L'avantage concurrentiel de l'IA sera visible dans 3 ans, mais il se construit aujourd'hui

Série Revolution Summit 2026 - article 1/3

---

J'ai passé la journée d'hier au Revolution Summit de Onepoint, qui réunissait plus d'un millier de décideurs et de praticiens autour des enjeux de l'IA en entreprise. Parmi tout ce qui s'y est dit, une phrase prononcée en clôture par Loïc Dilly, Global Product Practice Leader chez ADEO, est une de celles qui m'a le plus marqué ; c'est autour d'elle que je veux construire le premier de trois articles que je tire de cette journée.

Loïc Dilly a rappelé ce que l'économiste Roy Amara formulait dans les années 70 : on surestime les effets d'une technologie à court terme, et on les sous-estime à long terme. L'observation a soulevé l'assentiment général, avant que la journée ne reprenne son cours et que chacun ne repense à ses indicateurs trimestriels.

Ce que la loi d'Amara implique vraiment pour les organisations

Si le saut de valeur réel de l'IA se produit dans trois à cinq ans, la compétition ne porte pas sur les outils déployés aujourd'hui mais sur la capacité des organisations à atteindre, d'ici là, un niveau de maturité structurellement différent. C'est ce que nous posions comme enjeu central dans les Tendances Tech 2026 publiées en début d'année : l'IA va accélérer un phénomène de sélection entre les organisations qui auront engagé cette transformation de fond et celles qui l'auront remise à plus tard - du darwinisme organisationnel, pour reprendre les mots de Didier Girard.

Ce travail de préparation est peu visible et rarement valorisé en interne ; il ne génère ni démo pour le COMEX ni slide à paillettes. C'est pourtant lui qui conditionne l'industrialisation, et dans les organisations que j'accompagne, ce sont systématiquement celles qui l'ont mené en parallèle de leurs expérimentations qui parviennent à franchir le seuil du passage à l'échelle.

Quatre chantiers qui feront la différence

Les entreprises qui investissent aujourd’hui dans des cas d’usage IA sans transformer leurs processus construisent de la dette organisationnelle

Rendre les processus explicites. L'IA agentique ne peut opérer que sur ce qui est formalisé. Or dans la grande majorité des entreprises, la façon dont le travail se fait réellement (les règles implicites, les exceptions gérées de mémoire, les arbitrages informels) n'existe nulle part sous une forme que puisse comprendre un SI. Rendre ses processus « machine-readable » n'est pas un projet IT : c'est un travail de conception et documentation organisationnelle, chronophage précisément parce qu'il force à expliciter ce que l'organisation a toujours utilisé sans jamais avoir eu besoin de le formuler.

Gouverner la donnée par usage, non par structure. La question n'est pas « nos données sont-elles propres ? » mais « pour qui, dans quel contexte, avec quelle logique métier cette donnée doit-elle être compréhensible ? » Cette distinction, développée dans le deuxième article de cette série, change radicalement la façon dont on pilote le chantier data, et qui doit en être responsable.

Clarifier les responsabilités et les flux décisionnels. L'IA amplifie les ambiguïtés organisationnelles existantes, elle ne les crée pas - vous m'entendrez souvent parler de « stress test organisationnel ». Quand un agent peut produire un résultat en trente secondes mais que la décision d'en tenir compte nécessite trois jours de validation, le problème est organisationnel, pas technique, et il se règle en amont du déploiement plutôt qu'en réaction à ses effets.

Faire émerger les rôles que l'IA agentique rend nécessaires. Certaines responsabilités indispensables à l’industrialisation ne sont aujourd’hui portées par personne au sein des organisations. C’est notamment le cas du rôle que nous appellerons process designer agentique : une fonction à l'intersection du métier et de la conception organisationnelle, capable de repenser les processus en intégrant la dimension agentique dès la conception, plutôt que de greffer des outils sur des processus qui n'ont pas été conçus pour eux. C'est l'objet du troisième article de cette série.

Ce que ça change dans la pratique

La question que je pose en priorité avant tout chantier IA n'est pas « quels cas d'usage avez-vous en production ? » mais : « dans dix-huit mois, quand les capacités que vous déployez aujourd'hui seront matures, votre organisation sera-t-elle capable de les absorber ? »

Dans la plupart des cas, la réponse honnête est non, non par manque de volonté ou de budget, mais parce que les fondations que suppose cette maturité n'ont pas encore été posées. Le diagnostic n'a rien d'une condamnation : il indique simplement où se situe le vrai travail.

---

Le deuxième chantier, celui de la donnée, mérite qu'on s'y arrête plus longuement. La façon dont la question de la qualité des données est généralement posée masque un enjeu plus fondamental, que j'explorerai dans le prochain article.