Le plus grand coût caché de l’IA n’est pas le calcul. Ce sont les personnes.

Tout le monde parle du coût de l’IA. Habituellement, ils parlent de GPU, de licences de modèles ou de consommation de jetons. Je pense qu’ils regardent au mauvais endroit.

Le coût le plus important de l’IA d’entreprise peut s’avérer être les personnes nécessaires pour la superviser.

Une étude récente a constaté que les employés économisent environ 11 heures par semaine en utilisant l’IA, mais passent plus de six heures à vérifier les sorties, à corriger les erreurs, à ajouter le contexte manquant et à s’assurer que les résultats sont réellement utilisables. Quelqu’un a inventé le terme “botsitting” pour cela. C’est un nom accrocheur, mais il pointe vers un problème beaucoup plus important.

L’IA était censée réduire le travail. Au lieu de cela, de nombreuses organisations créent une toute nouvelle catégorie de travail autour de la gestion de l’IA elle-même. Ce n’est pas un problème de technologie. C’est un problème de modèle opérationnel.

Une suite plus rapide à l’ère du SaaS

Je connais cette histoire.

Il y a quinze ans, les organisations ont adopté le SaaS parce qu’il rendait les logiciels plus faciles à acheter et à déployer. Les unités commerciales pouvaient résoudre des problèmes sans attendre l’informatique. La productivité a augmenté. L’innovation s’est accélérée. Puis est arrivé le Shadow IT.

Soudain, personne ne savait combien d’applications les employés utilisaient, où les données de l’entreprise étaient stockées, ou qui y avait accès. L’informatique était toujours responsable, mais elle n’avait plus de visibilité ni de contrôle. L’IA ressemble étonnamment à cela, mais la différence est la vitesse.

Une application SaaS peut exposer une poignée de systèmes ; un agent IA peut se connecter à des dizaines de systèmes dès son premier jour. Il peut lire des documents, résumer des contrats, générer du code, mettre à jour des enregistrements et déclencher des flux de travail avant même que la plupart des organisations n’aient documenté son existence.

La technologie avance plus vite que le modèle opérationnel construit pour la gérer.

C’est pourquoi je n’ai pas été surpris par l’étude récente d’IBM montrant que deux tiers des DSI et des DSI sont responsables de systèmes IA qu’ils ne contrôlent pas entièrement. La plupart des répondants ont également déclaré que l’IA se propageait plus vite que la gouvernance ne pouvait suivre. Ce n’est pas parce que les DSI sont soudainement devenus moins capables. C’est parce que l’IA ne correspond pas parfaitement aux modèles de propriété traditionnels.

La sécurité possède le risque.
Le juridique possède la conformité.
Les développeurs construisent des intégrations.
Les unités commerciales possèdent les résultats.
Les fournisseurs contrôlent des pièces de l’infrastructure sous-jacente.

Pendant ce temps, l’IA traverse toutes ces catégories. Lorsque quelque chose se passe mal, tout le monde possède une partie de la réponse, mais personne ne possède nécessairement l’ensemble du système. Cela crée un écart, et les organisations comblent presque toujours cet écart avec des personnes.

Quelqu’un examine les rapports générés par l’IA avant de les envoyer aux clients.
Quelqu’un vérifie le code écrit par l’IA avant de le déployer.
Quelqu’un vérifie les recommandations avant de prendre des décisions.
Quelqu’un enquête sur les comportements inattendus.

Une partie de cette surveillance est exactement ce que nous voulons. L’IA ne devrait pas fonctionner sans jugement humain, en particulier dans les industries réglementées ou les environnements à haute conséquence. Le problème se pose lorsque les personnes deviennent le contrôle principal.

Des chatbots aux agents autonomes

Pensez à ce qui se passe lorsque les organisations dépassent les chatbots.

Aujourd’hui, un assistant IA aide quelqu’un à rédiger un e-mail.
Demain, un agent IA l’envoie.

Aujourd’hui, l’IA suggère une mise à jour d’un enregistrement client.
Demain, il effectue lui-même la modification.

Aujourd’hui, l’IA recommande l’étape suivante dans un processus commercial.
Demain, il démarre automatiquement le flux de travail.

Chaque nouvelle action introduit une autre décision:

Faut-il autoriser l’IA à faire cela ?

• Faut-il lui accéder à ce système ?
• Faut-il récupérer ces données ?
• Faut-il demander l’approbation de quelqu’un en premier ?

La plupart des organisations répondent à ces questions manuellement, et cela fonctionne lorsque vous avez dix cas d’utilisation d’IA. Cela ne fonctionne pas lorsque vous en avez des centaines… ou des milliers. L’ironie est que les organisations investissent dans l’IA pour améliorer la productivité, puis demandent à des employés très payés de passer leur temps à la superviser.

Ce n’est pas une mise à l’échelle de l’IA. C’est une mise à l’échelle de la charge.

Microsoft (MSFT ) est arrivé à une conclusion similaire dans son 2026 Work Trend Index. Après avoir analysé des milliards de signaux de travail et interrogé 20 000 utilisateurs d’IA, l’entreprise a constaté que le plus grand obstacle à la réussite de l’IA n’est pas la technologie ; c’est l’organisation qui l’entoure.

Les employés adoptent l’IA plus rapidement que leurs entreprises ne s’adaptent. Le véritable défi maintenant est de réorganiser la façon dont le travail est effectué : décider ce que l’IA devrait faire, ce que les personnes devraient faire et comment les deux travaillent ensemble. Je pense que c’est exactement la conversation que les dirigeants d’entreprise devraient avoir. L’IA ne crée pas de valeur simplement parce qu’elle est déployée. Elle crée de la valeur lorsqu’elle est déployée avec un modèle opérationnel clair qui permet aux personnes de se concentrer sur le jugement plutôt que sur la surveillance.

Réexaminer la gouvernance de l’IA : de la politique aux opérations

C’est là que la conversation autour de la gouvernance de l’IA doit changer. Lorsque les gens entendent le mot gouvernance, ils pensent souvent à des politiques, des comités et des documents. Ces choses sont importantes, mais aucune d’elles ne prend de décision en temps réel.

Aucune d’elles n’arrête un agent IA qui accède à des données qu’il ne devrait pas voir ou qui met en pause un flux de travail qui se comporte de manière inattendue. Aucune d’elles n’explique, au moment où une action est demandée, si cette action correspond à la politique de l’entreprise.

C’est l’écart.

Les organisations n’ont pas besoin de plus de documents de gouvernance. Ils ont besoin d’une gouvernance qui opère. Les actions routinières devraient se produire automatiquement lorsqu’elles se situent dans les politiques approuvées ; les actions à plus haut risque devraient nécessiter une approbation humaine, et les systèmes sensibles devraient avoir des limites claires sur ce que l’IA peut et ne peut pas faire.

Et si un processus IA commence à se comporter de manière inattendue, il devrait y avoir un moyen immédiat de l’arrêter. Non pas parce que l’IA ne peut pas être confiante, mais parce que chaque processus commercial a besoin de garde-fous.

Positionner les humains là où ils sont importants

Les entreprises qui tirent le plus de valeur de l’IA n’éliminent pas les humains de l’équation. Ils placent les humains là où ils sont les plus précieux.

En ne vérifiant pas chaque sortie.
En ne vérifiant pas chaque invite.
En ne faisant pas la baby-sitting de chaque agent.

Ils se concentrent sur les exceptions, les cas de bord et les décisions qui nécessitent réellement un jugement. C’est une utilisation beaucoup plus judicieuse de l’expertise humaine.

La véritable question d’entreprise

L’IA est arrivée à un point où la technologie n’est plus la plus grande question. La plupart des organisations ont déjà prouvé qu’elle peut générer du contenu, écrire du code, résumer des informations et automatiser le travail répétitif.

La question plus difficile est de savoir si elles peuvent exploiter l’IA de manière confiante à l’échelle de l’entreprise:

Pouvez-vous voir ce qu’elle fait ?

• Pouvez-vous contrôler ce à quoi elle a accès ?
• Pouvez-vous appliquer les politiques de manière cohérente ?
• Pouvez-vous expliquer pourquoi un système IA a pris une action particulière ?

Ce sont des questions opérationnelles, et elles sont de plus en plus économiques. C’est parce que chaque heure passée à superviser l’IA grignote les gains de productivité qui justifiaient l’investissement dans l’IA en premier lieu. Les entreprises qui gagnent avec l’IA ne seront pas celles qui exécutent le plus de modèles ou déployeront le plus d’agents. Ce seront celles qui n’ont pas besoin d’une armée de personnes pour les surveiller.

L’IA devrait amplifier votre main-d’œuvre. Elle ne devrait pas devenir discrètement une nouvelle main-d’œuvre.