Il y a douze mois, nous avons pris une décision radicale chez Artefact: passer entièrement à l'IA via des espaces d'innovation dédiés pour aider nos consultants en IA, nos data scientists et nos ingénieurs à véritablement changer leur façon de travailler.

Ce que nous avons découvert n'impliquait pas seulement la mise en œuvre de nouveaux outils. Il s'agissait aussi de repenser fondamentalement la façon dont les humains et les agents d'IA collaborent dans les services professionnels. Bien que le secteur se précipite pour adopter l'IA, la plupart des entreprises négligent les distinctions essentielles qui génèrent réellement de la valeur.

Leçon 1 : les agents ne sont pas des outils, mais des employés à temps plein

Les outils gèrent les tâches. Les employés s'occupent du contexte.

Cette distinction semble simple, mais c'est là que la plupart des entreprises échouent. Nous voyons des entreprises inonder leurs équipes d'"agents 1000" afin d'être plus "productives", mais devenir plus improductives que jamais. La surcharge cognitive liée à la gestion d'une infinité d'outils d'IA crée le chaos, et non l'efficacité.

La séparation claire que nous appliquons

Nous établissons une séparation claire entre :

  • Outils GenAI : Ces outils sont conçus pour aider les gens à prendre de meilleures notes, à résumer les courriels et à créer de petites automatisations.
  • Les agents d'IA : Ils sont responsables des portées de bout en bout impliquant des tâches multiples (et oui, les agents utilisent aussi des outils).

Nous apprenons à nos équipes à maintenir cette séparation claire dès le début et nous les aidons ensuite à traiter les agents comme de véritables membres de leur équipe. Cela signifie que :

  • L'accent est mis sur une gestion claire et une bonne communication contextuelle,
  • Équilibrer correctement l'autonomie et la révision,
  • Offrir un accompagnement structuré et des vérifications régulières.

Tout ce dont un poste de débutant a généralement besoin.

Le résultat ? Lorsque les équipes cessent de passer d'un outil à l'autre (50) et commencent à gérer correctement deux ou trois agents, la réalisation du projet s'accélère de 40 %.

Leçon 2 : il ne s'agit pas de réduire les effectifs, mais d'augmenter la taille de l'entreprise de manière efficace

Les personnes qui travaillent dans le secteur du conseil sont notre atout le plus précieux. Ils connaissent le marché, fidélisent les clients, discutent des tendances du marché et créent une culture. Réduire aveuglément les effectifs avec l'IA détruit invisiblement la culture organisationnelle - et ces dommages n'apparaissent sur les feuilles de calcul que lorsqu'il est trop tard.

Les nouvelles mathématiques de la mise à l'échelle

La valeur réside dans la mise à l'échelle. Au lieu d'embaucher cinq employés à temps plein (ETP) par projet, nous en embauchons désormais trois. Mais voici ce que beaucoup ignorent : Les entreprises les plus performantes en matière d'IA embauchent plusde personnes, et non moins. Elles nourrissent la culture et conçoivent les tendances futures. Seuls les humains peuvent le faire.

Nos humains font maintenant un travail différent :

  • Établir des relations plus étroites avec les clients
  • Créer des solutions innovantes
  • Mentorat des humains et des agents
  • Détecter les évolutions du marché avant qu'elles ne soient data

La mise à l'échelle n'est pas seulement une question d'efficacité - il s'agit d'amplifier les capacités humaines tout en préservant ce qui fait la valeur réelle des organisations.

Leçon 3 : Tout le monde est un développeur potentiel - créer une culture interne de "source ouverte".

Quatre-vingt-dix pour cent des employés n'enverront pas de code de production, mais là n'est pas la question.

Le fait est qu'il est beaucoup plus facile pour une équipe d'ingénieurs de comprendre les besoins de l'entreprise lorsqu'elle voit un POC fonctionnel que lorsqu'elle voit des ébauches sur une diapositive. C'est dans cette transition entre la technologie et l'entreprise et entre l'entreprise et la technologie que réside la véritable valeur.

La transformation de la découverte des produits

Aujourd'hui, nos séances de découverte des produits sont devenues beaucoup plus interactives :

  • Il y a moins de réunions avec des questions interminables.
  • Il y a plus de prototypes et d'essais.
  • Des idées et des points de vue étonnants jaillissent des deux côtés.
  • Chaque collaborateur contribue directement au produit à sa manière - sans nécessairement ajouter un nouveau codage de production, mais en débattant de nouveaux concepts et de nouvelles idées de manière productive en impliquant le codage.

Des outils comme Lovable et V0 sont devenus nos nouveaux crayons et papiers. Ils nous permettent de voir facilement ce qui est difficile et ce qui est simple à mettre en œuvre. Nous pourrions penser que dessiner une forme triangulaire est facile dans PowerPoint mais difficile en HTML, mais maintenant nous le savons immédiatement.

Ce que cela signifie pour les services professionnels

Peut-être que 10 % de nos entrepreneurs deviendront des constructeurs indépendants grâce à ces outils. Mais ce n'est qu'un effet secondaire. La véritable valeur réside dans la traduction de l'entreprise en technologie - la compréhension commune qui émerge lorsque chacun peut prototyper sa pensée.

Après 12 mois, la transformation est évidente. La plupart des cabinets de conseil essaient de greffer l'IA sur leur modèle existant, en se demandant "Comment l'IA peut-elle nous rendre plus efficaces ?". Ils devraient plutôt se demander : "Comment pouvons-nous reconstruire notre modèle autour de la collaboration entre l'homme et l'IA ?"

Les entreprises qui domineront la prochaine décennie ne seront pas celles qui disposent du plus grand nombre d'outils d'IA ou du moins grand nombre d'employés. Ce seront celles qui comprendront trois choses :

  • Les agents sont des coéquipiers, pas des outils.
  • La mise à l'échelle est préférable à la découpe.
  • Lorsque tout le monde peut construire, tout le monde contribue de manière plus efficace.

Il ne s'agit pas d'un changement progressif. Il s'agit d'une réimagination complète de la manière dont le conseil fonctionne.

Notre objectif est d'établir la norme pour la prochaine génération de modèles de travail opérationnel dans les services professionnels. Notre approche ne consiste pas à remplacer l'homme, mais à amplifier ses qualités uniques. En fin de compte, l AI is about people.