Quand l'IA accélère tout, sauf l'entreprise

Ces derniers temps, j'entends souvent une plainte très précise.

Non pas « l'IA ne sert à rien ». Quelque chose de plus tordu :

« Je suis déjà rapide. »

« Les outils sont en place. »

« Le brouillon sort en une demi-heure. »

Et pourtant, le projet avance toujours au même rythme qu'avant. Certains commencent même à douter d'eux-mêmes : peut-être que je m'y prends mal.

Mais plus j'écoute, plus je crois qu'ils visent la mauvaise cible. Car ce qui est devenu plus rapide, c'est le plus souvent une seule personne. Ce qui n'est pas devenu plus rapide, c'est l'entreprise.

Imaginez un après-midi de travail ordinaire. Un ingénieur est assis devant son écran. Avec l'IA, il génère une version fonctionnelle du code. Trente minutes. Bien plus vite que s'il l'avait tapé lui-même à l'ancienne.

Il ouvre une pull request, un peu soulagé : aujourd'hui, une pièce peut avancer.

Puis il commence à attendre. Attendre la revue. Attendre le retour des tests. Attendre que quelqu'un dise « on peut fusionner ». Attendre qu'une autre équipe acquiesce. Attendre qu'une personne plus haut placée réponde.

Deux jours plus tard, le code est toujours là. Non parce qu'on ne savait pas l'écrire. Parce qu'une fois écrit, personne n'a pu le réceptionner.

La partie la plus rapide est déjà finie. La partie la plus lente ne fait que commencer.

Ce problème n'apparaît pas seulement dans les entreprises de logiciels. Une proposition est rédigée en une demi-heure ; la décision se réunit deux semaines. Le rapport d'analyse est prêt l'après-midi ; la chaîne d'approbation court jusqu'au mois suivant. Une réponse au client peut être générée instantanément, mais le tampon du contrat est encore dans la boîte mail d'un responsable trois niveaux plus haut.

L'IA a accéléré une grande partie du « faire ». Mais l'entreprise reste coincée sur le « décider ».

La conversation ordinaire aime demander : l'IA peut-elle améliorer la productivité ?

Future Lab préfère demander : une fois l'exécution accélérée, pourquoi l'organisation dans son ensemble ne devient-elle souvent pas plus rapide ? Où se trouve exactement le vrai goulot d'étranglement ?

Voici une hypothèse intuitive : l'IA fait baisser le coût de l'exécution. Mais elle ne fait pas baisser, au même rythme, le coût de l'organisation — décision, confiance, responsabilité, coordination, approbation.

Autrefois, les entreprises étaient lentes surtout parce que les gens n'allaient pas assez vite, l'information n'allait pas assez vite, et la production coûtait trop cher. Aujourd'hui, ces contraintes se desserrent. Et ce qui existait toujours dans l'ancienne structure, mais que « tout le monde est occupé » recouvrait, commence à affleurer : décision, confiance, responsabilité, coordination, approbation.

Ce n'est pas une maladie nouvelle. Cela ressemble davantage à ce que Future Lab appelle depuis toujours AI as a Revealing Agent, l'IA comme révélateur : l'IA ne crée pas forcément les problèmes, elle rend visible l'endroit où l'ancienne structure est réellement bloquée.

Quand le codage était le goulot d'étranglement, personne ne voyait la revue. Maintenant que le codage n'est plus si rare, la revue entre sous les projecteurs. À l'avenir, quand la revue sera elle aussi en partie avalée par les outils, ce qui affleurera vraiment sera peut-être la décision — et la personne prête à signer pour cette décision.

Nous appelons cette structure temporelle — le résultat est déjà arrivé, mais l'organisation ne l'a pas encore absorbé — Organizational Latency, la latence organisationnelle.

Cela ne veut pas dire que l'entreprise manque de gens intelligents. Cela ne veut pas dire que l'entreprise manque d'IA. Cela veut dire : l'information est arrivée, l'IA a terminé, mais le système attend encore sur la décision, la vérification de la confiance, l'attribution de la responsabilité, l'alignement de la coordination et l'approbation.

Cela ressemble beaucoup à la latence dans un réseau. La bande passante a augmenté. Les paquets voyagent plus vite. Mais si chaque aller-retour doit faire la queue pour une confirmation, la vitesse ressentie refuse encore de monter.

Le sentiment de l'individu « je suis devenu plus rapide » mesure d'ordinaire la bande passante. Le désespoir de l'entreprise « pourquoi est-ce encore si lent » mesure d'ordinaire la latence.

Ici, il faut s'arrêter un instant et reconnaître une objection.

Ce n'est pas dans tous les cas que l'exécution est vraiment devenue plus rapide.

En 2025, METR a mené une étude contrôlée randomisée sur des développeurs open source chevronnés : dans les conditions d'outillage de l'époque, être autorisé à utiliser l'IA a en fait augmenté le temps d'achèvement des tâches d'environ 19 %. Plus retors encore — les développeurs s'attendaient au préalable à être 24 % plus rapides, et croyaient ensuite encore avoir été environ 20 % plus rapides.

Autrement dit, une partie de « l'accélération » est d'abord une illusion. Le temps a été dévoré par la rédaction de prompts, la relecture et l'attente de la génération.

Cet essai n'affirme donc pas : tout le monde dans le monde a déjà été accéléré par l'IA. Il traite d'une autre structure, déjà à l'œuvre et de plus en plus courante : une fois que la couche d'exécution devient réellement plus rapide — ou du moins en a l'air —, pourquoi le débit de l'organisation peut-il rester immobile.

L'exemple le plus convaincant n'est pas une entreprise traditionnelle qui « ne sait pas encore utiliser l'IA ». C'est Anthropic elle-même.

En mars 2026, lorsque Anthropic a annoncé Code Review sur le blog officiel de Claude, elle l'a écrit sans détour : au cours de l'année écoulée, la production de code par ingénieur d'Anthropic avait augmenté de 200 %. La revue de code était devenue le goulot d'étranglement.

Elle a aussi entendu les clients répéter la même chose : les développeurs étaient étirés à l'extrême, et beaucoup de pull requests ne pouvaient qu'être survolées, non lues attentivement.

Cat Wu, responsable produit de Claude Code, a rendu le mécanisme encore plus clair dans une interview : aujourd'hui, une personne, avec un seul prompt, peut lancer une pull request qui semble plausible ; la charge se déplace vers le relecteur — qui doit passer énormément de temps à vérifier les cas limites.

Remarquez la structure de cette phrase. L'IA n'a pas supprimé le travail. Elle a déplacé le centre de gravité du travail de la « production » vers la « vérification ».

La réponse d'Anthropic est elle aussi révélatrice : elle utilise un système multi-agents pour effectuer des revues de code plus profondes, faisant passer la part des pull requests internes assorties de commentaires substantiels de 16 % à 54 %.

Mais elle reste explicite : l'outil n'approuve pas la pull request. That is still a human call.

Cette phrase est presque la clé de tout l'essai. L'IA peut faire baisser le coût de la vérification. L'IA peut même faire baisser une partie du coût de l'organisation. Mais l'organisation tend encore à conserver un nœud humain : celui qui assume les conséquences de « ça peut être fusionné ».

En surface, la revue consiste à trouver des erreurs. Une couche plus profonde, elle consiste à bâtir la confiance : est-ce que je crois que cette production mérite d'entrer dans la branche principale. Plus profond encore, elle consiste à répartir la responsabilité : si quelque chose casse en production, sur le compte de qui cela s'inscrit-il.

Alors, quand quelqu'un demande si le plus grand goulot d'étranglement de l'ère de l'IA est l'intelligence, la réponse de Future Lab s'en approche : ce n'est souvent pas l'intelligence. C'est la responsabilité — le nœud rare prêt à répondre du résultat.

Cela s'inscrit sur la même ligne que la Commitment Economy, l'économie de l'engagement, que nous avons proposée dans L'IA ne remplacera pas les gens d'abord — elle remplacera les passeurs de messages : une fois l'exécution devenue bon marché, ce qui coûte cher, c'est la personne prête à assumer la responsabilité.

Cet essai ne transforme pas le « goulot d'étranglement de la responsabilité » en un nouveau terme. Il vit déjà dans l'économie de l'engagement. La latence organisationnelle est la rareté de la responsabilité, révélée au fil du temps comme une pellicule.

L'étude de McKinsey de 2025 a nommé haut et fort le phénomène côté entreprise : le paradoxe de la gen AI.

Près de huit entreprises sur dix déclarent utiliser la gen AI, et tout autant déclarent aucun effet notable sur le profit. Pour les cas d'usage verticaux à plus forte valeur, environ neuf sur dix restent coincés au stade pilote.

Leur constat : le plus grand défi n'est souvent pas la technologie, mais les gens — confiance, adoption, gouvernance.

De l'autre côté, la restitution par MIT Sloan de la recherche sur la « chaîne de tâches » est plus tranchante encore : chaque fois que le travail passe de l'IA à un humain, puis de l'humain à l'IA, il faut revue, validation, ajustement. Ces points de contrôle ralentissent tout le système.

Autrement dit, les organisations sont lentes souvent non parce qu'elles manquent de gens intelligents. Mais parce que les gens intelligents sont tous placés le long d'une très longue chaîne de confirmation. Chacun est « responsable d'un morceau ». Très peu sont conçus pour être « responsables du résultat ».

Ainsi apparaît un tournage à vide familier — ce que Future Lab appelle un proche parent de la Hollow Company, l'entreprise creuse : beaucoup de réunions, beaucoup de matière, beaucoup d'outils, peu de progrès.

Après l'arrivée de l'IA, le tournage à vide peut devenir plus bruyant. Comme le coût de génération a chuté, l'organisation remplit plus facilement l'attente avec plus de documents, plus de propositions, plus de « premiers jets IA ». Cela paraît plus occupé. La latence ne baisse pas forcément. Parfois, elle monte même.

C'est aussi l'écho organisationnel du Judgment Outsourcing, l'externalisation du jugement : quand les gens cessent de juger et ne font plus que jouer la transmission et la confirmation, le système devient plus sûr, et aussi plus lent.

La lenteur est parfois de la maîtrise du risque. La lenteur est parfois juste que personne ne veut être celui qui signe. Les deux se ressemblent beaucoup. Il faut les distinguer.

On peut découper grossièrement un flux de travail en quatre couches :

Exécution. Écrire du code, rédiger des propositions, faire des analyses, produire des designs. La couche que l'IA frappe le plus fort.

Coordination. Aligner les objectifs, synchroniser l'avancement, se passer le relais entre équipes. L'IA peut abaisser le coût de la traduction et de la mise en ordre, et peut aussi fabriquer davantage de travail à moitié fini qui doit être synchronisé.

Décision. Faire ou non, quand faire, selon quel critère. Un modèle peut proposer des options ; il est rarement autorisé à porter le choix au nom de l'organisation.

Responsabilité. Qui répond quand ça tourne mal ; au compte de qui le succès est crédité. C'est la couche la plus difficile à automatiser, et la moins digne d'être romantiquement « confiée à l'IA ».

Autrefois, l'exécution lente masquait les trois couches qui suivent. Maintenant que l'exécution s'est desserrée, ces trois couches commencent à déterminer la vitesse ressentie.

Si l'entreprise n'est pas devenue plus rapide, ce n'est donc pas forcément parce que l'IA a échoué. Ce peut être parce que l'IA a réussi à moitié : elle a accéléré la partie la plus facile à accélérer, et a forcé la partie réellement rare à entrer sous les projecteurs.

C'est pourquoi, après que le huitième essai a demandé « pourquoi les entreprises existent-elles encore », celui-ci doit demander ensuite : les entreprises qui existent — pourquoi peuvent-elles être encore aussi lentes ?

Si l'entreprise passe d'une machine de production et d'une machine de coordination à un récipient de confiance et de jugement, alors ce qu'elle gère n'est plus seulement du travail, ni seulement du savoir. Ce qu'elle gère, c'est : si une décision digne de confiance peut être prise avec une latence acceptable, et si quelqu'un l'assume.

Dans l'année à venir, davantage d'équipes parleront ouvertement de la file d'attente des revues et du délai d'approbation. La vérification assistée par IA se répandra. La signature humaine subsistera très probablement.

D'ici environ trois ans, « vitesse d'exécution » et « vitesse de concrétisation » pourraient être vues séparément. Un type d'entreprise raccourcira la chaîne de passation. Un autre utilisera davantage d'approbations pour digérer le bruit de l'IA — c'est la version accélérée de l'évidement.

Plus loin encore, l'entreprise pourrait ressembler de plus en plus à un système de débit de responsabilité.

À l'ère industrielle, l'entreprise gérait la main-d'œuvre. À l'ère de l'information, l'entreprise gérait le savoir. À l'ère de l'IA, que gère exactement l'entreprise ?

Peut-être ceci : quand l'intelligence n'est pas rare, le flux encore rare de confiance, de jugement et de responsabilité.

Pour la personne ordinaire, cet essai ne vous pousse pas à « vous opposer au processus ». Il vous pousse à voir clairement sur quelle couche vous vous tenez.

Si votre valeur réside surtout dans l'exécution, l'IA continuera de comprimer le prix unitaire. Si votre valeur réside dans le fait de pousser les choses jusqu'au « livrable » et d'être prêt à mettre votre nom au nœud décisif, alors ce que vous manipulez, c'est la latence.

Future Lab a parlé de la Personal Optionality, l'optionnalité personnelle : une personne devrait chercher à garder un espace d'action qui n'est pas défini par une seule organisation.

À une époque où la latence organisationnelle se révèle, cette option ne vient pas seulement du changement d'emploi. Elle vient aussi de savoir si vous avez accumulé ce type de crédit : les autres croient que vous avez revu. Les autres croient que vous avez jugé. Les autres croient que si quelque chose casse, vous ne serez pas le premier à disparaître.

Les outils continueront d'aller plus vite. La confiance n'accélère pas d'elle-même.

Si un jour l'exécution devient vraiment bon marché au point de s'approcher de zéro, que gère encore l'entreprise ?

Plus de gens ? Plus d'information ? Ou moins, mais plus lourds, de nœuds de responsabilité ?

Quand l'IA accélère tout, pourquoi certaines entreprises ne deviennent-elles toujours pas plus rapides ?