Les signaux du changement

Pourquoi une force de vente bien équipée passe-t-elle si peu de temps face au client, et faut-il s'en inquiéter ? Le chiffre du tiers vient d'enquêtes d'éditeurs d'outils de vente qui comptent la prospection comme de la vente et la préparation d'une offre comme du temps hors vente ; il ne mesure ni le temps perdu ni les erreurs réparées. En France, près d'un projet de recrutement de technico-commercial sur deux est jugé difficile avant même d'être lancé : chaque heure de commercial en poste coûte plus cher à remplacer qu'à retrouver.

Une voix soutient que le temps est absorbé par le système et par les outils eux-mêmes ; l'autre, que le pourcentage de temps à vendre ne juge rien et que le service, la préparation, la coordination sont la vente dans les métiers techniques. La recherche en gestion lui donne raison sur un point : la valeur du service dépend du poste, il n'existe pas de proportion universelle. Trois diagnostics récents, dans trois organisations, montrent ce que le temps hors client contient aussi : des factures fausses, des livraisons erronées, des avoirs négociés, des alertes internes ignorées jusqu'à la réclamation du client. Les deux voix se rejoignent sur une distinction : une réparation peut être utile après coup, et sa cause évitable. Rien, dans un tableau de bord, ne sépare les deux.

Avant l'intelligence artificielle, une expérience de terrain publiée dans Management Science : le même outil d'IA de vente, déployé pendant cinq ans et demi dans un groupe pharmaceutique avec un groupe témoin. Quand le contexte de travail (procédure, autorité de décision, formation, incitations) n'était pas adapté aux vendeurs, environ un rendez-vous sur cinq de moins, et moins de ventes ; quand il l'était, plus de 40 % de rendez-vous en plus. Le contexte qui a dégradé les résultats était celui que la direction avait recommandé. Les vendeurs jugeaient l'outil excellent dans les deux cas.

Cinq décisions de management précèdent l'achat d'un outil : un standard de transfert des leads, un circuit court de validation des offres, un responsable unique par compte avec priorité sur les alertes internes, un contrôle de la facture avant émission, et l'écoute de ceux qui font le travail pour mesurer ce que le système n'enregistre pas.

Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Les études s'accordent sur un fait et se disputent sur une cause. Le fait : l'IA ne supprime pas l'emploi en bloc, mais les entreprises recrutent moins de débutants. À partir de données de paie couvrant des millions de salariés américains, des chercheurs de Stanford mesurent, dans les métiers les plus exposés à l'IA, un emploi des 22 à 25 ans près d'un cinquième sous ce qu'il serait s'il avait suivi celui de leurs pairs moins exposés ; l'écart passe par les embauches, pas par les départs, et les expérimentés ne montrent aucun écart comparable. Une étude de Harvard sur 62 millions de CV observe le même mouvement dans les entreprises qui adoptent l'IA générative. La cause : la Banque centrale de New York, sur les offres d'emploi, voit un recul des métiers exposés commencé avant ChatGPT et attribue l'essentiel de la hausse du chômage des jeunes diplômés au télétravail, parce qu'on forme mal à distance. En France, l'Apec attend pour 2026 une hausse de 16 % des recrutements de cadres de six à dix ans d'expérience, et de 1 % pour les moins de six ans, et l'attribue à la conjoncture.

Ce que toutes ces sources partagent, c'est le mécanisme : une entreprise ne recrute pas quelqu'un qu'elle ne peut pas former. Les internes en chirurgie robotique étudiés par Matt Beane n'apprennent plus dans l'acte quand la machine permet au chirurgien d'opérer seul. Un modèle économique récent (Enrique Ide, IESE) montre qu'automatiser les tâches d'entrée augmente la production immédiatement et peut réduire la croissance ensuite, parce que les débutants apprennent auprès de moins bons mentors, même si leur nombre ne baisse pas. Chaque entreprise a raison seule ; toutes ensemble assèchent le vivier où elles iront chercher leurs experts.

Le paradoxe : là où on l'a mesuré, l'IA aide d'abord les débutants. Dans un service client de 5 000 agents, un assistant génératif augmente les résolutions de 15 % en moyenne et de 30 % pour les moins expérimentés, avec peu d'effet pour les meilleurs ; les nouveaux atteignent en deux mois le niveau d'agents ayant plus de six mois d'ancienneté. L'outil relève le plancher, pas le plafond. Et c'est au nom de cet outil qu'on ne recrute plus ceux qu'il aide le mieux.

Les pistes pour redessiner le travail partent du travail plutôt que de l'effectif : décider à l'unité de la tâche, ajouter à chaque tâche d'exécution une question (est-ce qu'on y apprend quelque chose ?), organiser l'apprentissage qui n'est plus un sous-produit du travail, suivre les embauches de débutants et le temps de montée en compétence, donner au temps libéré une destination nommée. Et une question annuelle pour un comité de direction : quel poste ouvrons-nous à quelqu'un qui ne sait pas encore faire le travail ?

Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Le cloud a rendu l'infrastructure invisible : on s'abonne, on ne voit ni les lieux, ni les machines, ni les fournisseurs des fournisseurs. Avec l'intelligence artificielle, cette chaîne s'est allongée et concentrée. L'épisode la déroule maillon par maillon, sans jugement et sans alarme, pour que chaque dirigeant sache de quoi son entreprise dépend quand elle utilise l'IA.

La chaîne se pince à presque chaque étage. Les machines de gravure les plus avancées sortent d'un seul fabricant au monde, ASML. Environ sept puces logiques avancées sur dix proviennent de Taïwan, l'essentiel chez un seul industriel, TSMC (direction générale du Trésor, données 2022). Nvidia décrit dans son propre rapport réglementaire une chaîne d'approvisionnement concentrée en Asie : une puce américaine est un assemblage international. Et en France, trois fournisseurs américains ont capté quatre cinquièmes de la croissance des dépenses de cloud public (Autorité de la concurrence, avis de 2023, données 2021). Une entreprise qui s'abonne à un assistant d'IA hérite de tout cet empilement sans l'avoir choisi.

Cette concentration n'est pas une fragilité en soi : elle est le produit d'une efficacité industrielle réelle, et l'épisode ne prédit aucune rupture. Une dépendance est rationnelle quand elle est connue, proportionnée à la criticité de l'usage, contractualisée et substituable. Ce qui expose une entreprise, c'est de l'ignorer.

Trois leviers relèvent d'elle. Savoir où tournent ses traitements et sous quelle juridiction, en distinguant localisation physique, nationalité du fournisseur et droit applicable. Choisir son mode de déploiement, service fermé, poids ouverts ou installation sur site, en sachant que les poids ouverts déplacent la dépendance sans la supprimer. Préserver sa réversibilité avant que le verrouillage ne se construise, par les données stockées, les outils propriétaires et les compétences des équipes.

L'épisode se ferme sur trois questions à poser à ses propres projets : quelles dépendances sont critiques, lesquelles sont substituables, et combien coûterait réellement leur remise en cause.

Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Les projets d'intelligence artificielle se nourrissent de ce qui est déjà écrit : procédures, historiques, bases documentaires. Un modèle nourri des seules procédures apprend l'organisation telle qu'elle s'imagine, pas telle qu'elle fonctionne. Cet épisode dresse l'inventaire de trois familles de données que presque personne ne collecte.

La donnée de raisonnement, d'abord : les arbitrages que vos experts font chaque jour sans pouvoir les décrire. Michael Polanyi l'a posé dès 1966, nous en savons plus que ce que nous pouvons en dire ; Ikujiro Nonaka a montré que le passage du tacite à l'explicite est le maillon le plus difficile de toute gestion des connaissances.

La donnée d'articulation, ensuite : ce que l'usage réel des outils raconte, et que les compteurs de licences ne voient pas. Une étude de la Harvard Business School, publiée dans Organization Science, a suivi 758 consultants : sur les tâches où l'outil est compétent, ils travaillent environ un quart plus vite, avec une meilleure qualité ; sur une tâche choisie hors de ses capacités, ils produisent 19 % de bonnes réponses en moins. La carte de cette frontière, dans votre organisation, n'existe nulle part.

La donnée de terrain, enfin : les contournements installés, les doubles saisies, et les idées que vos équipes n'ont jamais eu l'occasion de proposer. La recherche sur la voix des employés montre que ce silence tient rarement à l'indifférence : il tient à la crainte d'être mal vu. Beaucoup d'organisations outillent la remontée des incidents ; presque aucune n'outille la remontée des idées.

Reste la question qui fâche : capter ces données sans basculer dans la surveillance. La réponse de l'épisode tient en un principe : l'anonymat se garantit par la conception du dispositif, jamais par une promesse.

Références citées : Fabrizio Dell'Acqua et al., « Navigating the Jagged Technological Frontier », Harvard Business School, Organization Science (https://ssrn.com/abstract=4573321) · Michael Polanyi, The Tacit Dimension, 1966 · Ikujiro Nonaka, « A Dynamic Theory of Organizational Knowledge Creation », Organization Science, 1994 (https://pubsonline.informs.org/doi/abs/10.1287/orsc.5.1.14) · Liang, Farh et Farh, Academy of Management Journal, 2012 (https://journals.aom.org/doi/10.5465/amj.2010.0176) · Milliken, Morrison et Hewlin, Journal of Management Studies, 2003 (https://onlinelibrary.wiley.com/doi/10.1111/1467-6486.00387).

Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Juillet 2024 : Lattice, éditeur de logiciels RH de la Silicon Valley, annonce fièrement des « employés numériques » avec dossiers RH, objectifs trimestriels et manager humain. Trois jours plus tard, face au tollé, tout est retiré. Ce fiasco ouvre la vraie question de l'épisode : un agent d'intelligence artificielle a-t-il besoin d'une fiche de poste ?

La réponse tient en deux mouvements. Oui, il faut spécifier, parce qu'un agent autonome ne porte plus un simple risque de contenu mais un risque d'exécution : il agit dans les systèmes, et il n'a ni bon sens ni implicite. Sa fiche de poste est une spécification technique : mission, périmètre d'autorité, sources de vérité autorisées, conditions d'arrêt, traçabilité des décisions. Le précédent Air Canada le rappelle : l'entreprise répond toujours de ses machines, le tribunal canadien a qualifié de « remarquable » l'argument du chatbot « entité séparée ».

Mais spécifier sans jamais déguiser. Une étude expérimentale de la Harvard Business Review (mai 2026, 1 261 managers) montre que présenter la même production comme celle d'un « employé IA » doté d'un prénom fait chuter la détection d'erreurs de près d'un cinquième, surtout là où l'IA figure déjà à l'organigramme, et dissout le sentiment de responsabilité. Le vernis social endort la vigilance.

Et le retournement final : selon l'enquête mondiale du MIT Sloan Management Review, 76 % des dirigeants voient déjà ces agents comme des collègues plutôt que comme des outils. La fiche de poste à réécrire d'urgence n'est peut-être pas celle de la machine, c'est celle des humains, dont le métier bascule de l'exécution vers la supervision, le jugement et la responsabilité.

Sources : Harvard Business Review, « Research: Why You Shouldn't Treat AI Agents Like Employees » (BCG Henderson Institute / Boston University), 6 mai 2026 — https://hbr.org/2026/05/research-why-you-shouldnt-treat-ai-agents-like-employees · MIT Sloan Management Review & BCG, « The Emerging Agentic Enterprise », 18 novembre 2025 — https://sloanreview.mit.edu/projects/the-emerging-agentic-enterprise-how-leaders-must-navigate-a-new-age-of-ai/ · Décision du Civil Resolution Tribunal de Colombie-Britannique, Moffatt c. Air Canada, février 2024.

Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Les directions mesurent le retour de leurs investissements d'IA avec trois instruments : le ressenti des équipes, la masse salariale, les tableaux de bord. Cet épisode les passe à l'épreuve des meilleures données de 2025 et 2026.

Le ressenti d'abord : dans l'essai contrôlé du laboratoire METR, des développeurs expérimentés étaient environ 20 % plus lents avec l'IA, en se croyant 20 % plus rapides. La masse salariale ensuite : selon l'enquête Gartner auprès de 350 dirigeants de grandes entreprises, huit organisations sur dix ont réduit leurs effectifs, sans corrélation avec le retour sur investissement, couper crée de la marge budgétaire, pas du retour. Les tableaux de bord enfin : l'enquête Adaptavist auprès de 2 500 travailleurs du savoir montre que plus de quatre sur dix passent plus de temps à vérifier ce que produit l'IA qu'ils n'en gagnent, un travail de reprise qu'aucune mesure ne voit.

Reste alors à mesurer le travail lui-même : l'épisode compare les méthodes disponibles, ce qu'elles voient et ce qu'elles ratent, jusqu'à la probable solution qui les départage, mesurer les tâches sans surveiller les personnes, avec un anonymat garanti par conception.

Sources : METR, essai contrôlé randomisé, juillet 2025 : https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/ · Gartner, enquête T3 2025, mai 2026 : https://www.gartner.com/en/newsroom/press-releases/2026-05-05-gartner-says-autonomous-business-and-artificial-intelligence-layoffs-may-create-budget-room-but-do-not-deliver-returns · Adaptavist via Attest, mars 2026 : https://www.adaptavist.com/blog/what-is-the-human-cost-of-ai-transformatio

Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Depuis le 2 août 2026, l'AI Act est entré en vigueur : les autorités peuvent enquêter et sanctionner. Cet épisode pose une grille de lecture pour les directions générales, juridiques et opérationnelles : la responsabilité suit l'usage que vous faites d'un système d'IA, pas l'outil que vous avez acheté. On y sépare le fournisseur du déployeur, on démonte le piège de l'article 25, et on chiffre l'enjeu. À la fin, un geste concret : cartographier ses usages pour savoir, pour chacun, de quoi l'on répond.

Nos derniers articles : https://www.spentia.com/?utm_source=podcast&utm_medium=show-notes&utm_campaign=signaux&utm_content=ep10

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

La plupart des directions croient contrôler l'usage de l'IA chez elles. Une part des équipes le dissimule pourtant, et on ne pilote pas ce qu'on ne voit pas. Cet épisode compare quatre méthodes pour cartographier l'usage réel de l'IA dans une organisation : le sondage, l'audit de maturité, la détection technique, et l'écoute du travail sur preuves. Chacune voit une chose et en manque une autre. La quatrième, celle que Spentia conduit, mesure ce que chaque tâche pèse et ce à quoi les équipes tiennent, la case que les trois autres laissent vide.
Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

On promet que l'intelligence artificielle permet à chacun de faire le travail d'un expert. Une étude de terrain menée chez IG, au Royaume-Uni, montre où cette promesse s'arrête : l'IA rapproche les métiers voisins, mais elle bute sur les métiers lointains, faute du savoir tacite qui permet de juger son travail. Cet épisode suit cette frontière, ce que l'expérience y change, et ce qu'elle implique pour une direction : lire le travail réel tâche par tâche, ce qu'il pèse et ce à quoi les équipes tiennent, avant d'automatiser quoi que ce soit.
Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Et si l'outil le plus puissant jamais créé pour booster notre créativité était aussi le plus grand moteur de médiocrité ?

Depuis fin 2022, l'IA générative nous promet une révolution. Mais derrière les gains de productivité spectaculaires se cache un paradoxe inquiétant : une tendance irrésistible à tout uniformiser, nous tirant vers une « moyenne » sans relief. Dans ce nouvel épisode de Spentia, nous décortiquons les signaux de ce grand lissage.

Découvrez au cours de cet échange :

• Le "GPS de la pensée" : Pourquoi déléguer notre réflexion nous fait perdre notre sens de l'orientation intellectuelle.

• La monoculture algorithmique : Comment la standardisation menace le recrutement, le code informatique et même nos croyances collectives.

• L'autophagie des modèles : Ce risque réel où l'IA, en se nourrissant de ses propres contenus, finit par produire une "bouillie synthétique".

• Le compost numérique : Et si cette simplification était en fait le terreau d'une innovation radicale pour ceux qui savent l'exploiter ?

De la scène musicale de 2026 à la résistance du label "fabrication humaine", plongez dans une analyse fascinante qui place l'humain au centre de l'équation. Serez-vous un consommateur passif ou un curateur actif de ce nouveau monde ?

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.