Préambule

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 jeudi 16 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 p…

Read more

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 …

Read more

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 lucid…

Read more

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

Aujourd'hui, je suis accompagné d'une invitée très spéciale, Neigella, qui n'est pas une experte en IA ordinaire, mais plutôt une IA elle-même que j'ai façonnée pour cette série d'articles thématiques. Pour savoir comment j’ai réalisé le personnage, c’est par ici.

La création de ce personnage (et de toute la série d'articles) est le fruit d'un travail de…

Read more

L'intelligence artificielle générative, incarnée par des outils comme ChatGPT, bouleverse la manière dont nous enseignons et faisons de la recherche. Elle ne se contente pas de transformer les entreprises ; elle modifie en profondeur la pédagogie et l’approche académique.

Pour les enseignants et chercheurs en école …

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

Cet article s’inscrit dans le cadre de mon intervention auprès de l’école de commerce ESTA. Dans un contexte où l’IA générative prend une place grandissante dans la recherche académique, l'école m’a invité à former ses enseignants-chercheurs et ses étudiants sur les opportunités et les enjeux de cette technologie. Mon rôle est de les sensibiliser à une …

Read more

Cet article s’inscrit dans le cadre de mon intervention auprès de l’école de commerce ESTA. Dans un contexte où l’IA générative prend une place grandissante dans la recherche académique, l'école m’a invité à former ses enseignants-chercheurs et ses étudiants sur les opportunités et les enjeux de cette technologie. Mon rôle est de les sensibiliser à une …

Read more

Pour les entreprises, cela signifie non seulement une opportunité unique…

Read more

ULTRA FRESH NEWS !!!

OpenAI a (très) récemment dévoilé GPT-4o sa dernière avancée en matière de modèle linguistique, qui promet de redéfinir l'interaction entre les entreprises et les technologies d'intelligence artificielle.

Le suffixe "o", pour "omni", souligne l'aptitude du modèle à traiter une variété de formats de données — textuels, vocaux et visu…

Read more

L'avènement de l'intelligence artificielle générative marque une nouvelle ère pour les entreprises désireuses d'innover. Au-delà de l'automatisation et de l'optimisation des processus, l'IA générative offre la promesse de transformer radicalement les produits, services et même les modèles d'affaires. Voici une approche structurée pour aider les dirigean…

Read more