Ouvrir le manuel

IA en Entreprise

Managers et IA : les plus assidus – mais pas pour manager

15 min de lecture

Parmi toutes les professions qui ouvrent Claude le plus souvent, les managers arrivent en tete. Dans l’enquete d’Anthropic, ils representent 23 % des repondants – alors qu’ils ne comptent que pour environ 7 % de l’emploi aux Etats-Unis. Les managers sont donc trois fois surrepresentes parmi les utilisateurs d’IA. Et maintenant, le deuxieme chiffre : les taches de management ne representent qu’environ 4 % de l’ensemble des sessions. Les gens qui dirigent utilisent l’IA pour tout, sauf pour diriger.

Derriere ces deux chiffres se cache la description la plus fidele de la facon dont un manager travaille reellement avec l’IA. Et la raison pour laquelle la peur du « il va prendre mon poste » fonctionne differemment dans cette profession qu’on ne le croit.

Lire la suite
Managers et IA : les plus assidus – mais pas pour manager
Les 5 couches d'un agent IA : ce que tout manager doit savoir
21 min

Les 5 couches d'un agent IA : ce que tout manager doit savoir

« La plupart des gens pensent encore qu’un agent IA, c’est juste ChatGPT avec un bon prompt. » C’est par cette phrase que commence l’article de Sunil Ramlochan « The AI Agent Stack Is Not a Prompt. It’s a Production System », et l’auteur qualifie aussitôt cette croyance de « mythe rassurant ». La vérité utile, selon lui, est ailleurs : un véritable agent ressemble davantage à un petit système d’exploitation pour le travail. Il possède un cerveau, des mains, une mémoire, des règles, des logs, des plans de reprise et quelqu’un qui répond quand l’agent fait n’importe quoi.

La thèse de l’article tient en une ligne : un agent, c’est tout un stack. Et c’est l’architecture autour qui lui donne sa fiabilité, alors que le modèle ou un prompt bien tourné n’est qu’un ingrédient parmi d’autres. La perspective est technique, alors examinons-la sous un autre angle – qu’est-ce qui, dans ce stack, concerne réellement le manager qui n’écrit pas de code mais décide de lancer ou non un agent en production.

Pourquoi les pilotes IA en usine meurent entre la démo et l'atelier
12 min

Pourquoi les pilotes IA en usine meurent entre la démo et l'atelier

Le pilote a été présenté au comité de direction, tout le monde a applaudi, le budget de « passage à l’échelle » a été débloqué. Six mois plus tard, le système de vision par ordinateur qui détectait 98 % des défauts en démo en attrape à peine la moitié, les contrôleurs qualité ont cessé de lui faire confiance et le projet a discrètement migré vers la rubrique « initiatives reportées ». Ce n’est pas un incident isolé ni la faute d’un intégrateur en particulier. Selon RAND, c’est ainsi que se terminent plus de 80 % des projets IA en entreprise – et presque toujours pour des raisons visibles avant même le lancement.

40 cas GigaChat de Sber : ce que dit vraiment notre benchmark
27 min

40 cas GigaChat de Sber : ce que dit vraiment notre benchmark

Sber – la plus grande banque russe, qui développe aussi sa propre famille de modèles d’IA, GigaChat – a publié un dossier promotionnel : quarante études de cas d’entreprises ayant adopté GigaChat et qui en détaillent les bénéfices. EdTech, MedTech, HRTech, cybersécurité, PropTech. De jolies fiches, des chiffres précis, de vraies startups.

Le dossier promotionnel de Sber

Sur l’image : le visuel « Un pas en avant » de l’accélérateur Sber500×GigaChat – 40 startups dans 9 secteurs. Effets annoncés : processus jusqu’à x16 plus rapides, coûts réduits jusqu’à 90 %, automatisation des tâches jusqu’à 95 %, chiffre d’affaires en hausse jusqu’à 30 %.

Nous disposons d’un benchmark : 29 modèles, 4 308 évaluations indépendantes sur des tâches managériales. GigaChat y occupe la dernière place, 29e sur 29 à l’issue de la deuxième vague de tests. Cela crée une situation intéressante.

Non pas parce que Sber mentirait. Les cas sont réels, les startups existent, l’automatisation fonctionne. La vraie question est ailleurs : était-ce le modèle optimal pour les tâches que ces entreprises devaient résoudre ?

Comment déployer l'IA dans l'industrie : plan d'action en 5 étapes pour les dirigeants
30 min

Comment déployer l'IA dans l'industrie : plan d'action en 5 étapes pour les dirigeants

Le chef de poste d’une usine métallurgique passe 40 minutes chaque matin à remplir son rapport de quart. Il recopie manuellement les indicateurs des équipements dans un modèle Word, décrit les incidents avec ses propres mots, croise les données avec le registre de sécurité. Ce travail existe depuis les années 1970 et n’a pas changé d’une minute. L’IA peut le réduire à dix minutes. La partie difficile n’est pas la technologie. La partie difficile, c’est par où commencer.

280x moins cher en deux ans : l'économie de l'IA a basculé
11 min

280x moins cher en deux ans : l'économie de l'IA a basculé

En 2023, une requête à GPT-4 coûtait suffisamment cher pour qu’il faille compter avec soin. En 2025, une requête équivalente est devenue 280 fois moins chère. Pas de 280 pour cent – 280 fois moins. En deux ans, le coût d’utilisation de l’IA est passé d’une barrière à une erreur d’arrondi.

Le Stanford AI Index – rapport annuel qui agrège des données sur l’industrie de l’IA à partir de centaines de sources – a documenté cet effondrement dans son édition 2025. Et le rapport 2026 a ajouté du contexte : les investissements en IA ont explosé à 285,9 milliards de dollars, les consommateurs reçoivent 172 milliards de dollars de valeur annuelle, et les data centers consomment autant d’électricité que l’État de New York. L’économie a basculé – mais pas comme on l’attendait.

L'IA s'est diffusée plus vite qu'Internet – mais 62 % des utilisateurs sont restés au point de départ
11 min

L'IA s'est diffusée plus vite qu'Internet – mais 62 % des utilisateurs sont restés au point de départ

En avril 2026, Stanford HAI a publié son neuvième rapport annuel AI Index Report – la synthèse la plus complète sur l’état de l’industrie de l’intelligence artificielle. Les gros titres sont prévisiblement optimistes : l’adoption en entreprise a atteint 88 %, l’IA générative a dépassé Internet en vitesse de diffusion, la valeur pour les consommateurs des outils GenAI est estimée à 172 milliards de dollars par an. Mais derrière les chiffres, un problème familier apparaît.

99 % de la qualité pour 1,4 % du prix : ce qui ne va pas sur le marché des modèles IA
9 min

99 % de la qualité pour 1,4 % du prix : ce qui ne va pas sur le marché des modèles IA

La plupart des managers choisissent un modèle IA de la même manière : ils prennent le plus cher disponible. La logique est limpide – plus cher, c’est mieux. C’est ainsi que fonctionnait le logiciel d’entreprise depuis vingt ans.

Le marché des modèles IA en 2026 fonctionne différemment. Le coût d’une requête varie de 0,0001 $ à 0,17 $ – trois ordres de grandeur. Et la différence réelle de qualité entre les dix meilleurs modèles ? 0,24 point sur une échelle de cinq. Pendant ce temps, Wharton / GBK Collective constate qu’un tiers des projets IA en entreprise ne dépasse pas le stade du pilote. Et Epoch AI montre que seuls 5,6 % des utilisateurs exploitent réellement l’IA en profondeur.

La question n’est peut-être pas de savoir quel modèle est le meilleur, mais plutôt si payer le prix fort pour un modèle premium produit un résultat proportionnellement meilleur pour les tâches managériales courantes.

Nous avons vérifié. La réponse s’est avérée plus brutale que prévu.

62 % des utilisateurs de l'IA ne l'appliquent qu'à 1–2 tâches : les données Epoch AI / Ipsos (mars 2026)
11 min

62 % des utilisateurs de l'IA ne l'appliquent qu'à 1–2 tâches : les données Epoch AI / Ipsos (mars 2026)

En novembre 2025, les données de Stanford ont révélé un fait inattendu : les Américains utilisent l’IA plus souvent à la maison qu’au travail. Chez mysummit.school, nous avons décortiqué cela dans un article dédié – et le constat était clair : l’IA professionnelle courait encore derrière l’IA personnelle.

Quatre mois ont passé. Epoch AI, en collaboration avec Ipsos, a publié une nouvelle étude – et la photo a changé.