Lorsque nous avons commencé à parler d’IA avec les Big Four, les échanges sont entrés dans le vif du sujet étonnamment vite. Pas de longue introduction, pas besoin d’expliquer l’importance de l’IA. Presque immédiatement, les associés et les consultants seniors ont commencé à parler de ce qui occupait réellement leur temps. Non pas la prise de décision ou la compréhension des résultats, mais la préparation. Extraire des données de différents systèmes. Harmoniser les chiffres. S’assurer que les analyses respectaient les normes internes avant même de pouvoir réfléchir à ce que signifiaient les résultats.
Ce qui nous a frappés, c’est qu’aucune de ces tâches n’avait peu de valeur. Elles étaient nécessaires. Mais aussi épuisantes. Des personnes très expérimentées passaient une grande partie de leur journée simplement à réunir les conditions pour que le véritable travail de réflexion puisse commencer.
Au fil des échanges, ils ont recensé bien plus que quelques dizaines de processus dans lesquels l’IA pouvait jouer un rôle. Production de rapports, conformité, contrôles financiers, analyse fiscale, revues internes. En apparence, cela ressemblait à un problème classique d’automatisation. Ce n’en était pas un.
La plupart de ces processus disposaient déjà d’outils, de modèles et d’une automatisation partielle. Ce qui ralentissait tout se jouait entre les étapes. Changer de contexte. Rapprocher les résultats. Exercer son jugement de manière cohérente à partir d’informations fragmentées. Le véritable coût n’était pas seulement le temps, mais la charge cognitive.
C’est alors que notre manière de poser le problème a changé.
Au lieu de nous demander comment l’IA pouvait effectuer le travail de bout en bout, nous avons commencé à nous demander comment elle pouvait aider les personnes qui s’en chargeaient. Et si l’IA pouvait prendre en charge les tâches qui épuisent, sans leur retirer le contrôle ? Et si elle pouvait préparer des ébauches structurées, mettre en évidence les incohérences et rendre son raisonnement visible, pour que les experts puissent se concentrer sur leur jugement plutôt que sur la préparation ?
Une fois cette approche déployée, ses effets sont devenus tangibles.
Dans l’ensemble des équipes, les délais de réalisation des travaux d’analyse récurrents ont diminué de 80 à 90 pour cent. Les erreurs manuelles, notamment dans les processus nécessitant de nombreux rapprochements, ont nettement reculé. Tout aussi important, les livrables sont devenus plus homogènes entre des équipes qui abordaient auparavant le même travail de façons légèrement différentes. En moyenne, les consultants ont récupéré environ 40 à 50 heures par mois, qu’ils pouvaient désormais consacrer à une réflexion à plus forte valeur ajoutée.
Mais le changement le plus intéressant ne se trouvait pas dans les chiffres.
Il se trouvait dans la manière dont les gens parlaient de leur travail. Les revues sont devenues plus sereines. Les discussions, plus ciblées. Les responsables seniors chargés des revues passaient moins de temps à vérifier que tout était correct et davantage à discuter de ce que signifiaient réellement les résultats.
Avec le temps, le système a cessé d’être perçu comme un outil qu’il fallait utiliser. Il est devenu une manière commune de travailler, intégrant discrètement la façon dont les décisions étaient prises pour la refléter dans les analyses suivantes.
Cette expérience a aussi renforcé une conviction que nous avons depuis longtemps. Les progrès vers une intelligence plus générale ne viendront pas de systèmes qui cherchent à remplacer les experts dans des domaines complexes. Ils viendront de systèmes qui lèvent les obstacles à la réflexion des experts et l’amplifient.
Dans ces missions, l’IA a créé de la valeur non par son autonomie, mais par sa capacité à collaborer. Elle ne prenait pas les décisions à la place des personnes. Elle les aidait à en prendre de meilleures, plus vite.
S’il y a un premier indice de ce que les systèmes de type AGI apporteront en priorité, c’est ici qu’il se trouve. Non pas dans l’automatisation complète, mais dans le soutien au jugement humain à grande échelle.
C’est ce passage de l’automatisation à l’amplification des capacités humaines qui a fait la différence.
