’expliquer ? J’y vois 4 raisons :
1. Remplacer et non inventer
Comme souvent lorsque nous sommes confrontés à des ruptures technologiques, le cerveau humain se borne à son horizon de connaissances. Le premier réflexe : remplacer un process connu par un autre. C’est comme cela qu’à l’arrivée de l’informatique, on utilisait Excel pour reproduire les grilles comptables d’alors. Et non pour adresser de nouveaux besoins.
Aujourd’hui, c’est exactement dans ce cas de figure que nous nous trouvons. On injecte de l’IA en doses homéopathiques, parfois par unique souci de communication, parfois pour remplacer l’existant. Mais très rarement pour produire quelque chose qui n’existerait pas sans IA. Il va falloir encore plusieurs mois pour décanter le tout et que collectivement, on identifie des cas d’usages uniques. En attendant, on avance à petits pas.
2. Le canevas de la complexité organisationnelle
Les gains de productivité individuels sont aujourd’hui massivement perdus dans l’entrelacs de complexité que sont les organisations. Mieux, il faut en finir avec le mythe des postes 100 % automatisables. C’est partir du postulat qu’un job est une addition de tâches rationnelles et modélisables. Ce qui est évidemment faux.
Alors, ça n’enlève pas que certaines actions sont évidemment actionnables par des moteurs IA, réduisant ainsi de facto leur temps de production à peau de chagrin… mais ça n’enlève pas tout l’effort nécessaire d’accompagnement qui doit être opéré en complément. Meilleur exemple : l’automatisation des présentations commerciales s’accompagne désormais d’un investissement encore plus important sur les phases de discovery et collecte d’informations en amont afin d’alimenter correctement l’agent IA.
J’ajoute qu’à mesure que l’on automatise la supply chain, des enjeux de coordination, de sécurisation et de gouvernance se font encore plus forts.
3. Le spectre de l’agitation
Même après 3 ans, on reste encore euphorique face à ces nouveaux outils qui nous donnent une assise quasi prométhéenne. Il faut produire, exécuter, livrer à vitesse XXL. C’est la nouvelle doxa. Et tant pis si on brasse surtout de l’air. Il faut avoir l’air, c’est le plus important paraît-il.
Notre capacité d’action progresse de façon inverse proportionnelle à notre clairvoyance. Tout est brumeux. C’est la prolifération de ce que l’on appelle le sludge : désormais on produit des études obèses de 200 pages grâce à l’IA… qui sont ensuite résumées par l’IA du récepteur. Gagne-t-on en valeur ? Pas le moins du monde.
Et c’est ce même spectre de la boursouflure informationnelle, cette excroissance du livrable qui menace toutes les organisations. En jeu : une moins bonne capacité de prise de décision.
Mais tant qu’on livre des features à gogo, tout le monde est content, n’est-ce pas ?
4. Dire stop
Si le temps de production s’est réduit comme jamais, l’entreprise reste structurellement prisonnière de sa dette organisationnelle. Cette architecture managériale qu’il convient d’embarquer pour avancer dans chaque projet. Et dont la vision se cantonne souvent à cette simple maxime : « Il faut mettre de l’IA partout ».
Blague à part, en baissant les barrières à l’entrée sur le développement, il y a un double risque :
– Être enfermé dans une spirale de la feature continue. Une FOMO de la fonctionnalité parfaite qui fait que l’on produit, tout le temps, et au-delà de la roadmap produit ;
– Itérer tout le temps et toute idée. Le prototypage étant désormais une commodité, la tentation est forte de vouloir maximiser les tests en conditions réelles… même des hypothèses qu’un process produit classique aurait évacuées. Ce n’est pas parce que le temps de développement s’atrophie qu’il faut le réallouer sur de l’itération sans valeur. Le time to market doit rester cardinal ;
Pour éviter ces écueils et gagner en robustesse, le retour sur expérience de Shopify me paraît éclairant : ils forcent les développeurs à coder sur des canaux Slack publics où est présent River, leur agent IA corporate. Ils cassent ainsi la confidentialité intrinsèque des prompts qui fonctionnent, des pratiques qui opèrent, et rendent l’information accessible à tous. Résultat : +36 à 77 % de productivité en 2 mois.
La leçon n’est pas dans l’outil. Elle est dans ce que l’outil a obligé à faire : ouvrir, partager, désintermédier. Ce que Shopify a optimisé en premier, ce n’est finalement pas tant son stack IA mais plutôt son organisation.
Et c’est peut-être là que se cache le vrai gain de productivité de l’IA : non pas dans le déploiement frénétique d’agents et de features, mais dans la pression qu’elle exerce sur nos structures sclérosées. Ceux qui l’auront compris avant les autres auront une longueur d’avance. Pas sur leur roadmap produit. Sur leur architecture de décision.
