En 2012, quand j’ai créé ma société, j’aurais aimé qu’un dirigeant expérimenté me glisse un conseil très simple : dès le premier euro encaissé, prends un comptable.
J’ai lancé mon activité en auto-entrepreneur, sans véritable suivi. Sur le moment, tout paraissait limpide : l’activité avançait, les clients arrivaient, et je regardais surtout ce qui entrait. Deux ans plus tard, j’avais dépassé les plafonds d’environ deux fois. La suite a été brutale — redressement, bascule automatique en entreprise individuelle, aucune optimisation anticipée, plus de 30 000 € de dettes à absorber. Et un effet que je n’avais pas vu venir : l’intégralité des revenus de la société intégrée à l’imposition du foyer, et plusieurs aides à la petite enfance perdues.
Ce n’était plus un problème de gestion. C’était un tsunami financier et familial. Tout cela aurait pu être évité, ou fortement amorti, avec un accompagnement dès le départ.
Aujourd’hui, je donnerais un conseil du même ordre à toute entreprise qui commence à utiliser l’intelligence artificielle :
Ne consacrez pas toute votre IA à produire.
L’IA développe une fonctionnalité, rédige un contenu, génère une interface, automatise une tâche à une vitesse qui grise. La tentation est naturelle : mettre chaque token, chaque agent, chaque heure gagnée au service de la fabrication. C’est probablement une erreur — la même que la mienne en 2012. Regarder ce qui entre, et pas ce qui s’accumule.
Produire plus vite ne dispense pas de mieux contrôler
Quand une équipe découvre la puissance des modèles actuels, elle commence par leur demander de produire : du code, des contenus, des automatisations, des analyses. Les résultats sont immédiats. Un écran apparaît. Un workflow tourne. Une journée de travail tient dans une heure.
Mais ce gain crée un risque neuf : produire plus vite qu’on ne réfléchit. L’IA génère une solution techniquement fonctionnelle sans se demander si elle était nécessaire. Elle automatise un processus mal conçu. Elle ajoute une dépendance, multiplie les services, installe une dette que personne ne verra avant des mois. Elle produit surtout dix fois plus de code qu’une équipe n’est capable d’en relire sérieusement.
La question n’est donc plus de savoir si l’IA sait produire. C’est de savoir si l’entreprise sait encore contrôler ce qu’elle produit avec elle.
Ma règle des 30 %
Je n’en fais pas une vérité scientifique. C’est une règle de gestion, née de notre pratique : sur l’ensemble des ressources consacrées à l’IA, au moins 30 % ne doivent pas servir à construire, mais à vérifier, analyser et optimiser.
Chez nous, ces 30 % ne sont pas une intention — ils sont outillés. Quand un agent développe une fonctionnalité, un autre la passe au crible : cohérence avec l’existant, doublons, failles, dépendances ajoutées, qualité des tests, coût futur. Ce n’est pas une relecture de politesse. Un développement ne peut pas être fusionné sans tests verts et revue explicite — un agent producteur n’a pas l’autorité de valider son propre travail.
Cette discipline produit des chiffres inconfortables, et c’est le but. Notre propre site vitrine a été audité et noté 12,5/20 lors de la dernière revue de fond. Ce n’est pas un aveu de faiblesse : c’est la preuve que le contrôle existe. Une IA ne nous livre pas un succès qu’on gobe — une autre IA le note, et pointe ce qui cloche.
Une IA pour produire, une autre pour questionner
La partie la plus utile de ces 30 %, c’est la contradiction organisée. Quand nous confions un développement à un agent, il devient naturel d’en charger un second de poser les questions moins agréables :
- Avait-on vraiment besoin de développer ça ?
- Une solution plus simple existe-t-elle déjà dans le produit ?
- Cette architecture sera-t-elle encore lisible dans un an ?
- Quel sera son coût réel une fois en production ?
- Que se passe-t-il si le service externe change ses tarifs ou disparaît ?
Concrètement, nous choisissons le modèle en fonction du rôle : un modèle rapide et économique produit, un modèle plus lourd conteste. Ce choix est explicite, jamais implicite — pour nous, dispatcher une tâche sans avoir décidé qui produit et qui juge n’a pas de sens. Et pour les décisions structurantes, la revue passe par un panel de plusieurs agents adversariaux qui cherchent à réfuter, pas à approuver.
Le second agent voit d’ailleurs ce que l’habitude nous cache. C’est un audit de ce type qui a exhumé, chez nous, une brique de journalisation morte depuis des mois, un fichier de configuration d’un ancien framework jamais supprimé, une clé d’API documentée mais plus branchée à rien. Rien de tout cela n’était visible à l’œil. Il a fallu demander à une IA de le chercher. (J’y reviendrai dans un prochain article de la série.)
L’IA accélère les bonnes décisions — et les mauvaises
On répète que l’IA fait aller dix fois plus vite. C’est parfois vrai. Mais elle fait aussi aller dix fois plus vite dans la mauvaise direction. Un workflow inutile automatisé. Une fonctionnalité sans utilisateur livrée. Une architecture trop complexe déployée. Un coût marginal qui devient significatif à grande échelle.
La vitesse n’est pas une stratégie. La capacité à l’orienter, la mesurer et la corriger, si. Les entreprises qui tireront le meilleur de l’IA ne seront pas celles qui auront généré le plus de code ou de contenus — ce seront celles qui auront appris à s’en servir pour améliorer leurs décisions autant que leur production.
Commencer par une discipline, pas par une gouvernance
Nul besoin d’un comité et d’un référentiel de 40 pages. On peut commencer simplement : pour chaque ressource consacrée à construire avec l’IA, réserver une part explicite à la revue, à l’audit et à l’optimisation. À chaque développement, exiger une analyse des risques et des coûts. À chaque automatisation, remettre d’abord le workflow en cause. À chaque gain de temps annoncé, mesurer ce qui a réellement été économisé. À chaque réponse convaincante, organiser la contradiction.
L’IA est un formidable outil de production. Elle devient bien plus précieuse le jour où on lui demande aussi de nous empêcher de produire n’importe quoi.
Et chez vous — quelle part de votre IA sert réellement à contrôler ce qu’elle produit ?