Pourquoi maintenant : les modèles vont continuer de progresser. Ce n'est pas ce qui vous bloque.
Les vrais arguments pour commencer cette année, les vrais arguments pour attendre, et les quatre situations où nous répondons « pas encore ».
Publié le 2026-08-19
Ce qui a changé, ce n'est pas l'intelligence
Un modèle capable d'écrire une bonne réponse existe depuis des années. Vous colliez l'e-mail, vous récupériez mieux que ce que vous auriez écrit — puis vous faisiez le vrai travail : ouvrir le CRM, vérifier la commande, envoyer, penser à relancer jeudi.
Ce qui est arrivé récemment n'a rien de spectaculaire. Un modèle peut désormais détenir les accès aux outils où le travail se passe, se souvenir de mardi dernier, et démarrer seul à 7 h. Rien de tout cela ne vient d'un modèle plus intelligent. C'est de la plomberie autour du modèle — le harnais, pas le wrapper.
D'où la différence entre « on utilise déjà ChatGPT » et « on a des employés IA ». La première phrase a rendu une personne plus rapide au clavier. La seconde a posé sur votre bureau du travail terminé pendant votre nuit.
Où vit le travail — Dans un onglet de chat — Comme employé
Contexte — Vous le recollez à chaque fois — Accès permanent aux outils où le travail se passe déjà
Quand vous fermez — Tout s'arrête — Il garde son planning et rend compte quand c'est fait
Pour qui il travaille — Celui qui a ouvert l'onglet — N'importe qui dans l'équipe peut lui confier du travail
Les erreurs — Corrigées de nouveau la semaine suivante — Corrigées une fois, dans un playbook lisible
C'est tout le sujet de outils IA contre employés IA. Ici, un seul point compte : ce qui a changé n'est pas sur la feuille de route des fournisseurs de modèles. C'est déjà livré.
Les modèles baissent chaque trimestre. Votre process, lui, ne s'écrit pas tout seul.
Commencez dans un an et vous aurez un meilleur modèle qu'aujourd'hui, moins cher. C'est vrai, et c'est le vrai argument pour attendre. Nous n'allons pas prétendre le contraire.
Ce que vous n'aurez pas, c'est un raccourci sur le reste. Quelqu'un doit toujours décider comment un remboursement est validé, quelles factures passent par un humain, ce que votre équipe ne dit jamais à un client, et ce qui se passe quand la réponse n'est pas dans le dossier. C'est votre exploitation — et aujourd'hui elle tient dans deux têtes et un fil Slack de mars.
Écrite, elle devient un actif qui tourne. Le même playbook intègre la personne que vous recrutez au printemps et le rôle IA que vous activez demain, et il s'améliore chaque fois que l'un des deux se trompe. Non écrite, elle reste un goulot d'étranglement avec un nom dessus.
Les quatre-vingt-dix premiers jours ressemblent à ceci, et rien là-dedans ne dépend du modèle du moment :
- Semaine un. Un rôle, un workflow dont vous savez déjà qu'il est répétitif. Il est écrit correctement pour la première fois — un travail que vous deviez de toute façon à un recrutement humain.
- Mois un. Vos corrections vivent dans le playbook, pas dans votre tête. Le même travail part sans vous dans la boucle, et vous relisez les exceptions au lieu de tout relire.
- Mois trois. Le rôle suivant démarre d'une exploitation écrite au lieu d'une page blanche. C'est la partie qui compose, et celle qu'on ne rachète pas plus tard.
Attendre ne raccourcit pas ces quatre-vingt-dix jours. Attendre les déplace.
Se tromper tôt coûte un mois et un interrupteur
On avance sur une technologie inachevée quand se tromper coûte peu. Ici, cela coûte moins que la décision que vous prendriez à la place.
Quand un recrutement échoue, la raison de l'échec part avec la personne. Quand un rôle IA échoue, le playbook que vous avez écrit est encore à vous le lendemain matin — et vous arrêtez de payer le jour où vous décidez.
Le piège, honnêtement : couper un rôle est gratuit, mais une erreur déjà commise dans un outil connecté ne l'est pas. C'est pourquoi tout ce qui touche au client reste derrière votre validation jusqu'à ce que vous ayez lu assez de son travail pour lui faire confiance — les mêmes une ou deux semaines que vous passeriez à relire les brouillons d'un nouveau venu.
Ce que vous comparez — Un recrutement — Un rôle IA
Délai avant de savoir — Un trimestre, si vous êtes honnête — Quelques semaines — le travail sort ou ne sort pas
Si ça ne marche pas — Préavis, indemnités, et la recherche recommence — Vous coupez le jour où vous décidez
Ce qui vous reste — Une fiche de poste — Le playbook écrit — à vous, exportable
Ce que la tentative a coûté — Salaire, recrutement et trois mois de montée en charge — Un mois de plan
Cette asymétrie est l'argument. Pas que ce soit prêt pour tout. Ça ne l'est pas, et la section suivante dit où.
Quatre cas où la réponse est « pas encore »
Nous le disons en appel plus souvent qu'une logique commerciale ne le conseillerait, parce que l'entendre en vingt minutes coûte moins cher que le découvrir au troisième mois.
- Le travail n'est pas encore reproductible. S'il s'est passé différemment les trois fois, il n'y a rien à écrire. Faites-le à la main jusqu'à ce que sa forme arrête de bouger.
- Personne ne sait dire ce qu'est un « bon » résultat. Un employé a besoin de quelqu'un capable de répondre « tu enverrais ça ? » dans la journée. Si cette personne est vous et que vous n'avez pas de journée, le travail bloque à la validation et vous en accuserez le modèle.
- C'est deux heures par mois. L'écrire coûte plus cher que le faire. Visez ce qui mange le jeudi d'une personne, pas ce qui mange sa pause café.
- Un humain doit répondre nommément. Signer des comptes, licencier, tout ce sur quoi un régulateur ou un client voudra un nom. Cela reste à une personne.
Trois de ces quatre cas parlent de votre exploitation, pas de la technologie — c'est le même constat que le milieu de cet article, pris par l'autre bout. La question du « c'est prêt ? » est surtout une question sur vous.
Ce que ça donne pour vous
L'argument pour attendre est réel et il est étroit : les modèles s'améliorent et baissent, donc un an de patience achète un meilleur modèle. L'argument contre l'attente, c'est que le modèle n'a jamais été la partie lente. Écrire votre exploitation prend les mêmes semaines quel que soit le moment, le résultat vous appartient dans les deux cas, et se tromper de timing coûte un mois plutôt qu'un trimestre.
La question utile n'est donc pas « est-ce que la technologie est prête ? ». C'est « y a-t-il ici un workflow répétitif, que quelqu'un sait noter, et qui prend plus de deux heures par mois ? ». Si oui, le mois nécessaire pour le savoir est l'expérience la moins chère de votre liste. Si non, les quatre cas ci-dessus sont l'endroit où regarder, et aucun ne se règle en attendant un meilleur modèle.
Si vous voulez la version vingt minutes de cet argument appliquée à votre exploitation, prenez un appel — l'essentiel de cet appel consiste à dire aux gens dans lequel des quatre cas ils se trouvent.
Tous les articles du blog OpenLabor