L'IA au service des entreprises - avec Thibault Fritsch

Écouter sur :

Dans ce nouvel épisode de Génération IA, je reçois Thibault Fritsch, fondateur de RobinHood, un cabinet qui accompagne les PME et les ETI dans l'implantation stratégique de l'intelligence artificielle. Au programme : les vraies problématiques d'intégration de l'IA en entreprise, la méthode en 3 étapes (structurer la donnée, assister le collaborateur, déployer des agents autonomes), les pièges à éviter, et comment mesurer le ROI réel d'un projet IA.

Transcription brute générée automatiquement par Whisper — peut contenir des imprécisions.

Transcription

Bonjour à tous, bienvenue dans ce nouvel épisode de Génération IA. Aujourd'hui j'ai le plaisir de recevoir un invité, Thibault, qui m'a contacté et qui écoute le podcast. Thibault a travaillé dans l'intelligence artificielle, notamment auprès des PME, et je pense que ça va être super intéressant pour toute la partie entreprise et PME. Je te laisse te présenter, Thibault.

Bonjour à tous, merci Guillaume, ravi d'être là. Je m'appelle Thibault Fritsch, j'ai 32 ans depuis une semaine maintenant. J'ai passé 10 ans dans le marketing digital — j'ai créé à 18 ans une auto-entreprise qui s'est transformée en société. Et depuis, j'ai fait un virage qui m'a amené à développer RobinHood, qui est un cabinet qui vise à conseiller et accompagner principalement des PME et des ETI dans l'implantation stratégique de l'intelligence artificielle. Parce que voilà, aujourd'hui on entend beaucoup de choses, il y a beaucoup de bullshit et on trouve qu'il y a un vrai manque de structuration et d'accompagnement auprès des PME. Donc on est deux aujourd'hui avec une multitude d'agents IA pour nous accompagner.

C'est ça qui m'a plu aussi lorsqu'on a eu cette petite discussion. C'est notamment aider les PME à déceler tout ce qui est bullshit, parce que forcément, quand il y a une opportunité comme l'intelligence artificielle, il y a plein de gens qui vont se mettre sur ce créneau et forcément il y aura un tri à faire. Tu rencontres des dirigeants de PME, tu connais leurs problématiques. Et c'est ça que j'aimerais présenter à la communauté et notamment aux dirigeants éventuels de PME qui se posent des questions sur comment intégrer l'IA efficacement. Depuis combien de temps tu exerces cette activité et qu'est-ce qui t'a poussé à partir sur ce domaine plutôt que le marketing digital que tu pratiquais déjà avant pendant une dizaine d'années ?

Ça fait trois ans maintenant qu'on a effectué le pivot. Ce qui nous a poussé à partir dessus, ça a été un choix qui a été subi. En 2020-2022-2023, tu commences à avoir des choses qui se mettent en place autour de l'IA, les premières versions de ChatGPT, qui étaient à des années-lumière de ce qu'on est aujourd'hui. À ce moment-là on sent qu'il y a un intérêt assez fort qui se manifeste autour de ça, et que globalement on est à l'aube d'une révolution industrielle, avec tout ce que ça implique. On va d'abord tenter d'accompagner nos équipes dans ce changement. On s'est dit, le marketing digital, on pense que ça va être l'un des premiers secteurs qui va être touché par l'arrivée de l'IA, profitons-en. Et menons une politique du changement. On était quatre personnes en plus de nous dans la boîte, on était six. Et ça a été un échec cuisant pour faire court. On a voulu embarquer tout le monde là-dedans, et on s'est fait un mur, qui ont été tous les habituels : ça va piquer notre métier, etc. Plein de choses qui faisaient que du coup les gens étaient...

Donc des problématiques plutôt près des humains, en fait, plutôt que techniques. Oui, complètement. On commençait à s'en servir un peu pour trouver des idées, pour commencer un peu à écrire des posts. C'était vraiment les débuts des LLM, ils commençaient à les images, avec leurs 48 doigts quand tu faisais des trucs pas la bonne idée. Mais sur du texte, tu commences à avoir des petites choses où tu sentais qu'il y avait à aller creuser, c'était pas mal. Avec le bon prompt, ou tu faisais des kilomètres de prompt. Mais du coup, tu dis que dès les premières versions de ChatGPT t'as vu le potentiel — parce que ça paraît évident maintenant, mais à l'époque ça l'était pas du tout. Je me souviens que 80% des gens, il y avait un noyau dur qui disait que c'était une révolution, et puis tu avais 80% des gens qui disaient "ben non, ChatGPT il me dit de la merde, ça sert à rien, il me ment". Toi, à ce moment-là, t'avais quand même vu le potentiel, qu'est-ce qui t'a fait penser que ça allait s'améliorer et que c'était un pari porteur ?

Rapidement, les investissements ont commencé à tomber avec des grosses annonces de partenariat quand même, quand t'as Microsoft et des gens comme ça qui viennent soutenir un projet assez vite en early. Tu te dis qu'il est en train de se passer quelque chose. Et puis, c'était fou. T'imagines, on était à ce moment-là encore dans le modèle très Google : je fais une requête, je vais lire 40 000 pages pour trouver des éléments de réponse. Et là, tu te mets à avoir des chatbots qui ne marchaient pas, qui allaient taper dans des bases de données mais te racontaient un son droit complètement à côté du truc. Et là, tu as un truc où globalement tu te mets à discuter avec, il te répond. Et puis tu peux l'amener à orienter des sujets de discussion, il te fournit vraiment cette sensation d'avoir quelqu'un, ou alors quelqu'un un peu débile à l'époque, mais d'avoir quelque chose, quelqu'un avec qui tu fais... C'était une révolution à ce moment-là.

C'est vrai, pour rebondir là-dessus, à l'époque les chatbots existaient déjà, mais quand t'es sur un site internet et que t'avais le chatbot support client, moi ça m'en sort, parce qu'en fait c'est un formulaire, t'as des choix déterminés, donc en fait des fois s'il n'y a pas la réponse que tu veux, il n'y a aucun moyen de taper du texte autre que les réponses proposées — c'est une machine à états finis on va dire. Alors que là, c'est vrai qu'on pouvait vraiment dire tout et n'importe quoi. C'est un peu le... Je sais pas si t'as déjà vu ce clip, mais Steve Jobs avait fait une prédiction il y a 30 ans où il disait qu'un jour on pourra parler aux machines. C'est un peu le fantasme depuis des dizaines et des dizaines d'années, depuis la machine de Turing. Et là, c'était la première fois où c'était vraiment réel, même si c'était pas encore ça. Et c'est fou comment on s'habitue vite, parce qu'aujourd'hui ça paraît totalement évident.

Donc t'as intégré l'IA, et là tu t'es pris un mur. Donc d'abord, reformer tes équipes, pas forcément techniquement tout de suite. Non, parce que c'était évident, on n'était pas à un état d'un outil qui soit vraiment productif et qui amène — on en parlera plus tard — un gain structurel quantifiable et mesurable de la productivité de l'entreprise. Par contre, c'était intéressant de l'exploiter à ce moment-là comme un studio d'innovation, de recherche, d'amélioration continue, et de se dire : il y a l'air d'avoir quelque chose qui se passe, c'est intéressant. Dans le marketing digital t'as quand même une acculturation où si tu veux être performant, t'es en permanence obligé d'être à l'avant de la comète dans l'innovation perpétuelle, parce que passé un certain stade les prospects se rendent compte des techniques que tu utilises et du coup tu perds en impact. Donc t'es en permanence dans une recherche de nouveautés.

Mais là le fait d'avoir un outil qui commence à te répondre — alors quand tu faisais 8 km de prompt — qui commence à te sortir des trucs que quelqu'un dans l'équipe pourrait plus faire et qui lui aurait pris 2 ou 3 heures... Pour nous ça a été compliqué. Et pourtant on avait une équipe jeune, la moyenne d'âge c'était 27 ans dans la boîte. Mais on s'est pris un mur. Dans les mois qui ont suivi, ChatGPT a eu beaucoup d'impact comme on l'avait anticipé. Et puis le contexte économique de l'époque a amené rapidement les entreprises à couper les budgets marketing et communication, à réinternaliser beaucoup en s'appuyant notamment sur l'alternance qui était énormément subventionnée à ce moment-là, et à se rendre compte que même avec une version gratuite de ChatGPT, tu pouvais commencer à faire des choses qui globalement ne justifiaient plus l'externalisation de budget — on était sur une niche qui était la gestion des réseaux sociaux. Et du coup on a perdu 80% de notre chiffre d'affaires en l'espace d'un an, parce que tous nos clients les uns après les autres ont tout coupé.

Et c'est là où on a fait le pivot, où on s'est dit : il y a deux manières de vivre ce qui est en train de se passer. Soit on est en queue de comète et quelque part on subit ce qui est en train de se passer. Soit à l'inverse on y va à fond, parce qu'il y a un coup à jouer, c'est évident qu'il y a en train de se passer des choses fortes. Et puis j'avais aussi envie de travailler sur des enjeux plus globaux dans l'entreprise — quand on était dans le marketing on était toujours très en aval des enjeux. Et du coup c'était intéressant de se dire mais qu'est-ce qui se passe quand on commence à l'intégrer plus loin dans les process de la boîte, notamment son exploitation ou sa production ?

Comment tu t'y es pris ? Est-ce que tu avais ta clientèle et tu leur as proposé un service différent ? On a commencé par trop se nicher au départ. On a regardé les métiers qui allaient être les plus impactés par l'IA. T'avais le marketing digital, on en venait, on n'avait pas forcément envie de continuer dans la même vibe. Il y avait les devs — à ce moment-là on n'était pas encore à un point où tu pouvais parler de vibe coding comme tu peux le faire depuis 6, un an. Et quand on a regardé un peu les verticales métiers qui allaient être les plus impactées par l'IA, on a trouvé les experts comptables. Tu avais une profession empirique qui était à ce moment-là très peu digitalisée. Il y avait un déplacement du pouvoir qui passait du cabinet aux éditeurs de logiciels. Et tu te retrouvais avec la loi de facturation électronique qui rentre en face en septembre, et plein d'autres choses. Ils se retrouvaient fortement contraints d'être dans une dynamique d'innovation, et les solutions technologiques avançaient plus vite que le marché n'était préparé déjà avant l'arrivée de l'IA.

On s'est dit : en vrai c'est ces gens-là qu'il faut accompagner, parce qu'ils vont se retrouver en difficulté. L'IA n'était pas encore assez mûre pour avoir un impact transversal global sur l'ensemble de l'entreprise, mais elle l'était déjà pour commencer à s'intégrer dans des solutions d'automatisation. Pennylane est sorti, un logiciel de production comptable alimenté par l'IA. Ils étaient déjà sur le marché avec d'autres challengers qui commençaient à mettre des choses en place à ce niveau-là. Et du coup des cabinets étaient un peu paumés, qui sortaient de vieilles solutions empiriques sur serveurs, des trucs qui font mal au crâne. On s'est dit : ils vont avoir besoin d'aide. Ça a été notre première verticale.

Quand t'arrives sur une nouvelle technologie, t'as besoin de faire monter en compétences la connaissance de tes clients pour pouvoir faire du travail de fond. C'est le grand problème aujourd'hui avec ChatGPT — je crois qu'on est à 1 ou 2% des utilisateurs qui sont payants. Voilà, il fallait y aller mais ils savaient pas comment, et du coup au début ils cherchaient un peu, ils étaient dans une phase exploratoire. En même temps, sur une technologie récente, c'est très risqué quand même d'engager des gros budgets sans vraiment avoir une validation. Aujourd'hui la validation existe, parce qu'il y a un peu de recul, et maintenant tout le monde sait que l'intelligence artificielle c'est une vraie révolution industrielle.

Aujourd'hui notre vécu, c'est que 100% des gens qu'on rencontre et qui viennent nous voir sont dans une dynamique de FOMO — la peur de passer à côté. Du coup le dirigeant, ou le CTO, ou le directeur des achats dit : moi, on m'a dit qu'il fallait que je mette de l'IA. Quand les gens te disent ça, qu'est-ce que tu réponds concrètement ? Je réponds comme dans un sketch : "et pour faire quoi ?". Globalement, souvent, le dirigeant a eu une idée. L'exemple type : "moi je vais automatiser ma boîte mail". Ça c'est le grand classique, le cas d'école. Et c'est légitime parce qu'il y a beaucoup de gens qui passent le matin une heure, deux heures juste à trier les mails, donc on peut se dire que c'est un gain facile de deux heures de productivité par jour en moyenne.

Du coup le dirigeant te dit "je veux automatiser ma boîte mail". Tu dis "OK monsieur le client, je veux bien automatiser vos mails, mais regardez un peu comment est structurée la donnée, parce que la clé quand tu veux mettre de l'IA dans n'importe quelle structure c'est comment est structurée la donnée. Donc monsieur le client, je vais commencer par aller auditer comment est structurée la donnée chez vous". Donc tu commences avec une phase d'audit. Cette phase d'audit va te permettre de les gratter. Parce que typiquement, le cas de l'email c'est un symptôme et pas la cause. Une boîte mail pleine, c'est le symptôme d'un manque structurel de cadre et d'organisation à certaines étapes clés, ou à l'inverse une surexploitation et une surcomplexification du process qui du coup nécessite de remettre l'humain dans la boucle régulièrement.

Du coup ce qu'on va faire, c'est qu'on va reprendre la base du flux. Dans l'activité, il y a des gens qui bossent à la prod, il y a des gens qui bossent aux achats, et des gens qui bossent au commerce, tout en bas de l'échelle. Tu commences par la base, tu vas voir ces gens-là qui sont au premier niveau de contact avec le client, de la production sur la machine, et tu vas les écouter et essayer de comprendre comment ils bossent. Et ce que tu fais, c'est que tu vas commencer par faire décrire les relations entre eux, et mapper le process de comment on bosse réellement, versus comment là-haut on pense qu'on bosse. Et ce qui est intéressant, c'est d'aller mesurer le delta entre les deux : le mode de travail imaginé/perçu, qui est souvent propre à la direction, et la réalité du terrain.

Quand tu fais ça, tu mets en évidence deux cas : si tu es dans un grand groupe ou dans une boîte ultra structurée, tu peux mettre en évidence le fait que t'as des doublons ou des triplons d'information, ou des saisies à plusieurs endroits, et des ralentissements de la chaîne. Tu peux t'appuyer sur des théories comme la théorie des contraintes de Goldratt, qui te dit qu'en gros n'importe quelle structure est conditionnée par sa capacité de production la plus faible à l'intérieur de l'ensemble de sa chaîne — c'est le goulot d'étranglement pour faire simple. Soit à l'inverse, il n'y a pas assez de structure et de process, et on demande trop à l'être humain ou au collaborateur de pallier à ce manque de process et d'organisation. Ce qui crée des dysfonctionnements et principalement des risques d'erreurs, des ralentissements dans ton process.

Donc on fait en premier un rapport qui dit : voilà comment vous imaginez, voilà la réalité, et voilà là où ça coince. Et là généralement, de lui-même, le dirigeant ou le chef de projet se rend compte que le sujet c'est pas vraiment les mails. Le sujet c'est souvent un problème structurel dans l'organisation de l'entreprise. C'est une belle trempette, c'est fini. Le client te dit merci au lieu de te vendre une solution d'IA. Et du coup tu préfères faire un diagnostic, quitte à perdre potentiellement du marché là-dessus. Après, ça crée une relation de confiance aussi avec le client. La question c'est : qu'est-ce que tu vois quand tu rentres chez toi le soir ? Qu'est-ce qui te fait dire "je suis fier de ce que j'ai fait aujourd'hui" ? Moi c'est quand j'ai un dirigeant qui vient me voir et qui me dit "putain, ça c'était le bordel et maintenant ça roule". Et ça roule pas parce qu'on a créé une surcouche artificielle d'IA pour mettre un pansement sur une jambe de bois. Mais parce qu'on a retravaillé le problème de fond, et ça apporte de la sérénité à tes cadres, à tes dirigeants, mais aussi aux équipes en dessous.

Juste pour donner un exemple, j'ai fait un cabinet d'expertise comptable le mois dernier, ils sont une petite trentaine de collabs et ils ont 28 outils différents dans le cabinet. 28. Et quand tu fais le tableau croisé dynamique des fonctionnalités sur les différents outils, tu te rends compte que t'as des chevauchements d'activité partout, et que t'as de la double ou triple voire quadruple saisie dans le process. Il y a un risque d'erreur qui est colossal.

C'est une accumulation au fur et à mesure des années — t'ajoutes des nouveaux outils sans jamais effectivement prendre du recul et faire un audit sur la structure globale. Ça me fait penser à ce que disait Elon Musk à propos de ses ingénieurs sur SpaceX : la pire erreur d'un ingénieur, c'est d'optimiser un process qui ne devrait tout simplement pas exister. Tout à fait. Et là si on reprend l'exemple de l'email, on peut optimiser les mails, mais effectivement les mails comme tu dis ça peut être un symptôme d'un problème plus profond structurel. Donc optimiser ça par-dessus rajoute encore une surcouche.

Donc tu fais ton audit, tu retournes voir le dirigeant, ensuite qu'est-ce qu'il se passe concrètement ? T'as deux cas de figure : soit t'es dans une hyper-complexité de tes process et de ton organisation, que tu vas plutôt retrouver dans des ETI et des grands groupes. Soit t'as une lacune de process et d'organisation. Et à ça tu ajoutes une variable d'ajustement qui est rarement prise en compte : toute entreprise aujourd'hui à de très rares exceptions près a un système informatique derrière, avec des outils, des méthodes, des logiciels. La question c'est : travailler sur le process de l'entreprise, travailler sur la formation des équipes et sur leur manière de travailler, quand tu es contraint par un système informatique, notamment sur le plan logiciel, t'as un couplage de contraintes.

C'est-à-dire que c'est pas une emmerde plus une emmerde, c'est une emmerde plus une emmerde qui te donne pas deux mais également dix. On a développé la théorie du couplage de la contrainte qui dit que globalement, si t'as pas assez de process avec un système informatique parcellisé, tu as une amplification de tes problématiques qui augmente ta résistance au changement et qui te demande beaucoup de temps et d'argent tout au long du processus. À l'inverse, quand tu es dans une hyper-complexification, t'as la même mécanique mais inverse, qui peut créer généralement le même problème. L'enjeu c'est de trouver le juste milieu.

Ce qu'on fait c'est qu'on mappe le process de travail idéal dont les collaborateurs ont besoin et dont l'équipe dirigeante a besoin. À un moment donné, il faut pouvoir — comme disait Chirac — un chef c'est fait pour chef et pour chef il faut de l'info. La question c'est quelle info essentielle on fait remonter. Et c'est trois indicateurs normalement, quatre maximum, par verticale d'activité. Tu pilotes normalement ta boîte — c'était la théorie du général de Gaulle — avec quatre indicateurs. Pas plus. Le cerveau humain est capable de traiter facilement trois, quatre indicateurs en parallèle. Et que donc tu peux en avoir quatre par strate. Dans le marketing typiquement t'as deux branches, la communication et le commercial. Tu mets trois indicateurs sur la communication et trois indicateurs sur le commerce. Et après tu mets trois indicateurs sur le marketing. À chaque fois, t'as en fonction de ton niveau une lecture simplifiée de l'information, qui te permet de savoir : je suis cadre en marketing, j'ai pas le même besoin d'information que mon community manager, mais tout le monde travaille avec des indicateurs sur lesquels il a conscience. Et ça baisse la pression managériale.

Une fois que t'as mis en place tes indicateurs, tu sais sur quoi t'as besoin de t'appuyer. La question c'est : là tu vas pouvoir commencer à mettre de l'automatisation ou des outils pour collecter la donnée. Le donné est très clair. Tu vas aider à mettre en place tes indicateurs. Une fois que tout ça s'est fait, il faut retravailler la base. Et après, par-dessus, tu vas commencer à introduire des outils d'IA et des automatisations. Notamment la collecte d'indicateurs. C'est hyper intéressant ce que tu dis. Si on prend l'exemple du commercial, on pourrait effectivement maintenant collecter son nombre de prospects, le nombre d'appels qu'il a fait, toutes ces métriques peuvent être collectées et directement insérées dans un CRM. C'est un cas d'usage plutôt que de taper à la main, éviter les erreurs.

L'enjeu c'est fiabiliser l'information et la donnée. Et tu as aussi le fait de s'assurer que le process de travail est optimisé pour tout le monde à toutes les strates de l'entreprise. Et quand tu fais ça, tu t'attaches aux outils. Tu questionnes la pertinence des outils qui ont été mis en place. Pourquoi ils sont là ? Est-ce qu'ils font le travail attendu ? Souvent c'est un problème qui n'est pas mesuré. Globalement t'as un problème dans ta boîte, la solution de facilité c'est d'aller chercher un outil pour le résoudre. Du coup tu te retrouves avec des outils, typiquement le problème des SaaS. Un SaaS, c'est quoi ? C'est un logiciel qui est fait pour résoudre des problématiques communes et qui est mutualisé pour alléger les coûts de développement et le rendre plus accessible à un certain nombre d'entreprises. Sauf que par essence, tu vas dans le meilleur des cas couvrir 80% de la problématique de l'entreprise mais jamais 100%.

Chaque société et chaque structure est unique. Si toutes les sociétés ont la même structure et organisation et que 100% des SaaS correspondent à 100% des besoins des entreprises, ça veut dire que tout le monde fait la même chose de la même manière, le produit de la même manière à n'importe quelle étape de l'échelle, et du coup tu perds ta capacité de différenciation. Tu perds en flexibilité. La capacité des entreprises à innover dans leur process, quel qu'il soit, que ce soit au niveau de l'organisation, au niveau de la manière de vendre — t'as une nécessité de pouvoir tester et expérimenter. Et donc tu te retrouves avec un logiciel qui correspond à 80% de ton besoin. La question, c'est que les 20% de ton besoin qui font ta singularité, ton originalité et ta capacité à te différencier, c'est pas couvert. Du coup tu fais quoi ? Tu essayes de pallier avec des bouts de développement par-ci par-là, qui sont pas maintenus et qui meurent de leur belle mort parfois dans un coin. Avec une sur-amplification de logiciels où tu vas avoir un Talenz pour gérer les RH, un CRM derrière pour collecter, un outil de téléphonie pour passer les appels. Et du coup tu complexifies ton organisation à foison.

Nous on est plutôt aujourd'hui pour dire : l'IA c'est une chance colossale, parce que ça pète complètement le marché du dev, parce que globalement le vibe coding aujourd'hui ça fonctionne. Tu peux développer à 100% le produit avec de l'IA, nous on le fait. Du coup tu as la chance de pouvoir réinternaliser ta création de logiciel métier. Puisque ça coûte plus grand-chose. Moi il y a vraiment ce sujet qui m'intéresse, potentiellement créer un CRM custom pour ton entreprise. Tu m'as l'air de me dire que c'est faisable. Est-ce que ça fait un peu peur, faut quand même que ce soit maintenu, est-ce que ça scale ? Même si disons que t'as 30 collaborateurs, tu sais que t'aurais 30 utilisateurs, donc tu n'as pas besoin d'avoir une infrastructure qui supporte un million d'utilisateurs.

On a fait notre cartographie de nos process, méthodes de travail et de ce qu'on a besoin de faire. En fonction de ça, il y a plusieurs réponses possibles. Le fait de développer un outil sur mesure est une réponse qui peut être pertinente et adaptée, c'est pas la seule. Parfois tu vas juste venir développer un petit connecteur entre ton CRM et ton ERP par exemple, où entre ton logiciel métier et ton logiciel de facturation. T'as juste besoin de petits efforts à faire pour éviter la double ou triple saisie. Ça c'est le premier enjeu, parce que le risque d'erreur est important. Tout le monde est d'accord pour dire que la double saisie ça sert à rien. Donc on vient supprimer la double saisie. Pour virer la double saisie, du coup tu commences à t'intéresser à comment marche l'outil, et là tu te poses des questions saines : est-ce que mon logiciel métier communique avec l'extérieur, est-ce qu'il a une API ? Là tu commences à rentrer dans les docs et tu te rends compte parfois de mauvaises surprises, ou t'es dans des environnements qui sont très fermés et qui ne permettent pas de faire voyager ta donnée.

Aujourd'hui, quand on fait un logiciel de manière générale, faut vraiment penser aux agents IA, faut penser aux connecteurs, faut absolument lui mettre une API, voire un serveur MCP. J'ai vu le dernier batch de Y Combinator — il y a deux gros enjeux dans l'informatique. Le premier, c'est un cerveau pour l'entreprise, c'est-à-dire regrouper toutes les données de toutes les sources en un seul endroit, de manière structurée pour que les agents IA puissent se plugger dessus. Et le deuxième, c'est de transformer les logiciels en logiciels "agents first" : au lieu d'imaginer que ce sera un humain qui va l'utiliser, on s'imagine que ce sera directement une IA. On construit le logiciel de telle sorte qu'il est plus fait pour les agents IA via des APIs et des serveurs MCP.

Et ça, j'imagine que des logiciels qui ont été construits il y a 10 ans, il y a 20 ans, qui sont intégrés et qui fonctionnent, n'ont pas forcément des connecteurs et des APIs. Donc qu'est-ce qu'on fait à ce moment-là si le logiciel n'a pas de connecteur ? Est-ce qu'on le remplace, est-ce qu'on essaye d'en développer ? Tout dépend en fait de l'usage. Une fois que t'as conscience de l'enjeu, t'appelles l'éditeur, tu dis "j'ai besoin de trouver une solution pour exporter vos données". Même si c'est pas une API, tu vas peut-être pouvoir faire un export automatisé en CSV, ou peut-être que tu vas demander à pouvoir directement taper la base de données en SQL si c'est sur serveur. Par contre, t'as conscience de l'enjeu et de la problématique. À partir du moment où t'as conscience de ton problème, t'as résolu la moitié du chemin.

Comment tu t'y prends pour structurer les données d'une entreprise ? Est-ce que là aussi c'est du cas par cas, ou est-ce qu'il y a un playbook général ? Je suis pas pour les solutions toutes faites de manière générale. C'est plutôt des règles de bon père de famille qu'on essaye d'avoir et d'adopter. En vrai il n'y a pas de vérité. T'as des boîtes qui ont par exemple un CRM et un ERP : un logiciel pour gérer mon commerce et un logiciel pour gérer ma prod, et j'ai deux fois la base client. Une fois dans mon CRM, une fois dans mon ERP. L'enjeu, c'est peut-être juste d'avoir un connecteur qui fasse une synchronisation horaire, journalière. Voilà, ça c'est pas compliqué.

Dans certaines structures par exemple chez RobinHood, on a beaucoup d'agents autonomes, on est en train de développer une mémoire centralisée partagée. La base de vérité, elle n'est ni dans notre CRM, ni dans notre logiciel métier, elle est dans une base de données par exemple PostgreSQL qui est sur un serveur. Les agents vont taper là, et tous les efforts de synchronisation partent de là. La vérité elle est là, parce que chez nous c'est important : on essaye de limiter au maximum nos dépendances à des outils tiers. C'est important dans le monde dans lequel on vit aujourd'hui que la donnée, qui est la valeur de l'entreprise, de plus en plus avec ce qu'il y a en train de se passer, elle soit pleinement totalement propriétaire de l'entreprise. Donc qu'elle soit sur ses serveurs accessible quasiment uniquement par elle, et pas dans un logiciel SaaS, ou si je paye pas, j'ai pas accès à ma donnée, ou on me dit "en fait par exemple aujourd'hui, c'est 300% d'augmentation, je suis numéro un sur le marché, vous pouvez rien dire".

Il y a aussi cette problématique de coût de l'IA. Comment toi tu gères les coûts de l'intelligence artificielle ? Est-ce que c'est pertinent parfois d'utiliser un modèle en local ? On part du principe que la première étape c'est une donnée structurée. J'ai des process de travail qui sont clairement identifiés auprès de tous mes collaborateurs, et là-dessus je souhaite mettre de l'IA dans le but d'automatiser de la collecte ou de suggérer des réponses par email. La manière de l'intégrer va dépendre d'un certain nombre d'enjeux. Le premier, c'est : si je dépense X, combien il faut que ça me rapporte ? Et ça c'est une question qui est propre à chaque entreprise.

Il y a trois modèles d'utilisation de l'IA pour faire ça : je paye un abonnement, où je paye un coût à l'usage qu'on appelle de l'API, où je paye une utilisation sur un serveur avec un modèle par exemple open source. C'est les trois monétisations. Je pense que la question "ça coûte combien" est une fausse question. Aujourd'hui chez RobinHood, chaque collab utilise ces trois monétisations dans l'entreprise. Parce qu'on part du principe que si on veut expliquer à nos clients comment mettre de l'IA, on doit être les premiers à l'utiliser. Moi j'ai une licence. On fonctionne avec deux variables : chaque collaborateur a un budget attribué par mois d'usage de l'IA, propre à lui. Est-ce qu'il utilise vraiment ces usages à fond ? Si je mets un abonnement à 20 balles par mois à l'utilisateur mais qu'il atteint jamais les limites de l'abonnement, ces 20 balles sont pas pleinement utilisées. Donc quel est l'intérêt de l'investir ?

Chez nous, chaque collaborateur a un budget de 200 euros par mois pour le provider IA de son choix. Là j'étais chez Claude, je suis repassé chez ChatGPT. J'ai les deux parce qu'ils ont sorti un super modèle, GPT-5.5, fracker. Et mon associée a aussi 200 euros par mois, mais elle a choisi de rester sur Claude. C'est une bonne manière de faire, de se fixer un budget fixe — au moins si on tape la limite on va essayer de voir pourquoi on la tape et peut-être qu'il y a des choses à optimiser. Les abonnements, c'est des gains personnels, c'est-à-dire un gain de productivité individuel. Or, le gain de productivité individuel est rarement symptomatique dans l'entreprise. Les dirigeants sont les premiers à prendre à utiliser l'IA, à se prendre une licence à 20 balles par mois, mais le fait d'améliorer la productivité du dirigeant c'est pas forcément ça qui permet de faire plus de chiffre, plus de marge, plus vite. Globalement, les indicateurs qu'on va chercher quand on commence à mettre de l'IA.

Nous on a ce sujet-là parce qu'on a identifié aujourd'hui que le collaborateur qui utilise au quotidien de l'IA, on a mesuré cet indicateur de productivité à deux fois et demi le temps de travail. C'est-à-dire qu'aujourd'hui, grâce à mon abonnement de 200 balles par mois, je fais deux fois et demi plus de tâches que ce que je pourrais faire. Maintenant on est pas un cas d'école, on est plus pour des gens qui travaillent sur des problématiques horizontales et qui font beaucoup de choses, plutôt même des consultants. Mais dans une structure PME avec des process, c'est pas forcément le cas. Ça dépend, regarde Jensen Huang le CEO de Nvidia, il a annoncé qu'il mettait du ChatGPT 5 à ses 10 000 salariés. Le l'essentiel des forces de Nvidia ce sont des profils de développeurs. Donc ça a du sens. Et puis ils n'ont pas le même prix de licence que toi et moi.

Dans la relation fournisseur, il y a une vraie relation de pouvoir qui est en train de s'établir entre les fournisseurs de solutions d'intelligence artificielle et les entreprises qui sont en train de devenir profondément dépendantes à ce genre de solutions. Demain, dans la situation économique dans laquelle on est, on est interdépendants à des solutions d'IA. T'as un président américain un peu instable qui te dit "en fait je coupe tous les accès, l'Europe vous n'avez plus le droit, vous m'avez fâché, vous n'avez plus le droit d'utiliser les solutions d'IA". On a vu des cas comme ça sur la guerre en Ukraine ou Starlink qui est utilisé par les soldats sur le front, t'as eu quelques épisodes de coupures complètement, qui ont été ordonnés par les États-Unis. C'est un levier comme un autre.

Pour ça, moi je recommande d'utiliser des outils qui peuvent se plugger potentiellement à plusieurs IA. Tu as Cursor par exemple, qui fournit un environnement pour coder. Ils peuvent se plugger à Anthropic, OpenAI, Gemini, n'importe quel modèle d'IA. Si demain OpenAI bannit leur modèle pour les Français, tu pourrais toujours te plugger à Mistral avec le même environnement de développement. Tu perds pas tes habitudes, tu perds pas tes données. Par contre, si tu utilises un outil 100% développé par ces entreprises, là tu as une dépendance accrue. Et puis même c'est important si jamais tu veux mettre un modèle plus intelligent qui sort dans six mois, pouvoir le mettre sur ton infrastructure sans tout refaire à partir de zéro.

Nous on utilise un outil qui s'appelle Craft Agent, qui nous fournit les mêmes fonctionnalités qu'un ChatGPT ou qu'un Gemini ou un Claude, par contre c'est open source, installé en local sur nos ordinateurs, et ça marche avec notre abonnement ChatGPT. Je mets un bémol sur l'utilisation des abonnements dans des outils externes, parce que Claude est en train par exemple de mettre des grosses tracks sur ces questions-là. C'est un exemple de cas d'usage possible : la mémoire, quand on utilise des abonnements, c'est important de garder la mémoire de ce qui a été appris pour que les agents restent performants. Quand j'ai dit "tiens, il y a les nouveaux modèles qui arrivent sur ChatGPT", je suis passé de l'autre côté, j'ai quitté Claude, et ça n'a rien changé à mes habitudes de travail ou à mes outils ou à mes connecteurs. C'est plus lourd mais ça donne une agilité beaucoup plus importante à la structure.

L'usage de l'API aujourd'hui, parce que c'était le deuxième modèle économique dont on parlait, ça amène pour moi un gros problème : ça coûte à l'usage. ChatGPT 5 qui est sorti, qui est 2 fois plus cher au million de tokens que le 5.4. Et du coup t'es dans une course en avant où globalement tu maîtrises pas beaucoup les budgets, alors que le gain n'est pas non plus structurel. Je pense qu'il faut vraiment l'utiliser pour du coding avancé, vraiment dans des entreprises de pointe en développement, pour voir vraiment une différence qui serait rentable. Mais ils ont le meilleur modèle pour les 2 ou 3 prochains mois.

L'API c'est plutôt intéressant quand tu commences à quitter le gain structurel personnel pour passer sur des gains structurels d'entreprise. Chez RobinHood, on a automatisé toute notre communication. On a 34 agents aujourd'hui qui gèrent la communication de l'entreprise avec la rédaction d'articles de blog, la recherche, le contact et la gestion de la relation presse — c'est d'ailleurs dans ce cadre-là que je t'avais contacté, c'est par ces agents-là que je t'ai contacté. On a un bouquin que j'ai écrit donc la recherche d'éditeur, et les premiers niveaux de relation et de contact avec eux sont gérés aussi par des agents. Et puis là-dessus, t'as un agent superviseur qui contrôle qu'ils bossent bien, qui font leur travail, et qui les conseille si redondant.

Comment t'arrives à avoir tes 34 agents qui travaillent sans que tu dépenses 50 000 euros par mois ? Ça nous coûte zéro. On utilise donc dans l'API c'est quoi : c'est un tuyau qui donne la possibilité d'accéder à des sources de données. Soit je vais choisir de travailler avec une structure type ChatGPT qui loue l'accès à ce modèle-là. Soit je peux travailler avec des modèles moins chers mais qui suivent le même principe et qui sont open source comme DeepSeek, etc. Ou je peux travailler avec un modèle que je vais faire tourner sur un serveur. Ça demande beaucoup de RAM, parfois du GPU, des coûts qui peuvent... aujourd'hui faire tourner un modèle local à moins de 300 balles par mois, c'est compliqué pour que ce soit réactif et que ça fasse de l'agentique à peu près efficace. Plutôt en réalité on est à 1500 euros par mois quand tu veux un serveur qui tient la route pour faire de l'agentique. Mais nous ça nous coûte zéro : on a déjà une infrastructure serveur dont on se sert pour nos clients et ces serveurs sont pas utilisés 24h/24. On travaille en journée. Donc on a ce gain structurel personnel par nos abonnements. Mais la nuit, moi je dors, je reste un être humain. Du coup pour rentabiliser l'usage de nos serveurs, en dehors de nos horaires de travail, on a des agents qui déclenchent des modèles en local qui vont tourner sur nos serveurs, et qui vont permettre de faire fonctionner des automatisations agentiques.

En journée, parce que les agents y a quand même besoin de tourner en journée — typiquement quand tu fais une campagne de prospection, c'est mieux de contacter les gens pendant des horaires de bureau — là ça marcherait pas parce qu'on travaille activement sur les serveurs. Là on passe sur d'autres APIs, on passe avec OpenRouter, qui est une solution qui te permet en fait de te connecter à toutes les solutions IA par API de la planète. Et dedans t'as la possibilité, si t'acceptes d'entraîner des modèles, d'accéder à des modèles agentiques totalement gratuitement. Est-ce que ces modèles gratuits sont suffisamment performants ? En fait ça dépend de ce que tu cherches à faire. L'avantage c'est qu'on reprend ce qu'on a dit au début : comme on a mappé nos process, c'est comme l'être humain. Si tu lui donnes un cadre suffisamment strict avec de la donnée structurée, elle va pouvoir travailler efficacement. Si tu lui donnes un cadre où la donnée évolue, n'est pas fiable et n'est pas claire, elle va inventer, elle va chercher à compenser le manque de clarté de l'information par sa propre interprétation, et t'augmentes ton volume de risque. Donc en réalité, si tu cadres suffisamment bien ton process, tu as besoin de modèles moins intelligents.

L'utilisation du bon modèle pour le bon cas d'usage, c'est hyper important. OpenRouter a un mode auto justement qui fait du routing LLM. Quand tu dis à ton IA "bonjour, ça va ?" ou "merci", elle n'utilise pas Claude Opus 4.7 qui va te coûter 10 centimes par requête. Mais plutôt un modèle tout con, on va dire, gratuit. Et ça à grande échelle, ça fait des économies considérables. C'est vraiment une piste à explorer. Faut quand même accepter qu'ils entraînent les data sur leur modèle, sur tes données. Donc pour les infrastructures des clients c'est beaucoup plus cadré.

Il y a quand même un sujet sur ce qu'on appelle de la donnée confidentielle. À part si tu bosses dans des secteurs sensibles type santé, armée, défense, énergie, à partir du moment où déjà ta boîte mail est sur un Microsoft 365 hébergé en Europe, la confidentialité des données elle est toute relative. Le Patriot Act c'est un vrai sujet. Quand on accepte d'utiliser nos données pour entraîner des modèles, typiquement sur des données marketing, il y a peu de sujet. C'est de la prospection, c'est des données qui sont accessibles sur internet de base, que tes agents vont chercher et potentiellement structurer pour t'enrichir.

J'avais vu MaMou IA, c'est une entreprise française, une interface de chat qui permet de se plugger à tous les modèles. Dans leur landing page c'est marqué "données sécurisées". Eux ne gardent pas les données. Mais si vous utilisez un modèle d'OpenAI dans MaMou IA, ça part quand même sur les serveurs d'OpenAI. À partir du moment où les données vont partir sur un serveur d'une boîte américaine, vous pouvez être sûr que le gouvernement américain peut mettre la main dessus, et c'est pareil pour les modèles chinois. Sauf bien sûr si vous voulez déployer en open source. Pour moi le sujet n'est pas tant la confidentialité de la donnée — sauf dans quelques secteurs particuliers où t'as des solutions comme l'IA en local, ou typiquement OVHcloud qui a sorti sa propre API et où tu peux faire fonctionner des modèles locaux hébergés en France. Pour moi le sujet c'est plutôt la propriété de la donnée plutôt que sa confidentialité. Si t'es sur un logiciel SaaS, c'est lui qui peut te couper ta donnée. La question c'est : est-ce que j'en ai la propriété et est-ce que je peux l'exploiter comme je l'entends ?

Pourquoi est-ce qu'on peut commencer à aller vers du full agentique ? L'ambition c'est de continuer à développer ça pour aller vers une structure qui soit de plus en plus automatisée. Ma seule et unique valeur ajoutée aujourd'hui c'est d'aller parler avec des gens. Tout le reste, une IA le fera mieux que moi. Est-ce que ton ambition c'est de te remplacer toi-même cette partie-là par un avatar IA ? Plus sérieusement, ce serait possible mais je perdrais ce qui me fait le plus triper dans mon activité. On n'a pas envie de remplacer les choses qui nous plaisent. La seule matrice à savoir pour savoir ce que je dois déléguer ou pas. Moi c'est mon playbook : c'est dès que je tombe sur un truc qui me fait chier à faire, je vais me poser la question. Typiquement, le jour où je voulais lancer une campagne de publicité sur Meta. Je vois que l'interface est horrible. Du coup mon premier réflexe, ça a été de regarder sur GitHub "serveur MCP Meta". Je vois qu'il y a un mec qui développe ça, son nombre d'étoiles, ça a l'air sérieux. Je le mets dans mon Claude Code et mon Claude Code me fait ma campagne. Et il peut même me générer des visuels, les tester et retirer ce qui performe pas.

C'est un réflexe qu'il faut qu'on développe collectivement : comment remplacer ce process par de l'IA. Parce que si on se pose pas la question, c'est pas forcément naturel. Maintenant c'est devenu une clé : à quelque chose qui m'embête et que je n'aime pas faire, je vais me poser cette question, et en général il y a des solutions qui existent. Parfois ça peut être limité par le coût ou autre chose. Mais de plus en plus, c'est possible d'intégrer n8n avec des agents IA. Il y a des entreprises qui commencent à se développer qui ont pour ambition de gérer des business 100% par IA — t'as une idée, tu tapes ton prompt, et avant on avait Lovable, Bolt qui te font un SaaS. Et maintenant il y a des startups qui disent : tu tapes un prompt et à la fin t'as un business rentable, tu lui donnes un budget. Et lui il va te développer le logiciel, te lancer tes campagnes de pub, faire ta prospection, et t'auras quasiment plus rien à faire.

Tu penses que c'est quelque chose qui — on se dirige en partie par là ? Ça concerne aussi vraiment des métiers digitalisés en général, tout ce qui demande pas de travail physique. Pour moi c'est un peu comme ce qu'il y avait pu avoir à une époque de Dropshipping et compagnie, typiquement dans le marketing, qui te disait "on s'occupe d'automatiser le fait d'envoyer les produits par toi, etc., toi t'as juste la com à faire, ou on te fournit même le site". Je pense qu'on va aller vers des business de plus en plus, pour des petits business, qui sont de plus en plus automatisés. Je pense qu'on aura aussi des structures plutôt effectivement en milieu digital qui vont aller vers des modèles d'automatisation complets. Typiquement je pense que les fonctions dirigeantes, c'est-à-dire CIO, CFO, etc., pourront, surtout dans les années à venir avec l'arrivée de l'intelligence artificielle au niveau humain, être remplacées — tu pourras mettre une IA pour gérer ces questions-là et elle le fera mieux que toi.

Aujourd'hui tout le monde est dans le service. On a une économie européenne qui est très tournée sur le service. Et ça va commencer à poser des enjeux structurels beaucoup plus importants. Aujourd'hui on manque de gens du bâtiment, on manque de maçons, on manque de peintres. Tu as déjà essayé de faire appel à un plombier en France ? Il y a un site qui s'appelle Bon Commun qui est pas mal — tu mets ton chantier et c'est les artisans qui viennent te démarcher. Je passe en général par ce site, c'est assez compliqué effectivement. Et du coup il y a une question de société qui est en train de se poser : si globalement toutes les fonctions supports d'une entreprise, toutes les fonctions non corrélées qui n'apportent pas de valeur par la relation humaine ou par une expertise et un savoir-faire manuel... Je crois beaucoup dans la robotisation et l'arrivée des robots humanoïdes qui vont faire de plus en plus de choses. Par contre, avant d'avoir un robot ou d'accepter de laisser un robot venir mettre un coup de peinture chez toi et qui le fera aussi proprement qu'un artisan, il va s'écouler beaucoup plus de temps qu'il n'en a fallu à ChatGPT pour venir dans nos vies et prendre la place qu'il prend aujourd'hui.

Il y a effectivement énormément d'investissement dans les robots humanoïdes. Je pense que les premiers marchés ce sera les industries. Et ensuite, il y a aussi le marché des robots personnels où là il pourra mettre tes assiettes dans la vaisselle, étendre ta machine, ton linge, etc. Automatiser des tâches du quotidien. Faire de la plomberie ça paraît pas facile à robotiser cet aspect-là actuellement, mais c'est tellement fou ce qui se passe que ça viendra certainement un jour.

On va terminer le podcast là-dessus parce que là on part sur des prévisions et des perspectives sur le futur. Mais on a vu beaucoup de choses concrètes dans cet épisode. Thibault, je te remercie. C'était hyper intéressant, j'espère que ça apporte de la valeur pour la communauté. Félicitations pour ce que tu as mis en place, c'est hyper impressionnant. Honnêtement, moi je n'ai pas autant d'automatisations que toi, je te l'avoue. Donc là je vais revoir mes process cette semaine directement par rapport à ce qu'on a dit, ça m'a piqué dans ma curiosité. Merci encore pour cet épisode. Je te laisse le mot de la fin.

Merci pour le temps que tu m'as accordé, j'ai pris beaucoup de plaisir. J'ai hâte de lire les retours de la communauté. Je terminerai avec ce parcours : quand on a commencé, il y a une révolution industrielle. Une de plus. Comme l'a été l'invention de la roue, l'arrivée du feu, ou plus récemment l'arrivée d'internet. Ça va détruire un nombre colossal d'emplois. Ça va en recréer des nouveaux qui ne seront pas les mêmes, qui nécessiteront d'autres expertises et d'autres compétences. Et la question, c'est plutôt celle de la philosophie qu'on adoptera autour de ça. Est-ce qu'on a envie de subir cette révolution, ou est-ce qu'on a plutôt envie d'y aller avec optimisme, tout en gardant la tête sur les épaules et le recul nécessaire pour piloter les chantiers qu'elle impose avec sérénité ? Moi j'ai ma réponse en tout cas. Merci Thibault. À une prochaine avec plaisir. À bientôt !