Conseil et IA : la bataille se joue sur le delivery model

Les retraits récents de rapports chez KPMG et EY, ainsi que le précédent Deloitte en Australie, ne prouvent pas que l’IA cause mécaniquement ces erreurs. Ils pointent plutôt vers une couche plus fragile du delivery model : la vérification des sources, des citations et des méthodes.

Lire les paris, pas les communiqués

Le modèle de conseil repose sur deux mécaniques installées depuis des décennies.

La première est l’heure facturée : le client paie un temps de travail, et ce temps tient lieu de prix parce qu’il n’existe pas d’autre façon simple de mesurer une expertise qu’on ne voit pas.

La seconde est la pyramide : des consultants juniors produisent la recherche, les analyses et les présentations, facturent des heures à fort volume, et ce volume finance la rémunération des associés.

L’IA générative comprime le travail analytique dont ces deux mécaniques tirent leur logique. C’est cette compression que les directions de cabinet cherchent désormais à absorber.

McKinsey en donne déjà un signal dans sa facturation. Michael Birshan, managing partner du cabinet pour le Royaume-Uni, l’Irlande et Israël, déclarait en novembre, lors d’un point presse à Londres, qu’environ un quart des honoraires mondiaux du cabinet provenaient désormais d’arrangements indexés sur la performance, où la rémunération dépend du résultat obtenu plutôt que des heures passées, selon Business Insider.

Sa collègue Kate Smaje, responsable de la technologie et de l’IA, ajoutait dans la même série d’entretiens que plusieurs fondamentaux du modèle des services professionnels se trouvaient remis en cause.

La majeure partie des missions est encore facturée au temps, et les cabinets restent attachés à des ratios de leverage et des objectifs de revenus calés sur la vente d’heures humaines.

Chaque alliance technologique vise à renforcer, défendre ou déplacer une couche précise du delivery model. On peut en distinguer six : le revenu, la propriété intellectuelle, le workflow métier, la distribution des modèles, la relation avec les dirigeants, la vérification.

Les cabinets se positionnent rarement sur la même. Plusieurs jouent sur deux ou trois fronts à la fois.

Début février, une série de fonctions agentiques publiées par Anthropic a provoqué une secousse boursière sur plusieurs valeurs exposées au logiciel, aux services financiers et à la gestion d’actifs. Le chiffre exact varie selon les reprises, mais le signal de marché était clair : les investisseurs ont commencé à pricer l’automatisation de tâches jusqu’ici vendues par des éditeurs et des prestataires.

Deux semaines plus tard, Infosys annonçait un partenariat avec Anthropic sur les industries régulées. Dario Amodei résumait l’enjeu : entre une démo qui fonctionne et un système utilisable en production régulée, il manque l’expertise métier.

Le conseil traverse la même séquence, en plus feutré. Les cabinets déploient la technologie qui fragilise une partie de leur modèle, tout en essayant d’en rester un point de passage.

Accenture : inscrire l’IA au compte de résultat

Chez Accenture, l’IA a quitté le stade du pilote pour entrer dans les comptes.

Sur l’exercice clos en août 2025, le groupe a déclaré 2,7 milliards de dollars de revenus liés à l’IA générative et, de plus en plus, agentique, contre un niveau encore limité deux ans plus tôt. Il a aussi déclaré 5,9 milliards de dollars de bookings en IA générative, chiffre qui figure dans ses documents financiers.

Le vocabulaire a suivi. Le groupe parle désormais d’« Advanced AI » là où il disait surtout « GenAI », et a regroupé ses principales lignes de service dans une entité unique, Reinvention Services. Le mouvement acte la fusion progressive du conseil, de la technologie et de l’exécution dans une chaîne de livraison plus intégrée.

Le positionnement colle au profil du groupe, plus proche d’un intégrateur de grande échelle que d’un pur cabinet de stratégie. Il l’expose en retour à sa propre réussite. Le pari est délicat : les mêmes outils qui créent une nouvelle ligne de revenus peuvent aussi réduire le volume d’heures facturables sur lequel reposait une partie du modèle.

Accenture a mené une restructuration avec plusieurs milliers de suppressions de postes pendant que son cours de Bourse reculait sur l’année. Les analystes surveillent surtout un point : la capacité du groupe à boucler cette bascule avant que la baisse du prix unitaire des livrables n’entame son pouvoir de tarification.

Ma lecture : Accenture essaie de convertir l’automatisation en chiffre d’affaires avant qu’elle ne se transforme en simple pression sur les prix.

McKinsey et BCG : transformer le savoir en infrastructure

McKinsey et BCG partent d’un actif différent : une marque, un accès aux directions générales, des méthodes éprouvées et un capital de connaissances accumulé sur des décennies.

Pour eux, l’IA pose une question d’ingénierie : comment rendre cet actif productif dans le travail client sans le réduire à un moteur de recherche interne.

McKinsey a matérialisé ce mouvement avec Lilli, plateforme lancée en juillet 2023 et baptisée du prénom de Lillian Dombrowski, première femme recrutée par le cabinet en 1945. La plateforme s’appuie sur plus de 100 000 documents, études de cas et sources internes. McKinsey indique que 72 % de la firme est active sur Lilli, pour plus de 500 000 requêtes mensuelles.

Kate Smaje en tire une conséquence directe sur la production des juniors. Interrogée par Business Insider sur les équipes d’analystes mobilisées pour fabriquer des présentations, elle expliquait que la technologie commençait déjà à déplacer ce travail.

BCG a choisi une voie plus externe, avec l’extension pluriannuelle de son partenariat OpenAI au sein de la Frontier Alliance, annoncée le 23 février. OpenAI précise que McKinsey fait également partie du programme, aux côtés d’autres grands partenaires de déploiement.

La limite de cette couche tient à la défendabilité de la propriété intellectuelle. Tous les grands cabinets disposent de méthodes, de bases internes et d’experts. L’avantage ne se jouera pas seulement dans la possession de ces actifs, mais dans leur usage réel en mission : capacité à produire plus vite, à mieux relier les savoirs, à vérifier les sorties, et surtout à faire accepter les décisions.

La couche visée est la propriété intellectuelle. McKinsey et BCG tentent de transformer leur mémoire interne en infrastructure de production.

Les Big Four : descendre dans les fonctions régulées

Les Big Four disposent d’un terrain plus opérationnel que les cabinets de stratégie : l’audit, la fiscalité, la finance, le risque et la conformité.

Ces fonctions sont documentées, répétitives, riches en tâches administratives. Elles partagent aussi une contrainte forte : l’erreur s’y paie vite et publiquement.

PwC développe avec OpenAI ce qu’il présente comme la première fonction finance « AI-native » à l’échelle de l’entreprise, avec des agents couvrant le planning, le forecasting, le reporting, les achats, les paiements, la trésorerie, la fiscalité et la clôture comptable. Le cabinet construit d’abord un agent d’achats à l’intérieur même de la direction financière d’OpenAI, puis transpose ce qu’il en apprend aux autres processus avant de proposer l’ensemble à ses clients.

EY déploie depuis mars 2025 sa plateforme agentique bâtie avec NVIDIA, d’abord sur la fiscalité, le risque et la finance. Le cabinet annonce 150 agents au service de 80 000 fiscalistes, avec l’objectif de dépasser trois millions de résultats de conformité fiscale par an. Le dispositif reste largement interne, sous une logique « Client Zero », et s’appuie sur des garde-fous comme NeMo Guardrails et l’outil maison SafePrompt.

KPMG a intégré en mai 2026 Claude Cowork et Managed Agents dans sa plateforme Digital Gateway, hébergée sur Azure, en commençant par les clients fiscaux, juridiques et de private equity. Le cabinet a aussi ouvert l’accès à Claude à plus de 276 000 collaborateurs. Rema Serafi, vice-présidente chargée de la fiscalité aux États-Unis, décrit la construction d’un agent de conformité réglementaire ramenée de plusieurs semaines à quelques minutes.

Deloitte, de son côté, a annoncé un programme d’investissement de 3 milliards de dollars dans l’IA générative à horizon 2030. En avril 2025, le cabinet introduisait plus de 100 capacités agentiques prêtes à déployer avec Google Cloud et ServiceNow. En avril 2026, il lançait une pratique dédiée à Gemini Enterprise, adossée à Deloitte Ascend, sa plateforme de delivery infusée à l’IA.

La couche visée est le workflow. Un modèle de langage produit peu de valeur tant qu’il reste à côté des processus métiers et des systèmes d’information où le travail se fait. Mais dès qu’il entre dans ces workflows, la question change : qui assume la sortie, qui vérifie, qui signe, qui porte le risque.

Bain & Company : le cabinet comme canal de distribution

Bain & Company occupe une position plus tranchée : celle d’un canal de déploiement pour les modèles d’OpenAI.

Le cabinet figure parmi les investisseurs de l’OpenAI Deployment Company, nouvelle structure contrôlée majoritairement par OpenAI et financée à hauteur de plus de 4 milliards de dollars au lancement. L’opération est conduite par TPG, avec Advent, Bain Capital et Brookfield comme co-lead founding partners. Bain & Company, distinct de Bain Capital, apparaît aux côtés de Capgemini et McKinsey parmi les cabinets et intégrateurs investisseurs.

L’acquisition de Tomoro doit apporter environ 150 forward deployed engineers et spécialistes du déploiement dès le lancement. Le modèle est clair : placer des ingénieurs spécialisés directement chez les clients, connecter les modèles aux données, outils, contrôles et processus métiers, puis transformer des cas d’usage en systèmes opérables.

Selon Axios et le Financial Times, la structure prévoirait pour certains investisseurs un rendement minimum d’environ 17,5 % par an sur cinq ans, avec profits plafonnés.

En contrepartie, les sponsors financiers apportent leurs sociétés en portefeuille, et les cabinets leurs réseaux clients. OpenAI affirme que l’écosystème de partenaires couvre plus de 2 000 entreprises sponsorisées par les investisseurs, auxquelles s’ajoutent les clients des cabinets et intégrateurs.

Ces cabinets de conseil investissent dans une machine qui pourrait concurrencer une partie de leur activité d’intégration, tout en les plaçant plus près de l’écosystème de déploiement d’OpenAI, qui pourrait capter une part croissante du delivery IA.

West Monroe et les nouveaux entrants : déplacer la ligne entre faire et acheter

West Monroe a pris le contre-pied de cette logique d’intégration en rendant public ce que d’autres facturent.

Le 8 juin 2026, le cabinet, qui se présente comme une firme de conseil « AI-native », a ouvert une plateforme publique d’agents de stratégie. Business Insider en décrit six, capables de produire des rapports de cinq à dix pages à partir d’un nom d’entreprise ou d’une adresse web, sur le risque pesant sur un modèle économique, une stratégie de croissance, une maturité IA ou des priorités d’usage.

Bret Greenstein, directeur de l’IA de West Monroe, justifie l’initiative par un déplacement simple : l’IA modifie ce que les clients devraient avoir à payer dans le conseil. Le calcul consiste à céder gratuitement le diagnostic amont, dont le coût de production s’est effondré, pour vendre ensuite la phase d’exécution, qui résiste mieux.

Le Financial Times a documenté en mai l’émergence de cabinets bâtis autour de l’IA, fondés par d’anciens associés des Big Four. Mark Bunker, ex-associé senior de Deloitte passé à la tête de Queen’s Tower Advisory, dit viser des équipes composées à 20 % d’humains et 80 % d’agents. Unity Advisory, autre entrant cité par le Financial Times, se positionne sur un modèle sans conflit d’intérêts, avec l’IA intégrée dès le départ. Le capital-investissement européen finance aussi de nouveaux concurrents spécialisés, comme WTS dans la fiscalité, avec EQT comme investisseur de référence.

Le même article du Financial Times recense trois pressions en parallèle : les consultants généralistes, valorisés pour leur capacité d’analyse, sont plus exposés à une IA qui produit ce type de synthèse ; la facturation horaire s’effrite à mesure que des tâches de plusieurs jours tombent à quelques minutes ; la pyramide perd une partie de sa logique quand la machine prend en charge le travail des juniors qui finançaient la marge des associés.

Ce mouvement déplace la frontière entre ce qu’une entreprise achète à un cabinet et ce qu’elle produit elle-même. Un dirigeant peut désormais confier à quelques ingénieurs internes, équipés d’outils agentiques, une partie du cadrage qu’il sous-traitait auparavant. Les cabinets essaient donc de défendre les zones où l’internalisation reste plus difficile : responsabilité du résultat, arbitrages de direction, intégration aux systèmes, gouvernance des risques, et capitalisation du contexte accumulé au fil de missions répétées.

La couche visée est la frontière make-or-buy. Ce que le client ne voyait pas hier comme internalisable peut le devenir.

La couche que personne ne peut déléguer entièrement : la vérification

En octobre 2025, KPMG a publié un rapport sur l’IA agentique, Total Experience: Redefining Excellence in the Age of Agentic AI. En juin 2026, le cabinet l’a retiré de plusieurs sites après que plusieurs organisations citées eurent contesté ce qu’il leur attribuait.

UBS a qualifié de factuellement incorrectes les affirmations sur son usage d’agents en conseil et en gestion du risque, et demandé leur retrait. Les chemins de fer fédéraux suisses, le service de santé britannique NHS et Transport for London ont contesté à leur tour. GPTZero, dont les conclusions ont été reprises par le Financial Times, affirme que cinq citations sur quarante-cinq seulement renvoyaient correctement à leur source, les autres étant, selon GPTZero, déformées, vagues ou non étayées.

Le document datait de 2025, mais son retrait est intervenu quelques semaines après l’alliance KPMG-Anthropic, présentée autour de la sécurité, de la confiance et de la gouvernance.

En mai 2026, EY Canada a retiré une étude sur les risques cyber des programmes de fidélité après que GPTZero eut contesté une partie de ses références, les qualifiant de fabriquées ou cassées. En avril 2026, Sullivan & Cromwell s’est excusé auprès d’un juge des faillites de New York pour un dossier contenant des citations juridiques incorrectes liées à l’usage de l’IA. En octobre 2025, Deloitte Australie avait accepté de rembourser une partie d’un contrat de 440 000 dollars australiens au gouvernement australien après la remise d’un rapport contenant une citation fabriquée d’un jugement fédéral et des références académiques inexistantes. La version corrigée a ajouté une mention de l’usage d’Azure OpenAI. Deloitte a reconnu des erreurs de références, tout en indiquant qu’elles n’affectaient pas la substance des recommandations et sans confirmer que l’IA en était la cause.

La mesure de l’usage entretient une autre confusion.

KPMG suit l’adoption de l’IA dans sa division conseil américaine au moyen d’un tableau de bord interne, assorti d’un objectif de 75 % d’utilisateurs réguliers et de comparaisons entre pairs, selon Business Insider. Des salariés ont expliqué que l’indicateur se manipule sans difficulté : un simple prompt lancé dans la journée suffit à valider l’usage, certains automatisant même l’envoi de requêtes le week-end.

Rob Fisher, vice-président chargé du conseil chez KPMG aux États-Unis, reconnaît de son côté que le modèle traditionnel, mesuré par le taux d’utilisation et les heures facturables, décourage les équipes débordées d’apporter leurs usages les plus inventifs de l’IA.

Le phénomène dépasse un cabinet. Forrester prévoit que moins de 15 % des entreprises activeront en 2026 les fonctions agentiques de leurs suites d’automatisation intelligente, sous l’effet de difficultés de ROI et de gouvernance. Dans une autre prédiction 2026, le cabinet anticipe aussi le report d’un quart des dépenses IA prévues vers 2027, sous l’effet d’un contrôle financier plus strict. La dernière édition de l’enquête State of AI de McKinsey indique que 51 % des organisations utilisant l’IA ont déjà connu au moins une conséquence négative, l’inexactitude arrivant en tête avec près d’un tiers des répondants.

Le conseil vend une forme d’autorité en plus du livrable. Cette autorité repose sur des sources, un raisonnement et une chaîne de responsabilité contrôlés à chaque étape de production. L’IA peut accélérer la production. Elle ne supprime pas cette charge. Dans certains cas, elle l’augmente.

Ce qui restera maîtrisé en interne

Pour les grands cabinets, la transformation prend la forme d’une redistribution de la valeur à l’intérieur de leur modèle.

La relation avec les dirigeants et l’expérience sectorielle conservent leur prix. Le jugement face à des situations ambiguës aussi. En revanche, une partie de la production qui alimentait la pyramide devient automatisable, ou difficile à facturer au tarif d’hier.

Les cabinets eux-mêmes ne s’accordent pas sur l’ampleur du choc.

Plusieurs signaux de marché pointent vers une pression sur les embauches juniors dans le conseil, mais le mouvement n’est pas uniforme. À l’inverse, Eric Kutcher, président de McKinsey pour l’Amérique du Nord, annonçait à l’automne une hausse de 12 % des recrutements en 2026, au motif que le travail demandera le même niveau d’intelligence appliqué à ce que les machines ne savent pas faire.

Chez AlixPartners, certains estiment que la pyramide pourrait se resserrer sans disparaître, avec de nouveaux rôles juniors autour de la supervision des systèmes d’IA.

C’est probablement là que se jouera la différence entre les cabinets.

Pas dans le nombre de communiqués sur les agents. Pas dans le volume de prompts lancés par les équipes. Pas dans la taille des partenariats annoncés.

Mais dans la couche du delivery model que chaque firme parviendra réellement à maîtriser : le revenu, l’IP, le workflow, la distribution, la relation dirigeant ou la vérification. Et dans le prix auquel cette maîtrise pourra encore se vendre.

Précision méthodologique : ce texte s’appuie sur des sources publiques et ne repose sur aucune information interne ou confidentielle, il relève d’un travail d’information et d’analyse sur un sujet d’intérêt professionnel. Les faits rapportés sont attribués à leurs sources, les regroupements et les commentaires relèvent de l’analyse de l’auteur, qui n’est lié à aucune des organisations citées et n’agit pour le compte d’aucune d’elles. Toute organisation citée qui souhaiterait signaler une inexactitude, un élément incomplet ou une précision utile peut me contacter en DM avec les éléments sourcés correspondants, les corrections ou clarifications nécessaires seront ajoutées de manière visible.