C’est le début d’une série. Je vais raconter la transformation qu’on a lancée dans la tech, chez Prolog, il y a environ deux mois : pourquoi elle a commencé, ce qui marche et ce qui a coûté cher. Ce n’est pas de la théorie de scène. C’est ce qu’on a vécu.
J’ai décidé d’écrire pour une raison simple : quand je suis parti chercher comment faire ça, j’ai trouvé beaucoup d’opinions et très peu de récits honnêtes de gens qui étaient au milieu du processus. Si ce texte devient un point d’appui pour une autre personne qui construit, ça en aura déjà valu la peine.
Ça a commencé par un malaise.
Ce que j’ai vu
En mars, moi et Jean, mon associé, on est allés au SXSW, au Texas, l’un des plus grands salons d’innovation du monde. Je suis revenu différent, et le malaise n’est pas passé. Ce n’était pas ce que j’avais vu sur scène. C’était ce que je voyais les entreprises faire déjà dans la pratique.
De retour, je me suis plongé dans le contenu technique de ceux qui construisent vraiment avec l’IA là-bas. Pas le contenu tiède d’Instagram et de LinkedIn. Le contenu profond, de ceux qui mettent les mains dans le cambouis et publient ce qu’ils ont appris. Et je tombais sur cas après cas d’entreprises qui avaient vraiment changé leur façon de travailler. La différence est subtile et énorme en même temps : elles n’ont pas “commencé à utiliser l’IA”, elles ont mis l’IA au centre.
Et impossible de balayer ça comme un effet de tribune. C’est de l’adoption à échelle industrielle : grande entreprise et petite entreprise, tout le monde marche vers le même endroit. Une des choses qui m’a marqué, c’est un chiffre simple : 9 entreprises sur 10 du Fortune 100 avaient déjà adopté Copilot. Mais la donnée qui compte, ce n’est pas l’adoption. C’est la taille du gain. Ceux qui ont juste inséré l’IA dans l’ancien flux rapportent 10, 20% de productivité en plus. Ceux qui ont reconstruit autour d’elle rapportent un multiple : 5x, 10x. Je vais ouvrir ces cas un par un dans les prochains articles. Pour l’instant, ce qui compte, c’est le tournant qu’ils ont tous en commun.
L’IA à côté vs. l’IA au centre
Cette distinction paraît petite et c’est elle qui décide de tout.
Utiliser l’IA, c’est ouvrir un outil à côté et suivre le même processus qu’avant. Le flux reste pareil, les postes restent pareils, la relecture reste pareille. L’IA est un onglet de plus, et chacun se débrouille seul avec. Le gain apparaît à la marge.
La mettre au centre, c’est repenser le processus autour d’elle. Tu pars du principe que l’IA va construire une bonne partie du travail et tu refais le flux, les postes et la relecture à partir de là. Le contexte cesse de mourir dans une conversation et devient partagé. Le gain est d’un autre ordre, parce que ce n’est pas le même travail en plus rapide. C’est le travail qui change de forme.
Le même travail, deux places pour l'IA
L'IA à côté vs. l'IA au centre
L'IA reste dans un onglet à côté. Le flux, les rôles et la revue restent les mêmes. Chacun se débrouille seul, à sa façon.
+10–20% de gain à la marge. Le goulot reste où il était.Le flux, les rôles et la revue sont reconstruits pour que l'IA soit celle qui construit. Contexte partagé, pas perdu dans une conversation.
Un autre ordre de gain. Pas 10% de plus, c'est le travail lui-même qui change.Quand j’ai compris ça, la question a cessé d’être “quel outil on adopte” et est devenue “qu’est-ce que, dans notre façon de travailler, a été conçu pour un monde sans IA”. Alors je suis allé regarder à l’intérieur.
Le diagnostic : chacun qui se débrouille seul
Vers la fin mars, avant même qu’on ait migré vers Claude, je me suis assis avec des gens de produit, de design et d’ingénierie de Prolog et j’ai posé une question simple : comment tu utilises l’IA au quotidien ? Ce qui est bon, où ça bloque, quel goulot tu vois dans l’opération.
Ce que j’ai entendu m’a marqué.
Chacun utilisait un outil différent. Un sur Copilot, un autre sur Claude, un autre balançait tout dans l’IA interne de Prolog. Et pire que l’outil isolé, le contexte isolé : ce qu’une personne construisait en discutant avec l’IA mourait là, avec elle. L’équipe de maintenance, par exemple, avait monté un bon matériel dans l’IA de Prolog, avec les règles de ce produit. Sauf que ça n’arrivait pas jusqu’à l’équipe pneus, qui avait besoin du même type de contexte et repartait de zéro.
Il y en a une qui m’est restée en tête. Les devs évitaient d’utiliser l’IA pour relire un gros PR, de peur de cramer leurs crédits avant la fin de la semaine. Pense à l’absurdité : la personne devait choisir entre finir sa propre task avec l’IA, qu’elle s’était engagée à livrer, ou dépenser ce même crédit à relire le PR géant du collègue. C’est devenu une compétition pour une ressource rare. Et du coup personne ne veut prendre la review de l’autre.
Quelqu’un de l’équipe a résumé ça en une phrase que je n’ai plus réussi à sortir de ma tête :
On produit avec l’IA et on relit sans IA.
Chacun se débrouille seul, à sa façon, avec l’outil qu’il a sous la main. Ce qui marchait pour l’un ne devenait pas une recette pour l’autre. Pas de standard, pas de terrain commun.
Et ce n’était pas juste la façon, c’était la structure
Plus je regardais, plus il devenait clair qu’on ne pouvait pas régler ça juste en apprenant à tout le monde à “mieux utiliser”. La façon d’utiliser était le symptôme. La structure en dessous, c’est elle qui n’était pas prête. Trois trous sont apparus.
D’abord, le contexte vivait éparpillé. Un morceau dans Notion, un autre dans Drive, un autre dans Jira, dans Figma, dans Fathom. Pas de source unique de vérité. Alors chaque nouvelle conversation avec l’IA commençait par tout expliquer de zéro, parce que l’information dont elle avait besoin était à cinq endroits et curée nulle part. On payait en token, en request et en temps juste pour remonter un contexte qui existait déjà quelque part.
Ensuite, l’humain était la colle. Quelqu’un du produit génère une spec avec l’IA, la met dans un doc, envoie le lien au suivant, qui prend ça et le balance dans son propre projet IA. L’IA apparaissait aux extrémités, jamais au milieu : elle produisait un morceau, un humain portait le résultat à la main jusqu’à l’outil suivant, et une autre IA recommençait. Le flux restait humain.
Enfin, l’architecture. La base qu’on a construite en dix ans a été faite pour un monde où le goulot était la personne, pas l’IA. Elle est emmêlée par endroits et a des morceaux sans test, et c’est justement ça qui bloque le changement rapide que l’IA permettrait de faire. Ce n’est le défaut moral de personne. C’est l’accumulation de dix ans de décisions qui ont marché jusqu’ici. L’IA n’a fait que le mettre à nu.
Et c’est important de le dire : ce n’est pas un défaut de l’équipe, ni de Prolog. C’est ce qui arrive dans n’importe quelle entreprise qui a collé l’IA par-dessus l’ancienne façon de travailler. Toute entreprise de dix ans traîne une façon de faire qui a marché jusqu’à maintenant. L’IA braque un projecteur dessus. Et la responsabilité de changer ça, c’est la mienne.
Pourquoi tout reconstruire, pas seulement l’ingénierie
La première tentation, c’est de régler ça dans l’ingénierie. Ça fait sens, c’est là que l’IA a pris le plus vite et là où on avait déjà commencé. Mais c’est exactement là que le piège se cache.
Si un domaine avance à la vitesse de l’IA et celui d’à côté reste à la vitesse humaine, je n’ai rien accéléré. J’ai juste déplacé le goulot.
Pense au flux entier. Si l’ingénierie se met à livrer en heures mais que le produit met encore des semaines à spécifier, celui qui retient la file maintenant, c’est le produit. Tu règles le produit et l’ingénierie, mais la validation se fait encore à la main ? Ça bloque à la validation. Et ça ne s’arrête pas à la tech : si on met beaucoup de choses en ligne et que le marketing n’arrive pas à annoncer au même rythme, le goulot est parti vers le marketing. Accélérer un segment ne défait pas l’embouteillage. Ça le pousse juste vers le suivant.
Accélérer un segment ne vide pas la file
Le goulot ne fait que se déplacer
J'ai accéléré l'ingénierie seule
J'ai accéléré le produit et l'ingénierie
Chaque segment que tu accélères allume le suivant. L'embouteillage ne disparaît pas, il se déplace.
C’est pour ça que, fin avril, on a commencé à reconstruire toute la tech. Produit, design, données, qualité. Pas seulement l’ingénierie. Si l’IA va au centre, elle va au centre de tout le flux, pas d’un morceau.
Ce qui arrive
Dans les prochains articles, je vais ouvrir chaque partie de tout ça. Ce qu’est un “harness”, l’infrastructure qui fait vraiment rendre l’IA au lieu de juste livrer des morceaux isolés. Comment le travail de chaque poste change quand l’IA devient celle qui construit, et l’humain devient celui qui dirige et relit. Et pourquoi la bonne question quand quelque chose casse a cessé d’être “qu’est-ce que je fais maintenant” pour devenir “qu’est-ce qui a manqué dans le contexte pour que ça n’arrive plus”.
La transformation tourne, avec des réussites et des erreurs. Je vais raconter les deux ici, au fur et à mesure. Ce n’est pas une recette. C’est ce qu’on est en train de vivre. Si ça sert de carte à quelqu’un d’autre qui construit aussi, tant mieux.