Préambule

Sophie a 49 ans. Elle est associée gérante d’un cabinet juridique d’affaires à Bordeaux, 60 collaborateurs dont 28 avocats, 12 M€ d’honoraires.

Dans le cadre d’un projet mené avec ses équipes, je lui a remis la liste des idées IA collectées auprès des associés : trente-deux propositions, de la plus sérieuse à la plus exotique.

Sophie a regardé la liste, a souri sans amertume.

« Trente-deux ?! Avec le temps qu’on a, on en mènera trois sérieusement. La question à clarifier immédiatement, c’est lesquels ? »

Personne autour de la table n’avait de méthode pour répondre. Chacun avait une intuition, aucun n’avait de grille commune.

Symptôme

Trente-deux idées, trois ressources sérieuses

La situation de Sophie n’a rien d’exceptionnel. C’est même le moment très précis où se trouvent beaucoup d’organisations : l’enthousiasme est passé, l’arbitrage commence.

Trente-deux idées, c’est beaucoup ; trois ressources sérieuses, c’est peu. Le ratio se vérifie d’un secteur à l’autre, d’une ETI à l’autre. Et, dans beaucoup de comités stratégiques, la manière de trancher reste fragile : on retient les projets dont les porteurs parlent le plus fort, ceux qui ont la plus belle démonstration produit, ou ceux que le DG a mentionnés en séminaire.

Aucun de ces critères ne dit ce qui sera utile au cabinet dans dix-huit mois.

Le vrai symptôme : l’absence de grille partagée

Le vrai sujet n’est donc pas le manque d’idées. C’est l’absence d’une grille partagée pour comparer une idée modeste mais sûre à une idée ambitieuse mais risquée devant le COMEX, sans que la discussion ne glisse vers les préférences personnelles.

La conséquence est connue. Le BCG l’a chiffrée en septembre 2025 : 60 % des organisations qui ont engagé des budgets IA n’en tirent aucun bénéfice matériel. Le MIT NANDA a renforcé le constat : 95 % des pilotes ne produisent aucun retour mesurable.

Ce n’est pas que ces projets étaient mauvais en soi. C’est qu’ils n’auraient peut-être jamais dû passer devant les autres.

Speak with Data : Ce que disent les chiffres

Ce que la dispersion coûte aux cabinets intermédiaires

L’étude Xerfi Le conseil en stratégie et organisation face à l’IA générative publiée en avril 2025 a documenté — dans un secteur voisin de celui de Sophie — un mécanisme analogue : les cabinets indépendants et de taille intermédiaire risquent d’être marginalisés non pas parce qu’ils ne lancent pas de projets IA, mais parce qu’ils dispersent leurs investissements sur trop de fronts à la fois.

Le baromètre OpinionWay-Salesforce de juin 2025 a confirmé le même phénomène du côté des dirigeants : 94 % des entreprises françaises ont lancé des projets IA, mais une majorité reste au stade de l’expérimentation, faute d’avoir choisi une cible claire.

L’erreur classique : la grille à deux dimensions

L’erreur de méthode revient souvent au même point. On classe les initiatives en deux dimensions : impact pressenti et faisabilité technique. C’est le quadrant « gain rapide » que tout le monde connaît. Utile pour choisir un outil. Trop juste pour piloter une transformation. Cette grille laisse de côté deux dimensions que la séquence 2024-2026 a rendues décisives.

Première dimension structurante — le risque de conformité

La première est le risque de conformité. Le Règlement européen sur l’IA entre en pleine application le 2 août 2026 pour les systèmes à haut risque, avec des sanctions pouvant atteindre 35 millions d’euros ou 7 % du chiffre d’affaires mondial pour les manquements les plus graves.

Un projet d’IA appliqué à la sélection de candidats, à la notation de clients, ou à l’analyse de pièces dans un dossier juridique sensible n’a pas le même profil de risque qu’un assistant de rédaction interne. Ne pas distinguer les deux dans la grille de priorisation revient à confondre une lampe de bureau et une installation électrique.

Seconde dimension structurante — la réversibilité

La seconde est la réversibilité. Un projet qui modifie un processus cœur du métier — par exemple, le worflow de production d’une consultation juridique — et qui échoue laisse le cabinet dans un état plus difficile à redresser que celui de départ : les habitudes anciennes sont perdues, les nouvelles ne sont pas sûres, les clients ont été exposés à une qualité fluctuante.

Un projet de même impact pressenti mais réversible — par exemple, un assistant de recherche jurisprudentielle utilisé en complément — ne porte pas le même coût caché. La grille de priorisation doit le refléter.

La couche RGPD, par-dessus l’AI Act

La CNIL, dans ses recommandations de février 2025, a confirmé que le RGPD reste pleinement applicable aux projets d’IA générative et qu’une gouvernance adaptée est attendue, en particulier pour les usages traitant des données personnelles. Cela ajoute une couche de discernement que la grille classique impact-faisabilité ne capture pas.

Prescription

Une matrice à quatre dimensions

Le cadre que nous proposons à Sophie tient en une matrice à quatre dimensions, applicable en une demi-journée à son inventaire de trente-deux idées.

Télécharger votre matrice

Dimension 1 | Impact économique pondéré

Non pas l’impact pressenti, mais une fourchette de gain de marge ou d’honoraires, avec une borne basse et une borne haute, sur les douze mois qui suivent le déploiement.

Si personne ne sait poser cette fourchette, le projet n’est pas prêt à être priorisé. Il est prêt à être instruit.

Dimension 2 | Faisabilité opérationnelle

Pas seulement la faisabilité technique de l’outil, mais la capacité réelle à l’intégrer dans le processus existant : qui change ses habitudes, combien de personnes sont concernées, quelles dépendances apparaissent avec les autres systèmes du cabinet.

Dimension 3 | Risque de conformité AI Act et RGPD

Une cotation simple en trois niveaux établie par la personne en charge de la conformité, en croisant la nature des données traitées et la classification high-risk / limited-risk du Règlement :

1. Minime

2. Modéré

3. Élevé

Dimension 4 | Réversibilité

Trois niveaux également :

1. Projet additif (l’usage cesse, le processus revient à l’état antérieur)

2. Projet substitutif (l’usage modifie durablement le processus)

3. Projet structurant (l’usage redéfinit l’organisation)

La règle de sélection en trois lignes

En deux heures, les trente-deux idées sont notées sur ces quatre dimensions par un binôme associé-DSI.

Le COMEX peut alors choisir trois projets selon une règle simple :

• un projet additif à risque minime pour produire un résultat rapide,

• un projet substitutif à risque modéré pour ancrer la transformation,

• un projet structurant à risque élevé — ou aucun, si le cabinet n’est pas prêt à le porter.

La doctrine du cabinet tient en une phrase :

On n’engage un projet structurant que quand on a réussi le précédent.

Question ouverte

Parmi les initiatives IA déjà lancées dans votre organisation, combien passeraient vraiment la quatrième colonne — celle de la réversibilité — si vous deviez les noter aujourd’hui ?

Note pratique

Le diagnostic « Opportunités IA » du cabinet Rietsch & Co. produit en six semaines la matrice de priorisation à quatre dimensions et l'avis d'opportunité sur les trois projets prioritaires. Contactez nous si vous désirez en savoir plus.

Notre prochaine consultation

La prochaine édition prolongera celle-ci à partir d’un constat tout aussi décisif : la confiance dans l’IA ne dépend plus seulement des usages autorisés, mais de la doctrine écrite qui permet de les rendre opposables.

Nous y rencontrerons Pascal, dirigeant d’un cabinet de conseil en services pro B2B à Lille, face à une demande simple d’un client de longue date : formaliser en deux pages une doctrine d’usage de l’IA pour ses dossiers. Les intuitions existent ; peu de décisions sont tranchées, signées et partageables.

Chaque mois, La Consultation propose une nouvelle édition, publiée au cours de la deuxième semaine.

Abonnez-vous maintenant

Pour comprendre comment Rietsch & Co. accompagne les dirigeants d’ETI sur ces questions, rendez-vous sur notre site web rietsch.co.

Cet article a été développé avec le support d’une IA générative. Cette approche s’inscrit dans le cadre de nos efforts de R&D visant à explorer les opportunités offertes par l’IA pour améliorer nos services. N’hésitez pas à nous solliciter pour toute question.

Signal

De l'adoption à l'obligation de résultat. Le 2 août 2026 sanctionne autant le vide réglementaire que le vide de valeur.

Juin 2026 marque un point de bascule. Selon l’enquête annuelle State of AI de McKinsey (1 993 organisations, 105 pays), 88 % des entreprises utilisent désormais l’IA dans au moins une fonction : une hausse de dix points en un an. Mais ce chiffre d’adoption cache une réalité bien moins flatteuse : seules 5,5 % qualifient comme « high performers », c’est-à-dire que l’IA contribue effectivement à plus de 5 % de leur EBIT. Deloitte (3 700 professionnels, juin 2026) enfonce le clou : 48 % des organisations ont introduit l’IA sans redesigner un seul workflow, et seulement 4 % disposent d’une mesure de valeur IA au niveau du Conseil d’administration.

La mesure de valeur devient le nouveau terrain de compétition. Gartner, dans une enquête conduite auprès de 204 directeurs financiers, constate que 66 % des organisations finance n’en tirent qu’un gain d’efficacité opérationnelle — l’analyste recommande désormais de « mesurer les progrès par la valeur réalisée plutôt que par le volume de déploiement ». Accenture (2 000 executives, 15 pays) identifie le facteur discriminant : les 7 % d’entreprises « data reinventors » affichent un avantage de 4,5 points de marge EBIT et convertissent leurs données tacites en intelligence d’entreprise 11 fois plus vite que leurs pairs.

Cette pression de valeur s’articule avec une deuxième contrainte inédite : l’AI Act européen. Le 2 août 2026 active les obligations de transparence (Article 50) pour tout système IA en contact avec des utilisateurs humains : chatbots, assistants, contenu généré. En France, le retard est saisissant : selon une note de l’Institut Montaigne (via Maddyness), le taux d’adoption est passé de 33 % à 40 % en un an, mais seules 19 % des entreprises françaises utilisent l’IA de manière transformatrice. À VivaTech, BPI France a activé le plan « Osez l’IA » (200 M€) et lancé son Accélérateur IA pour 25 entreprises. Les comités de direction ont jusqu’à fin 2026 pour prendre position.

Sources : McKinsey — State of AI 2025/2026 · Deloitte — AI Pulse Check 2026 · Accenture — AI-Ready Data, mai 2026 · Gartner — Finance AI Symposium, 2026 · Commission européenne — AI Act · DLA Piper — AI Act Agreement · Maddyness / Institut Montaigne · BPI France — VivaTech 2026

Cas d’usage

3 cas d’usage qui créent de la valeur

Des résultats mesurables, reproductibles pour votre PME ou ETI.

Outil

Claude for Enterprise (Anthropic - à partir de 20 $/mois)

Le premier LLM enterprise au monde (Ramp AI Index, mai 2026) — contexte 200 K tokens, agents opérationnels natifs, écosystème SI premium.

Claude s’est imposé comme le premier LLM enterprise en dépenses au monde : selon le Ramp AI Index (mai 2026, 50 000 entreprises analysées), Claude dépasse OpenAI pour la première fois avec plus d’un tiers des entreprises utilisatrices. La dynamique est confirmée par une adoption institutionnelle inédite : 8 des 10 premières entreprises mondiales (Fortune 10) sont clientes, et IDC recommande explicitement aux CIOs et CISOs de « réévaluer la place de Claude dans leur stratégie multi-LLM ou agents ». En parallèle, Anthropic a formé en juin 2026 une société de services commune avec Blackstone, Goldman Sachs et PwC/Accenture/Deloitte, explicitement ciblée sur les ETI et PME qui manquent de ressources internes pour déployer un LLM de pointe.

Le pricing reste lisible : plan Team à 20 USD/siège/mois (5 sièges minimum, usage illimité inclus), plan Enterprise self-serve à 20 USD/siège + tokens API à la consommation (20 sièges min.), Enterprise sur devis au-delà de 50 sièges. Pour 15 personnes en plan Team : ~3 350 €/an de licences. Promotion juin-juillet 2026 : 1 000 USD de crédits d’usage offerts par siège activant Claude Code ou Claude Cowork, jusqu’au 2 juillet 2026. Sécurité by design (aucun entraînement sur les données clients), SSO/SCIM, audit logs, RBAC, Compliance API, HIPAA-ready.

Sources : Claude — Pricing Enterprise · IDC — The Transformation of Anthropic, juin 2026 · McKinsey — Putting AI to Work, 19 juin 2026 · The Economist — Anthropic's Commercial Success, 18 juin 2026 · LeMagIT — Ramp AI Index, mai 2026 · Le Monde — Blocage Mythos 5, 13 juin 2026 · HBR — C-Suite & Board Roles AI, juin 2026

Analyse

Notre conviction

L'été 2026 sera celui de la double preuve. Le 2 août, l'AI Act impose la transparence sur tous vos systèmes IA en contact avec des utilisateurs. En parallèle, vos investisseurs, vos administrateurs et vos directeurs financiers attendent une preuve de valeur et les chiffres sont sans appel : 88 % des entreprises utilisent l'IA, 5,5 % seulement le prouvent dans leur EBIT (McKinsey).

Chez Rietsch & Co, nous croyons que la prochaine fracture ne séparera pas « ceux qui ont l'IA » de « ceux qui ne l'ont pas », mais ceux qui peuvent mesurer, justifier et piloter leur IA de ceux qui en subissent les coûts cachés.

Les cas que nous documentons ce mois-ci : deux agents bancaires opérationnels pour la notation et l'audit, un agent industriel construit en 1h30 qui récupère 1 heure par jour aux équipes terrain — ne sont pas des démonstrations technologiques. Ce sont des dispositifs qui passent l'épreuve de vérité : ils produisent une valeur traçable, reproductible, et auditable. C'est exactement ce que les dirigeants devront présenter dès septembre.

Abonnez-vous maintenant

Pour comprendre comment Rietsch & Co. accompagne les dirigeants d’ETI sur ces questions, rendez-vous sur notre site web rietsch.co.

Cet article a été développé avec le support d’une IA générative. Cette approche s’inscrit dans le cadre de nos efforts de R&D visant à explorer les opportunités offertes par l’IA pour améliorer nos services. N’hésitez pas à nous solliciter pour toute question.

Dans cet article, vous apprendrez à repérer les tâches qui constituent de véritables opportunités IA, à les prioriser grâce à une méthode éprouvée lors de nos ateliers et vous repartirez avec un template directement réutilisable dans votre activité.

Ce que j’entends le plus souvent en atelier

« Je n’ai pas vraiment d’idée de cas d’usage IA »

C’est l’une des phrases que j’entends le plus souvent en atelier ou en formation.

Les participants utilisent parfois déjà l’IA pour reformuler un email, résumer un document ou préparer un plan. Pourtant, lorsqu’on leur demande d’identifier un véritable cas d’usage métier, la page reste blanche. Et c’est peut-être votre cas.

Prenons l’exemple de Claire, responsable d’équipe dans une entreprise de services Marketing B2B. En reprenant son agenda des trois derniers mois, tout devient plus limpide : chaque semaine, elle prépare une synthèse d’activité ; chaque mois, elle consolide des informations issues de plusieurs collaborateurs ; chaque trimestre, elle produit un bilan pour sa direction ; deux fois par an, elle met à jour les mêmes supports avec de nouvelles données.

Claire ne manque pas d’idées. Elle cherche simplement au mauvais endroit.

Ce que je remarque systématiquement

Le piège : chercher une idée exceptionnelle

Lorsqu’une organisation explore l’IA générative, la première question posée est souvent trop large :

« Que pourrions-nous faire avec l’IA ? »

Cette formulation pousse à imaginer un outil spectaculaire, un processus entièrement automatisé ou un usage aperçu ailleurs.

En pratique, elle produit beaucoup d’intuitions, mais peu de sujets exploitables.

Les premières opportunités se trouvent rarement dans une idée exceptionnelle. Elles se cachent dans des tâches ordinaires : préparer, rechercher, comparer, synthétiser, rédiger, vérifier, classer ou reformater une information.

Chez Rietsch & Co., avant de parler de technologie, nous partons du travail réel : les tâches, les documents, les décisions et les contrôles qui structurent déjà l’activité.

L’objectif d’une première expérimentation n’est pas d’automatiser un processus complet. Il est de cibler une intervention simple, réversible et observable : préparer une première version, extraire des informations, comparer des documents ou contrôler un livrable.

La complexité vient ensuite, lorsque l’organisation maîtrise déjà les usages simples et dispose d’assez de recul pour absorber des transformations plus profondes.

Ce que je vous recommande de faire

Pourquoi votre agenda est un bon point de départ

Le travail récurrent devient vite invisible.

Une tâche hebdomadaire de trente minutes paraît insignifiante. Répétée cinquante fois dans l’année, elle représente pourtant vingt-cinq heures, ce qui constitue une cible de retour sur investissement intéressante.

Une tâche mensuelle de trois heures représente trente-six heures par an. Un exercice trimestriel de huit heures représente trente-deux heures. Pris séparément, ces travaux paraissent supportables. Additionnés, ils constituent une réserve importante de temps.

Votre agenda ne crée pas des idées. Il révèle la réalité de votre travail. Il montre ce qui revient, ce qui se répète et ce qui mobilise réellement votre attention.

Read more

Préambule

Marc a 51 ans. Il dirige un bureau d’études structures et fluides installé à Strasbourg, 140 collaborateurs, 11 M€ de chiffre d’affaires, deux antennes dans l’Est de la France. Nous l’avons rencontré lors d’une conférence en région parisienne.

Sa DRH lui a récemment remis le plan de formation 2026-2027 qu’il nous a demandé de challenger.

« On a quatorze sessions sur la prise en main des outils IA. Aucune sur ce qu’il faut savoir faire ou penser quand l’outil proposera une solution, une réponse. Vous en pensez quoi, vous ? »

Personne, dans le cabinet, ne savait formuler la différence et c’est précisément là que se joue selon nous la décennie à venir.

Symptôme

Un plan d’usage qui se croit plan de transformation

Le plan de formation en question est représentatif d’une génération entière de documents en cours d’élaboration en entreprise. On fait comme d’habitude, rien ne change à l’ère de l’IA.

Le document fait l’inventaire des outils à maîtriser : un assistant pour la rédaction de CCTP, un correcteur de plans, un générateur de métrés, une plateforme d’IA générative généraliste interne. Il prévoit des modules d’une demi-journée, un cas pratique, un quiz final. Il promet 100 % des effectifs “terrain” formés d’ici fin 2026.

Il ne mentionne nulle part le prompt des agents, comment un ingénieur d’études doit réexaminer un calcul que la machine a produit, comment un chef de projet doit reformuler le brief client quand l’outil propose dix variantes en quinze secondes, ni comment un manager doit préserver la transmission d’un savoir-faire qui ne passe plus par les heures pénibles que la machine épargne désormais aux juniors.

La matière grise ne se forme pas en demi-journée

Un plan de formation forme à l’usage. La matière grise du métier, elle, ne se forme pas par modules d’une demi-journée. Elle se forme par répétition de situations où le doute est légitime, où l’erreur est instructive, où le geste juste s’inscrit.

Or, la machine retire précisément ces situations.

Speak with Data : Ce que disent les chiffres

Trois sources convergentes ont rendu cette dissociation visible à l’échelle nationale et internationale entre 2025 et le début 2026. Le World Economic Forum, dans son Future of Jobs Report 2025, anticipe que 170 millions de nouveaux emplois seront créés mondialement durant la décennie, et que l’IA à elle seule en créera 11 millions tout en supprimant 9 millions, soit une transformation nette mais surtout une recomposition profonde des compétences attendues.

Le baromètre PwC publié en juin 2025 a chiffré que les compétences requises dans les métiers exposés à l’IA évoluent 66 % plus vite qu’en 2023, et que la France est devenue le premier marché européen par le volume d’offres exigeant des compétences IA, avec une progression de 273 % en cinq ans.

Et le baromètre IFOP-Talan d’avril 2025 a documenté que 73 % des Français estiment ne pas avoir les connaissances suffisantes pour utiliser efficacement l’IA générative, alors que seuls 15 % des salariés déclarent avoir bénéficié d’une formation spécifique.

Ces chiffres disent la même chose, sous trois angles : la formation aux outils est devenue le minimum vital, et ce minimum vital n’est plus un avantage.

Ce qui distingue désormais une organisation, c’est sa capacité à développer trois familles de compétences qu’un module d’une demi-journée ne touche pas.

#1 | Le jugement

La première est la compétence de jugement. Quand un assistant produit en quelques secondes une note technique de quatre pages, le travail de l’ingénieur ne disparaît pas, il se déplace.

L’Ia n’est pas une baguette magique, il est crucial de savoir identifier et dire pourquoi tel paragraphe est faux malgré son apparence convaincante (merci les hallucinations), pourquoi telle préconisation, plausible à la lecture, ne tient pas dans le contexte du chantier.

Cette compétence de jugement ne se transmet pas par cas pratique. Elle se transmet par confrontation répétée à des productions imparfaites, commentées par un senior, sur des dossiers réels.

#2 | Le cadrage

La deuxième est la compétence de cadrage. L’IA générative produit ce qu’on lui demande, mais surtout, elle produit ce qu’on lui demande mal. Il ne faut jamais déléguer à l’IA qu’on ne sait pas parfaitement faire au départ. C’est l’erreur que l’on constate le plus souvent sur nos missions.

Le cœur du métier de demain n’est pas dans la répétition d’incantations magiques, mais dans la capacité à transformer un besoin client flou en une question instruite que la machine peut traiter avec discernement. Il faut savoir synthétiser, structurer et transmettre les informations critiques à l’intelligence artificielle.

Cela suppose de comprendre la matière du métier en profondeur, pas de mémoriser des recettes.

#3 | La transmission

La troisième est la compétence de transmission. Centre Inffo a publié en juin 2025 une analyse fondamentale : d’ici 2030, l’IA aura un impact profond sur les métiers, modifiant non seulement les tâches, mais aussi la manière dont nous concevons le travail.

Or, dans un cabinet d’ingénierie ou de conseil, la transmission ne passe plus naturellement par les tâches répétitives que les juniors absorbent en silence pendant cinq ans. La machine les a prises. Cette situation représente selon nous aussi bien une opportunité qu’un piège sur le long terme.

Si l’organisation ne réinvente pas son dispositif de transmission par compagnonnage explicite, par revue de pratique, par binôme senior-junior structuré — elle perdra en quinze ans le savoir-faire qui fonde sa différenciation. Et ce savoir-faire ne se reconstruit pas, parce qu’il était incarné.

Où se mesurera l’écart en 2030 ?

Difficile ici de sortir une boule de cristal. Mais s’il faut se mouiller, mouillons-nous : selon nous, l’écart entre les organisations qui réussiront 2030 et celles qui le subiront ne se mesurera pas au taux d’équipement en IA.

Il se mesurera en qualité de jugement collectif sur les livrables, en finesse de cadrage des missions et en densité de transmission entre générations. Aucune de ces trois métriques ne figure dans un plan de formation classique.

Les actions à mener

Dans votre plan de formation 2026-2027, combien de sessions instruisent un jugement plutôt qu’une manipulation d’outil ?

On n’instruit pas un jugement avec un raccourci. Le cadre que nous proposons tient en quatre investissements coordonnés, sur dix-huit mois.

Note pratique

Le diagnostic « Activation IA » du cabinet Rietsch & Co. cartographie en huit semaines les compétences-cibles 2030 par métier-clé et propose un plan de transformation distinct du plan de formation aux outils.

La fiche méthodologique est disponible sur rietsch.co.

Notre prochaine consultation

La prochaine édition paraîtra le mardi 11 août. Elle prolongera cette édition en partant d’un constat désormais décisif : la valeur de l’IA ne dépend plus du nombre d’idées lancées, mais de la qualité des arbitrages qui permettent d’en choisir trois sérieusement.

Nous y rencontrerons Sophie, associée gérante d’un cabinet juridique d’affaires à Bordeaux, face à trente-deux propositions d’initiatives IA : beaucoup d’intuitions, peu de méthode partagée pour prioriser selon l’impact réel, le risque et la réversibilité.

Chaque mois, La Consultation propose une nouvelle édition, publiée au cours de la deuxième semaine.

Abonnez-vous maintenant

Pour comprendre comment Rietsch & Co. accompagne les dirigeants d’ETI sur ces questions, rendez-vous sur notre site web rietsch.co.

Cet article a été développé avec le support d’une IA générative. Cette approche s’inscrit dans le cadre de nos efforts de R&D visant à explorer les opportunités offertes par l’IA pour améliorer nos services. N’hésitez pas à nous solliciter pour toute question.

Signal

La compétition IA ne se joue plus sur l’adoption, mais sur la capacité à industrialiser et à transformer en revenus.

Mai 2026 marque un tournant : cinq des plus grands cabinets mondiaux : McKinsey, PwC, Gartner, Deloitte et Accenture, convergent simultanément sur le même diagnostic. McKinsey est sans détour : presque neuf entreprises sur dix ont déployé l’IA dans au moins une fonction métier, mais 94 % des répondants ne voient pas de valeur « significative ». PwC, sur un panel de 1 217 organisations dans 25 secteurs, quantifie pour la première fois la fracture : les 20 % d’entreprises les plus « AI-fit » captent à elles seules 74 % des gains financiers liés à l’IA et génèrent une performance IA 7,2 fois supérieure à celle de leurs pairs.

Gartner enfonce le clou lors de son Data & Analytics Summit de Londres : 1 seul investissement IA sur 5 montre un ROI mesurable aujourd’hui. Deloitte (3 235 dirigeants, 24 pays) documente la même asymétrie : 66 % des répondants rapportent des gains de productivité, mais seulement 20 % une croissance des revenus. Accenture y ajoute la cause structurelle : seulement 7 % des organisations ont atteint le niveau de maturité data nécessaire pour scaler l’IA avancée et ces « data reinventors » affichent jusqu’à 4,5 points d’avantage sur leurs marges EBIT. Le facteur discriminant n’est plus l’accès aux modèles (banalisé) mais la qualité des fondations : données maîtrisées, IA intégrée aux workflows, gouvernance des déploiements.

En France, le décalage est saisissant. Selon ZDNet France / PwC, 81 % des dirigeants français ne relèvent aucun impact de l’IA sur leurs revenus contre 56 % au niveau mondial, soit un écart de 25 points. L’Enterprise AI Adoption Impact Index (Infor / YouGov) confirme : la France se classe 2e en Europe pour la maturité IA déclarée (36 %), mais 80 % des organisations françaises ne mesurent aucun impact financier tangible, et 49 % plafonnent encore au stade pilote. Le Grand Tri est en cours et la fenêtre pour rejoindre les gagnants se mesure désormais en trimestres, pas en années.

Cas d’usage

3 cas d’usage qui créent de la valeur

Des résultats mesurables, reproductibles pour votre PME ou ETI.

Outil

Perplexity Enterprise Pro - Perplexity (40 $/mois)

Le moteur de recherche stratégique multi-modèles pour CEO et COO : réponses sourcées, vérifiables, en temps réel.

L’urgence d’un outil de recherche IA fiable pour les dirigeants n’a jamais été aussi forte : selon McKinsey State of AI 2025, 88 % des organisations utilisent l’IA mais seulement 39 % observent un impact mesurable sur leur EBIT. L’enjeu n’est plus l’adoption : c’est la qualité de l’outil et la pertinence du cas d’usage. BCG (avril 2026) souligne que 72 % des PDG, deux fois plus qu’en 2025, sont devenus le décideur principal sur l’IA dans leur organisation. Gartner classe la recherche IA d’entreprise comme « infrastructure fondamentale » et prévoit que 60 % des applications d’entreprise embarqueront ces capacités d’ici 2028.

Perplexity Enterprise Pro répond exactement à ce besoin : une couche d’orchestration qui mobilise jusqu’à 20 modèles IA frontier (GPT-4o, Claude, Gemini, Llama, etc.) depuis une interface unique, sans configuration. À 40 USD par utilisateur et par mois, équiper 10 dirigeants coûte environ 370 €/mois, soit l’équivalent d’une demi-journée de conseil externe. Confidentialité stricte (aucun entraînement sur les données clients), SOC 2 Type II, GDPR, recherche dans la base documentaire interne, SSO SAML.

Analyse

Notre conviction

Le Grand Tri a commencé. Pendant que la majorité s'interroge encore sur « quel outil » ou « quel cas d'usage », 20 % des entreprises industrialisent et captent 74 % de la valeur (PwC). L'écart se creuse à grande vitesse — surtout en France, où 81 % des dirigeants ne voient encore aucun impact sur leurs revenus.

Chez Rietsch & Co, nous croyons que la fenêtre pour rejoindre les gagnants se mesure désormais en trimestres, pas en années.

Les cas d'usage que nous documentons ce mois-ci : 325 h/an gagnées sur la qualification fraude bancaire, 75 h/an sur la prévention HSE industrielle, >5 h/semaine par personne sur la logistique haute valeur — ne sont pas des promesses. Ce sont des fondations posées par des dirigeants qui ont arrêté d'attendre.

Abonnez-vous maintenant

Pour comprendre comment Rietsch & Co. accompagne les dirigeants d’ETI sur ces questions, rendez-vous sur notre site web rietsch.co.

Cet article a été développé avec le support d’une IA générative. Cette approche s’inscrit dans le cadre de nos efforts de R&D visant à explorer les opportunités offertes par l’IA pour améliorer nos services. N’hésitez pas à nous solliciter pour toute question.

Préambule

Claire a 47 ans. Elle dirige depuis sept ans un cabinet d’audit régional, 95 collaborateurs, 14 M€ de chiffre d’affaires, deux bureaux secondaires.

Mi-mars, son associé responsable des expérimentations IA lui a remis un tableau de bord IA : neuf indicateurs, six couleurs, trois pages.

Elle l’a posé sur son bureau, s’est servi un café, et a demandé une seule chose.

« Lequel de ces chiffres me dit si nous gagnons de l’argent ? »

Le silence a duré dix secondes.

Aucun ne le disait…

Symptôme

Une cloison invisible entre IA et gestion

Le tableau de Claire n’est pas une exception. Il est l’archétype du moment que traversent la plupart des entreprises qui ont franchi la première marche de l’Intelligence Grtificielle générative.

On y trouve un taux d’adoption, un volume de requêtes, un score de satisfaction utilisateur, un nombre de cas d’usage en pilote, un délai moyen de production.

On n’y trouve presque jamais une marge, un taux d’utilisation des consultants, un coût de revient par mission, ni un écart entre le devis initial et la facture finale.

Les indicateurs IA et les indicateurs de gestion vivent dans deux mondes parallèles, séparés par une cloison invisible que personne n’a osé démolir.

Une chronologie qui rassure mais qui trompe

Ce n’est pas une affaire de mauvaise volonté. C’est une affaire de chronologie.

Quand un dirigeant lance ses premiers projets d’IA générative, il achète un abonnement, désigne un référent, ouvre un canal Teams. Il mesure ce qui est facile à mesurer : qui s’en sert, à quelle fréquence, avec quel niveau d’enthousiasme déclaré.

Ces métriques rassurent. Elles sont fausses. Plus exactement, elles sont vraies mais non pertinentes pour la question que se pose un dirigeant le dimanche soir, quand il prépare son COMEX du lundi.

Lecture

Trois études, un même constat

Trois études convergentes publiées entre l’été 2025 et le début 2026 ont rendu cette dissociation impossible à ignorer. Le rapport du MIT NANDA d’août 2025 a chiffré à 95 % la part des pilotes d’IA générative qui n’ont produit aucun retour mesurable sur le compte d’exploitation des entreprises qui les ont lancés.

Le BCG, dans son étude Are You Generating Value from AI? de septembre 2025, a établi que 60 % des organisations ne tirent aucun bénéfice matériel de leurs initiatives, malgré des budgets engagés.

Et le baromètre OpinionWay-Salesforce de juin 2025 a documenté que 94 % des entreprises françaises ont lancé des projets IA mais qu’une majorité reste au stade de l’expérimentation, faute de cadre de mesure.

Un défaut de doctrine, pas un bug technologique

L’écart entre adoption et création de valeur n’est pas un bug technologique. C’est un défaut de doctrine de pilotage.

Tant que le COMEX continuera de demander à son équipe IA combien de personnes utilisent l’outil et à quel rythme, il obtiendra des réponses précises à des questions sans portée stratégique.

Tant qu’il ne demandera pas combien d’heures un dossier d’audit financier exige aujourd’hui par rapport à mars 2025, ni de combien la marge brute de la mission a évolué à périmètre constant, il restera devant ce que Bpifrance Le Lab a documenté en février 2025 : les TPE-PME et ETI françaises investissent dans le digital, mais 9 % seulement de leurs investissements ciblent l’IA, et 2 % seulement le font de façon régulière, parce que personne ne sait ce que ces investissements rapportent.

Le vrai sujet : ce que devient l’heure économisée

Le problème n’est pas que l’IA générative ne crée pas de valeur.

Le BCG, dans une autre étude publiée en juin 2025, a établi que 50 % des collaborateurs qui en font un usage régulier économisent au moins une heure par jour.

Le problème, c’est que cette heure ne se traduit ni en marge supplémentaire ni en mission gagnée tant qu’elle n’est pas réinvestie ou facturée.

Une heure économisée et perdue dans la dispersion ne vaut rien au compte d’exploitation. Une heure économisée et réaffectée à un livrable plus différenciant peut tout changer.

C’est cette transformation que les indicateurs habituels ne mesurent pas.

Prescription

Le cadre que nous proposons tient en quatre métriques. Aucune n’est révolutionnaire, toutes sont accessibles sans investissement technologique supplémentaire. Mais leur combinaison change la conversation au COMEX du lundi.

Le geste : un tableau de bord à 4 métriques

Télécharger votre tableau de bord IA

Règle de pilotage : une métrique IA n’existe que si elle se relie à une décision de management et, in fine, au compte d’exploitation.

Lire les quatre métriques

1. Taux d’utilisation effectif

Non pas le nombre de connexions à l’outil, mais le pourcentage de livrables produits sur la période qui ont effectivement intégré une étape assistée par IA. C’est une métrique que le directeur de production peut tenir manuellement le temps que les outils internes la calculent. Elle se compare d’un trimestre à l’autre.

2. Écart de marge brute par typologie de mission

Mesuré à périmètre constant entre une cohorte de références pré-IA et la cohorte courante post-IA. Cette métrique exige de la rigueur : il faut isoler une typologie homogène (par exemple, les missions d’audit légal pour PME du même segment), comparer le coût direct de production sur une période d’avant déploiement et une période d’après. La différence, exprimée en points de marge, est le seul indicateur qui dit si l’IA crée de la valeur ou se contente de financer son propre coût.

3. Taux de réaffectation du temps libéré

Sur les heures économisées par les collaborateurs, quelle fraction a été redéployée vers des missions facturées ou des activités de développement ? Une heure économisée et perdue dans la conversation interne ne vaut rien.

Une heure économisée et réinvestie dans la prospection ou la formation continue est l’unique chemin qui transforme un gain de productivité en avantage compétitif durable.

4. Écart de qualité ressenti par le client

Mesuré par une enquête courte et systématique en fin de mission, comparée à une baseline antérieure au déploiement IA. Cette métrique protège contre le piège du
« plus vite mais moins bien » qui détruit silencieusement la réputation des cabinets pressés.

La règle de discipline

Quatre métriques, pas neuf. Une demi-page de tableau de bord, pas trois.

Notre doctrine Rietsch & Co. tient en une phrase : ce qui ne se relie pas au compte d’exploitation ne pilote rien.

Question ouverte

« Lequel de vos indicateurs IA actuels resterait dans votre tableau de bord si vous deviez le justifier devant votre commissaire aux comptes ? »

Note pratique

Le diagnostic « Opportunités IA » du cabinet Rietsch & Co. cartographie en deux semaines votre chaîne de valeur et identifie les métriques de pilotage prioritaires pour son COMEX.

Notre prochaine consultation

La prochaine édition paraîtra le vendredi 17 juillet. Elle prolongera cette édition en partant d’un constat désormais évident : la performance ne dépend plus d’abord des outils, mais des compétences critiques qu’une organisation sait développer et transmettre.

Nous y rencontrerons Marc, dirigeant d’un bureau d’études de 140 personnes, face à son plan de formation : quatorze sessions sur les outils, aucune sur le jugement, le cadrage et la transmission.

La cadence est mensuelle, chaque deuxième semaine du mois.

Abonnez-vous maintenant

Pour comprendre comment Rietsch & Co. accompagne les dirigeants d’ETI sur ces questions, rendez-vous sur notre site web rietsch.co.

Signal

Avril 2026 acte un renversement de paradigme : la gouvernance IA cesse d’être un sujet de conformité pour devenir le principal facteur de performance financière. L’étude PwC AI Performance Study (1 217 dirigeants seniors, 25 secteurs, 13 avril 2026) le démontre sans ambiguïté : 74 % de la valeur économique générée par l’IA est captée par seulement 20 % des entreprises. Le facteur discriminant n’est ni l’outil, ni le modèle, ni la taille du budget : c’est la maturité de la gouvernance. Les leaders sont 1,7 fois plus susceptibles d’avoir formalisé un cadre d’IA responsable et 1,5 fois plus de disposer d’un comité de gouvernance IA transverse.

La convergence inter-cabinets est sans appel. Forrester mesure que seuls 15 % des décideurs IA observent une amélioration de l’EBITDA, et prévoit que 25 % des dépenses IA planifiées seront repoussées à 2027 sous pression des CFO. McKinsey AI Trust Survey (500 organisations) confirme un écart de maturité de 44 % (2,6/4 vs 1,8/4) entre organisations avec responsabilité explicite sur l’IA et celles sans structure claire. BCG popularise le principe 10-20-70 : dans les organisations performantes, 10 % de l’effort porte sur les algorithmes, 20 % sur la donnée, et 70 % sur les personnes, les processus et la transformation culturelle.

En France, le décalage est saisissant. Les Echos Solutions rapporte que 98 % des entreprises françaises prévoient d’augmenter leur budget gouvernance IA, avec une hausse moyenne de 24 %. Mais selon L’Usine Digitale / Orange Business, 62 % des organisations françaises consacrent encore moins de 1 % de leur budget IT à l’IA, et 9 % des usages restent clandestins (shadow IA). En arrière-plan, Bpifrance, MGX, Mistral AI et NVIDIA ont annoncé la création du plus grand campus IA souverain d’Europe (1,4 GW en Île-de-France). L’infrastructure se construit ; reste à structurer la gouvernance.

Cas d’usage

3 cas d’usage qui créent de la valeur

Des résultats mesurables, reproductibles pour votre PME ou ETI.

Outil

NotebookLM Enterprise — Google (9 $/Licence/mois)

3 à 5 fois moins cher que les concurrents.

NotebookLM Enterprise a franchi en avril 2026 un seuil décisif : l’outil est sorti de Google Labs pour devenir un composant central de l’écosystème Google Workspace, avec une intégration native à Gemini Enterprise actée lors du Google Cloud Next ‘26 (22-24 avril 2026). Disponibilité générale, certifié VPC-SC, IAM granulaire, authentification via IdP tiers (Microsoft Entra ID, Okta, Ping), données hébergées en région EU : la souveraineté documentaire est traitée nativement.

Le tarif est imbattable : 9 USD par licence et par mois, soit 3 à 5 fois moins cher que Microsoft 365 Copilot (30 USD) ou Le Chat Enterprise (~45 EUR). Comme le souligne MIT Sloan (mars 2026), la priorité 2026 est de passer de l’usage individuel à des ressources d’entreprise partagées : précisément le cas d’usage de NotebookLM Enterprise. La force clé : une analyse documentaire sourcée à zéro hallucination, chaque réponse étant citée avec un lien vers le passage exact dans le document source.

Analyse

Notre conviction

Le débat n’est plus « quel modèle » ou « quel outil ». Le facteur discriminant en 2026, c’est la gouvernance : qui est responsable, comment on mesure, comment on arbitre. Les chiffres convergent, 20 % des entreprises captent 74 % de la valeur (PwC) parce qu’elles ont structuré la décision avant de structurer la technologie.

Chez Rietsch & Co, nous croyons qu’un programme IA réussi commence par un comité de pilotage pas par un cas d’usage.

C’est ce que nos missions confirment : les cas d’usage qui atteignent 10/10 d’IMS1 et qui passent à l’échelle sont ceux qui ont été cadrés en amont par une gouvernance claire un sponsor, une métrique, un arbitrage. Le reste suit.

Abonnez-vous maintenant

Pour comprendre comment Rietsch & Co. accompagne les dirigeants d’ETI sur ces questions, rendez-vous sur notre site web rietsch.co.

C’est la première édition de La Consultation dans son nouveau format. Elle ouvre une saison qui ne ressemblera à aucune newsletter IA que vous recevez déjà.

Pas d’actualités à chaud, pas d’outils, pas de prompts, pas de classements.

Mais plutôt une situation, un dirigeant, une lecture, une action à mener. Comme dans un cabinet de consultation, au sens premier du terme.

Commençons par le débat qui occupe le plus de COMEX en ce moment et qui, en pratique, occupe les dirigeants pour de mauvaises raisons : le déplacement de la valeur.

Préambule

Étienne dirige depuis quatorze ans un bureau d’étude de 25 personnes, installé à Lyon, avec un bureau à Strasbourg. 5 M€ de chiffre d’affaires.

Il m’a appelé un mardi de mars, en fin de journée. Il avait une question, une seule :

« Combien d’ingénieurs vais-je perdre dans les 2 ans à venir ? »

Il ne demandait pas une prédiction.

Il demandait une réassurance.

Son directeur technique, le matin même, lui avait montré un livrable d’avant-projet que nous avions produit en quarante minutes par un assistant conversationnel, contre trois jours de bureau d’études en moyenne. Il y avait du sourire dans la pièce, et une gêne qu’Étienne avait sentie sans pouvoir la nommer.

Il a passé le week-end à chercher une méthode pour estimer ses éventuelles suppressions de postes. Il n’en a pas trouvé. C’est pour cela qu’il m’a appelé. Je lui ai répondu que sa question était légitime, et qu’elle était fausse.

Pas par délicatesse. Par expérience.

Symptôme

La question d’Étienne est devenue, en dix-huit mois, la question dominante des comités de direction d’ETI de services : « Combien d’emplois ? »

Elle structure les arbitrages, elle conditionne les budgets, elle alimente les conversations de couloir.

Mais cette question paralyse trois fois plus qu’elle n’éclaire.

1. Elle paralyse parce qu’elle place le dirigeant en posture défensive : protéger, ralentir, temporiser.

2. Elle paralyse parce qu’elle convoque la DRH avant d’avoir convoqué la stratégie.

3. Elle paralyse, surtout, parce qu’elle masque ce qui est réellement en train de se passer dans l’entreprise et qui ne ressemble pas du tout à une vague de licenciements.

Ce qui se passe, c’est plus discret, plus rapide et plus sérieux : la chaîne de valeur interne se reconfigure en silence, et l’allocation des ressources humaines ne suit pas. On continue à mobiliser des équipes sur des tâches dont la valeur s’érode chaque trimestre, et on n’a personne sur les activités qui, demain, feront la différence.

Le risque n’est pas social à court terme. Il est stratégique à court terme.

La compression du temps n’est pas la suppression de l’emploi

Reprenons l’exemple d’Étienne. L’avant-projet en quarante minutes au lieu de trois jours, ce n’est pas un poste qui disparaît. C’est une tâche qui se compresse. Ce n’est pas la même chose, et la confusion entre les deux coûte très cher.

Quand une tâche se compresse, trois scénarios sont possibles et un seul crée de la valeur :

1. On produit le même volume avec moins de personnes.

   C’est le scénario « suppression d’emploi ». Il est rare, lent, douloureux, et il suppose une demande stable. Pour un cabinet d’ingénierie qui a un carnet de commandes en croissance, ce scénario n’a pas grand sens.

2. On produit beaucoup plus avec les mêmes personnes.

   C’est le scénario « gain de productivité ». C’est celui qu’on voit le plus souvent. C’est aussi celui qui se révèle, dans un cas sur deux, destructeur de valeur : on fabrique plus de livrables, sans que le client en redemande, sans que cela améliore les marges.

3. On déplace les mêmes personnes vers des tâches à plus forte valeur.

   C’est le scénario qui paie. Il suppose qu’on ait identifié les dites tâches, qu’on les ait priorisées, et qu’on ait décidé d’y mettre du monde. Trois conditions rarement réunies.

La question d’Étienne, « combien d’ingénieurs vais-je perdre ? », suppose qu’on est dans le scénario 1. Or l’énorme majorité des ETI de services se trouvent, en réalité, dans le scénario 2 sans s’en rendre compte.

Le paradoxe documenté

Une enquête de l’initiative MIT NANDA, publiée en août 2025 sous le titre The GenAI Divide : State of AI in Business 2025, le formule sans détour : dans leur échantillon observé, 95 % des projets pilotes d’IA générative en entreprise n’apportent aucun retour sur investissement mesurable (rapport relayé par Fortune, août 2025).

Pas 50 %. Pas 80 %. 95 %.

La cause principale identifiée par les chercheurs n’est ni la qualité des modèles, ni la réglementation, ni même l’absence de compétences techniques. C’est ce qu’ils appellent un « learning gap » : un écart entre les outils déployés et les flux de travail réels de l’entreprise. Autrement dit, on a acheté de la productivité brute sans avoir pensé où la réinvestir.

La lecture de McKinsey en 2025 est cousine. 88 % des organisations utilisent régulièrement l’IA dans au moins une fonction, mais seulement 6 % ont le statut de high performer avec un impact significatif sur l’EBIT (State of AI 2025 — synthèse LootzySoft, décembre 2025).

Le BCG, de son côté, observe que, malgré des budgets et des investissements en hausse, 60% des entreprises peine encore à matérialiser un bénéfice économique significatif. Ce qui dit moins quelque chose des modèles que de la capacité des organisations à déplacer leurs ressources. (BCG, Are You Generating Value from AI ?, septembre 2025).

Deux manières de lire ces chiffres.

1. La première : l’IA ne tient pas ses promesses.

   C’est la lecture la plus répandue et, dans beaucoup de cas, elle masque surtout un problème d’allocation et de conduite du changement.

2. La seconde, plus exigeante : l’IA déplace la valeur plus vite que les organisations ne déplacent leurs ressources humaines.

   C’est elle qui matérialise les 95 % de pilotes sans ROI. Ce n’est pas un problème de modèle. C’est un problème d’allocation.

Ce qu’Étienne ne voit pas encore

Dans son bureau d’études, le travail d’avant-projet représente à peu près 30 % du temps de ses ingénieurs juniors. Si ce temps se compresse durablement par six ou par huit, ce ne sont pas des postes qui sautent : ce sont quatre ans de carrière junior qui changent de nature.

Le geste métier qui formait, qui faisait monter en compétence, qui produisait de l’apprentissage par répétition — ce geste-là disparaît en partie.

La question n’est plus « combien d’ingénieurs ? ».

La question devient : « par où mes juniors apprennent-ils, demain, le métier ? ».

Et plus profondément : « quelle est la part de mon chiffre d’affaires que je tirais, sans le savoir, de la production d’avant-projets facturés en régie ? »

C’est l’un de ces non-dits qui se chuchotent en couloir, mais qu’on n’énonce pas en CODIR. Il mérite d’être nommé.

Prescription

Un geste, un seul, applicable lundi prochain. Le reste viendra. Mais sans ce geste, le reste ne servira à rien.

Le geste : la revue de valeur à quatre cases

Je télécharge mon template !

Sur une feuille A4 ou A3, vous tracez quatre cases1.

1. En haut à gauche : les tâches à forte valeur dont le temps se compresse.

2. En haut à droite : les tâches à forte valeur dont le temps ne se compresse pas (jugement, relation client, arbitrage).

3. En bas à gauche : les tâches à faible valeur dont le temps se compresse — souvent celles qu’on est tenté de produire « en plus » par effet d’aubaine.

4. En bas à droite : les tâches à faible valeur dont le temps reste stable — la zone de gaspillage pur.

Vous réunissez votre CODIR pendant deux heures. Vous n’utilisez aucun outil, aucun consultant, aucun framework importé. Vous remplissez les quatre cases avec les vingt activités qui occupent réellement vos fonctions clés : pas les fiches de poste, les activités.

À la fin de l’exercice, vous vous posez une seule question :

« Sommes-nous en train de redistribuer le temps gagné vers la case en haut à droite, ou vers la case en bas à gauche ? »

Si la réponse est la seconde, vous avez identifié votre véritable risque stratégique. Pas l’IA. Vous-même.

Ce geste est réversible. Il coûte deux heures de COMEX. Il ne suppose aucun investissement. Il n’engage personne. Et il révèle, en général, deux à trois zones que personne n’osait nommer.

Question ouverte

La vraie question, ce n’est pas « l’IA va-t-elle supprimer des emplois ? ».

C’est :

« Dans mon entreprise, quelles activités vais-je continuer à faire en 2028, alors que j’aurais dû les arrêter en 2026 ? »

Celle-là, aucun assistant ne répondra à votre place.

Note pratique

Un chiffre à retenir.

Selon le BCG (AI at Work 2025, juin 2025), près de la moitié des employés qui utilisent l’IA générative au travail économisent plus d’une heure par jour.

La question, pour le dirigeant, n’est pas de savoir s’ils l’utilisent. C’est : où va cette heure, et qui en décide l’allocation ?

Vers du travail stratégique, vers du travail terminé plus tôt, vers de la production en plus, ou vers rien d’identifiable.

Le chiffre existe déjà, dans votre entreprise. Personne n’a encore eu le courage de le mesurer.

Un point de vigilance.

À mesure que vous compressez le temps de production, la traçabilité de la décision devient un actif managérial.

Si vous ne pouvez pas expliquer “qui a validé quoi, sur quelle base”, vous gagnerez du temps à court termes, mais perdrez de la confiance à moyen termes

Un cadre à suivre.

La revue de valeur à quatre cases décrite ci-dessus se documente en moins de deux heures, et se répète tous les six mois. Elle n’est pas une méthode propriétaire. Elle est un point de départ.

Une référence à lire.

Ethan Mollick, professeur à Wharton, Co-Intelligence : Living and Working with AI (2024). Pas pour les recettes. Pour la posture.

Notre prochaine consultation

La prochaine édition paraîtra le jeudi 11 juin. Elle prolongera cette édition en posant la question que la revue de valeur à quatre cases finit toujours par ouvrir : si la valeur se déplace, comment la mesure-t-on au compte d’exploitation ?

Nous y rencontrerons Claire, dirigeante d’un cabinet d’audit régional, et son tableau de bord IA : neuf indicateurs, mais aucun ne lui permet de dire si elle gagne de l’argent.

La cadence est mensuelle, chaque deuxième semaine du mois.

Abonnez-vous maintenant

Pour comprendre comment Rietsch & Co. accompagne les dirigeants d’ETI
sur ces questions, rietsch.co.

Mars 2026 révèle un paradoxe saisissant : jamais les dirigeants n’ont autant investi dans l’IA, et pourtant les retours financiers restent absents pour la majorité.

Selon le PwC 29e Global CEO Survey (4 454 PDG, 95 pays), 56 % des PDG mondiaux n’ont enregistré aucun bénéfice financier significatif de leurs investissements IA. Seuls 12 % affirment avoir obtenu à la fois des gains de coûts ET de revenus.

Le signal d’alarme vient du terrain selon Accenture Pulse of Change 2026, l’usage réel des outils IA par les salariés a reculé de 10 points depuis l’été 2025, alors que 86 % des dirigeants C-suite planifient d’augmenter leurs investissements.

Le problème n’est plus technologique il est organisationnel. Deloitte confirme : seuls 34 % des entreprises réimaginent véritablement leur modèle autour de l’IA.

En France, la situation est encore plus critique : 54 % des salariés français n’ont utilisé aucun outil IA en 2025, contre 45 % dans le monde, avant-dernier en Europe (PwC Hopes and Fears 2026, 17 mars). Parallèlement, une étude Coface/OEM relayée par Le Monde estime que 16,3 % de l’emploi français (près de 5 millions de personnes) pourrait être menacé par l’IA agentique à horizon 2 à 5 ans.

Cas d’usage

3 cas d’usage qui créent de la valeur

Des résultats mesurables, reproductibles pour votre PME ou ETI.

Outil

Le Chat Enterprise - Mistral AI (25 €/mois HT)

L’assistant IA souverain, connecté aux données de votre entreprise.

Le Chat Enterprise est l’assistant IA professionnel de Mistral AI, le champion français de l’IA générative (valorisé 11,7 milliards d’euros). Contrairement aux outils américains, les données restent sur des infrastructures françaises ou européennes, notamment conformes au RGPD. L’outil se connecte directement à vos données internes (SharePoint, Google Drive, OneDrive) pour des réponses contextualisées.

Mistral vient de lancer Mistral Forge à NVIDIA GTC (17 mars 2026), confirmant sa position de standard IA pour l’entreprise européenne. Déjà déployé chez BNP Paribas, SNCF, CMA-CGM et Veolia, Le Chat Enterprise se décline désormais accessible aux PME dès 25 EUR/utilisateur/mois — moins cher que Microsoft Copilot, avec la souveraineté des données en plus.

Madbusiness rapporte que Mistral AI vise le milliard d’euros de revenus en 2026.

Analyse

Notre conviction

56 % des PDG n’ont pas encore vu de retour financier de l’IA (PwC), 54 % des salariés français n’ont pas touché un seul outil IA en 2025 (PwC France). Le paradoxe est limpide : les dirigeants investissent massivement dans des outils que leurs collaborateurs n’utilisent pas. L’IA ne crée de valeur que si elle est portée par les équipes.

Le défi de 2026 n’est pas de choisir le bon modèle. C’est de démystifier ses équipes. Nos missions le montrent : quand l’IA est co-construite avec les collaborateurs, l’adoption est immédiate et les résultats mesurables en moins de 4 mois.

C’est exactement ce que nos bilans PoC confirment : des scores IMS (Indice de maturité et de satisfaction) allant jusqu’à 10/10, une adoption immédiate des agents co-construits, et 81,8 % d’autonomie post-formation. La recette n’est pas secrète, elle est méthodique : diagnostic, co-construction en sprints, accompagnement dans la durée.

Abonnez-vous maintenant

Pour comprendre comment Rietsch & Co. accompagne les dirigeants d'ETI sur ces questions, rendez-vous sur notre site web rietsch.co.

Le piège classique consiste à vouloir « déployer » l’IA comme on déploie un ERP ou un CRM.

Comme le souligne une étude du MIT Sloan Management Review et du BCG (2024), plus de deux tiers des projets d’IA échouent non pas pour des raisons techniques, mais parce que les organisations tentent de les traiter comme des projets informatiques classiques.

1. L’IA est déjà dans l’entreprise, mais hors radar

Ce n’est plus un secret. Dans la majorité des organisations, les collaborateurs utilisent déjà des outils d’IA générative — souvent sans cadre formel. Ce phénomène de « shadow AI » s’étend rapidement : selon le rapport de Microsoft Work Trend Index (octobre 2025), 78 % des cols blancs en Europe déclarent utiliser l’IA au travail sans directive explicite de leur entreprise.

Ce mouvement spontané confirme deux choses : une appétence forte pour ces nouveaux outils, et un décalage entre l’usage réel et la gouvernance formelle.

Dans une direction marketing d’un assureur indépendant que nous accompagnions début 2026, un constat a surpris le COMEX : près de 40 % des équipes utilisaient déjà des outils d’IA générative.

Chez eux, sans cadre.

Sans coordination.

Sans partage.

Au-delà des risques liés à la sécurité des données (confirmés par la CNIL dans son rapport sur les usages de l’IA au travail, 2025), nous avons observé des gains individuels réels : temps, qualité, confort, mais aucune transformation visible à l’échelle de l’organisation.

Autrement dit : de la valeur, mais non captée…

2. L’IA touche tous les métiers, simultanément

Contrairement aux transformations précédentes (ERP, CRM, etc.), l’IA ne cible pas une fonction : elle traverse toute l’organisation : marketing, RH, finance, commerce, opérations.

Gartner (2025) note ainsi que “l’adoption de l’IA générative suit des logiques horizontales, non hiérarchiques”, impactant aussi bien les directions support que les métiers de terrain.

Chacun explore, teste, bricole. Mais sans mise en commun, chaque équipe réinvente des usages existants, commet les mêmes erreurs, et plafonne rapidement.

Vous avez une somme d’initiatives individuelles, sans effet collectif…

3. L’adoption ne suit pas une logique de projet, mais une logique sociale

Trois années de terrain nous l’ont confirmé : ce qui déclenche l’adoption de l’IA générative en entreprise, ce n’est pas une formation, un outil, ni une directive. C’est voir un pair réussir.

Ce constat rejoint les travaux de l’Université d’Oxford (Centre for Digital Transformation, 2025) : l’adoption de l’IA dépend davantage des dynamiques de confiance et d’imitation entre pairs que des directives top‑down.

• Un commercial qui prépare ses rendez-vous deux fois plus vite.

• Un manager qui structure ses feedbacks avec plus de clarté.

• Un consultant qui rédige une note en une heure au lieu d’une demi-journée.

À partir de là, tout s’enchaîne : observation, imitation, adaptation, appropriation.

L’adoption de l’IA est fondamentalement virale.

Le basculement à opérer : passer du déploiement à l’orchestration

La question n’est plus : « Quel outil devons‑nous déployer ? »

Mais : « Comment créons‑nous une dynamique d’adoption qui se propage d’elle-même ? »

McKinsey (2025) parle de « culture d’exploitation distribuée » pour désigner ce moment où la valeur de l’IA émerge de la coordination des usages, non de la centralisation des outils.

Le rôle de la direction change alors profondément : il ne s’agit plus de définir, contrôler, imposer, mais de créer les conditions pour que l’adoption émerge et s’accélère.

Concrètement, que doit faire une direction aujourd’hui ?

#1 | Activer les pionniers

Identifiez vos profils avancés. Selon les travaux de l’INSEAD (2024), ce sont eux qui jouent un rôle clé de champions d’adoption dans les transformations numériques rapides. Donnez-leur de la visibilité, du temps et des licences. Plus que des experts techniques, ce sont des déclencheurs d’usage.

#2 | Rendre les usages visibles

Tant que les pratiques restent personnelles, elles ne diffusent pas. Les entreprises performantes sur l’adoption de l’IA (IBM Global AI Adoption Index, 2025) investissent dans la mise en scène de leurs cas d’usage internes : démonstrations courtes, retours d’expérience et partages transverses. L’objectif n’est pas de former, mais d’inspirer.

#3 | Structurer l’échange entre pairs

Créez des espaces simples : communautés internes, rituels courts, forums d’usages, pour nourrir des boucles d’apprentissage horizontales. C’est là que l’innovation devient collective.

#4 | Sécuriser sans freiner

Le rôle de la direction reste essentiel : protéger les données et garantir une cohérence globale. Mais comme le rappelle la CNIL (2025), le sur‑encadrement tue l’expérimentation, tout comme l’absence de cadre crée des risques. L’équilibre consiste à sécuriser l’essentiel, et laisser vivre le reste.

Conclusion : Ce qui fera la différence

Les entreprises gagnantes ne seront pas celles qui auront « déployé l’IA », mais celles qui auront su capter les initiatives existantes, les rendre visibles, puis les amplifier.

En un mot : elles n’auront pas imposé l’IA. Elles auront créé les conditions pour qu’elle s’impose d’elle-même.

Maintenant, c’est à vous de jouer !

Vous vous interrogez sur l’usage concret de l’IA dans votre entreprise ?

Chez Rietsch & Co., nous aidons les directions à transformer la complexité en clarté, en conjuguant rigueur stratégique, innovation maîtrisée et ancrage humain.

Échangeons sur les leviers actionnables dans votre contexte — Nous serons ravis de partager notre retour d’expérience.

Prendre contact avec Rietsch & Co.

Bibliographie

MIT Sloan Management Review & BCG (2024). The State of AI in the Enterprise 2024.

Gartner (2025). AI Maturity Model: From Tools to Transformation.

CNIL (2025). Rapport annuel sur les usages de l’intelligence artificielle en milieu professionnel.

Oxford University Centre for Digital Transformation (2025). Peer Learning Dynamics in AI Adoption.

McKinsey Global Institute (2025). Unlocking Distributed Value in the Age of AI.

INSEAD (2024). Digital Leadership and the Role of Early Adopters.

IBM Global AI Adoption Index (2025). AI Adoption Trends and Organizational Readiness.

Cet article a été développé avec le support d’une IA Générative. Cette approche s’inscrit dans le cadre de nos efforts de R&D visant à explorer les opportunités offertes par l’IA pour améliorer nos services. N’hésitez pas à nous solliciter pour toute question.

Depuis deux ans, au sein de la plupart de nos entreprises clientes, la conversation sur l’IA Générative est dominée par la technologie. “Nouveaux modèles”, “nouveaux outils” , “nouveaux cas d’usage”….

Cette focalisation est compréhensible car la technologie est en effet spectaculaire. Les démonstrations sont impressionnantes. Les gains de productivité sont immédiats, nous le prouvons tous les jours depuis 3 ans.

Mais… ce débat rate selon nous l’essentiel. Le véritable enjeu de l’IA générative n’est pas technologique. Il est organisationnel et stratégique.

Autrement dit :

L’IA n’est pas difficile à adopter. Elle est difficile à absorber.

La plupart des entreprises disposent déjà des outils. Mais très peu possèdent l’organisation capable d’en extraire un avantage compétitif durable.

Les chiffres sont assez révélateurs : près de 90 % des organisations utilisent aujourd’hui l’IA dans au moins une fonction, mais seules une minorité réussissent à en tirer un impact réel sur la performance (LabSense).

Le problème n’est donc plus l’accès à la technologie. Il est beaucoup plus profond : les entreprises avancent avec une technologie du futur et une organisation du passé.

L’IA redessine la productivité du travail intellectuel

La révolution actuelle ne concerne pas seulement l’automatisation. Elle concerne la productivité du travail intellectuel.

Pendant deux siècles, les révolutions technologiques ont principalement transformé le travail physique :

• machines industrielles,

• automatisation,

• robotisation.

L’IA générative est différente.

Elle agit sur :

• la production de connaissances,

• l’analyse d’informations,

• la rédaction,

• la conception,

• la prise de décision.

Autrement dit : le cœur même de la knowledge economy.

Les estimations économiques donnent une idée de l’ampleur du phénomène.

L’IA générative pourrait générer jusqu’à 4,4 trillions de dollars de valeur annuelle, en grande partie grâce à l’amélioration de la productivité des travailleurs du savoir (makebot.ai). Mais ce potentiel ne se matérialisera pas automatiquement.

Pour une raison simple : les organisations actuelles ne sont pas conçues pour fonctionner avec des systèmes cognitifs augmentés.

Pourquoi les organisations ne sont pas prêtes ?

1. Une gouvernance encore immature

Dans beaucoup d’organisations, l’IA est traitée comme un sujet IT, un sujet innovation ou un sujet data. C’est insuffisant.

La création de valeur dépend aujourd’hui de décisions stratégiques qui relèvent du COMEX :

• où concentrer l’augmentation cognitive

• quelles fonctions transformer en priorité

• quels actifs de données protéger et développer.

Pourtant, la gouvernance reste souvent fragmentée. De nombreuses entreprises déploient l’IA sans structure claire de pilotage, ce qui limite leur capacité à en maîtriser les risques et à industrialiser les usages (Alliancy).

Résultat : les initiatives se multiplient… mais la valeur reste marginale.

2. Des workflows conçus pour un monde pré-IA

Le deuxième blocage est plus invisible. Les processus de travail eux-mêmes n’ont pas été repensés alors que l’IA ne se contente pas d’accélérer les tâches existantes : elle change la manière dont le travail doit être organisé.

Prenons un exemple simple. Dans beaucoup d’entreprises, la production d’une analyse stratégique suit encore ce schéma :

Collecte d’informations > Analyse > Rédaction —> Validation.

Avec l’IA, cette logique change complètement.

L’analyse devient un dialogue continu entre humain et système :

• exploration rapide des hypothèses

• génération d’analyses intermédiaires

• itération accélérée.

Si l’organisation ne repense pas ses workflows, l’IA ne produit qu’un gain marginal.

Les entreprises qui captent réellement la valeur sont celles qui reconçoivent leurs processus autour de l’IA, pas celles qui ajoutent simplement un outil dans la chaîne existante (McKinsey & Company).

3. Un modèle de compétences en train de basculer

Troisième transformation : les compétences. L’IA redistribue profondément la valeur entre les métiers : Certaines tâches disparaissent, d’autres se transforment, de nouvelles capacités apparaissent.

Trois compétences deviennent critiques :

• la capacité à formuler les problèmes

• la capacité à orchestrer les systèmes d’IA

• la capacité à exercer un jugement stratégique

Dans ce contexte, la question n’est plus simplement :

Comment former les équipes à l’IA ?

Mais plutôt :

Quels métiers voulons-nous réellement augmenter ?

Certaines entreprises commencent déjà à restructurer leur organisation autour de ces nouvelles logiques. Par exemple, certaines firmes de conseil réorganisent leurs équipes en combinant collaborateurs humains et agents IA capables de réaliser des tâches analytiques à grande échelle (Business Insider).

Cela annonce une transformation plus large de la structure du travail.

Abonnez-vous maintenant

Les trois arbitrages stratégiques à trancher maintenant

Face à ces transformations, la question centrale pour les dirigeants n’est pas :

Faut-il adopter l’IA ?

La question est :

Où voulons-nous devenir structurellement supérieurs grâce à elle ?

Trois arbitrages stratégiques doivent être tranchés au niveau de la direction générale.

Où concentrer l’augmentation cognitive ?

Toutes les fonctions ne créent pas le même avantage compétitif.

Dans certaines entreprises, l’IA doit transformer :

• la R&D,

• la conception produit,

• l’ingénierie.

Dans d’autres :

• le marketing,

• la relation client,

• la vente.

L’erreur classique consiste à disperser les initiatives. La stratégie gagnante consiste à concentrer l’augmentation cognitive là où se joue la différenciation.

Quels workflows doivent être redessinés ?

L’IA devient réellement transformative lorsque les processus sont repensés.

Trois types de workflows sont généralement prioritaires :

1. production de connaissances

2. prise de décision opérationnelle

3. interaction client

Ces workflows concentrent souvent la majorité du travail intellectuel de l’entreprise.

C’est là que les gains de productivité — et donc les avantages compétitifs — peuvent être les plus significatifs.

Quelles capacités organisationnelles industrialiser ?

Enfin, l’IA impose de nouvelles capacités organisationnelles :

• gouvernance IA,

• architecture data,

• orchestration des modèles,

• gestion des risques.

Ces capacités deviennent rapidement des actifs stratégiques.

Les entreprises qui les construisent tôt disposent d’un avantage cumulatif.

Celles qui attendent devront rattraper plusieurs années d’apprentissage organisationnel.

Conclusion : L’IA est un arbitrage de direction générale

L’IA générative ne se résume pas à une nouvelle vague technologique. Elle transforme la productivité du travail intellectuel, la structure des organisations et les sources de l’avantage compétitif.

Les entreprises qui gagnent ne sont pas celles qui utilisent le plus d’outils. Ce sont celles qui prennent les bons arbitrages stratégiques :

• où concentrer l’augmentation cognitive,

• quels workflows transformer,

• quelles capacités organisationnelles construire.

Le véritable risque aujourd’hui n’est pas de rater une technologie. Le véritable risque est de laisser l’organisation d’hier freiner l’avantage compétitif de demain.

Maintenant, c’est à vous de jouer !

Vous vous interrogez sur l’usage concret de l’IA dans votre entreprise ?

Chez Rietsch & Co., nous aidons les directions à transformer la complexité en clarté, en conjuguant rigueur stratégique, innovation maîtrisée et ancrage humain.

Échangeons sur les options actionnables et sur la meilleure façon de décider vite, sans sacrifier la rigueur.

Prendre contact avec Rietsch & Co.

Bibliographie

McKinsey & Company. (2025). Superagency in the workplace: Empowering people to unlock AI’s full potential at work. (McKinsey & Company)

McKinsey & Company. (2023–2025). The economic potential of generative AI. (McKinsey & Company)

PwC. (2025). Stratégies d’entreprise à l’ère de l’intelligence artificielle. (pwc.fr)

Alliancy. (2025). IA générative : une adoption en forte hausse mais une gouvernance encore immature. (Alliancy)

Capgemini Research Institute. (2025). Exploiter la valeur de l’IA à grande échelle. (Capgemini)

Bpifrance. (2025). Bilan du déploiement des dispositifs de soutien à l’IA en France.
(Bpifrance Presse).

EngageHub. (2026). Forrester — Predictions 2026 AI/Automation. (EngageHub).

Cet article a été développé avec le support d’une IA générative. Cette approche s’inscrit dans le cadre de nos efforts de R&D visant à explorer les opportunités offertes par l’IA pour améliorer nos services. N’hésitez pas à nous solliciter pour toute question.

En 2025, nous avons volontairement (et radicalement) réduit notre présence publique. Une année de retrait pour étoffer notre équipe préparer un cap important : les 15 ans de Rietsch & Co.

Ces douze derniers mois ont été consacrés à nos clients et à la structuration de nouvelles offres autour de l’IA générative. Non par effet de mode, mais parce que cette technologie est profondément structurante : elle accélère les cycles de décision et redéfinit les avantages concurrentiels.

Dans ce contexte, pour 2026, la question n’est plus seulement quoi faire, mais comment décider. Comment arbitrer avec clarté et constance dans un environnement qui ne ralentit jamais.

C’est pour répondre à cette tension que nous avons réalisé la MAJ du Journal de bord du dirigeant. Un outil pensé pour reprendre la main sur le temps, les priorités et la qualité des décisions.

Ce journal s’appuie sur plus de dix ans de travaux en stratégie, organisation et leadership. Mais surtout, il est issu de la pratique : de nos usages, de nos accompagnements et des retours de dirigeants qui l’utilisent dans la durée.

Notre intention n’était pas de créer un outil de plus.
Mais un cadre simple, exigeant et réellement utilisable.
Pour être très clair : c’est notre outil de pilotage interne.

Une conviction issue du terrain

La performance ne vient pas de l’accumulation d’actions, mais de la qualité des choix et de leur mise en œuvre dans la durée.

Dans des organisations aux ressources contraintes, l’enjeu n’est pas de faire plus, mais de mieux arbitrer.
Structurer la réflexion, clarifier les priorités, ancrer des routines utiles.

C’est pour cela que le Journal de bord du dirigeant n’est ni un agenda, ni une to-do list, mais un outil de pilotage personnel.

Il crée des temps réguliers de recul, même lorsque l’agenda déborde.
Il encourage la clarté, l’honnêteté et la constance.

Penser et décider à la bonne échelle

De l’année au quotidien, le journal structure la réflexion selon les rythmes réels du leadership. Il aide à donner un cap clair, à arbitrer sur l’essentiel et à rester aligné entre priorités et agenda. À chaque niveau, il pose les bonnes questions. Non pour en faire plus, mais pour avancer dans la bonne direction.

Plus qu’un outil, il installe une discipline de pilotage. Avec des effets concrets : décisions plus claires, moins de dispersion, posture plus stable face à la complexité.

👉 Accéder au Journal de bord du dirigeant – Édition 2026.

Téléchargez votre journal de bord !

Une version papier est disponible dans nos bureaux dès la semaine prochaine, pour les plus motivé(e)s. Pour recevoir nos prochaines ressources dédiées aux dirigeants, vous pouvez vous inscrire à notre newsletter.

Maintenant, l’essentiel reste inchangé : c’est à vous de jouer !

—
L’équipe Rietsch & Co.

L'intelligence artificielle générative, en particulier, peut transformer les réponses en ressources précieuses pour les entreprises, à condition que les requêtes soient formulées de manière optimale. Pour maximiser la précision et la pertinence des réponses, il est impératif de suivre des critères rigoureux.

Voici les principaux points à considérer pour structurer efficacement vos requêtes et garantir des interactions productives avec l'IA.

1. Clarté et précision

Définir clairement l'objectif de la requête : Chaque requête doit avoir un objectif spécifique et bien défini. Par exemple, au lieu de demander simplement des informations sur le marché des technologies IA, précisez que vous souhaitez une analyse détaillée des tendances pour les cinq prochaines années.

Éviter les ambiguïtés : Utilisez un langage clair et précis. Les ambiguïtés peuvent conduire à des réponses imprécises ou inutiles. Soyez explicite dans vos demandes pour éviter toute confusion.

• Question : Quel est l'objectif principal de votre requête ?

  • Exemple : "Je souhaite obtenir une analyse détaillée des tendances du marché des technologies IA pour les cinq prochaines années."

2. Contextualisation

Fournir un contexte suffisant : Les informations contextuelles aident l'IA à mieux comprendre le cadre de votre requête. Par exemple, mentionnez que vous travaillez sur un rapport pour une entreprise B2B spécialisée dans les technologies IA.

Utiliser des exemples concrets : Illustrer vos points ou besoins spécifiques avec des exemples concrets rend votre requête plus compréhensible et plus facile à traiter pour l'IA.

• Question : Quel contexte ou arrière-plan est nécessaire pour comprendre votre requête ?

  • Exemple : "Je suis consultant en stratégie et transformation digitale, et je travaille sur un rapport pour une entreprise B2B spécialisée dans les technologies IA."

3. Structure logique

Segmenter les informations : Divisez votre requête en sections logiques telles que l'introduction, les détails, les questions spécifiques et la conclusion. Cette segmentation aide à organiser les informations de manière cohérente.

Prioriser les informations : Mettez en avant les informations les plus importantes pour faciliter le traitement. Une hiérarchisation claire permet de focaliser l'IA sur les aspects cruciaux de votre requête.

• Question : Comment pouvez-vous segmenter votre requête en sections logiques ?

  • Exemple : "1. Introduction, 2. Analyse des tendances, 3. Prédictions, 4. Recommandations."

4. Pertinence et spécificité

Poser des questions spécifiques : Les questions bien définies conduisent à des réponses plus précises. Par exemple, demandez "Quelles sont les principales tendances actuelles dans le domaine des technologies IA ?" plutôt que "Quelles sont les tendances technologiques ?".

Utiliser des termes techniques appropriés : Adaptez le vocabulaire en fonction du domaine. L'utilisation de termes spécifiques au secteur augmente la précision des réponses.

• Question : Quelles questions spécifiques voulez-vous poser à l'IA ?

  • Exemple : "Quelles sont les principales tendances actuelles dans le domaine des technologies IA ? Quelles sont les prédictions pour les cinq prochaines années ? Quelles recommandations pouvez-vous fournir pour les entreprises B2B dans ce secteur ?"

5. Formulation de la requête

Utiliser des phrases complètes : Les phrases bien structurées sont plus faciles à comprendre pour l'IA. Évitez les fragments de phrases ou les points trop abrégés.

Éviter les jargons excessifs : Tout en étant précis, restez compréhensible. Un langage trop technique ou jargonique peut être contre-productif.

• Question : Quelles questions spécifiques voulez-vous poser à l'IA ?

  • Exemple : "Quelles sont les principales tendances actuelles dans le domaine des technologies IA ? Quelles sont les prédictions pour les cinq prochaines années ? Quelles recommandations pouvez-vous fournir pour les entreprises B2B dans ce secteur ?"

6. Utilisation de données et de faits

Inclure des données pertinentes : Les statistiques et les faits concrets enrichissent la requête. Par exemple, mentionnez que "Selon Gartner, le marché des technologies IA devrait croître de 16 % par an jusqu'en 2025".

Citer les sources : Mentionner les origines des informations ajoute de la crédibilité à votre requête et facilite les vérifications.

• Question : Quelles données ou faits pertinents pouvez-vous inclure dans votre requête ?

  • Exemple : "Selon Gartner, le marché des technologies IA devrait croître de 16 % par an jusqu'en 2025."

7. Anticipation des résultats

Définir les attentes en termes de réponse : Indiquez clairement ce que vous attendez de l’IA en termes de format et de contenu. Par exemple, précisez si vous souhaitez une analyse détaillée ou un résumé succinct.

Spécifier le niveau de détail souhaité : Faites savoir si vous avez besoin d’une réponse succincte ou détaillée. Cela aide l'IA à calibrer ses réponses.

• Question : Quel niveau de détail attendez-vous de la réponse de l'IA ?

  • Exemple : "Je souhaite une réponse détaillée d'environ 1500 mots, avec des sections clairement définies et des sous-titres appropriés."

8. Feedback et itérations

Être prêt à affiner la requête : Après une première réponse, évaluez sa pertinence et ajustez votre demande si nécessaire. La flexibilité améliore la qualité des interactions.

Fournir du feedback : Indiquez à l’IA ce qui a bien fonctionné ou non pour améliorer les futures interactions. Le feedback constructif est essentiel pour un apprentissage continu.

9. Contexte de l’utilisateur

Décrire le profil de l’utilisateur : Mentionnez des détails sur l’utilisateur final, comme son niveau de connaissance sur le sujet, pour adapter la réponse. Par exemple, un cadre supérieur peut avoir besoin de synthèses claires et concises.

Spécifier l’usage de la réponse : Expliquez comment vous comptez utiliser la réponse pour que l’IA puisse s’adapter en conséquence. Cela peut inclure la préparation de présentations ou la rédaction de rapports détaillés.

10. Sécurité et confidentialité

Respecter la confidentialité : Ne partagez pas d’informations sensibles ou confidentielles sans les anonymiser. La protection des données doit être une priorité.

Prendre en compte les considérations éthiques : Assurez-vous que votre requête respecte les normes éthiques en matière de traitement de données. Cela inclut le respect de la vie privée et des règles de conformité.

En suivant ces critères, vous pouvez formuler des requêtes de haute qualité, parfaitement structurées pour être traitées efficacement par une intelligence artificielle générative. Cela vous permettra d’obtenir des réponses précises, pertinentes et adaptées à vos besoins, facilitant ainsi la prise de décisions informées et l’optimisation des processus au sein de votre entreprise. N'oubliez pas que chaque interaction est une opportunité d'apprentissage et d'amélioration continue pour vous et pour l'IA.

Maintenant, à vous de jouer !

Voici de quoi passer à l’action immédiatement :

• Exemple de requête structurée

• Trame de requête pour IA générative

Exemple de requête structurée

Read more

Conscient des enjeux de l’IA sur le marché du travail, un Master en communication numérique a fait le choix de se positionner comme un laboratoire d’innovation pédagogique, prêt à faire de l’IA un pilier durable de sa formation. Avec l’organisation d’un Bootcamp IA de deux jours, il ambitionne de former des communicants lucides, méthodiques et augmentés ; à l’aise dans leur époque et aptes à créer de la valeur et faire la différence.

Contexte client

Organisation : Université
Secteur : Enseignement Supérieur
Périmètre : Direction de Master - Communication Numérique
Taille : 18 apprenants dont 2 enseignants et 16 étudiants de Master 2
Prestation : Bootcamp IA - 2 jours

Consciente des évolutions rapides des métiers de la communication digitale à l’ère de l’IA, la direction du Master a souhaité anticiper l’impact de cette technologie sur les compétences clés du secteur et outiller les étudiants pour penser, maîtriser et intégrer l’IA dans leur future posture professionnelle.

Objectifs

Former les étudiants à la compréhension et à l’usage raisonné de l’IA dans le champ de la communication numérique.

Les objectifs associés :

• Acquérir les fondamentaux de l’IA générative — Comprendre les LLM, les principes de prompt design et les logiques d’interactions avec l’IA générative.

• Appliquer la méthode sur des cas d’usage métiers — Concevoir puis developper des agents IA spécialisés sur les processus clés de la communication numérique.

• Transférer une démarche reproductible — Structurer les usages de l’IA pour former des professionnels lucides, autonomes et en avance sur leur marché.

Feuille de route

Voici concrètement ce que nous avons réalisé au cours de ces deux jours de Bootcamp :

1. Diagnostic & cadrage — identifier les transformations majeures de la communication à l’ère de l’IA et poser les repères méthodologiques qui permettront aux futurs communicants d’en tirer parti.

2. Formation théorique — transférer les connaissances clés pour permettre aux jeunes professionnels de comprendre l’IA, ses enjeux et ses défis.

3. Explorations guidées — identifier les opportunités de l’IA comme un outil de production, mais aussi comme un cadre de pensée, d’analyse et de conception.

4. Mise en pratique & expérimentations — renforcer les capacités à cadrer, questionner puis orienter l’IA pour acquérir des compétences clés sur le marché du travail.

5. Bilan et transfert — outiller les étudiants et les enseignants pour prolonger la démarche : supports, vidéos, templates et grilles d’usage reproductibles, au service d’une autonomie durable.

Résultats

Notre Bootcamp a permis d’apporter :

• Une différenciation académique forte en abordant l’IA de manière concrète et pragmatique, au travers de réflexions stratégiques et d’études de cas.

• Une prise de conscience immédiate des opportunités, enjeux et défis de l’IA pour les professionnels de la communication.

• Une posture professionnelle plus affirmée pour les étudiants et leur capacité à transférer ces méthodes en entreprise dès demain.

Lecture du cabinet

Facteurs clés de succès

• Ouverture d’esprit sur les enjeux stratégiques de l’IA.

• Sponsoring fort de la direction auprès des étudiants.

• Démarche orientée pratique et non théorie.

• Co-construction impliquée et dynamique des parties prenantes.

• Intégration durable des pratiques abordées.

Enseignement clé

L’intelligence artificielle n’est pas qu’un outil de production, c’est également un levier de discernement. Elle apprend à conceptualiser, formuler, structurer et questionner — autant de compétences qui réaffirment le rôle stratégique du communicant du futur.

Maintenant, c’est à vous de jouer !

Vous vous interrogez sur l’usage concret de l’intelligence artificielle dans votre entreprise ou votre organisation ?

Chez Rietsch & Co., nous aidons les directions à transformer la complexité en clarté, en conjuguant rigueur stratégique, innovation maîtrisée et ancrage humain.

Échangeons sur les leviers actionnables dans votre contexte — nous serons ravis de partager nos retours d’expérience !

Prendre contact avec Rietsch & Co.

Cet article a été développé avec le support d’une IA générative. Cette approche s’inscrit dans le cadre de nos efforts de R&D visant à explorer les opportunités offertes par l’IA pour améliorer nos services. N’hésitez pas à nous solliciter pour toute question.

La personnalisation de l'IA par l'intégration d'instructions spécifiques permet d'adapter ses fonctionnalités aux exigences de chaque domaine, entreprise et situation. Ces instructions permettent de guider les réponses de l'IA Générative dans les nouvelles conversations. Cette démarche requiert une compréhension claire des attentes et du contexte d'utilisation. Cela prend du temps et implique un effort soutenu mais les bénéfices potentiels sont considérables.

La configuration des instructions personnalisées est un processus en deux étapes simples : intégration d'informations de base pour mieux comprendre votre profil, et définition de la façon dont l'intelligence artificielle générative créera son contenu.

1/ Intégrer vos informations de base

En fournissant à l'IA un cadre contextuel riche et détaillé, les entreprises peuvent non seulement améliorer la précision des réponses de l'IA, mais aussi aligner son fonctionnement sur leurs valeurs et objectifs stratégiques. Voici une synthèse des informations que je vous conseille de communiquer.

Read more

Contexte

La transition vers l'adoption de l'IA dans les entreprises ne se fait pas du jour au lendemain. Elle exige une compréhension profonde de votre position actuelle et de la direction que vous souhaitez prendre. Ce playbook est conçu pour les entreprises à différents niveaux de maturité en IA, depuis les organisations naissantes sans vision claire de l'IA, jusqu'aux leaders du secteur qui ont pleinement intégré l'IA dans leur stratégie globale.

Feuille de route

Dans le domaine évolutif de l'IA, une feuille de route stratégique est cruciale pour réussir. Elle doit détailler votre vision de l'IA, comment l'atteindre, et comprendre une mise en œuvre rigoureuse pour assurer la réussite. Ce cadre transforme les aspirations en actions, facilitant la transition vers un avenir où l'IA est un moteur d'innovation au sein de votre organisation.

Ambition 1: Définition de la Vision IA

Étape 1: Audit de la situation actuelle

• Objectif: Évaluer précisément où se situe votre entreprise en termes d'adoption et de compréhension de l'IA.

• Plan d’action :

  • Réaliser un inventaire des compétences IA présentes en interne.

  • Analyser les projets en cours ou passés liés à l'IA pour identifier les succès et les échecs.

  • Mener des entretiens avec les leaders clés de différents départements pour comprendre leurs perceptions et attentes vis-à-vis de l'IA.

Read more

Dans un monde où les opportunités digitales évoluent rapidement, il est crucial pour les entreprises de définir une feuille de route numérique claire. Cela permet non seulement d’anticiper les changements technologiques, mais aussi de mobiliser l’ensemble des parties prenantes autour d’une vision commune. Une feuille de route bien formalisée aide à structurer les initiatives digitales, à allouer efficacement les ressources et à mesurer les progrès réalisés.

Objectifs à atteindre

• Définir une vision stratégique numérique : Clarifier la direction que doit prendre l’entreprise dans son parcours de transformation digitale.

• Structurer les initiatives digitales : Organiser et prioriser les projets numériques pour une mise en œuvre efficace.

• Mobiliser les parties prenantes : Engager l’ensemble des équipes autour de la transformation digitale de l’entreprise.

Implications

• La réussite de ce module implique une collaboration étroite entre les différents départements de l’entreprise, un engagement de la direction et une communication claire et continue.

Plan d'action

Étape 1 : Définir votre vision stratégique numérique

◾️◽️◽️

Objectif : Clarifier la direction stratégique et les objectifs de la transformation digitale.

Étapes clés :

• Analyser l’environnement technologique et concurrentiel.

• Identifier les opportunités et menaces.

• Définir la vision numérique de l’entreprise.

• Fixer des objectifs clairs et mesurables.

• Communiquer la vision et les objectifs à toutes les parties prenantes.

Document de référence : Vision stratégique numérique

Read more

L'intelligence artificielle générative est aujourd'hui un levier puissant pour automatiser des tâches, analyser des données et générer du contenu de qualité. Pourtant, la pertinence des résultats dépend largement de la manière dont on interagit avec ces modèles. Un prompt mal formulé peut conduire à des réponses superfici…

Read more