En inondant le marché de stratégies génériques, ils ne prouvent pas leur efficacité : ils détruisent la valeur de leur parole. Ce "Consulting Slop" dépasse le simple conseil en entreprise. Il irrigue la société et nous promet un débat catastrophique pour 2027, où l’adaptation de la France à un monde d’IA sera le principal sujet.
Face à ce risque, la seule posture est de revenir à une réflexion plus profonde, aux racines de l'expertise.
C’est en passant une tête à la conférence Adopt AI, qui avait lieu au Grand Palais, que j’ai eu envie d’écrire sur ce sujet. On était dans un environnement radicalement différent du Web Summit, plutôt franco-français, et où le conseil avait toute sa place.
Pour le monde du conseil, le vrai danger n’est pas le spectre d’une bulle de l’IA, mais que trois ans après la sortie de ChatGPT, les promesses faites sur une nouvelle forme de performance ne soient pas tenues et commencent à être remises en cause par les clients.
Je mets de côté l’idée d’un cerveau d’entreprise géré par l’IA , qui m’a toujours fait tiqué , pour rappeler trois promesses difficiles à tenir dans le monde réel.
1. Automatisation du Service Client par les chatbots
- Promesse : Remplacement massif des agents de call center pour une réduction des coûts immédiate.
- Réalité : Les systèmes n'ont pas réussi à gérer les requêtes complexes ou émotionnelles, transférant les clients frustrés aux agents humains.
- Bilan : Augmentation des coûts de maintenance (licences d'IA) et dégradation de l'expérience client.
2. Maintenance Prédictive Industrielle
- Promesse : Éliminer les pannes imprévues grâce à l'analyse des données de capteurs (IoT), garantissant un temps de fonctionnement maximal.
- Réalité : Coût d'infrastructure (capteurs) exorbitant et manque de données historiques de panne pour fiabiliser le modèle.
- Conséquence : Des alertes inutiles (faux positifs) qui ont fait perdre du temps aux techniciens et ont érodé la confiance dans l'outil.
3. Recrutement Automatisé
- Promesse : Trier des milliers de CV de manière équitable et ultra-efficace pour trouver les meilleurs talents.
- Réalité : Les outils, entraînés sur l'historique de l'entreprise (souvent biaisé), ont simplement reproduit et amplifié les discriminations passées (biais algorithmique).
- Résultat : Écarts de candidats non justifiés et risque de crise réputationnelle majeure.
Évidemment, certaines implémentations ont réussi à trouver leur niche, mais c’est parce que la mise en œuvre intégrait des fail safe, et ne faisait pas une confiance aveugle en l’IA.
Seth Fiegerman
La partie retour sur investissement devient l'obsession de la presse US
On m’a souvent demandé cette année d'intervenir, non pas pour faire du conseil, qui n'est pas mon métier, mais pour aider les gens à définir leurs demandes et leurs besoins. Car quand on écoute le discours ambiant et certains posts dithyrambiques, il faut l'avouer, ça devient de plus en plus compliqué de faire son choix.
Quelqu'un disait avec justesse dans la Silicon Valley : « Une idée ne vaut rien, ce qui vaut, c'est l'exécution. » Curieusement, l'IA a remis entièrement en question ce paradigme. Aujourd'hui, l'idée, c'est tout, parce que la pré-exécution, celle qui consiste à faire un prototype, est désormais commoditisée par l’IA.
La question, c'est d'avoir de bonnes idées. Et pour avoir de bonnes idées, la première des choses, c'est de sortir le nez de son IA et de réfléchir plus en amont.
C'est ce que j'essaie de faire chaque semaine avec cette newsletter.
Et cette semaine, j'essaie de comprendre avec vous cette question qui m'interpelle.
- Pourquoi les consultants passent-ils autant de temps à détruire tout ce qui fait leur valeur dans leur communication et dans leur exécution ?
- Comment est-on passé d'un domaine où le risque était un risque d'exécution à désormais un risque de réflexion en amont et de stratégie ?
J’ai toujours apprécié les nombreux consultants qui sont dans la prudence, et qui ont eu l’humilité de se dire qu’il fallait tout réapprendre. Et qui valorisent la relation humaine.
Pourquoi pensez-vous que j’ai mis du temps à m’exprimer sur le sujet ?
Développer une expertise ne suffit pas, il faut développer un instinct et ça ne peut passer que par l’expérience des outils. C’est dur, à un moment où la machine à marketing folle de l’IA est devenue difficile à résister.
Cette semaine, cassons quelques mythes.
Le mythe du S-1 en 1 minute
Je me rappelle la scène, il y a quelques semaines. J'étais invité à un dîner d'entrepreneurs et d'acteurs de la tech, très sympathique. Parmi les invités, il y avait une personne dont le métier est de créer et d'aider les entreprises à s'introduire en bourse aux États-Unis.
J'ai pris l'habitude d'être prudent, mais je lui demande ce qu’elle pense de ce que j'ai lu dans la presse : cette idée que ChatGPT a pu écrire en une minute tout un S-1 (le document d'introduction en bourse) pour une entreprise.
Paolo Confino
Je l'ai vue lever les yeux au ciel, puis elle a répondu à ma provocation avec le sourire : « Vous savez, un S-1, tout est écrit, lu et relu des dizaines de fois. Le vrai sujet, la vraie complexité, ce n'est pas l'écriture, mais bien de construire l'equity story et toute l'histoire qui va avec. C’est pour cela que les banques d’affaires sont payées aussi cher.»
J’étais évidemment d’accord avec elle, mais si je l'avais vraiment cru, j'aurais été une nième victime de ce que j'appelle le Consulting Slop.
Les légendes urbaines de la productivité
Toutes ces légendes urbaines qui circulent pour donner l'illusion qu'on n'a plus besoin de personnes sur des tâches critiques, notamment dans le conseil, sont assez troublantes.
Pour se rassurer, la dernière mode, semble-t-il, est d'expliquer qu'on n'a plus besoin de juniors mais que les seniors, eux, n’ont rien à craindre.
Je suis abasourdi parfois quand je vois l’énergie qui est mise à l’œuvre au service de la désacralisation du travail professionnel : dans le conseil, la médecine, la recherche, et même dans le code. On construit ces réflexions sur des mythes qui deviennent l'idéologie officielle sur laquelle on s'appuie pour ensuite conseiller les entreprises.
Évidemment, malgré la folie de l’IA, la Silicon Valley ne fait pas du tout la même chose.
Le secret oublié de la Valley : La redondance
Pendant longtemps, la vision capitaliste de la performance consistait à "enlever le gras", c’est-à -dire licencier. C’est l’essence même de la logique private equity qui permet de valoriser une entreprise sur la baisse de la masse salariale. En France, on a trouvé un modus operandi dans nos grandes entreprises.
On préfère ne pas trop toucher aux emplois, par contre on donne tous les dividendes aux fonds de pensions et autres acteurs du PE. Une des raisons de notre manque de souveraineté, faut-il le rappeler, c’est que nous travaillons pour des actionnaires étrangers qui attendent impatiemment leurs plus-values chaque année. L’argent n’est pas remis suffisamment dans la R&D. (Relire le rapport Draghi.)
Mais aux États-Unis, et notamment dans la tech, le licenciement est un outil stratégique qui est souvent mal compris en France. Rappelez-vous après le Covid, au moment des mass layoffs qui ont fait dire à beaucoup de journalistes français que ça y est, c'était la fin de la Silicon Valley. En réalité, les entreprises revenaient simplement à des effectifs plus proches de leurs effectifs pré-Covid et se séparaient, sans état d’âme, de la force de travail additionnelle recrutée quand nous étions tous en ligne et en mode e-commerce.
En général, la Silicon Valley peut se permettre d’embaucher beaucoup et investit souvent dans la redondance. Je me rappelle avoir rendu visite à Drew Houston, le fondateur de Dropbox, il y a quelques années.
J'en avais profité pour déjeuner avec l'un de nos anciens designers chez Jolicloud qui travaillait chez eux. Je l’ai toujours considéré comme l’un des meilleurs au monde. Mais ce qui m’a frappé, c’est que cinq des designers les plus talentueux de l’époque travaillaient chez Dropbox.
Je lui ai demandé : « Pourquoi autant de designers ? À quoi ça sert ? » La réponse était la redondance. On veut s’assurer qu’on a toujours à disposition la meilleure expérience.
Pareil chez Foursquare à l’époque. Les deux meilleurs spécialistes de la base de données MongoDB étaient là -bas. Si l'un d'eux partait chez la concurrence, l'infrastructure de Foursquare, très particulière, pouvait continuer à fonctionner sans crainte.
Mais parfois, l'embauche est liée à la compétition : telle personne, si elle va ailleurs, devient un danger. Donc elle doit rester chez nous, confortable, à construire et à nous faire profiter de son savoir.
ps : c’est comme cela que Chrome est né chez Google.
ps 2 : le créateur de Chrome est désormais chez OpenAI et travaille au lancement d'Atlas.
Autre particularité, et ça, je l'avais déjà vu chez Sun dans les années 90, les développeurs seniors, ces ingénieurs de plus de 50 ans, sont sacralisés ; en France, ils sont souvent obligés de devenir des chefs de projet car la position n’existe tout simplement pas. Google adore embaucher ce type de profil. Cela permet aussi d'avoir des personnes d'extrême qualité pour offrir du mentoring en interne. Dropbox avait embauché par exemple le créateur de Python pour ces mêmes raisons.
Tout a été misé dans la Valley sur la redondance, pour retenir les meilleurs talents ou les laisser partir dans des environnements contrôlés, par exemple des start-ups qui sont, dans le cas de Google, financées par Google Venture ou des fonds alliés. Car si le produit fonctionne, ils n'ont aucun problème à le racheter.
C'est d'ailleurs pour ça que beaucoup de start-ups sont rachetées parfois à des prix qui semblent importants et qui sont ensuite immédiatement démantelées parce que, finalement, on rachète l'équipe et on intègre son travail ou sa vision dans les nouveaux projets. Ça permet de renouveler le tissu technologique de l’entreprise.
Quand Flickr a été acheté par Yahoo, en fait, les équipes de Yahoo ont passé quasiment tout leur temps en interne à apprendre du modèle de Web 2.0.
Et quand Marissa Mayer, l'ex-directrice produit et éphémère CEO de Yahoo, me racontait que : « Quand j'achète toutes ces boîtes de start-ups de mobile, c'est que quand je suis arrivée, il y avait huit personnes au mobile chez Yahoo. Et comme personne ne veut bosser naturellement chez Yahoo, le seul moyen qu'on a d'avoir les talents, c'est de les acheter au prix fort. » Elle avait dépensé, je crois, quasiment trois milliards en acquisitions (M&A).
https://sg.finance.yahoo.com/news/burning-3-billion-marissa-mayer-020151942.html
En France, on est dans une logique différente, puisque l'on achète souvent des boîtes dont on veut qu'elles soient rentables plutôt que d'acheter cher des équipes qui peuvent devenir le nouveau levier technologique de l’entreprise. Cela s’explique par la culture interne des grandes entreprises, mais aussi par le fait qu’encore une fois l’objectif principal est la valorisation boursière.
Aux US, à l’époque de Netvibes, un product manager chez Google pouvait acheter une boîte 50 millions sans passer par le board.
Je suis sûr que les montants sont encore plus grands aujourd’hui : embaucher, racheter, vendre fait partie du modèle opératif de la Silicon Valley.
En France, on m’avait expliqué que la différence de multiples dans les valorisations tech et les industries classiques faisait qu’un achat trop important faisait perdre de la valeur en terme de stock, là où une boîte technologique US voit la hausse de sa valorisation absorber son acquisition, ce qui la rend quasi gratuite.
Oui, je sais, c’est complètement fou, et ça marche depuis 20 ans. Amazon et Google ont été les génies de ce type d’opérations.
Acheter des puces NVIDIA ou dégraisser ?
Ce qui a changé aujourd'hui, c'est effectivement qu'avant, on dégraissait parce qu'on avait trop embauché.
Mais quand Elon Musk a repris Twitter, il a dû licencier plus que d’habitude parce qu’il a trop de dettes et a payé bien trop cher. Au fur et à mesure, il a montré qu’on pouvait opérer Twitter en mode good enough avec beaucoup moins de gens.
Cela a tapé dans l’œil de nombreux CEO, rappelez-vous du Year of efficiency chez Meta.
En 2025, on découvre que les deux choses qui font monter le stock d’une société, c’est acheter des puces NVIDIA ou dégraisser ses effectifs. Le plus fort à ce jeu, c’est Amazon, qui a annoncé qu'ils licenciaient pour acheter des puces NVIDIA. Là , on joue sur les deux tableaux : du grand art.
Mais ce qui est vrai dans la tech, n’est jamais vrai ailleurs, et c’est là que se trouve le véritable problème.
À la question : doit-on licencier parce que l’IA sera capable de prendre le relais ? les cabinets de conseils sérieux n’ont aucune bonne réponse.
Et pourtant on commence à entendre des patrons qui veulent licencier. Est-ce à cause d’une forme de complaisance avec les narratifs du moment, ou parce que la culture de la facilité s’installe et enivre certains patrons ?
Sans le dire vraiment, nous sommes dans une crise du conseil.
Pour avoir discuté en aparté avec quelques grands donneurs d'ordre du secteur public et privé, tous me disaient une chose fascinante : « Avant, quand on choisissait un cabinet de conseil, on avait plutôt une bonne compréhension de leur stratégie. Le véritable risque n'était pas de savoir si la stratégie était bonne, mais est-ce que ce cabinet, plutôt qu'un autre, va être capable de délivrer ce qu'ils nous promettent ? Aujourd'hui, on est dans une situation complètement nouvelle. Avec ce "Consulting Slop" et cette façon de simplifier, avec des messages conflictuels et contradictoires entre les différents points de vue, on se pose d'autres questions : est-ce que la stratégie qu'on me propose est quelque chose d'intéressant ou est-ce qu'on est dans le bullshit ? »
Le risque stratégique s'ajoute désormais au risque d'exécution. C'est la première fois que j'entends ça.
J’avoue moi-même être de plus en plus sceptique face aux études et analyses qui se confrontent. Le MIT lui-même est entré dans la danse et a mis sa réputation en jeu sur ces questions avec le Project Iceberg - Coordinating the Human-AI Future.
L’objectif de ce projet est de mesurer dans quelle mesure les capacités actuelles de l'Intelligence Artificielle sont techniquement capables d'exécuter les compétences des travailleurs.
Pour y parvenir, le MIT crée un "jumeau numérique" du marché du travail américain, censé représenter fidèlement les 151 millions de travailleurs, leurs compétences et leurs professions. Ce modèle compare les 32 000 compétences des Américains aux capacités de 13 000 outils d'IA.
Mais des outils sont-ils suffisants pour remplacer des emplois ?
Chaque entreprise et chaque équipe n’est-elle pas différente ? Quand je vois autour de moi les gens se mettre à l’IA, je continue de me demander si tout cela ne va pas trop vite. Selon plusieurs analyses, bien que 60 % des entreprises du Fortune 500 aient au moins évalué Copilot de Microsoft, beaucoup d'organisations limitent l'utilisation à de petits groupes pilotes.
Le prix élevé (30 $ par mois) est un frein. Mais surtout, Copilot enferme les utilisateurs dans un seul modèle, alors que la productivité repose souvent sur l’usage du dernier modèle à la mode.
De plus, les employés les plus productifs réclament désormais des formules plus chères (non budgétées), ce qui pose la question de savoir s’il faut recruter des juniors ou réallouer ces budgets à l’IA la plus performante.
Tout cela m’oblige à poser une question :
Qui conseille l'État d’ici à 2027 ?
- Qui conseille Emmanuel Macron sur l’IA ?
- Quelles sont les idéologies mises en œuvre à un an et demi des présidentielles, alors que le numérique sera la question existentielle de 2027 ?
- Que fait-on si en France le savoir-faire part soit Ă la retraite, soit dans des LLM ?
- Est-ce une bonne chose ?
Car l’IA nous oblige aussi à rappeler que nous avons deux France en compétition :
- Celle qui a vécu les Trente Glorieuses et profite des acquis de son époque, notamment des bonnes retraites.
- et celle qui arrive avec tous les désavantages du système et la pression de l’IA sur la valeur du travail (et sa rémunération), ainsi que la nécessité d’un budget IA conséquent pour être plus productif.
Ces dix dernières années, les algorithmes ont fait baisser structurellement le prix du travail (Uber, Amazon) et donc la valeur collectée pour les retraites (sujet jamais abordé d’ailleurs lors des discussions, à ma connaissance).
Aujourd'hui, l’IA peut potentiellement détruire la valeur de l'éducation.
L’efficience d'une génération entière sera-t-elle corrélée à la compétence des modèles et des LLM plutôt qu'à leur savoir acquis ?
Les gens sont terrorisés à l’idée que l'administration post-2027 cherche à faire disparaître les fonctionnaires et à les remplacer par des chatbots qui ne répondent jamais aux questions posées.
L'État qui se déroberait derrière du code est une bombe politique latente (sans mauvais jeu de mots).
Si à cela on ajoute des vagues de licenciements liées à l’IA qu’on nous promet en 2026, alors nous ne sommes pas sortis de l’auberge.
Chers amis consultants, développeurs, politiques et hauts fonctionnaires, il est temps de nous ressaisir et de réfléchir de manière sérieuse à la question de l’IA et de la société du travail que l’on veut en France.
Car nous n’échapperons pas à un débat de société sur l’IA, sur le travail, sur l’éducation, sur la sécurité numérique et physique, sur notre capacité à exister dans le monde, de faire exister notre langue, notre épistémie, etc.
La qualité de ce débat dépendra directement du nombre de bêtises et de choses anxiogènes que nous faisons circuler aujourd’hui.
Il est temps de faire remonter le niveau, que ce soit au cœur des entreprises et de l’État.
Qu’en pensez-vous ? On en reparle bientôt
Section abonnés (Le Club) !
les liens et informations incontournables de la semaine
un peu d'humour pour commencer
Lire l'article complet
S'inscrire maintenant pour lire l'article complet et accéder à tous les articles déstinés aux payants abonnés.
S'abonner
