En bref : Les entreprises profitant de l'IA ont amplifié le travail qu'elles avaient d'abord repensé, ont gardé des gens pour les décisions qui comportent des risques et n'ont développé que les parties qui sont restées fiables.
Le radar photo
La vitesse a été la première chose que chaque équipe de direction a remarquée à propos de l'intelligence artificielle générative (IA), et c'est là que le piège se cachait. Un pilote a été mis en place en un week-end. Une file d'attente de support a été résolue du jour au lendemain. Une campagne qui prenait auparavant une quinzaine de jours a été livrée en un après-midi. Les tableaux de bord étaient spectaculaires, et le compte de résultat (P&L) est resté stable.
Le Projet NANDA de l'Institut de Technologie du Massachusetts a mis un chiffre sur la distance entre le mouvement et l'argent. Son étude de 2025, La fracture GenAI : l'état de l'IA dans les entreprises, a trouvé que Seulement 5 % des déploiements d'IA en entreprise ont produit un impact mesurable sur le compte de résultat., tandis que les 95 % restants stagnaient avant que les livres ne changent.1 Le facteur décisif résidait dans l'intégration : la manière dont une entreprise intégrait l'IA dans ses flux de travail, sa gouvernance et la façon dont ses équipes prenaient leurs décisions. Le même rapport a révélé que les projets pilotes construits en associant des spécialistes internes à une expertise externe atteignaient la production dans 67 % des cas, contre 22 % pour les projets laissés à la seule équipe technologique.
Cet écart représente toute l'histoire. Une croissance rapide produit une démonstration ; une croissance intelligente produit un système qui tient à dix fois le volume.
Ce que “ plus intelligent ” signifie : refonte plutôt qu'accélération
L'enquête de McKinsey en 2025 auprès de près de 2 000 dirigeants dans 105 pays trace le même schéma en partant de la direction opposée. Quatre-vingt-huit pour cent des organisations utilisent désormais l'IA dans au moins une fonction., Environ un tiers ont commencé à l'étendre à l'échelle de l'entreprise, et 39 % signalent un impact sur les bénéfices avant intérêts et impôts (BAII) au niveau de l'entreprise.2 Les agents affinent encore l'image : 62 % des entreprises mènent des expériences avec eux, et 23 % ont atteint une véritable échelle.
Les équipes qui passent de la phase pilote au partage des bénéfices font un mouvement. Elles considèrent l'IA comme une raison de repenser le travail lui-même. Le mouvement perdant consiste à greffer un moteur plus rapide sur le travail qu'elles avaient déjà. Elles réécrivent le processus, décident où réside le jugement et instrumentent le résultat afin que la qualité reste visible. L'accélération consiste à poser un modèle sur un entonnoir qui fuit et à expédier la fuite à grande vitesse. La refonte reconstruit l'entonnoir afin que le modèle ait un endroit fiable où se brancher.
Pour une petite ou moyenne entreprise (PME), c'est la partie libératrice. L'échelle à l'échelle de l'entreprise est facultative. Une équipe ciblée qui repense un processus essentiel aux revenus et ne développe que les parties qui restent fiables gagnera plus qu'un géant gérant quatre-vingt-dix projets pilotes au point mort.
Klarna a grandi rapidement, puis reconstruit la couche humaine
Le cas d'avertissement existe déjà, et il appartient à une entreprise assez courageuse pour oser la première. Lorsque Klarna a lancé son assistant alimenté par l'IA d'OpenAI en 2024, les premiers chiffres étaient dignes de captures d'écran : le bot a traité 2,3 millions de conversations en son premier mois et a réduit le temps de résolution moyen de onze minutes à moins de deux, absorbant deux tiers du volume de soutien.3 D'ici 2025, l'entreprise avait réalisé environ 60 millions de dollars d'économies et une réduction d'environ 40 % du coût par transaction.
Puis la courbe s'est courbée. Poussé vers des cas plus difficiles, le système a produit des hallucinations sur les cas limites et des scores de satisfaction plus faibles sur les tickets complexes et émotionnels même lorsque les réponses étaient techniquement correctes, et que Klarna a commencé à réembaucher des agents humains.4 Le PDG Sebastian Siemiatkowski a affirmé sans détour que l'automatisation axée sur les coûts produit une qualité inférieure, et s'est engagé à ce que chaque client puisse toujours parler à une personne sur demande.
Lisez-le correctement, et Klarna est une histoire d'étalonnage avec un second acte heureux. Le travail de volume, les réinitialisations de mot de passe et les requêtes "où est ma commande" se sont déroulés proprement et sont restés automatisés. Le travail de jugement, le litige et le client désemparé, sont revenus aux humains. La leçon reste valable pour tout opérateur : automatisez la couche de volume et gardez les humains dans la couche où la cohérence et la confiance sont le produit réel.
Où l'IA évolue proprement : travail à gros volume, règles claires
Les problèmes opérationnels qui s'estompent sous l'IA partagent une forme. Ils reposent sur des volumes élevés, une logique répétable et une définition claire d'une bonne réponse. C'est là que l'échelle devient un atout.
Le filtrage en amont de l'entonnoir est le gain le plus net. Un fonds noyé sous des dossiers entrants ou une équipe de vente ensevelie sous des prospects peuvent pointer un agent doté de mémoire vers le flux, lui confier une fois la thèse ou le profil client idéal, et le laisser classer, résumer et faire remonter les quelques cas méritant du temps humain, avec les justifications attachées. Le support client de premier niveau est le deuxième, la couche que Klarna a conservée. Les contrôles de conformité et d'intégration (identité, sanctions, traçage de la propriété) sont le troisième, où l'agent rassemble et rédige tandis qu'une personne approuve. La production de contenu et de campagnes est le quatrième, où les variantes et les versions se parallélisent avec aisance.
Les preuves de qualité sur ce type de travail proviennent, de manière inhabituelle, d'une expérience contrôlée. Dans un essai contrôlé randomisé (ECR) portant sur 758 consultants du Boston Consulting Group publié dans Science Organisationnelle, ceux qui travaillent avec l'IA accompli 12,2 % de tâches supplémentaires, s'est déplacé 25,1 % plus rapidement et a produit un travail jugé environ 40 % supérieur en qualité.5 Le chiffre le plus important pour quiconque développe une équipe : les moins performants se sont améliorés de 43 %. L'IA a fait monter le niveau de base plus rapidement que le plafond, ce qui est la définition opérationnelle de la cohérence.
La qualité et la constance sont conçues exprès
Les entreprises qui se développent tout en protégeant l'expérience client (CX) traitent la qualité de la même manière qu'un atelier de fabrication : quelque chose à concevoir, mesurer et améliorer intentionnellement. L'industrie manufacturière a déjà nommé les disciplines, le Kaizen pour l'amélioration continue et le Six Sigma pour la réduction des défauts. L'IA rend les deux pratiques réalisables à la vitesse du logiciel, une fois que l'organisation les a intégrées.
Deux mécanismes portent la charge. Le premier est la mémoire. Un agent qui se souvient du compte, du ton de la marque, des trois dernières interactions et de la correction qu'il a reçue la semaine dernière, offre le même niveau de qualité lors du dix-mille. interaction que lors de la première. La cohérence à grande échelle est avant tout un problème de mémoire, avant d'être un problème d'intelligence. Le second est la pertinence, et elle rapporte de l'argent. McKinsey constate que les entreprises qui personnalisent bien générer environ 40 % de revenus supplémentaires de ces activités que les entreprises qui le laissent sur la table.6 Les agents à mémoire persistante rendent cela pratique pour une petite équipe, en adaptant le prochain contact sur l'ensemble d'un pipeline. C'est l'architecture de choix au sens que Richard Thaler et Cass Sunstein ont donné au terme, la conception délibérée de la prochaine décision, appliquée à un entonnoir entier là où elle façonnait autrefois une seule page de destination.7
C'est ici que les clients en croissance signalent l'impact le plus profond. La réduction des coûts annoncée est réelle et limitée. L'effet cumulatif est le prix à payer : chaque interaction est plus pertinente que la précédente, l'équipe monte en compétence à mesure que la charge augmente, et la marque sonne comme elle-même, qu'elle réponde à dix demandes par jour ou à dix mille.
Le principe à l'origine du 5%
Supprimez les logos et le succès assuré. Ils ont repensé un processus avant de le faire passer à l'échelle. Ils ont tracé une ligne claire entre le travail répétitif, qu'ils ont automatisé, et le travail d'analyse, qu'ils ont amélioré et dont ils ont gardé la validation humaine. Ils ont investi dans la mémoire et le contexte propriétaire, de sorte que l'agent est devenu plus fiable au fil du temps, ainsi que plus rapide. Et ils ont acheté des résultats, en mesurant la qualité pour pouvoir voir le moment où la croissance a commencé à lui coûter, le jauge exact que les clients de Klarna devaient fournir manuellement.
C'est une croissance durable : un rendement qui augmente pendant que la qualité, la cohérence et la confiance maintiennent leur ligne. Il faut plus de temps pour se mettre en place qu'un projet pilote d'un week-end, et c'est la seule version qui survit au contact d'une véritable base de clients.
Où se tient Kainjoo
Chez Kainjoo, nous bâtissons des marques et des technologies pour les industries réglementées, où une seule réponse incohérente entraîne des coûts réels. Notre opinion est que l'avantage durable dans ce cycle appartient à l'opérateur qui détient la mémoire, les données et la confiance des agents auxquels il se connecte. Nous considérons l'IA comme un instrument de Kaizen et Six Sigma : automatiser le volume, instrumenter la qualité, conserver le travail sensible sur l'infrastructure que vous contrôlez, et garder une signature humaine sur les décisions qui comportent des risques. Créez une mémoire qui vaut la peine d'être conservée, et vous deviendrez plus difficile à remplacer à mesure que vous grandissez.
Ce que les dirigeants devraient faire maintenant
Le mouvement qui sépare les 5 pour cent rentables est spécifique et dépend de votre siège.
- Fondateurs et dirigeants : Choisissez un processus essentiel pour les revenus et reconstruisez-le autour de l'IA dès le départ. Échelonnez uniquement la couche qui reste fiable et tenez bon lorsque le volume vous tente d'automatiser également la couche de jugement.
- Leaders des Opérations et de l'Opération des Revenus (RevOps) : dirigez les agents vers le travail à volume élevé et aux règles claires (filtrage, support de premier niveau, première vérification de conformité, production), et mesurez la qualité de manière à ce que toute défaillance soit signalée le jour même, bien avant qu'elle n'entraîne une instabilité.
- Responsables de l'expérience client et de la marque : Faites de la mémoire la priorité. Un agent qui conserve l'historique des comptes et la voix de la marque maintient l'expérience stable à mesure que le volume augmente. Dirigez les tickets complexes et émotionnels vers des personnes.
- Équipes réglementées et axées sur la qualité : Utiliser l'IA comme un instrument Kaizen et Six Sigma. Conserver les données sensibles sur une infrastructure que vous contrôlez, garder une signature humaine sur la décision finale, et laisser l'agent recueillir et rédiger la première ébauche.
FAQ
Qu'est-ce qui distingue une croissance intelligente d'une croissance rapide ? Cela signifie augmenter la production tout en maintenant la qualité, la cohérence et la confiance, en repensant le processus autour de l'IA et en ne développant que les parties qui restent fiables.
Quel travail opérationnel devient plus facile grâce à l'IA en premier ? Travail à haut volume et aux règles claires : examen et présélection des candidatures, support de premier niveau, contrôles de conformité de première passe et production de contenu.
Comment les entreprises protègent-elles la qualité et l'expérience client lors de leur croissance ? Ils l'conçoivent, avec une mémoire persistante pour la cohérence, des métriques de qualité instrumentées, et des personnes chargées des décisions complexes et à haut risque.
Où les entreprises en croissance constatent-elles le plus grand impact ? Dans la pertinence composée : des interactions personnalisées qui augmentent les revenus, une équipe qui monte en compétences, et une marque qui reste cohérente, de la première interaction à la dix-millième.
Quelle œuvre reste avec les gens ? Le goût, la conversation difficile et l'approbation finale restent avec les gens. Les agents génèrent les options et effectuent la première étape.
Références
- finance.yahoo.com/news/mit-report-95-generative-ai-105412686.html — Projet NANDA du MIT, La fracture de l'IA générative : État de l'IA dans les entreprises 2025 (présentation des résultats concernant le 5%/95%)
- mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai — McKinsey, L'état de l'IA en 2025 : Agents, innovation et transformation
- langchain.com/blog/clients-klarna — Assistant IA Klarna : résultats de volume et de temps de résolution
- blog.promptlayer.com/service-client-klarna-de-l-ia-d-abord-a-l-equilibre-hybride-humain — Recalibrage de la qualité de Klarna et modèle hybride homme-machine
- pubsonline.informs.org/doi/10.1287/orsc.2025.21838 — Dell’Acqua et al., “ Naviguer à l’avant-garde technologique dentelée ”,” Science Organisationnelle (essai contrôlé randomisé Harvard/BCG)
- mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/the-value-of-getting-personalization-right-or-wrong-is-multiplying — McKinsey, La valeur d'une personnalisation réussie (ou ratée) se multiplie
- Thaler, R. H. & Sunstein, C. R. (2008), Coup de pouce : améliorer les décisions concernant la santé, la richesse et le bonheur, Yale University Press — architecture des choix
