Six questions pour 2027

Cinquante personnes arrivent un lundi matin et proposent de travailler gratuitement. La plupart des organisations hésiteraient, et à juste titre : personne n'a le temps de superviser cinquante nouveaux venus, et encore moins de décider ce qu'on doit leur permettre de voir et qui répond des erreurs commises au nom de l'entreprise.

Les cinquante sont arrivés il y a des mois avec une mise à jour logicielle, et dans la plupart des organisations, ils attendent encore. Quelles tâches vaut-il la peine de leur confier ? Essayez de former cinquante personnes à cinquante rôles à la fois, et votre journée se dissout dans une centaine de petites questions. Mais prenez-en une à part et montrez-lui comment vous faites le travail. Regardez ce qui en ressort. Corrigez les erreurs. Laissez-la réessayer. Quelques semaines plus tard, elle commence à produire des résultats utiles.

Un rôle humain regroupe du jugement, du contexte et des dizaines de petites tâches. Aucun agent ne peut encore reprendre l'ensemble de ce paquet de manière fiable. Ce qui fonctionne, c'est une mission unique et vérifiable : préparer un briefing avant chaque réunion client, transformer les demandes entrantes en premier brouillon, ou surveiller une réglementation et signaler les changements pertinents. Un agent qui fait fiablement l'une de ces tâches peut en recevoir une deuxième.

Dès que l'on cesse de penser en termes de rôles pour penser en termes de missions petites et vérifiables, il devient beaucoup plus facile de placer les cinquante. Une main-d'œuvre à coût quasi nul change aussi ce qui vaut la peine d'être fait : on peut la consacrer à des tâches qui, auparavant, n'avaient aucune justification économique. Certains des cinquante peuvent travailler sur le chiffre d'affaires. D'autres sur la qualité, en révisant et en améliorant ce que l'entreprise produit. D'autres encore sur le temps, en supprimant les tâches administratives répétitives qui remplissent les journées.

Cette dernière catégorie est peut-être le meilleur point de départ, car le bénéfice est immédiat et personnel. Lorsqu'un agent redonne à quelqu'un trois ou quatre heures par semaine, cet utilisateur en devient l'avocat. L'adoption commence à se propager par son utilité plutôt que par un programme.

Poussée suffisamment loin, cette logique produit des entreprises qui semblent impossibles. L'entreprise américaine de télémédecine Medvi affiche cette année un chiffre d'affaires annualisé de 1,8 milliard de dollars avec seulement deux employés - deux frères. La véritable histoire, cependant, n'est pas que deux personnes font tout. Sous eux se trouve un réseau opérationnel de médecins, de pharmacies, d'entreprises de traitement des commandes, de prestataires de conformité et de sous-traitants, l'IA prenant en charge une partie du travail entre eux. Le modèle est puissant, mais pas sans friction : il a aussi fait l'objet d'un examen réglementaire, de préoccupations publicitaires et d'une fuite de données impliquant un partenaire d'infrastructure.

Le facteur limitant, cependant, n'est pas l'intelligence. C'est l'accès. Un agent qui ne peut pas voir vos systèmes peut sembler intelligent, mais il ne peut pas faire grand-chose - il reste debout à l'extérieur du bâtiment. Le vrai travail commence lorsqu'il peut entrer dans les archives d'offres, ouvrir les fichiers de projet, lire le registre ou agir sur votre boîte de réception.

Et c'est là que commencent les questions difficiles : que peut-il lire ? Que peut-il écrire ? Où peut-il agir ? Quels systèmes peut-il toucher ? Que se passe-t-il quand une connexion se rompt ou qu'un système change ?

Le travail lui-même peut coûter presque rien à exécuter, mais la fiabilité a un prix : accès, tests, exceptions, surveillance et attention du responsable. Les cinquante sont gratuits de la même manière qu'un stagiaire est gratuit avant de compter la supervision.

Reste alors la question la plus importante : à quoi servent les cinquante ? Le point de départ le plus utile n'est pas de remplacer vos collaborateurs, mais de leur redonner du temps. La façon dont ces heures sont utilisées - servir plus de clients, construire quelque chose de nouveau, améliorer le travail, ou permettre aux gens de rentrer plus tôt - relève en fin de compte d'une décision managériale, pas d'un projet informatique.

SourcesMEDVi run-rate and two-employee model — ARR Club ↗ · MEDVi advertising and regulatory context — Business Insider ↗ · OpenLoop Health data-security incident — PR Newswire ↗ · MEDVi / OpenLoop relationship — MEDVi privacy policy ↗ · Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 — Gartner press release, 25 June 2025 ↗

Demandez à un cadre expérimenté ce que lui seul peut faire, et il évoquera souvent les relations, le jugement et vingt ans passés à savoir à quoi ressemble l'excellence dans son domaine. Ces réponses sont peut-être justes, mais elles restent des abstractions. La question plus pointue est de savoir ce qu'une autre personne pourrait reproduire - et ce qui résisterait à la copie.

Quelqu'un pourrait bien faire passer ce test à votre entreprise avant que vous ne le fassiez vous-même. Depuis 2023, Bain & Company utilise l'IA pour recréer des parties d'entreprises de logiciels que ses clients du capital-investissement envisagent de racheter. L'objectif n'est pas de construire une copie parfaite. C'est de découvrir ce qui est facile à copier. Des centaines de prototypes ont transformé cette pratique en une nouvelle question de due diligence : si le produit peut être reconstruit à moindre coût, où réside réellement l'avantage de l'entreprise ? Au moins un investisseur a abandonné une opération après que la réponse s'est révélée gênante. La barrière protectrice, s'il en existe une, se trouve peut-être ailleurs - dans les relations clients, les données propriétaires, la confiance ou des façons de travailler profondément ancrées.

Faites passer le même test de l'intérieur. Supposez que tout ce qui est reproductible finira par être reproduit : vos documents, vos processus, vos logiciels, bientôt vos analyses standard. Cherchez ensuite ce qui résiste - lire un client, sentir un risque, gagner la confiance, entendre ce qui n'est pas dit, savoir quand dire non. Une semaine de travail réel est plus révélatrice que de demander aux gens de décrire ce qui fait leur singularité, alors passez-la en revue tâche par tâche et posez deux questions : un agent aurait-il pu préparer cela ? Un agent aurait-il pu le faire ? Ce qui subsiste est souvent bien plus réduit que la description de poste, et ce reliquat est précisément là où se trouve la valeur la plus difficile à copier de l'entreprise.

Il y a un piège : la frontière ne cesse de se déplacer. Chaque génération a supposé que les machines prendraient en charge le travail routinier tandis que les humains garderaient la partie essentielle, et chaque génération a vu ce territoire humain se réduire. Les modèles rédigent déjà des courriels difficiles, préparent des évaluations de risque et extraient le sens de transcriptions de réunions. Ce qui survit à votre test aujourd'hui pourrait ne pas y survivre l'an prochain. La compétence durable n'est donc pas de tracer la frontière une fois pour toutes, mais de la retracer continuellement - savoir où, en ce moment même, le jugement humain change encore le résultat, et remarquer quand ce n'est plus le cas.

Ce reliquat peut aussi disparaître de l'intérieur. Dans une enquête du Boston Consulting Group menée cette année auprès de soixante-dix cadres dirigeants, la moitié constataient déjà une perte de compétences dans leurs organisations, et plus de six sur dix s'attendent à ce que cela devienne un problème sérieux dans les trois à cinq prochaines années. Les capacités les plus menacées sont précisément celles qui semblent les plus difficiles à reproduire : le jugement, la formulation des problèmes, la pensée créative. Si l'IA fait davantage la réflexion à la place des gens, ceux-ci ont moins de répétitions. Moins de répétitions signifie, à terme, des capacités affaiblies. Identifier le reliquat ne suffit donc pas. Il faut continuer à l'exercer.

La frontière des compétences peut continuer à se déplacer, mais une autre ne bouge pas : l'obligation de rendre compte. Tout ce que vous confiez à un agent a toujours besoin d'un responsable humain. Les agents peuvent collecter, comparer, rédiger, recommander et agir. Mais lorsque quelque chose tourne mal, c'est toujours un être humain qui doit en répondre. « C'est l'agent qui l'a fait » n'est pas une réponse acceptable pour un client, un conseil d'administration ou un régulateur.

Une fois la ligne actuelle rendue visible, l'agenda et le budget peuvent suivre. Confiez aux cinquante le travail préparatoire qu'ils peuvent réaliser de manière fiable, et protégez davantage de temps humain pour ce qui reste difficile à reproduire. Investissez également là-dedans - dans les relations, le jugement, la confiance et les conditions qui les renforcent. Si le temps passé avec les clients fait partie de la barrière protectrice, mettez-le d'abord dans l'agenda. Laissez les cinquante s'organiser autour.

SourcesBain AI replicas and vibecoding in software due diligence — Financial Times ↗ · De-skilling research — BCG ↗

Une fois la frontière du chapitre deux devenue visible, la question suivante est de savoir comment le travail change autour d'elle.

Les cadres seniors reçoivent déjà du travail préparé par d'autres. La différence avec les agents ne tient pas seulement à qui l'a préparé, mais à la confiance que l'on peut accorder ensuite à l'explication qui l'accompagne. Un analyste humain peut généralement dire pourquoi il a choisi telle comparaison. Un agent peut sembler tout aussi convaincant, mais son explication peut avoir été générée après coup plutôt que refléter la manière dont le résultat a réellement été produit.

Plus bas dans l'organisation, la nature du travail change plus radicalement, car c'est là que le travail se fabriquait autrefois. La recherche, les premiers brouillons, les rapprochements et la préparation remplissaient la journée. Aujourd'hui, une grande partie de ce travail routinier est effectuée avant l'arrivée des gens. Ce qui reste, c'est le travail qui exige du jugement.

Le travail se déplace plutôt qu'il ne disparaît. La production devient vérification : contrôler ce qui est revenu, trouver ce qui ne va pas, décider ce qui est suffisamment bon pour être utilisé. C'est un métier différent, avec des compétences différentes, et la plupart des gens n'ont jamais été formés pour cela. Chacun devient le gestionnaire d'une petite équipe de nuit qui travaille vite, ne se fatigue jamais, et ne sait pas quand elle a mal compris la consigne. Un bon producteur n'est pas automatiquement un bon vérificateur. Certains auront besoin de pratique, d'autres d'accompagnement, et quelques-uns d'un rôle différent. Et vérifier le résultat est un travail à part entière - il exige du temps, de l'attention et une place dans la journée.

Gérer l'équipe de nuit exige une nouvelle compétence managériale : déléguer à une machine. Un briefing flou produit une improvisation confiante, et la matinée se dissout en corrections. Un bon briefing est explicite - objectif, contexte, format, contraintes, et à quoi ressemble le résultat final. Sans ce dernier élément, la vérification devient une devinette. On ne peut juger un résultat qu'au regard d'une norme qui existait avant le début du travail. Les cadres de langue allemande ont un mot pour la version complète : l'Auftrag. L'inventaire du chapitre deux détermine ce qui peut être délégué à un agent. L'Auftrag détermine si ce qui revient est utilisable.

Lorsqu'une grande partie de la couche routinière arrive déjà achevée, la journée devient plus lourde. Les tâches plus simples qui créaient autrefois des espaces de respiration entre les périodes de jugement et de décision ont disparu. Le flux de résultats produits par les agents compte donc aussi - quand il arrive, en quelle quantité à la fois, et combien d'espace suit ensuite. La journée de travail elle-même devient quelque chose à concevoir.

Un problème plus profond apparaît chez les juniors. Ils construisaient autrefois leur jugement en faisant le travail - les mille brouillons, rapprochements et analyses qui leur apprenaient lentement à quoi ressemble l'excellence. Les agents absorbent aujourd'hui une grande partie de cette pratique. Les juniors sont poussés vers la vérification avant d'avoir accumulé l'expérience qui la rend fiable. Une partie de la production doit donc peut-être rester humaine, un peu comme les pilotes conservent des heures de vol - non pour la production elle-même, mais pour le jugement qu'elle développe.

Ce n'est plus seulement un problème hypothétique. En Suisse, les postes juniors dans le travail de bureau et le travail intellectuel - informatique, marketing, administration et finance - ont chuté d'environ un tiers depuis que l'IA générative s'est largement répandue. Cela ne fait pas de l'IA la seule cause ; le recrutement suit aussi le cycle économique. Mais nombre des tâches qui disparaissent en premier - recherche, documentation, premiers brouillons - sont précisément celles sur lesquelles les juniors apprenaient autrefois. Certaines entreprises protègent délibérément ce parcours d'apprentissage. Zuehlke a fait passer son recrutement de juniors de deux à seize. BDO enseigne aux apprentis les fondamentaux de la comptabilité avant d'introduire l'IA. Thjnk a remplacé des stages dont les tâches avaient disparu par des postes de débutant rémunérés.

L'encadrement intermédiaire peut fournir une partie de la réponse. Le rôle évolue du contrôle vers l'accompagnement. Les agents peuvent collecter les statuts, vérifier la conformité et consolider les rapports en continu, libérant les managers d'un travail qui consommait autrefois leur temps. Ces heures peuvent être réorientées vers les juniors - en révisant leur raisonnement, en leur donnant du feedback et en les aidant à construire leur jugement. Une partie des répétitions disparaîtra peut-être, mais les managers peuvent consacrer plus de temps à faire compter celles qui restent.

Sourcesjobs.ch KI Report 2026 · 7.3m job ads · Data: 2025 · Published 24 June 2026 ↗ · Coding Kanban — Tom Tunguz ↗

De nombreuses entreprises suisses opèrent sur des marchés où les positions concurrentielles sont stables depuis des années. Réglementation, listes de références et coûts de changement protègent les acteurs en place. Mais la stabilité peut cacher un écart qui se creuse. Un concurrent qui s'est bien adapté à l'IA peut sembler inchangé de l'extérieur - même effectif, mêmes produits, mêmes prix - alors qu'à l'intérieur, les offres avancent plus vite, le travail administratif se réduit et les marges s'élargissent. Cet écart peut rester invisible jusqu'à ce qu'il touche les clients, les marges ou les parts de marché. À ce moment-là, il est peut-être déjà structurel.

La raison en est que l'apprentissage se cumule. N'importe quel concurrent peut acheter demain le même modèle, probablement moins cher et meilleur que celui avec lequel vous avez commencé. Ce qui prend du temps à construire, c'est la couche spécifique à l'entreprise : des agents qui ont été briefés, testés, corrigés et à qui l'on a confié du travail réel. Chaque correction ajoute un élément de connaissance - quelle exception compte, quel client tolère quoi, quel chiffre mérite un second regard. Capturée dans des workflows, des instructions et des règles opérationnelles, cette connaissance devient organisationnelle plutôt que personnelle. Et chaque agent formé rend le suivant plus rapide à construire.

Cet apprentissage ne dure pas tout entier. Certaines instructions compensent simplement les limites du modèle actuel - règles de mise en forme, corrections de ton, rappels de ne pas inventer de sources - et de meilleurs modèles peuvent les rendre inutiles. Ce qui survit, c'est la part qu'aucune mise à niveau de modèle ne peut fournir seule : les exceptions, les normes et les façons de travailler propres à votre entreprise. C'est cette connaissance qu'il vaut la peine de documenter, d'attribuer à un responsable et de tenir à jour.

L'avantage peut aussi se cumuler par le recrutement. Les candidats savent de mieux en mieux faire la différence entre une entreprise qui expérimente l'IA et une entreprise qui a réellement changé sa manière de travailler. Une organisation qui a intégré l'IA dans le travail quotidien peut offrir de meilleurs outils, moins de production routinière et plus de temps pour un travail à plus forte valeur ajoutée. Celle qui ne l'a pas fait risque de perdre de plus en plus de bons candidats au profit de concurrents qui l'ont fait. L'avantage de productivité peut donc se renforcer lui-même par le biais des talents.

Tout cela se produit en grande partie avant que les résultats financiers ne le montrent. Les agents s'installent dans le travail permanent, les suivants deviennent plus rapides à former, la connaissance de l'entreprise s'accumule et les candidats commencent à choisir différemment. Les marges et les parts de marché sont les signaux tardifs. Le temps qu'ils bougent, rattraper le retard peut déjà prendre des années.

Les cinquante ne sont pas arrivés uniquement dans votre organisation. Vos clients, candidats, fournisseurs et les voisins engagés dans un litige d'urbanisme les ont eux aussi reçus, et ils les utilisent déjà dans leurs relations avec vous. Cela change la façon dont ils vous trouvent et vous choisissent, ce dont ils ont encore besoin de vous, et la quantité de travail qu'ils peuvent vous envoyer.

Le côté achat change en premier, et de manière presque invisible. L'activité des machines est déjà omniprésente en ligne : plus de la moitié du trafic internet n'est pas humain. Les achats commencent à suivre la même voie. Les agents recherchent, comparent et commandent sans visite de site web ni conversation commerciale. Les volumes restent minuscules, mais la croissance est rapide. Et si les prévisions divergent sur le calendrier, la direction est claire : une part croissante du processus d'achat se déplace vers les machines.

Le calendrier exact importe moins que la conséquence pratique : un agent ne peut comparer que ce qu'il peut lire. Les produits, les prix, la disponibilité, les conditions et les preuves doivent lui être visibles. Tout ce qui est enfoui dans un PDF, derrière un formulaire de contact ou dans la tête d'un commercial peut ne jamais entrer dans la décision. Les relations et la confiance comptent toujours, mais l'agent doit d'abord vous trouver et vous placer sur la liste restreinte. La plupart des entreprises ont conçu leur processus de vente pour des acheteurs humains ; il doit de plus en plus fonctionner aussi pour des machines.

Quand tout le monde a accès à la même force de travail IA, cela change non seulement la façon dont les clients achètent, mais aussi ce dont ils ont encore besoin de vous. Les premiers brouillons, les analyses standard et les rapports de routine peuvent de plus en plus être produits en interne, de sorte que le contrat peut subsister tandis que le périmètre se réduit discrètement, renouvellement après renouvellement. Cela laisse à chaque prestataire une question plus difficile : une fois que les clients ont leurs propres cinquante, pour quoi sont-ils encore prêts à nous payer ? Ce qui reste précieux, c'est le travail qu'ils ne peuvent pas facilement reproduire eux-mêmes - le jugement, la responsabilité, et les tâches qu'ils ne peuvent pas ou ne veulent pas faire seuls.

La pression ne vient pas seulement des clients qui achètent moins. Les agents facilitent aussi considérablement la tâche de ceux qui, de l'extérieur, veulent vous envoyer plus de travail. Une plainte, une candidature, une réclamation ou une contestation formelle exigeait autrefois du temps, de la persévérance et un peu d'expertise, de sorte que la friction elle-même limitait le volume. Les agents suppriment une grande partie de cette friction. L'effet est déjà visible dans les procédures formelles, où les chiffres sont les plus faciles à mesurer. En Grande-Bretagne, les demandes déposées au titre d'une disposition obscure du droit du travail seraient passées d'environ vingt par an à l'échelle nationale à environ vingt par mois dans chacun des douze bureaux régionaux. Les plaintes contre des employeurs ont augmenté de 39 % en un an, l'arriéré a crû de 55 %, et certaines affaires déposées aujourd'hui pourraient ne pas être entendues avant 2030. Un chercheur berlinois a documenté plus de quatre-vingt-dix exemples de ce qu'il appelle l'« agentic flooding » (submersion par agents) dans onze pays.

Les soumissions ne se contentent pas de se multiplier ; elles peuvent aussi devenir plus élaborées - mieux documentées, parfois gonflées jusqu'à des centaines de pages qu'il faut malgré tout lire, car un problème légitime peut se cacher dans le bruit. L'arithmétique est impitoyable. Tout ce que vous économisez en automatisant votre propre travail peut disparaître si le volume entrant triple. Une partie de cette augmentation nécessitera davantage de personnel, mais faire correspondre un afflux automatisé à des effectifs humains n'est pas une réponse durable.

Tout processus dont le volume était autrefois contenu par l'effort exigé de l'autre partie doit être reconsidéré. Les cinquante qui attendent dans votre hall ne sont que la moitié de l'histoire. Quiconque traite avec vous a désormais ses propres cinquante, et ils sont déjà à l'œuvre.

SourcesBad Bot Report 2026: automated share of web traffic — Imperva ↗ · Tribunal statistics quarterly, January to March 2026 — GOV.UK ↗ · AI-generated employment claims and interim relief — The Times ↗ · AI-assisted employment claims — Financial Times ↗ · AI-generated objections overwhelm Dutch municipalities — NL Times ↗ · State of Agentic AI Security and Governance 2.01 — OWASP GenAI Security Project, 1 June 2026 ↗ · State of AI Agent Security Report 2026 — Gravitee, April 2026 ↗ · Trusted Agent Protocol — Visa, October 2025 ↗ · Agent Payments Protocol (AP2) — Google ↗

Les agents peuvent transformer une instruction en action avec une rapidité et une échelle remarquables. Cela signifie qu'ils peuvent exécuter à la perfection un mauvais objectif sans jamais se demander s'il valait la peine d'être poursuivi.

La vitesse supprime un garde-fou que l'on remarquait rarement : la friction. Un dossier devait autrefois passer par des analystes, des relecteurs et des collègues avant de devenir un travail achevé, donnant à quelqu'un en chemin l'occasion de contester la prémisse. Les agents compriment ce parcours. Le matin, un dossier bancal peut devenir quarante pages soignées ; le vendredi, un processus opérationnel. L'erreur n'a pas été détectée. Elle a été mise à l'échelle.

L'exemple des tribunaux du travail du chapitre précédent montre un second risque. Un grief faible est introduit dans un chatbot et en ressort sous forme de plainte soignée, complète avec arguments et défenses anticipées. Lorsque The Economist en a testé une avec une plainte n'ayant aucune base juridique claire, le modèle a tout de même trouvé des arguments à développer. Dans un cas réel, un plaignant a déposé 67 griefs sur 282 pages, puis a indiqué au juge qu'il ne s'appuierait que sur un dixième environ. Le système n'avait pas échoué. Il avait transformé une prémisse fragile en un problème bien plus vaste.

La même chose se produit à l'intérieur d'une entreprise. Demandez à un agent de justifier un projet, et il trouvera les arguments. Demandez-lui d'améliorer un indicateur, et il trouvera des moyens de le faire bouger. Mais aucune de ces deux instructions ne pose la question qui compte en premier : devrions-nous seulement faire cela ?

Cela change ce que la vérification doit accomplir. Il ne suffit pas de vérifier le résultat pour y détecter des fautes de frappe, des chiffres erronés ou des sources inventées. Les hypothèses qui sous-tendent le travail doivent elles aussi être vérifiées : l'objectif a-t-il encore un sens, l'hypothèse de marché tient-elle toujours, et le dossier reflète-t-il encore ce que l'organisation cherche à accomplir.

Le problème s'aggrave lorsque de nombreux agents travaillent à partir du même dossier. Ils peuvent partager le même angle mort et le reproduire à grande échelle. Là où les erreurs coûtent cher, le second regard doit venir de quelque chose de véritablement différent - un modèle véritablement différent, un humain examinant de vrais échantillons, ou un test externe. Et une règle devrait rester fixe : l'agent qui produit le travail ne l'approuve pas.

Les hypothèses ont donc elles aussi besoin de propriétaires. Chaque mission permanente devrait indiquer clairement qui en est responsable, de quelles hypothèses elle dépend, et quand elles seront réexaminées. Et avant qu'un nouveau dossier ne soit confié aux cinquante, quelqu'un devrait avoir explicitement pour tâche de le contester : pourquoi faisons-nous seulement cela ?

SourcesAI-generated employment claims — The Times ↗ · Tribunal statistics quarterly, January to March 2026 — GOV.UK ↗

Si vous fondiez votre entreprise aujourd'hui, vous la construiriez probablement différemment. Jusqu'à récemment, cela relevait surtout de l'expérience de pensée. Aujourd'hui, c'est une question concurrentielle. Un nouvel entrant peut se construire autour de l'IA dès le départ, avec une équipe centrale plus réduite et sans aucune des structures que votre entreprise a accumulées au fil du temps.

Le test de la fondation pose une question simple : si vous construisiez l'entreprise aujourd'hui, quel travail resterait humain, lequel serait transféré aux agents, et lequel disparaîtrait complètement ? Ce n'est qu'ensuite que vous concevriez les rôles et les processus autour de ce qui subsiste.

Cela change la manière dont le travail est regroupé en postes. De nombreux rôles existent parce qu'un ensemble de tâches doit s'additionner en un poste à temps plein. À mesure que les agents prennent en charge une partie de ce travail, ces regroupements commencent à se défaire. Les rôles peuvent devenir plus ciblés, les équipes plus petites, et un travail qui nécessitait autrefois un département permanent peut passer à un service partagé, un workflow automatisé ou une équipe temporaire.

L'organigramme devient alors moins une carte de qui exécute chaque tâche qu'une carte de l'endroit où réside la responsabilité : qui prend les décisions, qui fixe les normes, qui détient la relation client, et qui répond en dernier ressort du résultat.

Une nouvelle entreprise peut se concevoir dès le départ selon cette logique. Un acteur établi doit remodeler une organisation construite pour une autre façon de travailler. Les rôles, les processus et les lignes hiérarchiques subsistent souvent même lorsque le travail qui les justifiait a changé ou disparu. La tâche la plus difficile n'est donc pas d'ajouter de l'IA, mais de décider ce dont l'organisation n'a plus besoin. Si rien d'ancien n'est retiré, l'IA ajoute une couche de complexité supplémentaire au lieu de simplifier l'entreprise.

L'objectif n'est pas de reconstruire l'entreprise à partir de zéro. C'est d'utiliser l'entreprise que vous construiriez aujourd'hui comme référence pour celle que vous dirigez déjà. L'écart entre les deux devient l'ordre du jour : qu'est-ce qui devrait changer en premier, et qu'est-ce qui peut disparaître en conséquence ? Dans un an, le signe le plus clair de progrès ne sera pas le nombre d'agents que vous avez déployés, mais ce que l'organisation n'a plus besoin de faire.