L’IA est un stagiaire, pas un consultant senior

Le cycle de hype autour de l’IA fait tellement de bruit ces derniers temps qu’il fausse les attentes. Chaque semaine, un nouvel outil prétend pouvoir remplacer toute ton équipe si tu « délègues tout » et que tu t’écartes.

Ce n’est pas juste optimiste. C’est dangereux.

Le modèle mental le plus utile que j’ai trouvé est simple : traite l’IA comme un stagiaire brillant, pas comme un consultant senior.

Arrête d’embaucher une « IA senior » dans ta tête

Si un stagiaire talentueux arrivait lundi, tu ne lui confierais pas tes relations clients, ta roadmap et tes systèmes de production en lui disant « Bon courage, on se voit dans un mois ». Tu lui donnerais un périmètre serré, un contexte clair, des exemples de ce qu’est un bon travail, et tu relirais ce qu’il livre.

C’est pourtant exactement comme ça que beaucoup de fondateurs essaient d’utiliser l’IA. Ils attendent d’un seul prompt qu’il devienne stratégie, exécution et résultat parfait.

Quand ça coince, forcément, la conclusion tombe : « L’IA, ce n’est pas si utile. » Le vrai problème, c’est la fiche de poste que tu lui as inventée.

L’humain dans la boucle n’est pas optionnel

En pratique, « l’humain dans la boucle » n’est pas une jolie bonne pratique. C’est la différence entre un levier et un risque.

Chaque fois que tu demandes à une IA de faire quelque chose d’important, il te faut une étape de validation. Pas un coup d’œil au feeling. Un vrai moment où tu confrontes le résultat à la réalité, au contexte et au risque.

Dès que tu construis des agents capables d’agir dans des outils, ça devient encore plus important. Tu veux un accès au strict minimum, parce que la meilleure façon d’éviter les erreurs catastrophiques, c’est de les rendre impossibles. Si l’agent n’a pas accès à tes systèmes sensibles, il ne peut pas les divulguer. S’il ne peut pas pousser en production, il ne peut pas livrer n’importe quoi à 2 h du matin.

Et si ton agent lit quoi que ce soit venant de l’extérieur, pars du principe qu’il peut être manipulé. La prompt injection, c’est en gros de l’ingénierie sociale pour les modèles : des instructions malveillantes cachées dans du contenu « normal » qui tentent de détourner l’assistant vers une action que tu n’avais pas prévue. Tu ne règles pas ça avec de la confiance. Tu le règles par la conception : outils restreints, entrées contrôlées, règles explicites, et un état d’esprit qui traite un texte non fiable comme du code non fiable.

Ancre ton stagiaire dans de vraies sources, pas dans des impressions

Ce qui rend l’IA magique est aussi ce qui la fait dérailler : elle produit volontiers une réponse cohérente, même quand cette réponse ne devrait pas exister.

Si le résultat doit être factuel, tu ne peux pas compter sur la génération brute. Tu dois l’ancrer dans des sources vérifiées. C’est là que la recherche augmentée (RAG) compte : tu donnes au modèle accès aux bons documents et tu l’obliges à s’appuyer dessus, au lieu de deviner.

C’est pareil avec un stagiaire. Si tu veux qu’il rédige une proposition commerciale, tu ne lui dis pas « sois convaincant ». Tu lui donnes les anciennes propositions, le contexte client, les contraintes de prix et les points non négociables.

Le code, c’est là que la métaphore saute aux yeux

Aujourd’hui, je code surtout avec des agents IA. Ça ne fait pas de moi un moins bon ingénieur. Ça me rend plus efficace.

Je ne passe plus mon temps sur la syntaxe et le code répétitif. Je le passe là où je suis vraiment difficile à remplacer : dessiner l’architecture, définir les contraintes, peser les compromis et trancher.

L’IA est excellente pour le travail ingrat. Elle génère des fonctions, refactorise les motifs répétitifs, traduit du code, rédige des tests et t’aide à explorer vite plusieurs approches.

Mais elle reste faible en architecture. Elle ne porte pas l’histoire de ton système dans ses tripes. Elle ne ressent pas le coût de maintenance à long terme d’un raccourci. Elle n’a pas l’intuition produit qui te dit quel cas limite va devenir un cauchemar pour le support.

C’est pour ça que la chaîne de supervision compte. Le code écrit par l’IA doit passer par la même rigueur que celle que tu appliquerais à n’importe quel contributeur junior : des tests qui tournent vraiment, des linters qui imposent la cohérence, et une relecture humaine qui vérifie la justesse, la sécurité et l’intention. Le but n’est pas de surveiller un robot. Le but est de garder une qualité élevée tout en allant plus vite.

Ce que l’IA ne remplace pas, c’est ce pour quoi on te paie

La valeur que tu apportes à ton entreprise, ce n’est pas l’exécution mécanique. C’est le jugement.

L’IA peut rédiger une proposition, mais elle ne peut pas décider quels clients viser et pourquoi. L’IA peut résumer tes notes, mais elle ne peut pas fixer tes priorités en accord avec tes objectifs et ton appétit pour le risque. L’IA peut écrire un email, mais elle ne peut pas construire une relation.

Cette partie reste humaine, et elle le restera plus longtemps que les decks marketing ne veulent bien l’admettre.

Alors, concrètement, tu fais quoi ?

Arrête de chercher des outils qui promettent de te remplacer.

Commence à construire un workflow qui te rend meilleur dans ce que tu fais toi.

Confie le travail ennuyeux à l’IA, mais garde les mains sur le volant. Ajoute des étapes de validation. Ancre les résultats dans des sources fiables. Restreins les permissions. Pars du principe que les entrées non fiables peuvent être hostiles. Traite les systèmes « agentiques » comme n’importe quelle automatisation puissante : avec de la gouvernance, de l’observabilité et des limites claires.

Le but n’est pas de travailler moins. C’est de travailler sur les bonnes choses.