La fin de Valeur × Faisabilité : pourquoi la matrice produit ne sait plus prioriser l'IA

Une matrice où tout est quick win

Pendant dix ans, on a tous utilisé le même 2×2. La valeur en ordonnée, la faisabilité en abscisse, et on attaque le coin en haut à droite : les quick wins. Les équipes produit ont décliné la même idée sous d'autres noms : RICE, MoSCoW, Valeur / Effort.

Toutes ces méthodes reposent sur une hypothèse : construire coûte cher, donc il faut choisir quoi construire.

Avec l'IA générative puis les agents, cette hypothèse tombe. Un prototype d'agent se monte en quelques semaines. Meta a montré le premier prototype de Muse à son board après une à deux semaines de travail. Placez vos cas d'usage IA sur la matrice : la plupart finissent en haut à droite.

Une matrice où tout est quick win n'est plus une matrice. C'est une liste.

Trois raisons pour lesquelles la grille ne trie plus

1. La faisabilité ne discrimine plus

L'axe horizontal mesurait une rareté : le temps des développeurs, les données disponibles, la complexité d'intégration. Ce temps n'a pas disparu, mais l'écart entre un projet facile et un projet difficile s'est effondré au stade du prototype. Un LLM, quelques outils branchés via MCP, une interface de chat : la démo tourne.

Le problème s'est déplacé plus loin. Ce qui coûte, c'est la fiabilité en production, la gouvernance, l'adoption. Ces coûts n'apparaissent pas sur la matrice au moment où le comité arbitre.

2. La valeur dépend du contexte, pas du use case

L'axe vertical pose un autre problème. Il attribue une valeur à un cas d'usage, comme si la valeur était une propriété de la technologie. Le MIT CISR dit l'inverse : la même capacité IA peut être sûre dans un contexte et risquée dans un autre.

Prenons un agent qui rédige une recommandation de prix. Sur une gamme de produits d'entrée, l'erreur coûte peu. Sur un contrat cadre avec un grand compte, une erreur engage l'entreprise pour trois ans. Même technologie, même faisabilité, deux décisions qui n'ont rien à voir.

3. Le vrai frein n'est plus seulement technique

Le Work Trend Index 2026 de Microsoft a interrogé 20 000 salariés qui utilisent l'IA au travail, dans dix pays dont la France. Les facteurs organisationnels (culture, soutien des managers, pratiques RH) pèsent plus de deux fois plus que les facteurs individuels dans l'impact déclaré de l'IA : 67 % contre 32 %.

Le rapport précise qu'il s'agit d'une association statistique, pas d'un effet causal. Le signal reste net : la faisabilité qui bloque est organisationnelle. Seuls 26 % des répondants estiment que leur direction est clairement et durablement alignée sur l'IA. Aucune matrice Valeur × Faisabilité ne capte ça.

Le piège : prioriser des use cases quand il faut prioriser des décisions

Un use case décrit ce que la technologie fait. Une décision décrit ce que l'entreprise accepte de confier à cette technologie, avec quel niveau de contrôle et qui en répond. Tant que le comité arbitre des use cases, il compare des démos. Quand il arbitre des décisions, il compare des risques, des actifs et des façons de travailler.

Trois publications de 2026 proposent chacune une grille pour faire ce travail. Prises ensemble, elles remplacent la question « peut-on le faire ? » par trois questions plus utiles.

Grille 1 · MIT Sloan : qui décide, l'humain ou l'agent ?

Ina Sebastian, Peter Weill, Thomas Haskamp et Jan vom Brocke (MIT CISR) ont construit l'AI Decision Matrix à partir d'entretiens avec 30 dirigeants. La faisabilité disparaît. Deux axes la remplacent :

• L'ambiguïté : à quel point les données déterminent la réponse, et à quel point les gens s'accordent dessus.
• Le risque : les conséquences d'une mauvaise décision.

Chaque décision se découpe en trois temps : cadrer (définir le problème, les contraintes, les critères de succès), agir, apprendre. La grille dit qui tient chaque temps.

Schéma : I. Sebastian, P. Weill, T. Haskamp, J. vom Brocke, « Designing Decision Rights for AI », MIT CISR, 2026.

• Routinière (ambiguïté faible, risque faible) : automatiser et surveiller. Le cadrage est codifié à l'avance, l'agent agit et apprend.
• Conséquentielle (ambiguïté faible, risque élevé) : fiabiliser. L'agent agit, l'humain gère les exceptions et garde la main sur l'apprentissage.
• Exploratoire (ambiguïté élevée, risque faible) : expérimenter vite. Le cadrage se construit entre l'humain et l'IA.
• Stratégique (ambiguïté élevée, risque élevé) : piloter. L'humain mène le cadrage et l'apprentissage, l'IA facilite l'action.

L'article cite One New Zealand, qui fait tourner plus de 50 agents. La segmentation marketing, décision routinière, a vu son temps baisser de 60 %, avec une revue humaine avant lancement. Les décisions de prix, elles, gardent un humain dans la boucle : c'est une contrainte non négociable.

La question n'est plus « ce use case est-il faisable ? » mais « quel type de décision touche-t-il, et qui doit la tenir ? ».

Grille 2 · BCG : comment sécuriser la capacité ?

La deuxième grille vient de BCG (« How Non-Tech Companies Should Buy AI in 2026 »). Elle traite d'un sujet que Valeur × Faisabilité ignorait : faut-il posséder la capacité IA, ou y accéder ?

Deux axes : le potentiel de différenciation concurrentielle, et la disponibilité sur le marché de capacités comparables.

Schéma : BCG analysis, 2026.

• Adopt : disponible partout, peu différenciant. Un copilote généraliste, un traitement documentaire standard. On prend sur étagère.
• Partner : capacité sectorielle encore en maturation. On co-développe avec un fournisseur.
• Build : la technologie est disponible, mais vos données ou vos processus créent l'avantage. Un copilote bâti sur la propriété intellectuelle de l'entreprise se construit.
• Buy : l'avantage est enfermé dans un actif rare, des données externes ou une équipe spécialisée. On acquiert.

BCG complète la grille par six signaux pour trancher : différenciation, urgence et banalisation, capacité du marché, intégration et gouvernance, économie de la cible, optionalité et dépendance. La faisabilité n'y figure plus que comme un signal parmi d'autres. Le principe directeur : choisir la structure la plus légère qui donne l'accès ou le contrôle nécessaire.

Schéma : BCG analysis, 2026.

Le signal que je retiens en premier est la réversibilité. Une capacité qui se banalise vite ne mérite pas qu'on s'y enferme. Construire seulement ce qui différencie, garder de la réversibilité sur le reste.

Grille 3 · Microsoft : comment travailler avec l'agent ?

La troisième grille vient du Work Trend Index 2026. Elle ne classe pas des projets, elle classe des façons de travailler. Deux intensités, mesurées séparément : celle de l'humain (il dirige ou il supervise) et celle de l'agent (assistant ou coéquipier).

Schéma : Microsoft, Work Trend Index 2026 (cadre conceptuel, placement qualitatif).

• Délégation : l'humain fixe la direction, l'agent exécute. Transformer des notes en compte rendu, produire un reporting récurrent.
• Collaboration : le travail a besoin des deux. Affiner une proposition en plusieurs allers-retours.
• Question rapide : un échange court. Chercher une définition, reformuler un paragraphe.
• Exploration : tester ce que l'IA sait faire avant de s'y fier sur un nouveau processus.

Microsoft présente ce schéma comme un cadre conceptuel : le placement des modes est qualitatif, il ne vient pas des données mesurées. Il reste utile pour une raison simple. Un même cas d'usage change de valeur selon le mode dans lequel on l'exécute. Déployer un agent en délégation sur un travail qui demande de la collaboration produit du travail à refaire.

Le rapport relie ce point à la maturité : seuls 19 % des utilisateurs d'IA se trouvent dans la zone « Frontier », là où la capacité de l'organisation et la préparation individuelle se renforcent mutuellement.

La valeur n'a pas disparu, elle s'est décomposée

Oui, le titre est volontairement provocateur. La valeur et la faisabilité ne disparaissent pas. Elles ne suffisent simplement plus à trancher. Ce qui change, c'est la question qu'on se pose en premier.

Les trois grilles décomposent l'ancienne « valeur » en trois questions :

Grille	Question	Ce qu'elle remplace
MIT Sloan · Ambiguïté × Risque	Qui décide, l'humain ou l'agent ?	« Est-ce faisable ? »
BCG · Différenciation × Disponibilité	Faut-il adopter, s'associer, construire ou acheter ?	« Combien ça coûte à développer ? »
Microsoft · Intensité humaine × intensité agent	Comment travailler avec l'agent ?	« Combien d'utilisateurs ? »

Ce que j'en retiens pour les programmes IA en entreprise

1. Remplacer le backlog de use cases par un portefeuille de décisions métier. Pour chaque décision : son type selon la grille du MIT, qui cadre, qui agit, qui apprend. Le comité IA arbitre alors des niveaux de délégation, pas des démos.
2. Ne construire que ce qui différencie. Un copilote généraliste s'adopte. Un copilote bâti sur la propriété intellectuelle du groupe se construit. Le budget de développement va là où vos données créent un avantage que le marché ne vend pas.
3. Mesurer la maturité de l'organisation, pas seulement celle de la tech. Culture, managers, pratiques RH : ce sont eux qui transforment un agent fiable en impact réel. Un cas d'usage parfait dans une équipe qui n'a pas changé sa façon de travailler reste un pilote.
4. Choisir le mode avant de choisir l'outil. Avant de lancer un agent, décider s'il délègue, collabore, répond ou explore. C'est ce choix qui fixe le niveau de supervision et la façon de mesurer le résultat.

En résumé

La matrice Valeur × Faisabilité triait ce qu'on pouvait construire. Avec l'IA, presque tout se construit. La rareté s'est déplacée vers la confiance, la différenciation et la capacité de l'organisation à changer sa façon de travailler.

On ne priorise plus ce qu'on peut faire. On priorise ce qu'on accepte de déléguer.

Et vous, votre comité IA trie-t-il encore des use cases, ou déjà des décisions ?

Sources

• Beth Stackpole, « A framework for determining when AI can make decisions », MIT Sloan Ideas Made to Matter, 22 septembre 2026, d'après I. Sebastian, P. Weill, T. Haskamp et J. vom Brocke, « Designing Decision Rights for AI », MIT CISR, 2026.
• BCG, « How Non-Tech Companies Should Buy AI in 2026 », septembre 2026.
• Microsoft, « 2026 Work Trend Index Annual Report », mai 2026. Enquête menée par Edelman Data × Intelligence auprès de 20 000 salariés utilisateurs d'IA dans dix pays.