Quand j’étais CEO chez Osimis, puis plus tard dans des rôles de business development, j’ai appris une chose assez simple: dans une entreprise complexe, les bons résultats dépendent rarement d’un seul outil.
Ils dépendent de la qualité du contexte partagé.
Qui sait quoi ? Quelle décision a déjà été prise ? Pourquoi poursuit-on ce client plutôt qu’un autre ? Qu’est-ce qui rend une opportunité vraiment intéressante ? Où se trouve la dernière version du raisonnement ? Qui doit valider avant qu’une action parte vers un client, un partenaire ou une équipe ?
Avec l’IA, cette réalité devient encore plus visible.
Beaucoup d’entreprises abordent encore l’IA par les outils: ChatGPT, Copilot, agents, automatisations, assistants internes. C’est normal. Les outils sont visibles. Ils donnent l’impression d’avancer.
Mais dans la pratique, l’IA ne transforme pas une entreprise parce qu’un outil est disponible. Elle devient utile quand l’entreprise apprend à mieux formuler son contexte, ses décisions, ses workflows et ses critères de qualité.
Et cela, au départ, est une responsabilité de dirigeant.
Le piège: déléguer trop vite aux outils
Le premier réflexe est souvent de dire:
On va laisser les équipes tester.
C’est une bonne intention. Mais sans cadre, cela produit rarement une vraie pratique.
Une personne utilise ChatGPT pour préparer une réunion. Une autre teste Copilot pour résumer des documents. Quelqu’un automatise un reporting. Un commercial demande de l’aide pour rédiger un email. Quelques résultats sont bons. D’autres sont moyens. Personne ne sait exactement ce qui doit être gardé, amélioré ou abandonné.
Au bout de quelques semaines, l’entreprise a testé l’IA, mais elle n’a pas appris grand-chose collectivement.
Le problème n’est pas que les équipes manquent de bonne volonté. Le problème est que l’usage reste individuel, dispersé et difficile à capitaliser.
Dans une entreprise complexe, ce n’est pas suffisant.
Le rôle du dirigeant n’est pas de devenir expert IA
Je ne pense pas qu’un dirigeant doive devenir expert en modèles, en prompts ou en architecture technique.
Par contre, il doit comprendre une chose: l’IA a besoin de contexte pour produire un travail utile.
Pas du contexte théorique. Du contexte métier.
Les clients importants. Les contraintes opérationnelles. Les critères de qualité. Les décisions passées. Les exceptions. Les bons exemples. Les mauvais exemples. Les raisons pour lesquelles une réponse est acceptable ou non.
C’est ici que le dirigeant a un rôle particulier.
Il ne doit pas tout faire lui-même. Mais il doit aider l’entreprise à répondre à quelques questions structurantes:
- Où l’IA peut-elle vraiment aider ?
- Quel workflow mérite d’être amélioré ?
- Quel contexte faut-il documenter ?
- Qui valide la qualité ?
- Qu’est-ce qu’on garde pour la prochaine itération ?
- Qui devient le champion interne ?
Sans cette discipline, l’IA reste un ensemble d’expériences sympathiques. Avec cette discipline, elle peut devenir une capacité réelle de l’entreprise.
Ma méthode de départ: demander à l’IA de m’interroger
Une des manières les plus simples de commencer n’est pas de demander à l’IA de produire quelque chose.
C’est de lui demander de poser des questions.
Par exemple:
Je veux améliorer notre manière de préparer des rendez-vous commerciaux. Pose-moi les questions nécessaires pour comprendre notre contexte, nos clients, nos sources d’information, nos critères de qualité et nos points de friction.
Ce simple changement est important.
Au lieu de faire semblant que le contexte est déjà clair, on force sa mise au jour. L’IA devient un outil d’entretien. Elle aide à sortir ce qui est dans la tête du dirigeant, du commercial, du responsable opérationnel ou du chef de projet.
C’est souvent là que le vrai travail commence.
On découvre que certaines règles ne sont écrites nulle part. Que certaines décisions sont implicites. Que certains fichiers sont obsolètes. Que deux personnes n’ont pas la même définition d’un bon prospect, d’un bon compte-rendu ou d’un bon suivi client.
Avant d’automatiser, il faut parfois simplement rendre le raisonnement visible.
Choisir un petit workflow, pas une grande transformation
Je préfère commencer par un workflow précis.
Pas “faire une stratégie IA”. Pas “automatiser l’entreprise”. Pas “former tout le monde à ChatGPT”.
Un workflow réel.
Par exemple:
- préparer une fiche prospect avant un rendez-vous ;
- structurer une recherche de leads ;
- analyser une opportunité commerciale ;
- préparer un suivi client ;
- résumer et comparer des documents ;
- améliorer un reporting interne ;
- aider une équipe à retrouver plus vite la bonne information ;
- transformer une réflexion stratégique en plan d’action.
Le bon premier workflow a quelques caractéristiques.
Il revient souvent. Il prend du temps. Il demande du contexte. Il peut être validé par un humain compétent. Et s’il s’améliore, l’entreprise le sent réellement.
C’est beaucoup plus utile qu’un grand projet abstrait.
La première version n’est pas le système
Un autre piège est d’attendre trop vite un résultat propre.
La première version d’un workflow IA est rarement la bonne. Elle sert surtout à apprendre.
On la teste sur quelques cas réels. On regarde ce qui est utile. On identifie ce qui est faux, flou, incomplet ou dangereux. On ajoute des exemples. On précise les règles. On améliore le contexte. On clarifie le moment où un humain doit valider.
C’est ici que l’équipe doit être impliquée.
Si l’IA produit un résumé commercial, le commercial doit dire si ce résumé est utilisable. Si l’IA prépare une analyse de prospect, quelqu’un doit vérifier si le raisonnement tient. Si l’IA aide à préparer un devis, l’équipe doit valider que les hypothèses sont correctes.
Le but n’est pas de retirer l’humain trop tôt.
Le but est de placer l’humain au bon endroit: au cadrage, à la validation, et dans l’amélioration du système.
Le vrai levier: capitaliser
L’itération seule ne suffit pas.
Il faut capitaliser.
Cela veut dire garder ce qui a été appris: les bons exemples, les mauvaises réponses, les critères de qualité, les sources fiables, les règles métier, les décisions, les limites.
Sinon, chaque essai repart de zéro.
C’est probablement l’un des points les plus sous-estimés dans l’adoption de l’IA. Beaucoup d’entreprises testent. Peu d’entreprises accumulent.
La différence est énorme.
Tester, c’est produire une démonstration.
Capitaliser, c’est construire une pratique.
Une entreprise qui capitalise peut améliorer progressivement son contexte métier, ses workflows, ses règles de validation et ses habitudes d’équipe. Elle apprend à travailler avec l’IA de manière plus fiable. Elle réduit la dépendance aux personnes qui ont “le bon prompt”. Elle transforme une expérimentation individuelle en capacité collective.
C’est là que l’IA commence à devenir intéressante.
Le dirigeant comme vecteur de réussite
Je ne crois pas que le dirigeant doive être partout dans la boucle.
Mais je crois qu’il doit lancer la bonne boucle.
Il doit donner la permission de commencer petit. Il doit exiger du concret. Il doit éviter les grands discours de transformation. Il doit protéger le temps nécessaire pour documenter le contexte. Il doit demander comment les résultats seront validés. Il doit encourager un champion interne. Il doit faire en sorte que ce qui marche soit réutilisé.
Dans une entreprise complexe, l’IA ne réussira pas simplement parce que les outils deviennent meilleurs.
Elle réussira si l’entreprise apprend à mieux formuler ce qu’elle sait, ce qu’elle veut améliorer, et ce qu’elle considère comme un bon résultat.
C’est pour cela que l’IA ne réussira pas mieux que le dirigeant qui la pilote.
Pas parce que le dirigeant doit tout comprendre techniquement.
Mais parce qu’il est souvent le seul à pouvoir installer la méthode.
Par où commencer
Si votre entreprise a déjà testé l’IA, mais que rien ne s’installe vraiment dans les habitudes, je commencerais par une question simple:
Quel workflow concret mérite une première boucle sérieuse ?
Pas le plus spectaculaire. Pas le plus à la mode. Le plus utile.
Ensuite:
- documenter le contexte ;
- demander à l’IA de poser les bonnes questions ;
- produire une première version ;
- faire valider par les bonnes personnes ;
- améliorer ;
- garder ce qui marche.
C’est moins impressionnant qu’une grande promesse d’automatisation.
Mais c’est beaucoup plus proche de la manière dont les entreprises changent vraiment.
Si vous voulez identifier le premier workflow IA sérieux à mettre en place dans votre entreprise, on peut en parler: cal.eu/frederic-lambrechts