Analyse
Par Mo Kahlain
En collaboration avec 
Nora Inocta· agent IA
5 min de lecture
Partager Envoyer par courriel LinkedIn X PDF
L’entreprise d’une seule personne qui vaudrait un milliard fait rêver. Cette prévision laisse pourtant beaucoup de travail à définir pour le dirigeant qui doit faire fonctionner son entreprise demain matin.
Je travaille avec une flotte de 14 agents. Cette expérience me ramène aux décisions nécessaires autour de l’IA. Il faut savoir qui conserve le contexte, qui arbitre entre spécialistes et qui autorise une action. Quelqu’un doit répondre du résultat devant le client.
1. Une flotte d’agents demande une organisation
Un agent spécialisé reçoit un mandat plus précis. Il lui faut la bonne information et des responsabilités claires. Lorsqu’un dossier passe à un autre agent, les décisions déjà prises doivent suivre, avec leurs motifs et leurs limites.
La mémoire demande aussi du travail. Le contexte d’un modèle reste limité. Il faut retrouver et interpréter correctement l’information conservée ailleurs. Les notes persistantes, la recherche documentaire et la réduction du contexte sont des moyens de gérer cette contrainte.
Ajouter des spécialistes crée aussi des échanges à organiser. Leur nombre ne règle pas automatiquement le problème.
C’est là que la gouvernance de l’IA devient concrète. Une personne doit pouvoir déterminer quelle source fait autorité, corriger une consigne et suspendre une action. Elle doit aussi savoir quelles décisions la machine a prises et lesquelles attendent encore un jugement humain.
L’ambition d’une entreprise presque entièrement opérée par des agents vaut la peine d’être explorée. La prévision du milliard ne fournit ni règles de fonctionnement ni répartition des responsabilités.
2. Comprendre l’ensemble, puis changer une portion cohérente
Prenons une entreprise fictive de 20 millions de dollars de chiffre d’affaires, avec 100 personnes et 40 processus. Tout réinventer ignorerait ce qui permet déjà de servir ses clients. Des personnes connaissent les exceptions. Des systèmes conservent les engagements, et plusieurs équipes dépendent des mêmes informations.
Je commencerais par comprendre comment cette entreprise fonctionne aujourd’hui. Je suivrais un dossier réel, du besoin initial au résultat attendu, avec ses vérifications informelles, ses reprises et les personnes qu’on appelle devant une exception.
Dans leur article HBR, Masha Shunko et Serguei Netessine proposent de partir du résultat client et du parcours complet. Ils invitent à décider quoi conserver, repenser, simplifier ou retirer avant d’automatiser. Leur approche précise aussi l’autorité de l’IA et le traitement des exceptions. Leur texte n’impose pas de tout remplacer. Mon apport porte sur la transition à organiser.
Comme avec des blocs Lego, on peut repenser une portion du travail tout en préservant ses raccords avec le reste. Les outils, les données et le savoir-faire existants servent de points d’appui. Chaque changement doit préciser ce qu’il reçoit, ce qu’il transmet et qui intervient si quelque chose manque.
Voici un exemple illustratif, sans lien avec un mandat client. Un distributeur utilise un assistant pour rédiger plus vite les réponses aux demandes de soumission. Pourtant, les dossiers attendent toujours une confirmation de stock, une décision sur la marge ou une date de livraison. Le gain de rédaction ne suffit pas à transformer le processus.
L’équipe pourrait d’abord préparer un dossier complet pour le représentant. L’IA rassemble les renseignements disponibles, indique leur provenance et signale les éléments manquants. Le représentant conserve l’autorité sur le prix et les engagements. Les systèmes existants restent les sources des données commerciales et opérationnelles.
L’essai doit vérifier le délai jusqu’à une soumission utilisable, les corrections nécessaires et le respect des engagements. Il faut aussi tester un stock incertain, une condition inhabituelle et une demande qui exige une décision humaine. Si la préparation devient plus rapide mais surcharge la personne qui approuve, le problème a seulement changé de place.
Julian De Freitas ajoute une dimension utile dans HBR. Selon lui, le rôle du chatbot, ses limites, sa mémoire et les relais humains participent à la relation avec le client. Il examine aussi les ruptures de confiance lors des mises à jour et les tensions entre conseil et vente.
J’en retiens une exigence pour chaque changement : préserver la promesse faite au client. Les outils techniques ne la définissent pas à notre place.
Il faut donc évaluer le processus complet, même quand on n’en modifie qu’une portion. Les habitudes évoluent avec les essais, les corrections et les décisions de l’équipe.
3. Construire avec les personnes qui font le travail
Je privilégie une approche inspirée du rôle de Forward Deployed Engineer (FDE), l’ingénieur qui construit sur place, avec l’équipe. Cette personne étudie le problème, choisit les moyens techniques et accompagne les essais pour comprendre les opérations par l’usage.
Je propose des cycles de travail de 30 jours. Cette cadence sert à produire des éléments vérifiables et à décider. Le périmètre, les accès et les risques peuvent exiger davantage de temps. Une promesse de résultat uniforme serait peu crédible.
Au départ, le responsable du processus et l’équipe suivent des dossiers réels. Ils choisissent une portion, établissent le point de départ et nomment qui décidera de poursuivre. Ils s’entendent sur les critères de réussite et d’arrêt, y compris les effets sur les équipes voisines.
L’équipe construit ensuite un premier fonctionnement testable. L’équipe précise les données autorisées, les validations humaines et le retour à la façon de faire actuelle. Les essais utilisent des cas ordinaires et des exceptions connues. Des accès ou des données insuffisants pour tester deviennent aussi un constat du cycle.
Avant la fin du cycle, les personnes concernées essaient la portion construite dans les conditions autorisées. On compare les résultats au point de départ, puis on consigne les erreurs et la charge de supervision.
Le cycle se termine par une portion testée, ou par une décision d’arrêt appuyée sur les constats. La mise en service dépend des preuves obtenues.
Un projet ERP, une subvention ou un conseiller peut aider. Le responsable interne reste celui qui connaît les conséquences et tranche. Je refuse d’attendre un an de planification avant de réunir ceux qui comprennent le travail et ceux qui vont construire.
Vous envisagez d’intégrer l’IA à vos opérations ? Réservez une première conversation avec inocta.io. Nous parcourrons la méthode et regarderons si elle convient à votre entreprise.
Recevez la prochaine note de terrain par courriel. S'abonner au Signal
