Les licences sont achetées, les équipes ont suivi une demi-journée de prise en main, les premiers usages remontent. Six mois plus tard, le comité de direction cherche les gains dans les comptes et ne les voit pas encore. La tentation est alors de conclure que l'outil a été survendu.
Ce décalage a un précédent bien documenté. En 1987, l'économiste Robert Solow constatait dans une formule restée célèbre que l'ère informatique se voyait partout sauf dans les statistiques de la productivité. Les gains sont venus dans les années 1990, chez les entreprises qui avaient changé leur manière de travailler autour de l'ordinateur.
Erik Brynjolfsson, professeur à l'université Stanford, a consacré une large part de ses recherches aux effets de l'informatique sur la productivité. Avec Andrew McAfee, chercheur au MIT, il en tire dans The Second Machine Age (2014) une notion dont tout dirigeant qui déploie l'IA a besoin, la coinvention organisationnelle.
Pourquoi l'IA rapporte-t-elle si peu au début ?
Une technologie ne produit ses gains qu'accompagnée d'investissements dans l'organisation qui coûtent davantage qu'elle et demandent des années. Brynjolfsson et McAfee rangent l'informatique parmi les technologies à usage général, comme la machine à vapeur ou l'électricité. Chacune a besoin de compléments pour produire ses effets. Les trouver prend des années, parfois des décennies, d'où un délai entre l'arrivée de la technologie et les gains de productivité.
La coinvention organisationnelle
Les compléments décisifs ne sont pas techniques. Pour les deux auteurs, les plus importants sont les changements de processus et les « organizational coinventions » que la technologie rend possibles. Les travaux de Brynjolfsson et de ses coauteurs décrivent des entreprises qui se servent du numérique pour réorganiser les droits de décision, les systèmes d'incitation, la circulation de l'information et le recrutement.
Cette réorganisation a fait monter la productivité. Elle a aussi pris du temps, celui qu'il faut aux managers et aux salariés pour inventer de nouvelles façons de se servir de l'outil. Les auteurs l'écrivent eux-mêmes, la coinvention demande plus de créativité aux entrepreneurs, aux managers et aux salariés que la simple automatisation des tâches existantes. Une fois en place, elle produit la plus grande part des gains.
Cinq à sept ans de décalage
Dans leur analyse de plus de six cents entreprises, Brynjolfsson et Lorin Hitt mesurent un délai moyen de cinq à sept ans avant que les gains de l'informatique apparaissent pleinement dans la productivité des entreprises qui ont investi. Les entreprises qui investissaient le plus dans l'informatique étaient aussi celles qui transformaient le plus leur organisation. Leur article de 2003, « Computing Productivity », publié dans la Review of Economics and Statistics, en donne le détail.
Ces mesures portent sur l'informatique d'entreprise des années 1990. Rien ne garantit que l'IA suivra le même calendrier. Brynjolfsson et McAfee observent d'ailleurs que les innovations complémentaires se diffusent plus vite à l'ère numérique qu'au temps de l'électricité. Le délai reste la règle, sa durée dépend de l'organisation.
Que nous apprend l'électrification des usines ?
Elle montre qu'une technologie branchée sur l'ancienne organisation ne change presque rien. L'économiste Paul David a étudié les archives des usines américaines électrifiées à partir de la fin du XIXe siècle, dans un article de 1989 intitulé « Computer and Dynamo ». Brynjolfsson et McAfee en reprennent le récit.
Dans une usine à vapeur, un grand axe central transmettait la force aux machines par des poulies et des engrenages. Trop long, l'axe se rompait sous la torsion. Les machines se serraient donc autour de la source d'énergie, sur plusieurs étages, les plus gourmandes au plus près.
À l'arrivée de l'électricité, les ingénieurs ont acheté les plus gros moteurs électriques disponibles pour les installer là où tournaient les machines à vapeur. Même les usines neuves reprenaient l'ancien plan. Il y avait un peu moins de fumée et un peu moins de bruit, avec une technique encore peu fiable. La productivité bougeait à peine.
Il a fallu une trentaine d'années pour que les ateliers changent, le temps qu'une génération de dirigeants parte à la retraite. Chaque machine a reçu son propre petit moteur. Les usines se sont étalées sur un seul niveau, organisées selon le flux naturel des matières. Sur ces nouvelles chaînes, la productivité a doublé, parfois triplé.
Paver les chemins des vaches
Les deux auteurs rapportent une image chère aux consultants en réorganisation. Au XVIIe siècle, des vaches erraient autour du Boston Common. Leurs sentiers sont devenus des chemins, puis des rues pavées, puis asphaltées, sans que personne ne les redessine. Automatiser un processus tel qu'il existe revient à paver ces chemins, le « paving the cowpaths » du livre. Pour Brynjolfsson et McAfee, la meilleure façon d'utiliser une technologie nouvelle consiste le plus souvent à restructurer le processus plutôt qu'à remplacer un humain par une machine poste pour poste.
Transposé à l'IA, le moteur installé à la place de la vapeur ressemble à l'assistant conversationnel ajouté à un circuit de validation inchangé. Chacun rédige plus vite un document qui attendra ensuite autant de signatures qu'avant. Ajouter l'outil sans toucher aux règles du jeu relève de ce que l'école de Palo Alto appelle un changement 1, celui qui modifie les éléments d'un système en laissant ses règles intactes.
Combien coûte l'investissement organisationnel par rapport à l'outil ?
Plusieurs fois le prix de l'outil, d'après les travaux que rapportent Brynjolfsson et McAfee. Le livre donne plusieurs multiplicateurs selon ce qu'il compare, sans les réconcilier. Le tableau n'en retient que l'ordre de grandeur.
| Repère | Ce qui est mesuré | Ordre de grandeur | Origine |
|---|---|---|---|
| Électrification des usines américaines | Délai avant que le plan des ateliers change, puis effet sur la productivité | Une trentaine d'années, puis une productivité doublée ou triplée | Paul David, 1989, repris au chapitre 7 du livre |
| Informatique d'entreprise, années 1990 | Délai avant les pleins effets sur la productivité, plus de six cents entreprises | Cinq à sept ans en moyenne | Brynjolfsson et Hitt, repris aux chapitres 7 et 9 |
| Investissement organisationnel | Formation, recrutement et refonte des processus, rapportés à la dépense en matériel et en logiciel | Un multiple de la dépense technologique, de trois à plus de dix fois selon les passages | Brynjolfsson, Hitt et Yang, 2002, repris aux chapitres 7 à 9 |
| Immatériel lié à l'informatique aux États-Unis | Actifs organisationnels absents des comptes nationaux | Plus de 2 000 milliards de dollars, selon l'estimation des auteurs | Chapitre 8 du livre |
| Claude Code, de fin 2024 à 2025 | Période sans adéquation produit-marché, assumée d'avance | Six mois, pendant lesquels l'outil n'écrivait qu'environ 10 % du code de son créateur | Boris Cherny, AI Ascent 2026, données déclaratives |
Ces montants financent la formation, le recrutement et la refonte des processus. Ils bâtissent ce que les auteurs appellent le capital organisationnel, fait de nouveaux processus, de nouvelles techniques de production, de nouvelles formes d'organisation. Les nouveaux processus survivent souvent au matériel qui les a rendus possibles, sans jamais apparaître comme un actif dans les comptes.
Pour un budget d'IA, la ligne des licences est donc la plus petite de celles à prévoir. Un plan qui ne finance que les abonnements finance la seule dépense qui ne produit rien sans les autres.
D'où viennent ces chiffres
Ces ordres de grandeur viennent pour l'essentiel des recherches menées par Brynjolfsson avec ses coauteurs. Le livre les présente comme telles. Ils décrivent l'informatique d'entreprise d'avant les modèles de langage. Leur valeur tient au mécanisme qu'ils mettent au jour plus qu'au multiplicateur exact, qu'aucun dirigeant ne devrait reprendre comme une règle de budget.
Qu'est-ce que la surcapacité décrite par Boris Cherny ?
C'est l'écart entre ce qu'un modèle d'IA sait déjà faire et ce que les produits en exploitent. Boris Cherny, ingénieur logiciel chez Anthropic, a commencé à construire Claude Code fin 2024 à partir de cette idée. Il l'a racontée à l'AI Ascent 2026 de Sequoia Capital sous le nom de « product overhang », l'idée que « the model can do all the stuff that no product has yet captured ».
Fin 2024, l'état de l'art du code assisté consistait à compléter une ligne à la fois. L'équipe de Cherny a jugé le modèle presque prêt pour l'étape suivante, confier à un agent l'écriture de tout le code. Le premier outil marchait mal. Cherny raconte l'avoir utilisé pour une dizaine de pour cent de son propre code pendant six mois, une période sans adéquation produit-marché que l'équipe savait inévitable puisqu'elle construisait pour le modèle suivant.
Transposer la notion à une organisation
Hors du logiciel, la notion devient une question de direction. Quelle capacité déjà payée n'est exploitée par aucune des pratiques de l'organisation ? Quand des licences couvrent des usages que personne n'a organisés, la capacité achetée dépasse celle que les équipes savent employer. L'écart ne se comble pas en achetant davantage. Il se comble en redessinant le travail.
Un témoignage à situer
Cherny parle de sa propre pratique, chez l'éditeur de l'outil, devant un public de fondateurs de start-up. Ses chiffres de production sont déclaratifs et ne décrivent aucune moyenne. Sa lecture organisationnelle a d'autant plus de poids qu'elle vient de celui qui construit l'outil.
Pourquoi le retard d'une entreprise sur l'IA est-il rarement technologique ?
Les modèles d'IA les plus avancés sont à la portée de toute entreprise qui paie l'abonnement. L'écart entre deux organisations se creuse donc ailleurs, dans leurs processus, leurs rôles et leur vitesse d'apprentissage. Acheter l'outil sans réorganiser le travail revient à payer une capacité qu'on n'utilisera pas.
Cherny le dit de sa propre entreprise. Interrogé sur l'avance d'Anthropic, il répond qu'elle ne tient pas à la technologie (« the place that we're ahead is not the technology »), la même technologie étant accessible à tous, mais à la structure et aux processus de l'organisation. L'article montrant que la transformation IA est d'abord un défi organisationnel développe cette thèse, jusqu'aux résistances qu'une grande entreprise affronte face à une jeune pousse.
La vitesse d'apprentissage, variable décisive
Le délai de cinq à sept ans mesurait le temps qu'il faut aux managers et aux salariés pour trouver de nouvelles façons de se servir de l'outil. Il dépend donc de la vitesse à laquelle une organisation apprend de ses propres essais. Cette vitesse a une limite. La vitesse d'absorption d'une organisation ne se force pas. Empiler les chantiers d'IA crée une file de travail inachevé qui grossit plus vite que l'effort investi. Les quatre compteurs de la vitesse d'absorption aident à la suivre.
D'où je parle
Depuis 2012, j'accompagne des équipes, des managers et des CODIR et je pratique la facilitation, dans une carrière commencée en 1998 dont quatorze ans à manager des équipes. Je travaille le sujet de l'IA en organisation depuis fin 2024. Je constate qu'avec l'IA une notion de temps de six mois devient un moment d'un à deux mois et que les équipes doivent se réinventer. Quand j'ai commencé à travailler ce sujet, les Product Owners que j'ai supervisés raisonnaient en cycles de six mois. Ils raisonnent aujourd'hui en cycles beaucoup plus courts. Je travaille aussi un principe organisationnel autour de l'IA. La question n'est plus quoi produire, mais comment nous allons le produire.
Par où commencer l'investissement organisationnel autour de l'IA ?
Par un processus plutôt que par un outil. Les leçons de l'électrification et de la coinvention se traduisent en six gestes, du choix d'un flux de travail à la rétrospective qui l'ajuste.
1. Choisir un flux de travail réel
Partir d'un flux précis, une instruction de dossier, un circuit de validation ou la préparation d'un comité. Le décrire tel qu'il se déroule, avec ses attentes, ses reprises et ses signatures, plutôt que tel que la procédure le prévoit. Un flux décrit honnêtement montre où le temps se perd.
2. Recenser la capacité inutilisée
Poser au flux la question de la surcapacité. Quelles tâches l'IA sait-elle déjà faire sans que personne ne l'y emploie ? La réponse peut porter sur des étapes de préparation, de tri ou de contrôle que chacun assure à la main.
3. Redessiner le flux autour de cette capacité
Les usines électrifiées ont gagné en s'organisant selon le flux des matières. Un flux de travail gagne en s'organisant selon le flux de l'information, quitte à supprimer les étapes qui n'existaient que pour compenser l'ancienne technique. Le choix du palier de maturité du système IA se fait à ce moment, en fonction du flux et non de l'offre du fournisseur.
4. Revoir droits de décision, rôles et incitations
Les entreprises étudiées par Brynjolfsson ont réorganisé les droits de décision, les incitations et la circulation de l'information. Un flux redessiné pose les mêmes questions. Il faut savoir qui valide désormais et qui répond du résultat, ce que l'IA peut faire seule et ce que l'humain se réserve. Une charte d'usage de l'IA en entreprise fixe ce cadre pour toute l'organisation, un accord d'équipe avec l'IA le décline au niveau d'une équipe.
5. Budgéter la formation et le temps d'apprendre
La formation fait partie de l'investissement organisationnel, comme le recrutement et la refonte des processus. Former à l'IA est une obligation depuis février 2025 pour toute entreprise qui la déploie. Former sur le flux redessiné vaut mieux que former à l'outil en général. Le budget se pense sur plusieurs années, pas sur un trimestre.
6. Ajuster en rétrospective
Une réorganisation autour de l'IA se corrige à l'usage. J'ai accompagné une start-up très chargée en logistique, celle où est né le canevas de l'accord d'équipe avec l'IA. Elle a confié à un agent IA une bonne part du contrôle des actions humaines, notamment la validation des enregistrements d'une personne très sollicitée. L'expérience s'est bien passée. L'équipe a ensuite travaillé en rétrospective sur le mois écoulé, sur son organisation comme sur la façon dont l'agent avait travaillé avec elle. Elle regardait ce qu'il avait réussi ou non, ce qu'il avait compris, ce qu'on avait réussi à lui apprendre puis ce qu'on pourrait lui confier en plus. Cette dernière question servait à mettre à jour l'accord d'équipe avec l'IA.
Avant d'élargir un déploiement d'IA, nommez le processus qui sera redessiné, la personne qui en répond et la date de la première rétrospective. Un déploiement sans ces trois éléments achète de la capacité sans organiser son usage.
Questions fréquentes
Aucune mesure ne fixe encore ce délai pour l'IA générative. Pour l'informatique d'entreprise des années 1990, Erik Brynjolfsson et Lorin Hitt mesuraient cinq à sept ans en moyenne avant les pleins effets sur la productivité. Brynjolfsson et McAfee notent que les innovations complémentaires se diffusent plus vite à l'ère numérique. Le délai dépend surtout de la vitesse à laquelle l'organisation redessine son travail.
La formation fait partie de l'investissement organisationnel, au même titre que le recrutement et la refonte des processus. Former à l'outil sans changer les processus apprend surtout à automatiser le travail tel qu'il existe. Former les équipes sur le flux redessiné relie l'apprentissage aux gains attendus.
Le paradoxe décrit une technologie visible partout mais absente des chiffres de la productivité. Brynjolfsson et McAfee l'expliquent par le délai des investissements complémentaires dans l'organisation. Rien n'établit encore que l'IA générative suivra la même trajectoire que l'informatique des années 1990. Le mécanisme qu'ils décrivent donne en revanche une grille de lecture pour les premiers déploiements.
Boris Cherny estime qu'une jeune pousse peut construire d'emblée avec l'IA quand une grande entreprise doit d'abord faire évoluer ses processus, former tout le monde et affronter des résistances internes. Une petite structure a moins d'habitudes à défaire. Elle doit quand même décider comment elle produit, puis revoir cette décision à mesure que l'outil progresse.
Sur le flux redessiné plutôt que sur le nombre d'utilisateurs de l'outil. Le délai de bout en bout, le nombre de reprises, les attentes entre deux étapes et la file de travail inachevé disent si le travail a changé. Un taux d'usage élevé sur un flux inchangé revient à paver les chemins existants.
Par un seul flux de travail, décrit tel qu'il se déroule, puis par la question de la surcapacité. Quelles tâches de ce flux l'IA sait-elle déjà faire sans que personne ne l'y emploie ? Redessiner ce flux, puis revoir qui décide et qui répond du résultat, produit plus qu'un nouveau lot de licences. Pour choisir ce premier flux sur votre contexte, réservons un échange de 30 minutes.
Vos licences d'IA attendent-elles encore leur organisation ?
Que vous soyez dirigeant, manager ou DRH, un premier échange permet de repérer le processus à redessiner en premier avant d'élargir le déploiement.
Réserver un échange découverte (30 min)Allez plus loin
- Le deuxième âge de la machine Les trois moteurs du progrès numérique, la coinvention organisationnelle et le délai de cinq à sept ans avant les pleins effets de l'informatique sur la productivité. Voir le livre →
Liens affiliés
