À quoi ressemble réellement la maîtrise de l’IA – et comment y parvenir

David Rice : Quels sont les risques liés à l’IA que les dirigeants sous-estiment tout simplement parce qu’honnêtement, il est devenu facile pour tout le monde de comprendre comment l’utiliser aujourd’hui ?

Kenneth Corrêa : Je pense que la principale erreur que je vois dans les entreprises n’est pas simplement l’utilisation de l’outil en lui-même. C’est en fait le partage de fichiers privés et confidentiels. Quelqu’un a une idée, alors la personne utilise son propre téléphone pour télécharger un tableur avec les résultats financiers du trimestre, sur la version gratuite de ChatGPT.

David Rice : Vous avez mentionné que votre propre entreprise a constaté une augmentation de 15 % de la productivité sans augmentation des effectifs. Pourquoi, selon vous, d’autres entreprises ne suivent-elles pas le mouvement ?

Kenneth Corrêa : Les gens enseignent et parlent de l’IA comme si elle était une technologie vieille de 70 ans qui nécessite encore beaucoup de données, de bases de données et de data scientists. Or, l’IA générative aujourd’hui, c’est quelque chose de facile à utiliser, très simple à mettre en œuvre, que l’on peut rapidement deviner. Juste 20 % à 40 % d’augmentation de la productivité.

David Rice : Quels sont les écueils que vous voyez habituellement dans les organisations qui cherchent à devenir compétentes en IA ? Comment éviter des résultats peu fiables ou des promesses excessives ?

Bienvenue dans le podcast People Managing People, l’émission qui aide les dirigeants à garder l’humain au cœur du travail à l’ère de l’IA. Je suis votre hôte, David Rice. Dans l’épisode d’aujourd’hui, je reçois Kenneth Corrêa, éducateur mondial en IA, conférencier et auteur du livre "Cognitive Organizations: Leveraging the Full Power of Generative AI and Intelligent Agents".

Dans cette conversation, Kenneth propose aux entreprises un chemin pour passer de la simple curiosité à la véritable maîtrise de l’IA. Il détaille ce que cela signifie, pourquoi la plupart des dirigeants restent en retrait, et comment éviter le piège du "Frankenstack" avec une surabondance d’outils. Nous parlons du passage de l’IA prédictive à générative, des erreurs fréquentes dans la mise en œuvre, et pourquoi le futur du management d’équipe pourrait ressembler davantage à une orchestration des flux de travail qu’à une simple délégation des tâches.

Si vous souhaitez valoriser vos collaborateurs plutôt que de les remplacer, et recherchez une approche systémique et plus réaliste de l’IA, cet épisode est pour vous. Sans plus attendre, commençons.

Alors Ken, bienvenue !

Kenneth Corrêa : Merci beaucoup, David. C’est un plaisir d’être avec vous.

David Rice : Absolument. Vous êtes au Brésil, c’est bien ça ?

Kenneth Corrêa : Oui, à São Paulo, la plus grande ville d’Amérique du Sud.

David Rice : Ah waouh. Génial. J’ai des collègues là-bas. J’ai toujours voulu visiter.

Kenneth Corrêa : C’est une grande ville, pas aussi grande que New York, mais c’est notre propre New York ici dans le sud.

David Rice : Aujourd’hui, nous allons parler de la maîtrise de l’IA et du chemin pour y arriver, car beaucoup d’entre nous sont déjà sur cette voie, mais sans connaître vraiment toutes les étapes, ni comment mesurer la maîtrise, n’est-ce pas ?

Kenneth Corrêa : Nous sommes encore en train de construire l’escalier, donc certaines marches, nous ne les découvrirons qu’en les montant. L’avion qui se construit pendant qu’il vole…

Ce sont les métaphores du moment, parce que tout va tellement vite…

David Rice : Exactement. Ce qui est très différent ici, c’est que, si on pense à l’interface de l’IA moderne, cela supprime beaucoup de barrières à l’expérimentation. Plus besoin d’être informaticien pour l’utiliser ou tester ses capacités.

Si on regarde d’autres époques : lors de la sortie d’Excel, il fallait suivre des formations pour apprendre à s’en servir. Désormais, c’est un acquis commun : presque tout le monde le connaît en sortant de l’université. Ce qui a mené à des mauvais usages, par ailleurs.

Je connais des gens qui utilisent des tableurs pour suivre le stock de produits ménagers dans un placard. Mais pour revenir à l’IA, quels risques les dirigeants pourraient-ils sous-estimer concernant la complexité de l’utilisation à l’échelle de l’organisation, sous prétexte que c’est facile ?

Kenneth Corrêa : Comme pointer-cliquer, ou même parler à l’outil qui répondra en langage naturel.

Donc oui, mais j’aime beaucoup la façon dont vous l’envisagez, car j’aurais toujours fait la promotion de cette facilité, mais peut-être est-ce aussi un défaut. Le fait que l’on puisse y accéder instantanément. C’est fantastique d’avoir une bonne interface, mais l’erreur la plus courante que je vois chez les entreprises, ce n’est pas l’usage en soi, mais le partage de fichiers privés ou confidentiels.

On parle d’informations qui devraient rester secrètes, habituellement derrière de solides protections. Là, quelqu’un a une idée et, comme l’entreprise bloque ChatGPT, la personne utilise son téléphone pour uploader un tableau de résultats financiers sur la version gratuite de ChatGPT.

Donc, le plus grand risque est la diffusion d’informations privées sans même que l’utilisateur ne s’en rende compte.

David Rice : Existe-t-il des solutions pour auditer l’usage de l’IA ou instaurer des checklists de conformité, afin que chacun sache ce qu’il ne faut pas faire ? Qu’avez-vous vu qui fonctionne vraiment ?

Kenneth Corrêa : Je ne vois pas d’espace, en 2025, pour lire les prompts ou surveiller les conversations des utilisateurs. Ce que j’essaie de faire dans mon entreprise, et pour d’autres aussi, c’est l’éducation. Le même enjeu que la cybersécurité. On ne pourra jamais tout bloquer. Les attaques évoluent sans cesse. Alors on tente d’éduquer sur les limites d’utilisation, la différence entre la version gratuite et la version entreprise protégée.

L’éducation est vraiment le chemin à suivre, car on ne peut pas surveiller toutes les réponses de chacun. Certaines entreprises créent leur propre assistant, en s’appuyant sur la technologie GPT, Gemini, etc., mais avec le nom de l’entreprise, ce qui permet de définir des garde-fous supplémentaires.

Ainsi, l’assistant peut refuser certaines demandes ou rappeler quelles informations ne doivent pas être partagées. Cela permet à l’entreprise de renforcer la sécurité par le biais de ces garde-fous.

David Rice : Intéressant ce parallèle avec la cybersécurité.

Kenneth Corrêa : Lorsqu’il s’agit d’innovation, on essaie toujours de relier au connu, car si c’est totalement nouveau, les gens ont du mal à adopter. C’est une leçon apprise dans les années 60, avec Raymond Lowy et le concept de "Maya" : le produit le plus avancé, mais acceptable. On pousse la nouveauté au maximum tout en garantissant une certaine familiarité pour faciliter l’adoption.

J’étais à San Francisco il y a deux semaines et j’ai pris une voiture Waymo. Si on me demande ce qu’est Waymo, je réponds que c’est un Uber sans chauffeur. On rend le concept familier. Vous prenez une appli, vous appelez un véhicule, mais il n’y a pas de conducteur au volant. Le reste ne change pas. On paie en fonction de la distance, etc. Créer de la familiarité aide toujours à intégrer de nouvelles idées.

David Rice : On a aussi ces Waymo à Atlanta, et je crois que la ville n’est pas encore prête. Ils restent bloqués parfois…

Kenneth Corrêa : Oui, à Los Angeles, ça a même dégénéré, certains y ont mis le feu…

David Rice : Je suppose que ni la voiture, ni la ville ne sont prêtes… Probablement un peu des deux. Les dirigeants veulent que les équipes soient plus productives. L’IA permet de viser cela, non ? Une augmentation de 20 à 40 % est courante d’après certaines études, et je crois que dans votre entreprise, c’était 15 % sans augmentation des effectifs.

Pourquoi d’autres entreprises n’y arrivent-elles pas ? Est-ce un simple manque de compréhension de l’IA ? Le périmètre s’étend-il tellement que chacun s’en sert différemment, ce qui provoque confusion et efficacité variable ? À votre avis, où est le vrai obstacle ?

Kenneth Corrêa : Cela paraît fou que les entreprises n’adoptent pas massivement l’IA, car dans ma propre société, je vois les résultats. J’ai l’impression de trouver de l’argent sur la table. Mais il y a de nombreux facteurs.

Le premier, c’est que l’on parle de l’IA comme si c’était une vieille techno qui nécessite des masses de données, de lacs de données, de data scientists, etc. Ça fait peur à ceux qui n’ont pas l’expertise technique, alors qu’il faudrait souligner que l’IA d’avant novembre 2022, ce n’est plus la même chose qu’aujourd’hui. L’IA classique, prédictive, très technique, c’est génial mais cher et long à mettre en place. L’IA générative, aujourd’hui, c’est facile d’utilisation. Tellement qu’on en partage parfois des données privées sans réfléchir.

C’est très simple à mettre en place et à obtenir 20 à 40 % de productivité, soit une journée entière de gagnée par semaine. Souvent, les dirigeants ne l’utilisent pas eux-mêmes.

Le premier conseil que je donne, c’est de mettre les mains dans le cambouis. On ne mesure la valeur qu’en se lançant réellement dans les applications. Il y a ChatGPT, DeepSeek, Gemini, Claude… On peut les utiliser pour le personnel, par exemple, proposer un repas en fonction de ce qu’il reste dans le frigo.

Vous pouvez prendre une photo de votre réfrigérateur, demander quoi cuisiner en cinq minutes, et l’outil va reconnaître les ingrédients et proposer une recette. Ça génère plein d’idées. Après, au travail, en voyant vos processus, vous décelez tout un tas de possibilités.

Et pour la première fois, la techno elle-même peut vous apprendre à l’utiliser. Vous pouvez dire à ChatGPT que vous dirigez une équipe de 14 personnes en vente, et l’outil vous donnera des recommandations personnalisées. Plus vous exposez votre contexte, meilleures seront les suggestions.

Je recommande donc vivement de commencer à utiliser ces outils. Les médias parlent beaucoup de risques, de peur, d’AGI, de Skynet, de scénarios apocalyptiques… Parfois, on ne sait plus si on lit les actualités ou un roman de science-fiction.

C’est important de connaître les limites. Ces outils hallucinent parfois, c’est-à-dire qu’ils produisent du contenu non ancré dans la réalité. Il faut donc aussi utiliser des outils comme Perplexity, qui s’appuie sur des sources. Ce ne sont pas des vérités absolues, mais il y a une base. Ce sont des pratiques à mûrir au fil de l'usage.

David Rice : Oui, c’est intéressant ce que vous dites sur l’impression que l’IA n’est pas sûre, ou que tout le monde ne se sent pas qualifié pour l’utiliser.

Des études montrent, notamment dans les RH ou l’opérationnel, une certaine peur, notamment par manque d’expertise technique, beaucoup pensant encore aux solutions d’IA prédictive. D’autres ont essayé l’IA générative mais n’ont pas encore confiance.

À votre avis, pour quelqu’un dans les RH ou dans l’ops, quelles sont leurs opportunités principales ?

Kenneth Corrêa : C’est une excellente question. Mais avant d’y répondre, savez-vous pourquoi les RH craignent l’IA générative ?

David Rice : Pourquoi ?

Kenneth Corrêa : En 2016, une étude est sortie sur les biais algorithmiques. Beaucoup de médias RH en ont parlé. Certaines entreprises utilisaient l’IA prédictive pour le tri des CV. L’IA constatait, sur les données du passé, que tous les informaticiens étaient des hommes, alors elle en concluait que seuls les hommes étaient aptes pour ces postes ! C’est effrayant, mais c’est la logique : l’IA n’a ni éthique ni morale, elle ne fait que reproduire les données qu’on lui donne. Le problème du biais éthique est donc réel, non entièrement résolu.

Beaucoup de professionnels RH en ont gardé une certaine défiance : ils entendent "IA" et voient "biais", alors que nous avons tous nos propres biais. Un outil entraîné sur des données humaines hérite forcément de ces biais.

J’ai fait deux grandes conférences RH au Brésil devant 3 000 personnes et j’ai montré des cas d’usage, par exemple un retour d’expérience avec mon entreprise (95 salariés). Nous avons utilisé Gemini (qui gère de très grands volumes de texte) pour l’évaluation 360 du personnel. 95 personnes en évaluent 95 autres : ça fait 9 000 contenus à analyser ! Impossible de tout lire manuellement.

Nous avons donc fait analyser ces datas à Gemini. Résultat : analyse de tendances, identification des cas à traiter en priorité, aide à la décision. Même sans être à l’aise sur Excel ou les chiffres, certains RH y gagnent beaucoup dans l’organisation et l’analyse des données.

Ensuite, dans le workflow RH classique – description de poste, CV, sélection, entretiens – l’IA peut énormément aider à chaque étape, malgré toujours la question du biais. Avec un prompt bien fait donnant la fiche de poste, on peut soumettre chaque CV, puis analyser aussi la transcription d’entretiens, avec l’accord du candidat. On obtient des synthèses, des comparaisons, on peut même demander des questions sur mesure avant l’entretien. En croisant ses propres impressions avec l’analyse de l’IA, on gagne en pertinence. Ceci se fait déjà aux États-Unis, au Brésil, au Chili, en Inde, etc.

David Rice : Beaucoup d’entreprises ont commencé l’IA par l’automatisation des contenus et communications, mais n’abordent pas encore les opérations, la planification interne ou la prise de décision. Les dirigeants ne s’en servent pas forcément pour clarifier les priorités ou accélérer les cycles.

Par quoi devraient-ils commencer pour aller au-delà des tâches classiques, en RH mais aussi en management ou en direction générale ? Quelles sont selon vous les priorités faciles à saisir ?

Kenneth Corrêa : Excellente question.

Ma société s’appelle 80/20, d’après la règle de Pareto. Notre philosophie, c’est de choisir où agir d’abord. On peut agir sur beaucoup de fronts, mais la clé, c’est la priorisation.

J’ai conçu dans le livre une matrice : tâches simples, tâches complexes, tâches uniques et tâches répétitives. Il faut commencer par les tâches simples et répétitives. Il ne s’agit pas de créer une solution IA pour la planification stratégique, mais de commencer par la gestion des factures, l’analyse des appels clients, la transcription d’entretiens de recrutement.

Ce sont des opérations courantes : 5 à 10 % de productivité gagnée et le résultat est immédiat. Le basique, c’est d’automatiser le simple et répétitif, et c’est valable au-delà de l’IA. Avec les grands modèles de langage, ils comprennent le texte, ouvrent des CSV, lisent des images – par exemple, j’ai un partenaire qui fait lire les dashboards de performance à l’IA, car beaucoup de salariés ne consultent jamais leurs tableaux de bord… L’IA, elle, n’est jamais paresseuse, elle lit tout !

J’ai aussi une autre société, une healthtech, avec une équipe de 45 commerciaux qui visitent des cabinets de médecins : c’est ultra dynamique, difficile d’avoir de la visibilité sur tout, et pourtant l’IA traite rapidement les données du dashboard.

David Rice : Pour la notion de maîtrise de l’IA, j’ai l’intuition que cela correspond au fait de savoir où les outils s’insèrent dans l’organisation, et comment concevoir des workflows adaptés. Beaucoup d’organisations veulent tester un nouvel outil mais deviennent vite encombrées par la multiplication des solutions. À quoi ressemble, selon vous, une architecture de base, mais efficace, de l’IA pour une PME de moins de 100 salariés ? Comment éviter l’effet "Frankenstack" de l’empilement d’outils ?

Kenneth Corrêa : Très bonne question, l’effet "Frankenstack" existe ! Beaucoup d’entreprises utilisent 10 ou 20 outils, chacun avec son mode de prompt et ses résultats différents.

Les grandes entreprises essaient de s’en tenir à un ou deux fournisseurs. Si elles sont sur Microsoft, elles prennent Copilot, si sur Google, Gemini. Les sociétés tech s’orientent plutôt vers Anthropic (Cloud) ou OpenAI (GPT). Pour démarrer, mon conseil est de limiter à un seul outil, bien former toute l’équipe et se concentrer sur l’éducation.

À ce stade, il y a sept assistants IA de référence, qui se valent en interface et en puissance : Copilot (Microsoft), ChatGPT (OpenAI), Gemini (Google), Grok 4 (X/Twitter), Lama (Meta), DeepSeek, et Perplexity. Se concentrer sur un seul, c’est mieux pour la gestion des risques, du contrôle d’accès et de la formation.

Ceci pour les utilisateurs. Pour automatiser en profondeur, côté back-end, il faut parfois 3 ou 4 fournisseurs, car le paysage évolue vite. Il faut pouvoir passer d’un modèle à l’autre, mais ça relève de la direction technique (CTO).

David Rice : Grande question du moment : comment faire évoluer les compétences des collaborateurs… On doit réinterpréter l’efficacité non pas comme une réduction des effectifs, mais comme une meilleure valorisation humaine : le collaborateur devient un "orchestrateur", un contrôleur qualité de la production de l’IA. Le management devra-t-il se concentrer sur le contrôle qualité et l’orchestration des workflows IA ? Quelles compétences manageriale développer ?

Kenneth Corrêa : Être "lettré en IA générative" veut dire maîtriser les outils – c’est essentiel. Pour les dirigeants, il faudra savoir faire preuve de jugement : cette tâche doit-elle être réalisée par un humain ou par la machine ?

Aucune gêne à cela : certaines tâches sont déjà mieux faites par l’ordinateur (checklists, analyse d’images, extraction d’informations, synthèse). Pour un leader, savoir où placer la frontière, c’est capital. D’un côté, la créativité, la prise de décision, la capacité à gérer la complexité restent humaines, et l’IA fait pâle figure.

C’est ce que m’a inspiré mon livre "Cognitive Organizations" : fournir un guide concret aux managers pour qu’ils restent alignés avec l’idée que l’IA progresse très vite, et qu’il est impossible de tout suivre.

Mais ignorer un gain de productivité de 20 à 40 %, c’est impossible, puisque vos concurrents le font déjà. Le métier de manager consiste à s’approprier le changement. D’ailleurs, la question du remplacement humain par l’IA s’inverse : de nombreuses entreprises peinent à recruter et doivent donc tirer le meilleur parti de leur personnel. C’est ce que j’ai fait, en maintenant mon équipe de 95 personnes alors que mon chiffre d’affaires progressait de 15 % par an, pendant 3 ans.

J’ai donc dû changer de mentalité, impliquer tout le monde – même si certains refusent encore. Mais on ne peut plus travailler en 2025 comme en 2021, car l’IA générative a tout changé. L’enjeu est de valoriser vos talents avec les outils d’IA.

David Rice : Je suis totalement d’accord. Beaucoup ont du mal à suivre ce mouvement. Mais le principal, ce n’est pas la tâche en elle-même qui nous rend précieux, mais nos connaissances, nos compétences, notre singularité humaine. Il faut se détacher de la tâche comme vecteur de valeur, et laisser émerger ce qui fonde notre utilité. Quels sont les pièges principaux dans la quête de l’aisance en IA ? Comment éviter les surpromesses et les déceptions ?

Kenneth Corrêa : Oui, c’est un vrai problème de l’IA : on dit "L’IA c’est…", "L’IA fait…", et on oublie qu’il s’agit d’outils de sociétés différentes, entraînés sur des données différentes, avec des garde-fous spécifiques. L’IA n’est qu’un outil, certes révolutionnaire, mais il reste un outil. La meilleure façon de gagner en aisance, c’est l’expérience, l’essai-erreur. Quand l’IA vous fait une suggestion, vous décidez de ce que vous en faites. Plus on pratique, meilleur est le jugement.

Un grand groupe logistique nord-américain, CH Robinson, gère 3 000 emails par heure reçus de clients qui veulent déplacer des marchandises. Avant, tout était traité par humains. Aujourd’hui, l’IA trie les demandes : les requêtes simples sont automatisées, les spécificités (camion frigorifique, délai, etc.) restent humaines. De plus en plus de cas apparaissent en travaillant ainsi.

CHR ne confie cependant que 10 % à l’IA, 90 % restent humains. Klarna, startup suédoise de service client, avait tout misé sur l’IA, comptant tout remplacer, mais a dû rétropédaler. Finalement, ils ont trouvé un équilibre : 80 % IA, 20 % humain, avec une priorité à l’humain pour les cas complexes.

On ne peut pas devenir "fluent" grâce à un livre de grammaire, mais par la pratique, les échanges, les cas d’usage. C’est exposé à la langue qu’on devient fluent !

David Rice : C’est bien appris !

Kenneth Corrêa : Fluent, c’est d’en parler concrètement, d’échanger avec d’autres, de se lancer, de tester. C’est mon principal conseil : on devient compétent en parlant la langue !

David Rice : Parfait. Kenneth, merci d’être venu. Merci pour votre éclairage.

Kenneth Corrêa : Un plaisir ! Vos questions sont complexes, mais ça m’oblige à apporter un regard nuancé. Cela peut sembler que je recommande de foncer sans réserve, mais il y a des écueils — c’est en pratiquant qu’on les découvre. Un boost de 20 % de productivité, c’est trop important pour l’ignorer !

David Rice : Encore merci et hâte de suivre l’évolution de vos analyses dans les années à venir.

Kenneth Corrêa : Avec plaisir.

David Rice : Auditeurs, le livre de Kenneth s’intitule "Cognitive Organizations: Leveraging the Full Power of Generative AI and Intelligent Agents". Disponible sur Amazon ! Et d’ici là, lancez-vous !