En bref :
Vous voyez cette scène, dans Mission impossible, où Ethan Hunt compose son équipe ? L'artificier. Le pilote de la voiture. Le perceur de coffres.
Travailler avec l'IA, c'est censé ressembler à cela. Vous êtes dans la salle de briefing. Vous convoquez les experts.
Le problème, c'est que la plupart des gens s'obstinent à jouer l'artificier au fond du tunnel.
Seuls 5 % ont compris qu'ils venaient d'être promus chef d'opération.
Vous pouvez être Tom Cruise. Voici comment.
L'article complet
Plus je discute avec des entrepreneurs, des responsables d'unités, des dirigeants, plus je constate la même chose : leur travail est si exigeant qu'ils n'ont tout simplement pas le temps de réfléchir à la manière de tirer le meilleur des modèles d'IA. Ils pilotent des opérations, éteignent des incendies, gèrent des équipes. Apprendre à parler à un LLM se situe quelque part entre « un jour » et « jamais ».
Pourtant, s'ils y consacraient ce temps, ils s'épargneraient des heures de frustration. Et surtout, ils cesseraient de passer à côté de l'essentiel : faire de ces modèles un membre à part entière de leur équipe.
J'ai eu une conversation récente avec un entrepreneur de la blockchain. Il cherchait à automatiser des processus réglementaires qui dévoraient un temps déraisonnable à son équipe. Conformité européenne, paperasse sans fin. Il m'avait demandé de l'aider à esquisser un schéma d'architecture pour structurer certains flux d'actifs. Son LLM refusait de le lui produire.
Dix minutes plus tard, après que je lui ai montré la marche à suivre, il tenait un résultat qu'il pouvait réellement utiliser.
Ce qui avait changé, ce n'était pas le modèle. C'était sa façon de l'aborder. Et le meilleur moyen que j'aie trouvé pour expliquer ce basculement passe par une image qui peut sembler étrange au premier abord.
La salle de briefing
Vous vous souvenez de l'ouverture de Mission impossible ? Ethan Hunt dans la salle de briefing, en train de composer son équipe. Il lui faut un artificier, un pilote pour la fuite, un homme aux commandes, quelqu'un capable d'ouvrir un coffre. Il sait exactement qui convoquer, parce qu'il a déjà vécu tout cela. Il a vu comment une mission tourne mal. Il reconnaît l'excellence avant même de l'avoir sous les yeux.
Travailler avec un LLM, c'est exactement cela.
Vous voilà dans la salle de briefing. Vous faites surgir des experts. Besoin d'un juriste spécialisé dans le développement hôtelier au Portugal, calé en droit de l'urbanisme ? Convoqué. Besoin de quelqu'un qui maîtrise l'optimisation de la restauration dans l'hôtellerie ? Convoqué. Besoin d'un modélisateur financier capable de tester vos hypothèses sous pression ? C'est fait.
Toute la question est de savoir si vous connaissez les experts qu'il vous faut.
Le basculement
La plupart des gens s'obstinent encore à jouer l'artificier au fond du tunnel. Ils tapent leurs requêtes comme ils interrogeraient Google, en espérant que l'outil recrache une réponse à copier-coller.
Les chiffres le confirment. En 2025, une enquête d'EY menée auprès de 15 000 salariés a montré que 88 % d'entre eux utilisent l'IA au travail, mais que la quasi-totalité s'en tient à des tâches basiques : recherche et synthèse. Seuls 5 % s'en servent pour transformer réellement leur façon de travailler.¹
C'est utiliser un LLM comme un moteur de recherche un peu sophistiqué. On passe complètement à côté.
La donne a changé. Vous êtes le chef d'opération, désormais. Votre rôle : composer l'équipe, définir la mission, vérifier le résultat, corriger le tir quand quelque chose cloche.
L'exécution ne vaut plus grand-chose. C'est dans la direction que se loge la valeur.
À quel point l'exécution est-elle devenue bon marché ? Cursor, l'outil de codage par IA, écrit aujourd'hui près d'un milliard de lignes de code acceptées chaque jour. Le monde entier n'en produit que quelques milliards par jour. Un seul outil est responsable d'une part énorme de tout le code écrit sur Terre. Chez les ingénieurs professionnels qui utilisent Cursor, 40 % du code livré est généré par l'IA.²
Ceux qui saisissent cela le plus vite sont en général ceux qui ont quinze ou vingt ans de métier. Des gens qui ont travaillé à tous les étages de l'opération, qui connaissent chaque processus, qui ont vu un projet échouer de toutes les manières possibles. Ils savent d'instinct quel expert appeler, parce qu'ils ont déjà travaillé aux côtés de ces experts. Ou parce qu'ils auraient aimé les avoir.
Le junior a accès aux mêmes outils. Mais il ignore encore ce qu'il ignore.
Savoir ce que vous ignorez
Pensez à la manière dont on recrute, vraiment.
Vous entrez dans le bureau du directeur des ressources humaines. Il vous faut quelqu'un pour une mission critique. Alors vous décrivez précisément ce que vous cherchez : les compétences, l'expérience, l'expertise métier, le tempérament, la disponibilité. Plus vous formulez avec netteté ce dont vous avez besoin, meilleure sera la recrue.
Vous ne prétendez pas savoir faire leur travail. Vous savez qu'il vous faut des gens plus pointus que vous dans des domaines où vous n'avez rien à faire. Votre rôle, c'est de rester sur votre terrain de compétence et de réunir une équipe qui couvre tout le reste.
Voilà la compétence d'aujourd'hui.
Quand j'aborde un projet, je raisonne ainsi : quel est le secteur ? Quelle est la réglementation ? Qui sont les acteurs en place ? Quelle expertise aurais-je payée cher dans des projets de ce genre ? Il me faut un juriste spécialisé dans le développement hôtelier au Portugal, avec une connaissance de l'urbanisme. Il me faut quelqu'un qui maîtrise l'optimisation de la restauration dans l'hôtellerie. Il me faut un modélisateur financier capable de mettre mes hypothèses à l'épreuve.
Je cartographie les manques. Puis je convoque les experts pour les combler.
La qualité de l'entrée
Voyez un modèle comme un jeune stagiaire qui débarque dans vos opérations avec tout le savoir du monde, mais aucune connaissance de votre entreprise, de qui vous êtes, de ce que vous voulez.
Une puissance redoutable. Mais tant que vous ne lui dites pas qui il est, ce dont vous avez besoin, quel contexte compte, son aide restera superficielle. Une fraction de ce qu'il peut vous offrir.
Travailler avec un modèle, c'est investir dans le découpage de votre projet entre ce que vous savez faire et ce que vous lui confiez. C'est là le travail d'Ethan Hunt. Ça, c'est mon point fort. Là, j'ai besoin du meilleur expert du monde pour me couvrir.
Ce repérage des différents processus, chantiers et besoins d'expertise doit se faire avant de plonger dans la fenêtre de contexte pour y déverser une question. Il y a d'abord un travail de préparation. C'est cela, une entrée de qualité.
Un résultat ne vaut que ce que vaut l'entrée. Une réponse ne vaut que ce que vaut la question.
Ce qui arrive si vous sautez l'étape
Ceux qui sautent ce travail obtiennent l'un de deux résultats.
Au mieux : le modèle livre quelques idées, des angles inattendus, mais noyés sous des montagnes de bouillie générée par l'IA. Une étude de BetterUp et de Stanford a montré que 41 % des actifs ont déjà rencontré ce genre de production médiocre, au prix de près de deux heures de reprise à chaque fois.³ Il faut plus d'efforts pour en extraire les pépites qu'il n'en aurait fallu pour faire le travail soi-même.
Au pire : aucune pépite. Juste un résultat médiocre, à l'allure soignée mais sans profondeur. Quelque chose dont vous restez responsable quand le client pose une question de suivi à laquelle vous ne savez pas répondre.
Le tableau d'ensemble est sévère. Un récent rapport du MIT Media Lab a établi que 95 % des organisations ne constatent aucun retour mesurable sur leurs investissements en IA.³ Non parce que les outils ne fonctionnent pas, mais parce que les gens ne savent pas s'en servir.
Dans tous les cas, ce n'est pas le modèle qui s'assoit à la table de réunion. C'est vous.
La fenêtre
L'occasion existe précisément parce que ce n'est pas évident.
Le jour où ce le deviendra, le jour où les outils feront la préparation à votre place, cet effort supplémentaire sera banalisé et n'aura plus de prix. La fenêtre se refermera.
Aujourd'hui, avec un peu d'effort, vous pouvez vous démarquer de façon spectaculaire. Mais ce ne devrait pas être votre moteur. Dans le meilleur des cas, votre moteur, c'est la curiosité. L'envie sincère de comprendre des outils qui renversent tout ce que nous savions du savoir : comment y accéder, comment le créer, comment le mettre au travail.
Vous êtes Ethan Hunt, désormais. La salle de briefing est ouverte, les experts attendent.
La mission impossible ? À vous de la rendre possible. Si vous voulez développer l'art de diriger l'IA comme une équipe d'experts, le coaching IA pour dirigeants est fait pour cela. Et pour comprendre pourquoi même les esprits les plus brillants s'y prennent mal, lisez Pourquoi vos meilleurs éléments utilisent mal l'IA.
Références :
EY 2025 Work Reimagined Survey (novembre 2025). Enquête menée auprès de 15 000 salariés et 1 500 employeurs dans 29 pays. https://www.ey.com/en_gl/newsroom/2025/11/ey-survey-reveals-companies-are-missing-out-on-up-to-40-percent-of-ai-productivity-gains-due-to-gaps-in-talent-strategy
Aman Sanger, cofondateur de Cursor (avril 2025). Publié sur X. https://officechai.com/ai/cursor-is-writing-1-billion-lines-of-code-a-day-co-founder-aman-sanger/
Harvard Business Review, « AI-Generated 'Workslop' Is Destroying Productivity » (septembre 2025). Travaux de BetterUp Labs, Stanford et MIT Media Lab. https://hbr.org/2025/09/ai-generated-workslop-is-destroying-productivity
