Théâtre de l’IA : quand l’usage cache l’absence de valeur

Une démo IA est presque toujours séduisante. Elle montre une demande en langage naturel, une réponse propre, une interface qui semble comprendre, un avant/après spectaculaire. La salle réagit bien parce que la démonstration rend visible un futur où le travail pénible disparaît. Mais une démo est un environnement protégé. Elle ne contient pas les données manquantes, les politiques contradictoires, les clients impatients, les exceptions, les responsabilités juridiques, ni les arbitrages budgétaires. Le théâtre commence quand cette démo devient une preuve suffisante.

Le théâtre est dangereux parce qu’il occupe l’espace politique de la transformation. Une entreprise qui annonce beaucoup d’IA peut donner l’impression qu’elle avance, donc elle reçoit moins de pression pour prouver. Les équipes qui posent des questions deviennent les freins, les pilotes restent ouverts, les budgets se dispersent, les dirigeants collectionnent des exemples au lieu de trancher des usages. Tout le monde voit de l’activité. Personne ne sait quelle douleur a disparu.

Le vocabulaire du théâtre évite les contraintes. On parle d’acculturation, d’accélération, de futur du travail, d’agents, d’autonomie, de moonshot, de transformation. Ces mots peuvent être utiles, mais ils deviennent suspects quand ils remplacent les noms de workflows, les volumes, les erreurs, les coûts et les décisions. Une initiative solide peut dire : nous voulons réduire de 20 % le délai de qualification fournisseur en gardant le taux d’erreur sous 2 %. Une initiative théâtrale dit : nous voulons libérer le potentiel de l’IA dans les achats.

Le deuxième signal est l’absence de mauvais résultats. Un vrai programme IA produit des déceptions, parce qu’il teste des hypothèses. Il ferme des pistes, réduit des périmètres, admet que certains usages ne valent pas leur coût. Le théâtre ne ferme rien. Il garde tout vivant pour préserver le récit. Si chaque pilote est présenté comme prometteur, si aucune décision d’arrêt n’est documentée, si les seuls chiffres sont l’usage et la satisfaction, alors l’entreprise n’apprend pas. Elle met en scène son optimisme.

Une démo interne qui rate coûte surtout du temps. Un chatbot public qui rate peut coûter de l’argent, de la confiance et une responsabilité juridique. L’affaire Air Canada l’a rappelé : une réponse automatique sur une politique commerciale ne flotte pas hors de l’entreprise. Elle est perçue comme une réponse de l’entreprise. Le chatbot de New York City a montré la même logique dans le secteur public : quand une interface officielle donne une mauvaise indication réglementaire, le risque dépasse largement le taux de satisfaction utilisateur.

Le théâtre adore les interfaces conversationnelles parce qu’elles donnent une impression de maturité immédiate. Pourtant, plus l’interface parle avec assurance, plus elle exige des limites précises : quelles sources, quelle fraîcheur, quel ton, quels sujets interdits, quelle escalade, quelle trace, quelle responsabilité. Sans ces limites, l’organisation crée une machine qui a l’air de savoir. C’est exactement le type de spectacle qui devient dangereux : l’utilisateur ne voit pas l’incertitude, et l’entreprise ne voit pas toutes les réponses qui partent.

Le théâtre interne a moins de scandales visibles, mais il coûte cher. Il prend la forme d’un comité IA qui se réunit souvent sans fermer de décisions, d’un catalogue de cas d’usage qui grossit sans priorisation, d’un centre d’excellence qui produit des guides mais ne possède aucun résultat, ou d’un dashboard qui montre l’adoption sans le coût complet. Ces dispositifs peuvent être nécessaires, mais ils deviennent théâtraux quand ils documentent l’intention plus qu’ils ne modifient le travail.

Le remède est de relier chaque artefact à une décision. Un comité doit arrêter, étendre ou corriger des usages. Un catalogue doit prioriser selon coût, valeur et risque. Un guide doit réduire les erreurs observées. Un dashboard doit déclencher des arbitrages budgétaires. Si un artefact ne change aucune décision, il peut être élégant et inutile. Le théâtre s’éteint quand la gouvernance cesse d’être une scène et devient une machine à trancher.

La question la plus utile à poser en comité est volontairement inconfortable : qu’avons-nous décidé que nous n’aurions pas décidé sans cette instance ? Si la réponse est seulement "nous avons aligné", "nous avons sensibilisé" ou "nous avons partagé les avancées", l’instance peut rester utile comme communication, mais elle ne doit pas être confondue avec du pilotage. Un vrai pilotage laisse des traces dures : budget déplacé, usage arrêté, fournisseur consolidé, risque accepté, owner nommé, métrique remplacée. Le théâtre interne disparaît quand les réunions produisent moins de récit et plus de conséquences.

Dans beaucoup d’entreprises, l’IA est devenue un marqueur de compétence. Dire qu’un usage ne fonctionne pas ressemble à un aveu de retard. Les équipes embellissent donc les résultats, gardent les limites pour elles, transforment les erreurs en besoins de formation et prolongent les pilotes. Cette dynamique est humaine. Personne ne veut être celui qui casse l’élan. Mais une culture qui ne peut pas déclarer un échec ne peut pas apprendre assez vite pour obtenir un ROI.

Il faut rendre l’arrêt honorable. Une initiative arrêtée avec preuves doit être célébrée comme une économie et un apprentissage. Un pilote qui révèle un risque avant production a protégé l’entreprise. Un test qui montre que le coût de relecture est trop élevé évite de financer une illusion. La maturité IA ne se voit pas au nombre de projets lancés. Elle se voit au nombre de décisions lucides que l’organisation sait prendre sans perdre la face.

Pour séparer valeur et spectacle, demandez une trace. Pas une vidéo. Une trace d’opération : ticket traité, délai réduit, erreur évitée, vente accélérée, facture rapprochée, décision documentée, demande client résolue, ancien outil fermé. La trace doit être vérifiable par quelqu’un qui n’a pas participé à la démo. Elle doit survivre à l’enthousiasme de l’équipe projet et pouvoir être comparée à une période de référence.

Cette trace peut être simple. Un tableau avec dix cas avant/après suffit parfois. Un journal d’exceptions peut être plus utile qu’un dashboard sophistiqué. Un échantillon relu par un expert peut révéler plus qu’un score d’adoption. Le théâtre veut monter en abstraction ; la preuve redescend dans les dossiers. Plus le discours IA devient grand, plus la preuve doit devenir concrète.

Certaines équipes craignent qu’une exigence de preuve tue l’énergie. C’est l’inverse. La preuve libère l’ambition des effets de mode. Quand un usage démontre une valeur réelle, il devient plus facile de lui donner du budget, des données, du support IT et une place dans le système. Quand un usage échoue, il libère des ressources pour un meilleur problème. La méthode transforme l’IA en portefeuille d’options plutôt qu’en récit à défendre.

La bonne posture est sobre : chaque initiative a une hypothèse, un owner, un coût complet, une limite, une mesure et une décision à date fixe. Elle peut commencer petite, même manuellement, tant que la preuve est claire. Une entreprise qui fonctionne ainsi fera moins de bruit que ses concurrents pendant quelques mois. Puis elle aura quelque chose de plus rare qu’une annonce : une liste courte d’usages qui résistent au terrain.