« Don't Apply AI » : l'IA en entreprise accélère surtout des processus cassés
Le CEO de Varick Agents ressort un article de Michael Hammer de 1990 pour expliquer pourquoi des milliards de dépenses en IA n'ont presque rien changé dans les grandes entreprises.
En bref
Vas, CEO de Varick Agents, soutient que la plupart des entreprises plaquent l'IA sur des processus inefficaces et ne font qu'accélérer l'inefficacité. Le vrai gisement de valeur se trouve dans les files d'attente et les transferts entre équipes, pas dans le travail lui-même. Sa méthode consiste à redessiner les processus avant de construire des agents. Le texte vaut par son diagnostic, mais reste un plaidoyer commercial.
🍺 Version comptoir
Les grandes boîtes ont acheté de l'IA comme on s'abonne à une salle de sport en janvier : le geste rassure, le reste ne bouge pas. Dans l'exemple fétiche du texte, un dossier d'assurance met 22 jours à traverser l'entreprise pour 17 minutes de vrai travail. Rendre ces 17 minutes deux fois plus rapides, c'est gagner huit minutes et demie sur trois semaines, puis présenter ça au conseil comme une révolution. Le problème n'a jamais été la vitesse de celui qui bosse, c'est le temps que le dossier passe à attendre sur un bureau, et ça, aucun modèle ne le règle tant que personne n'a le droit de toucher à la procédure.
À retenir
- 1
En 1990, Michael Hammer constatait déjà dans la Harvard Business Review que l'informatique décevait parce qu'elle mécanisait des façons de faire obsolètes : l'auteur juge le diagnostic transposable mot pour mot à l'IA.
- 2
Selon le texte, plus de 1 000 milliards de dollars ont été investis en capex pour construire l'IA, dont 410 milliards en 2025 pour Microsoft, Alphabet, Amazon et Meta, contre seulement 37 milliards dépensés par les entreprises pour l'utiliser.
- 3
L'essai de Microsoft 365 Copilot mené par le Department for Business and Trade britannique (1 000 licences, 3 mois) donne 1,14 action par utilisateur et par jour et aucune preuve solide de gain de productivité, mais 72 % d'utilisateurs satisfaits.
- 4
Le temps perdu se loge dans les queues et les transferts : chez un client de Varick, ouvrir un dossier demande 25 minutes de travail effectif, mais de 2 jours à 2 semaines de délai réel.
- 5
Unifier ses systèmes avant toute IA est un piège coûteux, illustré par TSB et Zimmer Biomet ; il faut plutôt unifier le processus, les agents tolérant des systèmes incohérents entre eux.
- 6
Chaque étape d'un processus doit être classée dans l'un de trois paniers : logiciel déterministe, agent, ou humain dans la boucle assisté par un dossier de preuves préparé à l'avance.
- 7
Varick revendique plus de 100 millions de dollars de valeur mesurée avec ses clients, dont une clôture mensuelle ramenée de 18-22 jours à 7-9 jours.
Le retour du « cow path »
Le texte s'ouvre sur un constat brutal : le monde a dépensé une fortune en IA et, pour la plupart des entreprises, rien n'a changé. L'auteur dit avoir parlé à plus de 300 CEO, CIO et CFO de très grands groupes. Son diagnostic : on applique l'IA sur des processus défaillants et on obtient simplement des processus défaillants plus rapides.
Pour appuyer son propos, il exhume Michael Hammer, ancien professeur d'informatique au MIT. Dans un article de la Harvard Business Review publié en 1990, Hammer expliquait que les investissements massifs en informatique décevaient parce que les entreprises laissaient leurs processus intacts et se servaient des ordinateurs pour les accélérer. Il appelait à cesser de « paver les chemins des vaches », c'est-à-dire de figer des circuits inefficaces au lieu de les repenser.
Trente-six ans plus tard, l'auteur affirme qu'on refait exactement la même erreur. Le vocabulaire en dit long selon lui : personne ne parlait d'« applied cloud », on parlait de transformation digitale. L'IA serait de la même nature, une transformation dont la technologie n'est qu'une partie, et non une couche de peinture.
Des chiffres qui ne bougent pas
Le contraste financier est saisissant : plus de 1 000 milliards de dollars de capex pour construire l'IA, dont 410 milliards pour les quatre hyperscalers en 2025, contre 37 milliards dépensés par les entreprises pour l'utiliser réellement.
L'exemple le plus parlant vient de l'administration britannique. Lors de l'essai Copilot du Department for Business and Trade, les slides PowerPoint sont produits 7 minutes plus vite (de 18 à 11 minutes), mais avec un score de qualité divisé par deux. Les analyses Excel sont plus lentes et moins bonnes, et les gains sur les emails sont jugés « extrêmement faibles ».
La conclusion officielle : aucune preuve robuste que les gains de temps améliorent la productivité. Pourtant, 72 % des utilisateurs se disent satisfaits. L'auteur cite Ethan Mollick, professeur à Wharton : un gain de performance individuel ne se traduit pas naturellement en gain de performance organisationnelle.
Le temps est dans les queues, pas dans le travail
Le cœur de l'argument repose sur un autre chiffre de Hammer. Dans une compagnie d'assurance, une demande mettait 22 jours à traverser l'entreprise, pour seulement 17 minutes de travail effectif. Doubler la vitesse de chaque étape grâce au meilleur modèle du monde ferait économiser 8 minutes et demie, affichées comme 50 % de gain.
Pour l'auteur, ce type de projet est pire que l'inaction : il consomme le budget et prouve au conseil d'administration que « l'IA ne marche pas ». Les gains réels se cachent dans les files d'attente, les transferts entre équipes, les délais de réponse et les doubles relectures.
Il explique la persistance du problème par l'inertie organisationnelle. Celui qui signe le contrat IA possède le choix des outils et des fournisseurs, mais pas les processus. Personne n'a le mandat pour aller dire à la finance que sa procédure en 14 étapes devrait en compter 5.
La méthode : cartographier, puis trier
Premier conseil : ne pas commencer par tout consolider en un seul ERP, un seul CRM, une seule plateforme de données. L'auteur cite TSB, qui a dépensé 318 millions de livres dans une migration bancaire, encaissé environ 200 millions de coûts d'incidents et une amende de 48,65 millions, et Zimmer Biomet, qui réclame 172 millions de dollars à Deloitte après une migration ratée. Mieux vaut unifier le processus, puisque des agents savent tolérer des systèmes qui se contredisent.
La cartographie se fait au niveau du département, pas d'un workflow isolé. Elle couvre sept dimensions : le scénario idéal, les exceptions et leur coût, l'amont et l'aval, les systèmes de référence et lequel l'emporte en cas de désaccord, les variations par filiale, l'écart entre temps de travail et temps écoulé, et l'aptitude de chaque personne à travailler avec l'IA. Elle combine process mining et entretiens humains avec les 10 à 20 opérateurs qui connaissent la réalité du terrain.
Chaque étape est ensuite classée : déterministe (du code classique, bon marché, auditable, sans hallucination), agentique (jugement fréquent, peu risqué, avec un historique de décisions) ou humain dans la boucle, avec un agent qui prépare les preuves. Un processus de 25 étapes peut ainsi devenir 3 agents encadrés de logique déterministe et de 2 points de validation humaine. Les KPI sont mesurés avant de construire quoi que ce soit, et l'on commence par le workflow qui compte le plus de transferts, pas forcément celui qui a le plus de volume.
Un cas concret : 300 comptes bancaires
Varick décrit une entreprise qui réconciliait plus de 300 comptes bancaires par mois, entièrement sous Excel, réparties entre une équipe offshore et deux autres régions aux formats différents. Elle comptait plus de 12 000 éléments ouverts et passait 4 jours chaque début de mois à récupérer les relevés. Le processus occupait presque tout le mois.
Accélérer le rapprochement ligne à ligne n'aurait servi à rien : le goulet était l'attente des relevés et les échanges d'emails avec des contrôleurs dans d'autres fuseaux horaires. Le processus a été réduit à trois étapes : relevés reçus automatiquement par flux (sans IA), rapprochement par règles puis dossier constitué par un agent pour les cas restants, et traitement humain d'une file d'exceptions documentées.
Relances, emails, attentes, ressaisies et consolidations régionales ont disparu. C'est, selon l'auteur, la différence entre un système qui fait gagner des minutes et un système qui fait gagner des semaines.
Pourquoi c'est si rare
La transformation doit venir du sommet : redessiner un processus qui traverse quatre départements exige quelqu'un capable d'imposer le changement aux quatre. Un « innovation lab » doté d'un million de dollars et d'aucune autorité n'y parviendra pas. Les opérateurs doivent aussi adhérer, alors même qu'on leur demande de livrer un savoir qu'ils peuvent percevoir comme une menace.
L'auteur reconnaît que le reengineering est difficile : Hammer et Champy estimaient en 1993 que 50 % à 70 % des tentatives échouaient, et Hammer admettait avoir sous-estimé la dimension humaine. La différence aujourd'hui, selon lui, tient à des logiciels plus souples capables de gérer les transferts autrefois assurés par des personnes, et au fait que le travail éliminé en premier est surtout de la coordination.
Il renvoie dos à dos les cabinets de conseil, qui produisent de belles slides mais ignorent ce qu'un modèle peut faire, et les labs d'IA, qui savent construire des agents mais plaquent l'IA sur des processus cassés et enferment leurs clients chez un seul fournisseur. Le texte se conclut sur les résultats revendiqués par Varick et un appel à prendre rendez-vous.
“« Heavy investments in information technology have delivered disappointing results, largely because companies tend to use technology to mechanize old ways of doing business. » (Michael Hammer, 1990)”
“« AI isn't supposed to be 'applied'. That doesn't work. You 'apply' a coat of paint. »”
“« The work can be minutes while the process can still be weeks. »”
Pourquoi ça compte
Ce texte arrive au moment où les directions générales commencent à demander des comptes sur leurs budgets IA, et il met des mots précis sur un malaise largement partagé : l'adoption individuelle progresse, la productivité organisationnelle beaucoup moins. Son meilleur apport est de déplacer la question de la qualité des modèles vers l'architecture des processus, avec une distinction utile entre temps de travail et temps écoulé, et une grille de tri (déterministe, agent, humain) qui rappelle qu'un LLM n'est pas toujours la bonne réponse. Le parallèle avec Hammer est éclairant, mais il est aussi à double tranchant : le reengineering des années 1990 a souvent échoué, et l'argument selon lequel les agents changent la donne reste une hypothèse plus qu'une démonstration. Il faut enfin lire ce texte pour ce qu'il est, un plaidoyer commercial : les chiffres de résultats (plus de 100 millions de dollars, clôture divisée par deux) ne sont ni sourcés ni vérifiables, et la critique des concurrents, cabinets de conseil, labs et FDE, sert directement le positionnement de Varick. Le diagnostic mérite d'être retenu, la promesse d'une méthode qui « marche à chaque fois » beaucoup moins.
Pour vous
Faites-la travailler sur vos sources.
Gratuit : un mois d'articles et trois de vos sources. Pro : l'archive complète et vos sources, dès 8 €/mois.
Pour votre équipe
La même machine, sur vos sujets.
Un espace à vos couleurs, vos angles de veille, vos curateurs. Pilote ouvert à trois entreprises.