L’intelligence artificielle, le low-code et le vibe coding ont considérablement réduit le temps nécessaire pour concevoir, tester et mettre en forme une solution numérique. Pourtant, dans de nombreuses grandes entreprises, la vitesse de réalisation n’est plus le principal obstacle. Le véritable frein se situe désormais ailleurs : dans la capacité de l’organisation à autoriser, encadrer et adopter le changement sans l’étouffer sous ses propres procédures.
Il existe aujourd’hui un décalage croissant entre ce que la technologie permet et ce que les organisations autorisent. Une petite équipe peut prototyper en quelques jours une application qui aurait nécessité plusieurs semaines, voire plusieurs mois, il y a encore peu. Mais dans une grande entreprise, ce gain de vitesse peut être presque entièrement absorbé par les étapes qui précèdent ou suivent le développement : validation de l’architecture, conformité, sécurité, achats, référencement fournisseur, gouvernance des données, priorisation dans une feuille de route ou recherche d’un budget. Le problème n’est pas que chacune de ces étapes soit inutile. Il apparaît lorsque leur empilement devient plus coûteux que le risque qu’elles sont censées prévenir.
Des procédures conçues pour un autre monde
La plupart de ces mécanismes ont été créés pour de bonnes raisons. Les grandes entreprises doivent protéger leurs données, garantir la continuité de leurs systèmes, maîtriser leurs dépenses et éviter que chaque équipe ne développe ses propres outils sans contrôle. Mais beaucoup de règles ont été conçues à une époque où développer un service numérique coûtait cher, nécessitait des compétences rares et engageait rapidement des infrastructures lourdes.
Ce contexte a changé plus vite que les procédures. Le coût d’un prototype s’effondre, le délai de réalisation se réduit, les capacités techniques deviennent accessibles à des équipes beaucoup plus petites. Les organisations, elles, continuent souvent à appliquer des circuits de décision conçus pour des projets d’une tout autre nature. Elles gouvernent une expérimentation de quelques utilisateurs comme si elle devait immédiatement devenir un système critique déployé à l’échelle du groupe.
C’est là que naît une partie de l’absurdité actuelle. Certaines entreprises investissent massivement dans l’IA tout en conservant des processus qui rendent son usage concret extrêmement difficile. Elles peuvent déployer des assistants génératifs à plusieurs milliers de collaborateurs, tout en imposant des mois de validation pour une application interne très simple. Elles organisent des hackathons, encouragent les équipes à expérimenter, puis découvrent que les solutions produites ne peuvent pas franchir les barrières nécessaires pour devenir réellement utiles.
L’organisation fabrique elle-même son retard
Le phénomène est d’autant plus difficile à corriger qu’il ne résulte généralement d’aucune décision explicite. Chaque fonction remplit son rôle : la sécurité limite les vulnérabilités, les achats encadrent les fournisseurs, l’architecture protège la cohérence du système d’information, le juridique réduit le risque réglementaire. Mais lorsque chacun optimise son propre périmètre, personne ne porte réellement la responsabilité de la vitesse globale.
C’est probablement l’un des angles morts des grandes organisations. Elles savent mesurer les incidents évités, les budgets maîtrisés ou le respect des processus. Elles mesurent beaucoup moins le coût de l’inaction : projets abandonnés, collaborateurs découragés, opportunités manquées, problèmes métier qui persistent faute de solution suffisamment rapide. Or ce coût devient de plus en plus important à mesure que l’environnement technologique accélère.
Le risque n’est donc plus seulement de faire une erreur en allant trop vite. Il est aussi de devenir incapable d’apprendre assez vite. Une entreprise qui met plusieurs mois à tester une idée quand d’autres peuvent le faire en quelques jours accumule un retard qui n’est pas uniquement technologique. Elle accumule un retard de compréhension, d’usage et d’adaptation.
Gouverner selon le risque réel
La réponse ne consiste évidemment pas à supprimer toute règle. Elle consiste à remettre de la proportionnalité dans la gouvernance. Une expérimentation limitée, sans données sensibles et utilisée par quelques personnes ne devrait pas être soumise dès le départ aux mêmes exigences qu’un système critique déployé auprès de dizaines de milliers de collaborateurs.
Les organisations les plus efficaces seront probablement celles qui sauront créer des espaces d’expérimentation réellement utilisables : environnements sécurisés, données maîtrisées, budgets légers, cycles de validation courts et règles qui se renforcent à mesure que l’usage grandit. Autrement dit, tester rapidement lorsque le risque est faible, puis industrialiser sérieusement lorsque la valeur est démontrée.
Le principal enjeu de l’IA en entreprise ne sera donc peut-être pas l’adoption de nouveaux outils. Ce sera la capacité à supprimer ou à simplifier les mécanismes conçus pour un monde qui n’existe plus. Car lorsque deux personnes peuvent construire en quelques jours ce qu’une organisation met plusieurs mois à autoriser, le problème n’est plus la technologie.
C’est la capacité de l’entreprise à évoluer.