Le fossé entre la hype LinkedIn et la réalité de l'IA en entreprise

Ouvrez LinkedIn n'importe quel jour et vous tomberez sur les mêmes promesses. Quelqu'un a automatisé tout son reporting en un week-end, le CRM de quelqu'un d'autre se met à jour tout seul, un troisième a construit douze agents IA avant lundi. Leur ordinateur travaille pendant qu'ils dorment.

La technologie derrière ces posts est réelle. Ce que ces personnes décrivent est, pour l'essentiel, techniquement possible. Mais il y a un fossé entre ce qu'une personne motivée peut construire seule et ce qui est réellement faisable dans une grande organisation, avec vos outils, vos données, vos politiques de sécurité et vos collègues. Ce fossé est plus large que la plupart des gens ne l'admettent, et il est aujourd'hui la source de beaucoup de frustration, de pilotes ratés et d'attentes mal placées dans les entreprises.

Mettre le vocabulaire au clair

L'une des plus grandes sources de confusion dans les conversations sur l'IA en entreprise, c'est la terminologie. Des mots comme agent, assistant, chat et cowork sont utilisés comme s'ils voulaient dire la même chose. Ce n'est pas le cas. Chacun décrit un niveau de capacité nettement différent, et comprendre la différence est ce qui permet d'avoir une conversation honnête sur ce que votre organisation peut réellement faire aujourd'hui, et sur ce vers quoi elle travaille.

Le chat, c'est là où tout le monde commence. Vous ouvrez un outil comme ChatGPT, Gemini, Microsoft Copilot ou Claude. Vous tapez un message. L'IA répond. Vous posez peut-être une question de suivi, puis vous fermez l'onglet. À cet instant, l'IA devient totalement inactive. Elle n'agit pas seule, elle ne retient rien de la conversation, et elle n'a accès à rien dans votre organisation. C'est encore là que l'immense majorité des gens, dans la plupart des entreprises, passent leur temps IA aujourd'hui.

Un assistant est un chat configuré une fois pour un usage précis, pour ne pas avoir à réexpliquer le même contexte à chaque fois. Vous définissez à qui il s'adresse, ce qu'il doit savoir, quel ton employer et quelles règles suivre. À partir de là, chaque conversation démarre avec tout cela déjà en place.

Un assistant commercial, par exemple, connaît déjà votre produit, vos prix, votre cible et le contexte de votre entreprise. Au lieu de passer les cinq premières minutes de chaque chat à réexpliquer votre situation, vous dites simplement « rédige un e-mail de relance pour ce prospect » et il le fait correctement. La différence importante avec un agent : un assistant attend toujours que vous lui demandiez. Il n'agit pas de lui-même. L'intelligence est configurée à l'avance, mais le déclencheur, c'est toujours vous.

Un agent, c'est un tout autre niveau. Il ne se contente pas de répondre à des questions. Il exécute une séquence d'étapes de lui-même, sans attendre que vous déclenchiez chacune d'elles.

Un exemple concret : un e-mail client arrive dans votre boîte. L'agent le lit, l'identifie comme une demande de devis, va chercher les informations tarifaires pertinentes dans votre CRM, rédige une réponse dans votre ton, met à jour la fiche d'opportunité, puis envoie l'e-mail ou le place en file d'attente pour votre relecture finale. L'agent n'a pas besoin que vous ouvriez une fenêtre et lanciez une conversation. Il peut être déclenché par un événement (un nouvel e-mail), un calendrier (tous les vendredis à 17 h) ou une règle prédéfinie.

Le cowork (une capacité que chaque plateforme nomme différemment : Claude en mode Cowork chez Anthropic, agent mode chez OpenAI, computer use dans les cercles techniques) aborde autrement la façon dont l'IA interagit avec vos outils.

Un agent classique se connecte à vos systèmes via des API, des intégrations techniques structurées que l'IT doit mettre en place. Le cowork n'a besoin de rien de tout cela. Il opère à travers votre écran : il ouvre votre navigateur, clique sur des boutons, remplit des formulaires, navigue entre les applications, ouvre des documents, les modifie et enregistre des fichiers, exactement comme le ferait un assistant humain assis à votre bureau.

Pourquoi c'est important ? Parce que la plupart des outils d'entreprise n'ont pas d'API propre disponible, et que l'IT n'a pas connecté ceux qui en ont une. Interfaces héritées, fichiers stockés en local, tableaux de bord internes, vieilles plateformes qu'aucun développeur n'a touchées depuis des années : le cowork fonctionne avec tout cela. Si un collaborateur humain peut y naviguer, le cowork le peut aussi.

Enfin, MCP (Model Context Protocol) n'est pas un produit IA à part entière. C'est un standard technique, introduit par Anthropic et depuis adopté par OpenAI, Google et Microsoft, qui permet à une IA de se connecter directement à vos outils existants et d'en extraire des données en temps réel.

Sans MCP, c'est vous qui faites le pont manuel entre vos données et l'IA : vous exportez un rapport de votre CRM, vous copiez les données, vous les collez dans le chat, puis vous posez votre question. Avec MCP, l'IA interroge directement vos outils et répond immédiatement. Une question comme « quels clients n'ont pas été contactés depuis trente jours et ont une opportunité ouverte de plus de cinquante mille euros » passe d'un processus manuel en plusieurs étapes à une réponse instantanée.

C'est le plus grand déblocage de capacité que la plupart des organisations n'ont pas encore déployé, et celui qui transforme une IA générique en une IA qui connaît vraiment votre entreprise.

Où en sont vraiment les individus et les organisations

Comprendre ces concepts est utile. La question plus pratique, c'est : où en êtes-vous, vous et votre organisation, aujourd'hui ? Parce que là où vous en êtes individuellement et là où votre entreprise en est collectivement sont deux choses différentes, qui n'avancent pas toujours à la même vitesse.

Au niveau individuel, l'aisance avec l'IA se développe par étapes reconnaissables.

Au niveau de l'organisation, le tableau est tout aussi stratifié, et plus complexe que ne le reconnaissent la plupart des présentations d'éditeurs. Beaucoup de grandes organisations, en particulier dans l'industrie, le secteur public et les secteurs fortement régulés, n'ont encore formellement approuvé aucun outil IA pour leurs collaborateurs. Des gens utilisent peut-être ChatGPT sur un compte personnel pour des tâches professionnelles, mais rien n'a été officiellement validé. C'est moins rare qu'il n'y paraît.

Un cran nettement au-dessus : l'organisation a déployé un outil IA à tous ses collaborateurs, Copilot, ChatGPT Enterprise, Gemini for Workspace ou équivalent. Mais voici une distinction essentielle, constamment négligée : avoir un outil déployé n'est pas la même chose que l'avoir autorisé pour les données sensibles. Dans beaucoup d'organisations, les collaborateurs ont accès à l'IA mais on leur a dit, ou ils supposent, qu'ils ne peuvent pas y saisir d'informations clients, de données RH ou de données financières, parce que l'autorisation sécurité n'a pas été formellement accordée ni communiquée.

Au-delà, certaines organisations ont commencé à déployer des assistants configurés dans les équipes. Mais même là, la réalité est plus fragmentée qu'elle n'en a l'air : dans la même entreprise, certains collaborateurs peuvent construire et partager des assistants librement, d'autres ne peuvent utiliser que ce que fournit l'IT, et d'autres sont quelque part entre les deux. Des connexions MCP à l'échelle, du cowork déployé dans toute l'entreprise, des workflows entièrement automatisés qui tournent sans aucun déclencheur humain : cela existe, mais cela reste vraiment rare dans les entreprises européennes aujourd'hui. C'est ce que LinkedIn montre comme si c'était déjà la norme. Ce n'est pas le cas.

La frustration que ressentent la plupart des gens en essayant de faire avancer l'IA dans leur organisation vient presque toujours d'un décalage précis : être personnellement plus capable que ce que l'organisation est prête à soutenir. Quelqu'un qui construit des assistants avec aisance et voit clairement ce qu'un agent devrait faire se heurte à une entreprise qui n'a aucun mécanisme pour déployer ou partager ce qu'il construit.

Ce décalage, entre capacité individuelle et préparation de l'organisation, est là où l'énergie se perd, et le traiter est le vrai point de départ de tout programme sérieux d'adoption de l'IA.

Trois principes qui marchent où que vous en soyez

La plupart des conseils sur l'IA en entreprise se terminent par une recommandation qui exige une validation budgétaire, un projet IT ou une feuille de route sur plusieurs mois. Pas ce qui suit. Ces trois principes s'appliquent que votre entreprise n'ait encore approuvé aucun outil IA ou qu'elle fasse déjà tourner des workflows automatisés.

C'est le basculement qui change la façon dont vous pensez l'avenir de l'IA dans votre organisation.

Un assistant n'est pas une construction nouvelle et à part. C'est simplement le contexte que vous tapez chaque jour dans l'IA (votre rôle, votre entreprise, votre audience, votre ton), sauvegardé une fois pour ne plus le répéter. Avant même de configurer un assistant, on a déjà tapé ce contexte des dizaines de fois dans des conversations séparées. Le jour où l'on décide de le sauvegarder et d'arrêter de le réécrire, on a de fait construit un assistant. Si votre organisation ne vous donne pas encore accès à une configuration d'assistant, vous pouvez sauvegarder ce contexte dans un fichier de notes et le coller au début de chaque chat. Même résultat, un peu plus manuel.

Un agent est une tâche que quelqu'un a déjà faite manuellement, de façon répétée, jusqu'à en comprendre chaque étape. Les meilleurs agents en production n'ont pas été conçus en atelier par des gens qui n'avaient jamais réalisé la tâche sous-jacente. Ils ont été construits par des gens qui ont exécuté le même processus à la main tous les vendredis après-midi pendant des mois, et qui ont fini par se demander : pourquoi est-ce encore moi qui déclenche ça ? La pratique quotidienne du chat est ce qui construit cette compréhension opérationnelle. L'agent ne fait que retirer le déclencheur manuel.

Une connexion MCP, c'est l'étape hebdomadaire de copier-coller, supprimée. Quand quelqu'un dit à l'IT « on devrait connecter notre CRM à Copilot », ce qu'il dit vraiment, c'est : « j'exporte ce même rapport tous les lundis, tous mes collègues aussi, et aucun de nous ne devrait avoir à le faire ». La personne qui a fait cet export quarante fois est la mieux placée pour spécifier exactement ce que cette connexion doit faire, pas l'équipe IT qui n'a jamais réalisé la tâche.

Quatre signaux valent la peine d'être suivis, parce qu'ils se manifesteront cette semaine, que vous les remarquiez ou non.

Gardez cette liste, même informelle. Ceux qui l'auront prête quand ces capacités arriveront dans leur organisation seront les premiers à les déployer utilement, et les plus précieux pour les équipes qui les construisent.

La conclusion honnête

Le fossé entre ce que montre LinkedIn et la réalité des entreprises aujourd'hui est réel et significatif. Des workflows IA entièrement automatisés, des systèmes qui se mettent à jour seuls, des agents qui tournent en continu sans intervention humaine : cela existe, mais cela concerne une petite minorité d'organisations, et cela a été construit dans la durée, pas en un week-end. Le présenter comme la norme actuelle crée des attentes difficiles à satisfaire et rend plus difficile la construction des fondations qui comptent vraiment.

Combler le fossé, ce n'est pas courir après le cas d'usage le plus avancé. C'est construire une vraie pratique quotidienne avec les outils déjà disponibles, remarquer ce que cette pratique révèle sur les endroits où l'automatisation apporterait une vraie valeur, et nourrir de ces observations la façon dont votre organisation conçoit et déploie l'IA dans le temps.

Trente minutes par jour, sur du travail sérieux, c'est là que ça commence. Tout le reste se cumule à partir de là.