Ouvrir le manuel

Productivité

IA et rythme de projet : comment un manager peut libérer 300 heures par an

16 min de lecture

Douze heures par semaine. C’est le temps qu’un chef de projet typique consacre aux rapports, aux mises a jour de planification, a la correspondance avec les parties prenantes et au suivi des risques. Soit pres d’un tiers du temps de travail, non pas a prendre des decisions, mais a les formaliser.

Avec l’IA, ce temps passe a trois heures. Mais a une seule condition : l’IA doit etre integree dans le rythme operationnel du travail, et non utilisee de maniere episodique – « quand on y pense ».

Lire la suite
IA et rythme de projet : comment un manager peut libérer 300 heures par an
Qu'est-ce que l'IA en termes simples : explication pour les managers 2026
12 min

Qu'est-ce que l'IA en termes simples : explication pour les managers 2026

Des milliers de managers cherchent chaque jour « qu’est-ce que l’IA en termes simples » – non pas parce qu’ils ne sont pas assez intelligents, mais parce que les explications techniques des manuels sont inutiles pour prendre de vraies décisions. Le problème n’est pas la complexité du sujet. Le problème, c’est que la plupart des explications sont écrites par des ingénieurs pour des ingénieurs.

Mettons les choses au clair sans jargon ni formules – en mettant l’accent sur ce que le manager a réellement besoin de savoir.

L'IA ne vous rend pas plus bête. Tout dépend de comment vous l'utilisez
10 min

L'IA ne vous rend pas plus bête. Tout dépend de comment vous l'utilisez

Il y a un an et demi, j’ai publié un billet sur mon blog personnel à propos d’un phénomène que j’observais chez mes collègues et dans mon propre travail : plus on fait confiance à l’IA, moins on se pose la question « est-ce que c’est vraiment juste ? ». Je m’appuyais alors sur une étude de Microsoft qui montrait que la confiance envers l’IA inhibe l’évaluation critique des réponses fournies. L’argument me semblait solide, mais il avait un défaut évident : corrélation, pas causalité.

En février 2026, les chercheurs d’Anthropic Judy Shen et Alex Tamkin ont publié une expérience qui a comblé cette lacune. Un essai randomisé contrôlé. Des données concrètes. Et une conclusion que, je crois, la plupart des gens qui l’ont lue comprennent mal.

Parce que ce n’est pas une histoire sur le fait que l’IA nous rend plus bêtes. C’est une histoire sur la manière dont nous l’utilisons.

L'IA ne fait pas gagner du temps – elle le compresse : 8 mois d'observations
14 min

L'IA ne fait pas gagner du temps – elle le compresse : 8 mois d'observations

Les entreprises s’inquiètent de faire adopter l’IA par leurs employés. La promesse est séduisante : l’IA se chargera des tâches fastidieuses – brouillons de documents, synthèse d’informations, débogage de code – libérant du temps pour un travail à plus forte valeur ajoutée.

Mais les entreprises sont-elles prêtes à affronter ce qui se passe quand elles y parviennent réellement ?

Des chercheurs de Stanford ont mené une étude observationnelle de 8 mois auprès d’environ 200 employés d’une entreprise technologique américaine ayant déployé l’IA générative. L’entreprise n’avait pas imposé l’utilisation de l’IA – elle avait simplement fourni des abonnements professionnels à des outils commerciaux. Les employés décidaient eux-mêmes s’ils les adoptaient.

Le résultat s’est avéré paradoxal. L’IA n’a pas réduit le travail. Elle l’a intensifié. Les travailleurs sont devenus plus rapides, ont pris en charge davantage de tâches, ont étalé leur travail sur plus d’heures dans la journée – souvent sans aucune pression externe explicite. L’IA a rendu le « faire plus » possible, accessible, et dans bien des cas intrinsèquement gratifiant.

Fait remarquable, le même schéma se retrouve dans d’autres recherches. Microsoft a constaté que 62 % des chefs de produit utilisent l’IA générative quotidiennement, mais si 81 % affirment que l’IA fait gagner du temps, 56 % nient que l’effort ait diminué. Un paradoxe ? Non – une tendance de fond.

6 600 commits en un mois : les leçons de workflow du créateur d'OpenClaw
18 min

6 600 commits en un mois : les leçons de workflow du créateur d'OpenClaw

Un développeur. 6 600 commits. Un seul mois.

C’est plus que ce que la plupart des équipes publient en un trimestre. Plus que ce que bien des startups produisent en six mois. Ce n’est pas une métrique marketing – c’est la productivité réelle de Peter Steinberger, créateur d’OpenClaw (anciennement connu sous le nom de clawdbot), l’un des projets IA les plus viraux de janvier 2026.

Peter décrit lui-même le projet simplement : « Ce n’est pas une entreprise – c’est un mec chez lui qui prend du plaisir dans le processus. » Après un exit réussi de PSPDFKit, il aurait pu se reposer. Au lieu de cela, il construit un assistant IA qui gère son calendrier, envoie des e-mails et l’enregistre sur des vols. « Une IA qui fait réellement les choses » – voilà comment il a formulé la mission du projet.

Comment un seul homme peut-il travailler comme toute une entreprise ? Quelles compétences sont critiques lorsqu’on travaille avec des agents IA ? Pourquoi l’expérience de management d’une équipe de plus de 70 personnes se révèle-t-elle déterminante pour la productivité avec l’IA ? Et comment le centre d’attention de l’ingénieur évolue-t-il – de l’écriture de code vers la conception d’architecture ?

Décortiquons les leçons concrètes du workflow de Peter Steinberger – applicables à tout projet assisté par IA, même si vous n’installez jamais OpenClaw vous-même.

La taxe cachée de l'IA : pourquoi 40 % des gains de temps disparaissent
13 min

La taxe cachée de l'IA : pourquoi 40 % des gains de temps disparaissent

87 % des employés utilisent l’IA au travail. 77 % affirment être devenus plus productifs. On dirait une success story de la transformation numérique. Mais il suffit de poser la question qui dérange : si l’IA augmente autant la productivité, pourquoi seulement 14 % en tirent-ils un bénéfice net réel ? Où passent les 86 % restants ?

Workday a mené une étude mondiale auprès de 3 200 répondants – et a découvert que derrière les chiffres flatteurs se cache une réalité bien moins reluisante. Près de 40 % du temps économisé grâce à l’IA est consacré à corriger ses erreurs. Ce n’est pas un bug ponctuel ni un problème de « mauvais usage ». C’est une défaillance systémique dans la manière dont les organisations déploient l’intelligence artificielle.

Chez mysummit.school, nous avons déjà analysé Dejan.AI (l’IA comme stagiaire junior), Gallup (un usage multiplié par deux en un an) et le MIT (le fossé entre leaders et retardataires). Workday apporte un nouvel angle : le coût mesurable de la faible qualité des résultats de l’IA. Et ce coût s’avère plus élevé que beaucoup ne veulent l’admettre.

Bain 2025 : 65 % des entreprises adoptent l'IA – enseignements clés pour les managers
13 min

Bain 2025 : 65 % des entreprises adoptent l'IA – enseignements clés pour les managers

Chez mysummit.school, nous suivons en permanence les études sur l’utilisation de l’IA – il est essentiel pour nous de distinguer la réalité du battage médiatique. Dans notre article précédent, nous analysions les données de Stanford sur les 37 % d’utilisation de l’IA. Nous disposons désormais de deux études récentes aux conclusions contradictoires – et cette contradiction est riche d’enseignements.