Deux cent soixante documents, un agent sans consigne, et le consultant qui avait mené la vraie mission pour juger le résultat
Une mission facturée plusieurs dizaines de milliers d’euros. Deux consultants, quelques semaines, deux cent soixante documents. Une IA a reconstruit le livrable final en quelques heures, pour le prix d’un abonnement Claude. Le document produit était bon, presque personne ne l’aurait contesté en le lisant seul. Mais c’est en confrontant ce résultat au livrable réel, avec le consultant qui a réellement mené la mission, que nous avons mis le doigt sur ce que nos clients achètent vraiment.
Deux cent soixante documents, aucune consigne
Juillet 2026. Alenia venait de facturer une mission de quelques dizaines de milliers d’euros : un post-mortem après une série d’incidents chez un client, mené sur plusieurs semaines par deux de mes collègues consultants. Je n’ai pas participé à cette mission. Mais j’ai récupéré tout ce qu’elle contenait : la proposition commerciale, les documents transmis par le client, les mails, les transcripts des interviews menées sur le terrain. Environ deux cent soixante documents. Et j’ai demandé à Opus 4.8, effort élevé, agents Cowork en parallèle, de refaire seul ce que deux consultants avaient mis des semaines à produire.
Le protocole était volontairement minimal : un accès au dossier complet, aucune consigne de forme ni de fond, et une seule instruction, débrouille-toi.
Deux précisions comptent ici, parce qu’elles changent ce que cette expérience démontre réellement. D’abord, ces deux cent soixante documents n’étaient pas un vrac brut : mes collègues avaient déjà fait le tri parmi tout ce que le client avait transmis, sélectionné les pièces pertinentes. Ensuite, parmi ces documents figuraient les transcripts des interviews menées par mes collègues. L’IA n’est donc pas partie de rien : elle a bénéficié d’un travail de filtre, de collecte déjà fait par des humains, des questions posées, relances et du contexte recueilli en direct. Elle rédige ainsi à partir d’un travail de terrain, filtré et collecté, qu’elle n’a pas fait elle-même.
Ce que l’IA a produit, minute par minute
Dix minutes pour un premier document de contexte, construit à partir de la lecture parallélisée des deux cent soixante documents par plusieurs agents Cowork. Cette étape a consommé la moitié d’un quota de cinq heures. Huit minutes de plus pour le livrable détaillé au format texte : un cinquième du quota. Un quart d’heure supplémentaire pour une version PowerPoint, cette fois demandée par moi à partir du document texte : plus de 30 % du quota suivant, épuisé avant la fin, obligeant à attendre son renouvellement.
La première tentative de mise en forme au format Alenia a échoué. J’avais donné le mauvais template, celui d’une proposition commerciale. Vingt minutes et 28 % de quota supplémentaire pour un résultat inutilisable. La seconde tentative, avec le bon template cette fois, a pris 4 % de quota.
Au total : environ vingt-cinq minutes de mon temps, réparties sur cinq heures d’attente entre les paliers de quota. Je n’ai quasiment rien retouché à la main. Sur le moment, ça m’a impressionné plus que ça ne m’a rassuré. Le tout, pour le prix d’un abonnement mensuel. La mission originale avait coûté plusieurs dizaines de milliers d’euros et plusieurs semaines de travail à deux personnes.
Et celui qui a mené la vraie mission, qu’en dit-il ?
J’ai montré les livrables à l’un des deux consultants qui avait réellement mené la mission. Lui pouvait juger, pas moi. Je n’avais pas lu les 260 documents d’origine. L’IA aurait pu me raconter n’importe quoi de crédible sans que je m’en aperçoive.
Son verdict : un niveau moyen à bon. La timeline de l’incident, l’analyse des causes racines, les cinq pourquoi successifs, suivaient une structure très proche de ce que la mission réelle avait produit. Le document de contexte, rédigé sans aucune consigne, aurait suffi à faire comprendre le sujet à quelqu’un qui découvrirait tout de zéro.
Le PowerPoint, en revanche, restait trop abstrait. Il n’ancrait pas ses affirmations, n’insistait pas sur ce qui comptait vraiment. Sur un point du dossier, aucun document ne documentait une étape clé de la mission : l’IA a comblé le trou en avançant à grandes enjambées plutôt que de signaler l’absence de source. Et elle s’est trompée sur l’importance d’un système technique mentionné en ouverture du dossier, un détail parmi deux cent soixante documents, pas le nœud du problème. Elle ne pouvait pas encore le savoir.
Je pensais que le vrai obstacle serait là, dans ces erreurs de jugement sur ce qui compte. Mais je m’étais trompé.
La question qui ne pardonne pas
Quand mon collègue a présenté le vrai post-mortem, il s’est retrouvé face au dirigeant du client et au responsable du périmètre concerné. Il savait, en direct, qui avait dit quoi, à quel moment, à quel niveau hiérarchique, parce qu’il avait mené les interviews lui-même. Un dirigeant de ce niveau interroge systématiquement le point qui dissone avec ce qu’il croit déjà. Il faut alors répondre sur la source, sur sa fiabilité, sur le contexte dans lequel elle a été recueillie. Immédiatement.
Face au même document produit par l’IA, mon collègue n’aurait pas pu répondre à ces questions. Pas parce que le document était faux. Parce qu’il ne l’avait pas écrit lui-même, qu’il n’avait pas posé les questions, qu’il n’avait pas entendu les hésitations et les contradictions au moment où elles s’exprimaient.
Aucun bluff n’est possible.
Les transcripts donnent les mots. Ils ne donnent pas la mémoire de la scène où ces mots ont été prononcés.
Qu’est-ce qui ne se délègue pas ?
La différence structurante est donc là. La mise en forme et la rédaction se délèguent sans grande perte : c’est déjà ce que mes collègues ont fait sur la vraie mission, avant même cette expérience, pour affiner une grille de questions, retrouver une information dans des échanges Teams, rédiger un paragraphe propre en anglais à partir d’idées brutes. La collecte et l’analyse de l’information, elles, ne se délèguent pas sans perte. Une information qu’on n’a pas soi-même collectée et challengée ne se rattrape pas après coup, même transcrite noir sur blanc. S’y replonger pour se l’approprier demanderait un effort quasi impossible à mener sérieusement.
Sans ce minimum de collecte, de challenge et d’analyse, personne ne peut présenter ni défendre un document avec autorité. On devient hors-sol, et devant un sponsor qui pousse, ça se voit tout de suite : on ne défend plus un diagnostic, on bluffe. Court-circuiter ce travail reste techniquement possible, l’expérience vient de le montrer. Ça reste pour autant contre-productif, et de plus en plus, parce que la présentation et la défense du document sont en train de devenir décisifs pour convaincre un client.
Et la mission réelle le confirme, le document écrit n’a pas été l’élément qui a convaincu le client. C’est la conviction déployée à l’oral, sur quelques points forts, qui a compté. Le document a de la valeur. Il ne suffit jamais seul, sans quelqu’un pour le défendre.
Ce que ça change pour Alenia dans son usage de l’IA
La réponse n’est pas de remplacer les étapes d’une mission avec l’IA, mais de toutes les garder et les accélérer avec l’IA : affiner une grille d’interview avant de la mener, synthétiser plus vite après l’avoir menée, mettre en forme un livrable une fois l’analyse faite par les consultants eux-mêmes. Sauter une étape reste contre-productif, parce qu’on perd le contact avec ce qu’on produit, et la capacité de le défendre.
Ce constat a quelque chose d’inconfortable. Il suppose qu’une mission de conseil continuera de ressembler, dans sa structure, à ce qu’elle est aujourd’hui, seulement plus rapide à chaque étape. Ce n’est peut-être pas la bonne réponse à long terme.
Une autre piste mérite d’être posée, sans prétendre la trancher ici. Et si le livrable n’était pas condamné à rester une présentation figée, qu’un consultant apporte et défend seul devant le sponsor ? Il pourrait devenir un ensemble documentaire nettoyé, structuré, que le sponsor interroge lui-même en direct, l’IA retrouvant à la demande la source et la justification de chaque affirmation contestée. Le rôle du consultant se déplacerait alors : non plus défendre chaque ligne en personne devant le client, mais orienter l’IA pendant la collecte et l’analyse, puis garantir que ce qu’elle avance en direct au sponsor reste ancré sur une source réelle plutôt que sur un trou comblé à grandes enjambées, comme celui observé sur ce dossier. Ce modèle déplace le problème plus qu’il ne le résout : il suppose qu’on puisse faire confiance à l’IA pour dire honnêtement qu’elle ne sait pas, au lieu d’avancer avec assurance sur une information qui n’existe pas. Rien, dans cette expérience, ne prouve encore qu’elle sait déjà le faire.
Pour l’instant, ma seule certitude est ce qui ne peut pas se déléguer à l’IA. La collecte de l’information reste le prix cognitif à payer pour pouvoir défendre ce qu’on produit. Et c’est ça que nos clients achètent sans toujours le savoir : pas le document, mais quelqu’un capable de tenir devant eux le jour où ils le contestent.