Scott Ernst, PDG de Vyond – Série d’entretiens

Vous avez dirigé à plusieurs reprises des entreprises technologiques lors de grandes transitions : vous avez contribué au développement de Compete, depuis ses débuts jusqu’à son acquisition, accompagné Macromill jusqu’à son introduction en bourse, puis repositionné Drift autour de l’IA avant son acquisition par Salesloft. Alors que vous prenez les rênes de Vyond au cours d’une nouvelle grande mutation technologique, quelles leçons tirées de ces expériences influencent votre approche de l’ère de l’IA ?

Ce que j’ai observé dans chacune de ces transitions, c’est que le changement technologique est rarement la partie la plus difficile ; le plus dur, c’est de faire avancer toute une organisation d’un même pas une fois que le changement s’impose. Chez Compete, la leçon portait sur la discipline : pour bâtir un leader dans sa catégorie à partir d’une petite structure, il faut se concentrer sans relâche sur les quelques leviers qui font réellement progresser l’entreprise, plutôt que de courir après toutes les occasions. Chez Macromill, le développement à l’échelle mondiale et l’introduction en bourse m’ont appris qu’une croissance sans rigueur opérationnelle finit par fragiliser l’entreprise… Il faut des rapports, des prévisions et une gouvernance qui se développent au même rythme que l’activité.

C’est l’expérience de Drift qui correspond le plus directement à ce qui se passe aujourd’hui. Lorsque ChatGPT a été lancé, nous avions déjà créé notre propre produit d’IA propriétaire, et notre premier réflexe a été de le protéger. Pourtant, nous avons pris la décision, plus difficile, de nous ouvrir et de repositionner toute l’entreprise autour de l’IA générative, car nous estimions que le marché évoluait plus vite que notre avantage concurrentiel ne pouvait nous protéger. Ce n’était pas une décision concernant le produit, mais une décision de leadership, fondée sur la conviction et le sens du bon moment.

La leçon que j’ai retenue et que j’applique chez Vyond, c’est que lors d’un véritable changement de plateforme, les entreprises gagnantes ne sont ni les plus prudentes ni les plus téméraires. Ce sont celles qui parviennent rapidement à rallier toute leur organisation autour d’une vision claire, puis à agir avec un réel sentiment d’urgence. C’est précisément la démarche que nous suivons aujourd’hui : comprendre la réalité du moment, acquérir une conviction solide quant à l’évolution du marché et mobiliser toute l’entreprise dans la même direction avant que la fenêtre d’opportunité ne se referme.

L’IA générative a considérablement facilité la production de contenu pour les entreprises, mais vous avez soutenu que le principal défi consiste désormais à rendre les connaissances opérationnelles. Concrètement, qu’est-ce que cela signifie, et pourquoi estimez-vous que la seule génération de contenu ne résout qu’une petite partie du problème ?

L’IA générative a levé le principal obstacle historique à la création de contenu : auparavant, il fallait un spécialiste, un processus de production et un véritable délai de préparation. Désormais, presque n’importe qui dans une organisation peut produire quelque chose en quelques minutes. C’est une avancée majeure, mais cela signifie aussi que chaque fonction — marketing, RH, ventes, informatique et formation et développement — crée maintenant du contenu de son côté, souvent à partir des mêmes connaissances, en utilisant des outils différents et sans système de référence commun.

Rendre les connaissances opérationnelles consiste moins à produire davantage de contenu qu’à veiller à ce que chacun puisse trouver et utiliser les bonnes informations : savoir où se trouve la version à jour faisant autorité, qui en est responsable, si elle a été approuvée et comment elle s’intègre aux processus de travail où les personnes en ont réellement besoin, qu’il s’agisse du système de gestion de l’apprentissage (LMS), du CRM, de la liste de contrôle d’intégration ou de l’outil de suivi de la conformité. Sans cette couche, on aboutit à ce que j’appellerais le chaos communicationnel : le contenu est dupliqué, les normes de marque dérivent, les équipes refont un travail qui existe déjà et personne ne peut affirmer avec certitude quelle version fait foi. Une grande partie de ce chaos commence encore plus tôt qu’on ne le pense, avant même la création du moindre élément, lorsque personne n’a réellement confirmé le public visé, l’objectif ou les sources sur lesquelles la demande devait s’appuyer.

La génération de contenu répond à la question « Pouvons-nous le produire rapidement ? », un vrai problème que l’IA a en grande partie résolu. Rendre les connaissances opérationnelles répond à la question « La bonne personne peut-elle trouver la bonne version, fiable, au moment où elle en a besoin et dans l’outil qu’elle utilise déjà ? ». Ce second problème est plus vaste, plus structurel et loin d’être résolu à l’échelle du secteur. C’est là que se trouve la véritable occasion à saisir.

Les entreprises accumulent d’immenses volumes de documents, de données, de résumés générés par l’IA et de connaissances institutionnelles. Selon vous, où se situe le principal point de rupture entre l’accès à ces informations et leur communication sous une forme que les employés peuvent comprendre et mettre en pratique ?

Le problème n’est pas l’accès… la plupart des entreprises disposent déjà de plus d’informations qu’une personne ne peut en traiter. Il tient à la transformation et à la confiance. Les connaissances se trouvent dans des formats denses et statiques, comme les PDF, les présentations, les wikis et les documents de politique interne, conçus pour être stockés et consultés, et non pour être compris rapidement. Pour les convertir en quelque chose qu’une personne peut réellement assimiler et mettre en pratique, il faut une étape de transformation dans laquelle la plupart des organisations n’investissent pas de manière systématique.

J’en ai pris clairement conscience lors d’une conversation avec le vice-président chargé des technologies marketing d’entreprise d’un client, une entreprise technologique du Fortune 100. Son problème ne venait pas d’un manque d’informations : différentes entités d’une très grande organisation résolvaient les mêmes problèmes de communication de façon cloisonnée et incohérente. Résultat : des connaissances qui existaient quelque part dans l’entreprise ne parvenaient pas toujours aux personnes qui en avaient besoin, sous une forme exploitable. Comme il l’a dit, dans une entreprise de cette taille, la main gauche ne sait tout simplement pas ce que fait la main droite.

C’est là que se situe le véritable décalage : les entreprises ont beaucoup de données, mais trop peu d’enseignements utiles. La solution ne consiste pas à produire davantage de contenu ou à multiplier les espaces de stockage, mais à adopter une méthode et, de plus en plus, un système permettant de transformer les connaissances institutionnelles brutes en communications claires, visuelles et fiables, puis de les intégrer aux flux de travail où les décisions sont réellement prises.

À mesure que les agents d’IA deviennent capables de transformer de façon autonome les connaissances de l’entreprise en formations, en outils d’aide à la vente, en contenus de conformité ou en communications internes, quelles tâches doivent rester sous contrôle humain et dans quels domaines les entreprises peuvent-elles laisser les agents agir en toute sécurité de manière autonome ?

En règle générale, les agents devraient prendre en charge le travail d’exécution, et les humains, le jugement, surtout lorsqu’une erreur peut avoir de réelles conséquences. Pour les tâches à faible enjeu, répétitives et réalisées en grand volume — comme rédiger des premiers jets, mettre des connaissances en forme dans un nouveau format, adapter à une nouvelle langue ou région un contenu déjà approuvé, ou actualiser un module de formation à la suite d’une modification du document source —, les agents peuvent et devraient fonctionner avec une grande autonomie. C’est précisément le genre de tâches qui absorbe aujourd’hui énormément de temps pour une très faible valeur stratégique.

Le contrôle humain doit rester strict dès lors que le contenu comporte des risques juridiques, réglementaires, liés à la sécurité ou à la marque. Dans ces cas, une personne doit effectuer la vérification finale avant toute publication, et les sources utilisées doivent être entièrement traçables.

Nous l’avons constaté directement auprès d’un client du secteur de la défense. Compte tenu de la sensibilité de ses activités, son équipe de sécurité refusait initialement d’autoriser toute utilisation de l’IA dans ses processus de travail. La solution n’a pas consisté à accorder davantage d’autonomie à l’agent, mais à mettre en place les garde-fous appropriés : un accord sur mesure garantissant que ses données ne serviraient jamais à entraîner des modèles externes, ainsi que des points de contrôle clairement définis, où ses propres équipes conservaient le pouvoir d’approbation. C’est le modèle que je généraliserais : l’autonomie de l’agent augmente avec le caractère réversible et le faible niveau de risque de la tâche, tandis que le contrôle humain se renforce en fonction des enjeux de confiance, de conformité et d’exposition de la marque.

La gouvernance de la marque se complique considérablement lorsque des milliers de contenus peuvent être générés automatiquement. De quelles mesures de protection techniques et organisationnelles les entreprises auront-elles besoin pour garantir l’exactitude et la cohérence des communications générées par l’IA, ainsi que leur conformité aux politiques de l’entreprise ?

Sur le plan technique, les mesures de protection les plus importantes sont celles qui ancrent les contenus générés par l’IA dans les sources approuvées et le système de marque de l’entreprise, au lieu de laisser l’IA produire librement. La plateforme elle-même doit faire respecter les guides de style, les éléments de marque et les garde-fous de personnalisation ; il ne faut pas compter sur les utilisateurs pour s’en souvenir. Cela signifie que le logo, les couleurs, les modèles et les séquences vidéo de référence approuvés doivent être intégrés à la plateforme, afin que chaque contenu généré s’appuie sur les mêmes sources, plutôt que sur la version qui se trouve cette semaine-là sur l’ordinateur de quelqu’un. Le contrôle des versions et les pistes d’audit sont tout aussi essentiels : lorsqu’un contenu est généré, modifié ou approuvé, l’entreprise doit pouvoir retracer qui l’a demandé, de quelle source il provient et qui l’a validé. Il faut également permettre aux évaluateurs et aux autres parties prenantes, et pas seulement à la personne qui utilise l’outil, de commenter le contenu et de le valider dans le même flux de travail, afin que l’approbation ne soit pas donnée dans un échange de courriels distinct qui compromettrait la piste d’audit que l’on cherche précisément à établir.

Sur le plan organisationnel, la mesure de protection essentielle consiste à définir clairement les responsabilités. Les entreprises avec lesquelles nous travaillons et qui gèrent bien cet enjeu ont renoncé à laisser chaque équipe adopter ses propres outils et processus de son côté. Elles traitent plutôt leur plateforme de communication comme un système de référence : les accès sont accordés de manière réfléchie, l’utilisation est suivie dans son ensemble et une petite équipe de gouvernance est chargée de définir les normes communes. Nous avons vu de grandes organisations évaluer explicitement si une plateforme pouvait devenir leur système de référence à l’échelle de l’entreprise, pour cette raison précise : c’est le seul moyen d’assurer une cohérence à grande échelle, au lieu de se retrouver avec des milliers de contenus « suffisamment bons » produits indépendamment et qui ne concordent pas réellement.

Le principe de fond reste le même que celui qui a toujours guidé la gestion de la marque ; c’est simplement qu’il s’applique désormais à une échelle et à une vitesse bien plus grandes. Les garde-fous doivent donc être intégrés au système, et non imposés après coup.

Les hallucinations sont préoccupantes dans un chatbot, mais elles peuvent avoir des conséquences bien plus graves lorsque des informations erronées sont transformées en vidéos de formation ou de conformité à l’apparence officielle. Comment les entreprises devraient-elles envisager l’ancrage dans les sources, la vérification et la traçabilité, à mesure que les communications générées par l’IA s’automatisent davantage ?

Vous avez raison : les enjeux sont différents. Une réponse hallucinée dans une fenêtre de discussion est remise en question sur le moment. Un fait halluciné, intégré à une vidéo de conformité soignée et réalisée par des professionnels, bénéficie d’une autorité qui incite moins les gens à le remettre en question, alors que c’est précisément l’inverse qui devrait se produire : c’est là que l’examen devrait être le plus rigoureux.

Le premier principe doit être l’ancrage dans les sources : les communications générées par l’IA devraient se limiter aux documents effectivement fournis par l’entreprise… ses propres documents, ses propres politiques et ses propres données approuvées, plutôt qu’aux connaissances générales du modèle.

Le deuxième principe est la traçabilité : chaque contenu généré devrait pouvoir être relié à la source précise dont il est issu. Ainsi, si quelque chose est erroné, on peut déterminer exactement d’où cela vient et corriger le problème à la source, au lieu de simplement retoucher le résultat.

Le troisième principe est la vérification : des points de contrôle intégrés au processus de travail lui-même, et non ajoutés après coup. Une personne chargée de la vérification devrait pouvoir examiner les étapes intermédiaires, et pas seulement la vidéo finale, soigneusement produite, car c’est précisément cette finition qui rend les erreurs plus difficiles à repérer. Concrètement, cela signifie examiner un plan complet ou un premier montage, scène par scène, avant de lancer un rendu final plus coûteux, afin de repérer les faits erronés ou les affirmations non conformes à la marque tant qu’ils sont encore faciles et peu coûteux à corriger. Les entreprises ont raison de faire preuve de prudence dans ce domaine. C’est pourquoi les plateformes qui gagneront leur confiance ne seront pas les plus rapides, mais celles qui feront de l’ancrage dans les sources, de la traçabilité et de la vérification des éléments structurels de leur fonctionnement, plutôt que de simples options facultatives

La quatrième couche est l’évaluation continue, et pas seulement une vérification finale. Dans un système agentique, vérifier la vidéo terminée ne suffit pas. Nous voulons savoir comment l’agent est parvenu à ce résultat. Nous surveillons en continu les productions de l’agent et les décisions qu’il prend en cours de route, en vérifiant qu’elles restent conformes aux documents sources du client, à sa base de connaissances et à son intention initiale. Cela nous permet de repérer les dérives ou les baisses de qualité pendant la génération de la vidéo, plutôt que de découvrir un problème une fois celle-ci terminée.

Les systèmes d’IA sont de plus en plus directement reliés aux bases de connaissances et aux processus opérationnels des entreprises. Pensez-vous que la prochaine génération de plateformes de communication servira d’interface entre les données des entreprises, les agents d’IA et les employés, plutôt que de se limiter à des outils de création de contenu ?

Oui, et je pense que cette évolution est déjà en cours. La création de contenu a été le premier problème, et le plus évident, que l’IA devait résoudre, car c’était le goulot d’étranglement le plus visible. Mais dès lors que la création cesse d’être le facteur limitant, la position la plus intéressante consiste à s’intercaler entre les connaissances d’une entreprise… son CRM, son LMS, ses systèmes de gestion des politiques, ses wikis internes… et les personnes qui ont besoin que ces connaissances soient transformées en quelque chose qu’elles puissent réellement utiliser.

C’est un rôle sensiblement différent de celui d’un outil de création. Un tel outil attend qu’on lui soumette une demande. Une couche d’interface s’intègre aux processus de travail où les connaissances se trouvent déjà, comprend ce qui a changé et aide à acheminer la bonne communication à la bonne personne, sans que quelqu’un ait à en faire la demande à chaque fois.

Nous observons déjà les premiers signes indiquant que les entreprises souhaitent précisément cela. Les grands clients ne nous demandent de plus en plus souvent pas d’être un outil vidéo destiné à une seule équipe ; ils veulent savoir si nous pouvons devenir le système de référence pour toute leur organisation. Transformer les connaissances institutionnelles en communications permettrait à des employés bien au-delà de l’équipe créative principale — équipes juridiques, de conformité et régionales, responsables de première ligne — de participer sans avoir besoin d’une licence complète ni de suivre un apprentissage fastidieux.

Cette évolution est également accélérée par l’émergence de protocoles ouverts comme MCP et A2A. MCP fournit aux agents d’IA un moyen normalisé d’extraire des informations contextuelles fiables des outils et systèmes de référence propres à une entreprise, tandis qu’A2A permet à des agents spécialisés issus de différentes plateformes de collaborer. Concrètement, cela signifie qu’une plateforme comme la nôtre n’a pas besoin de gérer chaque processus de travail ni chaque donnée d’entreprise pour être utile. Elle peut se connecter aux systèmes auxquels une entreprise fait déjà confiance, collaborer avec d’autres agents lorsque cela est pertinent et se concentrer sur ce que nous faisons le mieux : transformer ces informations contextuelles en communications que les gens peuvent réellement comprendre et auxquelles ils peuvent donner suite. C’est le passage de la création de contenu à une infrastructure de communication, et je m’attends à ce que tout le secteur évolue dans cette direction.

Vyond accompagne déjà des organisations dans les domaines de la formation et du développement, des ressources humaines, de l’aide à la vente, de la conformité et de la communication interne. Selon vous, lesquels de ces domaines seront le plus profondément transformés par l’IA agentique, et à quoi pourraient ressembler les processus de travail lorsque les agents seront plus performants ?

Je citerais la conformité et la formation et le développement des compétences comme les deux domaines qui ont le plus de marge de progression, précisément parce que ce sont actuellement ceux qui souffrent le plus de l’obsolescence. Les formations à la conformité sont généralement conçues une fois, puis mises à jour selon un rythme lent, annuel ou semestriel, alors même que les politiques, les réglementations et les risques évoluent en permanence. Dès lors que les agents seront capables de suivre de manière fiable un document de référence sur les politiques et de comprendre ce qui a changé, les contenus de conformité pourront passer du statut de projet de production périodique à celui de contenus actualisés en continu, ce qui réduira réellement les risques pour l’entreprise, au-delà d’un simple gain d’efficacité. De plus en plus, cela signifie aussi que les contenus eux-mêmes doivent comporter une trace claire et vérifiable de l’aide apportée par l’IA, car les autorités de réglementation comme les acheteurs en entreprise commencent à attendre ce type de transparence comme une pratique courante, et non comme une réflexion après coup.

La formation et le développement des compétences (L&D) obéissent à une logique similaire, mais l’occasion à saisir tient à la personnalisation plutôt qu’à la seule actualisation : au lieu de concevoir un module de formation pour un apprenant moyen, les agents peuvent aider à adapter le rythme, les exemples et même le format au poste et à chaque personne, tout en s’appuyant sur les mêmes ressources de référence approuvées et les mêmes normes de conception pédagogique. Pour les organisations internationales, cela concerne de plus en plus aussi la langue et la voix, afin que la même formation soit proposée aux équipes d’usine au Brésil ou aux équipes commerciales au Japon dans une forme véritablement adaptée au contexte local, et pas simplement sous-titrée.

Les équipes d’aide à la vente et de communication interne évolueront elles aussi, mais je parlerais davantage d’un changement de rapidité et de pertinence que d’une transformation structurelle… Il s’agira de transmettre plus rapidement le bon message au bon commercial ou à la bonne équipe, dans un format adapté à leur manière réelle de consulter l’information. Tous ces domaines ont un point commun : l’IA agentique ne se contente pas d’accélérer les processus, elle permet aussi de maintenir les contenus à jour d’une façon qui est tout simplement irréaliste avec les cycles de production manuels actuels.

À plus long terme, si les entreprises deviennent capables de convertir en continu leurs connaissances internes en communications personnalisées et à jour pour chaque salarié, comment cela pourrait-il transformer la manière dont les organisations forment leurs équipes, partagent leur expertise et, en définitive, fonctionnent ?

Si cela devient réalité — et je pense que ce sera le cas —, cela changera le rythme de fonctionnement d’une entreprise, et pas seulement sa fonction de formation. Aujourd’hui, la plupart des organisations communiquent par vagues : un cycle annuel de conformité, une réunion trimestrielle à l’échelle de l’entreprise, un dossier d’intégration conçu une fois et réutilisé pendant des années. Cela tient au coût et à la lenteur de la production des communications jusqu’à présent, et non à la vitesse à laquelle l’entreprise évolue réellement.

Dans un monde où les connaissances se transforment en continu en communications personnalisées et à jour pour chaque salarié, la formation cesse d’être un événement pour devenir un flux permanent et adaptatif… La personne reçoit la mise à jour au moment où elle est pertinente, dans le format et avec le niveau de détail adaptés à son poste, plutôt que des mois plus tard, dans le cadre d’une diffusion par vagues. L’expertise cesse d’être confinée aux personnes qui la détiennent et devient une ressource que l’organisation peut diffuser de manière systématique et maintenir à jour.

Le résultat auquel je reviens sans cesse, c’est le temps. Chaque minute qu’une organisation consacre aujourd’hui à chercher la bonne information, à recréer quelque chose qui existe déjà ou à corriger un message devenu obsolète ou incohérent est une minute qu’elle ne consacre pas à l’exécution. Si les entreprises parviennent réellement à combler cet écart entre les connaissances et leur compréhension, de manière continue et à grande échelle, celles qui y arriveront les premières ne se contenteront pas de mieux communiquer : elles avanceront tout simplement plus vite que celles qui fonctionnent encore par vagues.

Merci pour cette excellente interview. Les lecteurs qui souhaitent en savoir plus peuvent consulter Vyond.