Architecture

Deux régimes que tout oppose

Il y a deux manières d’utiliser l’IA en entreprise. Les confondre explique une bonne part des investissements qui déçoivent à dix-huit mois.

Il existe deux régimes d’utilisation de l’IA en entreprise, et la confusion entre les deux explique une bonne part des décisions d’investissement qui se révèlent décevantes une fois passé l’enthousiasme. Ce ne sont pas deux niveaux de qualité d’une même chose, ni deux étapes d’une même progression. Ce sont deux natures différentes, et c’est en les prenant pour une seule qu’on se trompe, parce qu’on attend de l’une ce que seule l’autre peut donner. La distinction paraît subtile sur le papier ; elle devient évidente, et coûteuse, à l’usage.

L’IA qu’on appelle, l’IA qui reste

Le premier régime est l’IA interactive, celle que tout le monde connaît parce qu’elle est la plus visible. Un utilisateur formule une demande, l’IA répond, l’utilisateur intègre la réponse à son travail. Le cycle est court, centré sur l’échange, et toute sa valeur dépend de la personne qui l’actionne. Retirez l’utilisateur, et il ne reste rien qui fonctionne : l’IA interactive est, par construction, suspendue à celui qui l’interroge. Elle est un outil au sens propre, c’est-à-dire un prolongement de la main qui le tient, sans existence ni continuité propres une fois la main retirée.

L’IA interactive est suspendue à l’utilisateur. Retirez l’utilisateur, et il ne reste rien qui tienne.

Le second régime est l’IA opérationnelle. Il est moins visible parce qu’il ne se présente pas comme une interface où l’on converse, mais il devient, dans les organisations, celui qui compte vraiment. L’IA opérationnelle ne se contente pas de répondre quand on l’interroge : elle tient un processus, à travers le temps, à travers les personnes, en gardant le contexte d’une étape à l’autre. Elle ne dépend pas d’un utilisateur qui l’actionne en continu ; elle porte le travail entre les moments où les humains interviennent. Elle n’est plus un prolongement de la main, mais une partie du système qui continue de fonctionner quand la main se retire.

Ce qui les sépare vraiment

La différence ne se mesure pas à la qualité des réponses. Une IA interactive peut donner des réponses excellentes, supérieures même à celles d’un système opérationnel, et rester pourtant dans son régime. Ce qui sépare les deux, ce n’est pas la performance, c’est le rapport au temps et à l’utilisateur. L’interactive vit dans l’instant de l’échange ; l’opérationnelle vit dans la durée d’un processus. L’une se mesure à la pertinence d’une réponse ; l’autre, à la cohérence d’un enchaînement.

C’est pourquoi comparer les deux sur le terrain de la qualité passe à côté de l’essentiel. La vraie question n’est pas laquelle répond le mieux, mais laquelle tient quand l’utilisateur n’est pas là pour la tenir. Et sur ce terrain, l’écart n’est pas graduel : il est de nature. Une organisation qui choisit son IA sur la seule qualité des réponses choisit comme on choisirait une voiture sur la beauté de son tableau de bord, sans regarder si elle roule. Le critère qu’elle retient n’est pas faux ; il est simplement secondaire par rapport à celui qui décidera, à l’usage, de la valeur réelle.

Il y a une raison plus profonde à cette confusion : les deux régimes se présentent de la même façon. Tous deux acceptent une question et rendent une réponse ; tous deux conversent ; tous deux paraissent, à la surface, faire la même chose. Rien dans l’apparence ne signale qu’un système oublie tout à la fermeture quand l’autre retient. La différence est invisible tant qu’on reste dans l’échange ponctuel, et ne se révèle qu’au moment où l’on revient, où l’on reprend, où l’on transmet. C’est précisément ce moment que la démonstration n’explore jamais, et que le travail réel impose à chaque dossier.

Ce que chacun coûte à dix-huit mois

La distinction prend tout son sens quand on la regarde dans la durée, parce que c’est dans la durée que les deux régimes divergent. À l’échelle d’une démonstration, ils se ressemblent : tous deux répondent bien, vite, à propos. À l’échelle de dix-huit mois, ils n’ont plus rien de comparable. L’IA interactive a rendu d’innombrables services ponctuels, chacun utile sur le moment, aucun ne laissant de trace : à la fin, l’organisation a beaucoup consommé et rien accumulé. L’IA opérationnelle a, sur la même période, construit quelque chose : un contexte qui s’est enrichi, une mémoire qui s’est sédimentée, une cohérence qui s’est installée.

Ce contraste explique une frustration fréquente, et souvent mal diagnostiquée. Des organisations qui ont investi dans d’excellents assistants constatent, au bout d’un an, qu’elles n’ont pas avancé là où elles l’espéraient : elles produisent plus vite, mais leur manière de travailler n’a pas changé en profondeur, et chaque dossier repart toujours d’aussi loin. Elles concluent parfois que l’IA n’a pas tenu ses promesses. En réalité, elles ont acheté de l’interactif là où il leur fallait de l’opérationnel : l’outil a fait exactement ce pour quoi il était conçu, mais ce n’était pas ce dont elles avaient besoin pour transformer leur travail.

Le coût caché de l’interactif n’est donc pas dans ce qu’il fait mal, car il fait bien ce pour quoi il existe. Il est dans ce qu’il ne fait pas, et qu’on ne lui demandait pas explicitement parce qu’on croyait l’obtenir par surcroît. On attend d’un investissement en IA qu’il fasse progresser l’organisation, pas seulement qu’il accélère ses gestes ; or accélérer des gestes sans rien retenir laisse l’organisation au même point, simplement plus vite. La déception ne vient pas d’un défaut de l’outil, mais d’une attente mal adressée : on a demandé de la vitesse à un objet qui ne sait que cela, en espérant de la transformation, que lui seul ne pouvait pas donner.

Pourquoi on ne franchit pas la frontière par degrés

Le passage de l’un à l’autre n’est pas une amélioration progressive, c’est un changement de nature, et c’est le point que la plupart des feuilles de route manquent. On imagine qu’en perfectionnant un assistant interactif, en le rendant plus rapide, plus précis, mieux intégré, on finira par obtenir un système opérationnel. C’est une erreur. On ne devient pas opérationnel en s’améliorant ; on le devient en changeant ce sur quoi le système est bâti. Un assistant excellent reste un assistant ; il ne se transforme pas en infrastructure par accumulation de qualités.

Une image éclaire la distinction. L’IA interactive est comme un excellent consultant qu’on appelle ponctuellement : il répond brillamment à la question posée, puis raccroche, et la prochaine fois il faudra de nouveau tout lui réexpliquer. L’IA opérationnelle est comme un collaborateur qui reste : il connaît le dossier, se souvient de ce qui a été décidé, reprend là où on s’était arrêté. Améliorer le consultant ne le transforme pas en collaborateur, si bon soit-il, parce que ce qui les sépare n’est pas le talent, c’est la permanence. On peut rendre le consultant plus brillant ; on n’en fera jamais quelqu’un qui reste.

L’assistant est un consultant qu’on rappelle. L’infrastructure est un collaborateur qui reste.

On ne franchit pas par degrés une frontière de nature. Un assistant qu’on perfectionne reste un assistant : plus performant, toujours suspendu à l’utilisateur, toujours sans mémoire propre du processus. Pour passer dans l’autre régime, il faut une mémoire qui persiste, un contexte qui se transmet, une capacité à tenir le fil entre les interventions humaines. Cela ne s’ajoute pas à un assistant ; cela se construit comme une autre sorte de système, dès les fondations, parce que c’est aux fondations que se décide si un système dépend de l’utilisateur ou tient sans lui.

Améliorer un assistant ne le transforme pas en infrastructure. On ne franchit pas par degrés une frontière de nature.

La bascule de la demande

Ce changement d’attente est le véritable moteur du marché, bien davantage que l’amélioration des modèles, et c’est lui qu’il faut suivre pour comprendre où va l’IA juridique. Une organisation peut être ravie d’un assistant pour des usages ponctuels, et constater en même temps qu’il ne répond pas à son besoin profond : tenir un dossier dans la durée, garder la cohérence entre les praticiens, ne pas tout réexpliquer à chaque fois. À mesure qu’elle vit avec l’IA, son attente se déplace du premier régime vers le second, souvent sans qu’elle sache mettre un mot sur ce déplacement.

Toutes les organisations juridiques sérieuses, qu’elles le formulent ainsi ou non, sont en train de faire ce déplacement. Elles ont commencé par vouloir un assistant qui réponde ; elles veulent désormais une infrastructure qui tienne. Et ce glissement de la demande dessine la ligne sur laquelle le marché va se trier. Les fournisseurs qui auront pris l’IA interactive pour l’aboutissement, et non pour la première marche, se retrouveront à proposer d’excellents assistants à des organisations qui cherchent autre chose, et s’étonneront de perdre des clients qu’ils satisfaisaient pourtant sur le terrain où ils s’étaient placés.

Ce déplacement n’est pas un caprice de marché, il est le produit d’un apprentissage. Une organisation qui a vécu deux ans avec l’IA a appris, à ses dépens, où se situe la valeur réelle : non dans la qualité d’une réponse isolée, qu’elle obtient désormais facilement, mais dans la capacité à tenir un travail dans la durée, qui lui manque encore. Sa demande mûrit avec son expérience. Et cette demande mûrie ne se satisfait plus d’un meilleur assistant ; elle réclame un autre type de système. C’est pourquoi le marché ne se triera pas sur la performance, où tout le monde finit par converger, mais sur la nature, où la frontière entre les deux régimes est nette et ne se franchit pas.

Le marché de l’IA ne se divisera pas entre bons et mauvais assistants. Il se divisera entre assistants et infrastructures.