L’IA n’attaque pas le consulting par le haut. Elle l’attaque par ses frictions.
Le débat public sur l’IA dans le consulting part souvent d’une mauvaise question.
On demande si l’IA va remplacer les consultants.
Comme si la rupture devait commencer le jour où un système deviendrait assez fiable pour reproduire l’ensemble du métier.
Je pense que c’est une erreur de lecture.
Le consulting ne sera pas remplacé d’un bloc. Il sera attaqué par ses frictions. Et cette attaque a déjà commencé.
En bref :
- L’IA ne remplace pas le conseil d’un coup, elle compresse d’abord tout ce que le client juge trop lent, trop coûteux, trop répétitif.
- Le vrai sujet n’est pas seulement la productivité. C’est le déplacement de la valeur.
- Les cabinets qui gagneront ne seront pas ceux qui “utilisent l’IA”, mais ceux qui sauront industrialiser la confiance.
1. La pression commence là où le client voit de la friction
Le sujet n’est pas de savoir si l’IA peut déjà faire le métier d’un partner.
Le sujet est beaucoup plus immédiat : quelles parties du conseil un client n’acceptera bientôt plus d’acheter au format historique ?
Le délai.
Le rework.
Le coût de structure.
La répétition cachée derrière le vernis du sur-mesure.
L’écart entre une recommandation brillante et un mouvement réel.
C’est là que l’IA commence à exercer une pression économique. Pas d’abord sur le cœur le plus sensible du métier.
Pas d’abord sur les moments de conviction, d’arbitrage, d’alignement ou de décision.
Mais sur tout ce qui entoure ce cœur : la recherche initiale, la structuration de l’information, les premières synthèses, une partie du benchmark, une partie du contrôle qualité, une partie du suivi, une partie du delivery répétable.
Autrement dit, la bonne question n’est pas :
“Est-ce que l’IA va remplacer le consulting ?”
La bonne question est :
“Quelles frictions du modèle les clients ne voudront bientôt plus financer comme avant ?”
À partir du moment où cette question est posée sérieusement, le problème n’est déjà plus technologique. Il devient économique.
2. Le sujet n’est pas l’outil. C’est la discipline.
Beaucoup de firmes attendent encore une forme de perfection abstraite.
Elles raisonnent comme si le vrai basculement commencerait le jour où les modèles seraient enfin totalement fiables, totalement autonomes, totalement défendables.
Mais ce n’est pas comme ça que les ruptures opèrent.
Les firmes qui prennent de l’avance ne sont pas celles qui prétendent que les outils sont déjà parfaits.
Ce sont celles qui construisent maintenant la discipline opérationnelle pour tirer le maximum de systèmes encore imparfaits.
C’est cela, à mes yeux, le point décisif.
Si vous pouvez observer un système, comprendre où il casse, voir ce qu’il réussit, suivre comment les arbitrages se font, instrumenter sa progression, alors vous ne faites pas qu’utiliser l’IA.
Vous entraînez votre modèle pour l’avenir.
Le vrai moat n’est pas le modèle.
C’est le système d’apprentissage autour.
C’est ce qui séparera les cabinets qui auront accumulé des routines, des standards, des workflows, des mécanismes de QA et des boucles de feedback, de ceux qui auront simplement “testé quelques outils”.
L’erreur la plus fréquente aujourd’hui est de réduire l’IA à un sujet de productivité personnelle.
Comme si l’enjeu était seulement : aller plus vite, réduire le coût, produire davantage.
Bien sûr que cela compte.
Mais dans les métiers du savoir, ce n’est pas le vrai test.
Le vrai test est plus exigeant : est-ce que le système permet de rendre la qualité plus fiable, plus défendable, plus reproductible, plus scalable ?
C’est à ce moment-là qu’on cesse de parler d’automatisation superficielle.
Et qu’on commence à parler d’industrialisation de la confiance.
3. La valeur migre
Pendant longtemps, le consulting a prospéré sur une combinaison assez stable :du jugement, de la méthode, du capital relationnel, et une capacité à mobiliser de grandes machines humaines pour produire du travail complexe à forte marge.
Cette économie ne disparaît pas d’un jour à l’autre.
Mais elle commence à se reconfigurer.
Parce qu’à mesure qu’une partie du travail devient plus structurée, plus vérifiable et plus réutilisable, ce que le marché paie change.
Moins de valeur dans le temps vendu. Moins de valeur dans le généralisme bien présenté. Moins de valeur dans la production interchangeable.
Et plus de valeur dans autre chose : dans la structure, dans la formulation du bon problème, dans la détection d’anomalies, dans la capacité à tenir une logique sous contrainte, dans la conception de systèmes de qualité, dans l’aptitude à superviser un delivery plus vaste sans croissance linéaire de la couche senior.
C’est pour cela que je pense que beaucoup d’acteurs regardent la mauvaise partie de la pyramide.
Ils se demandent combien d’analystes seront remplacés.
Ce n’est pas le cœur du sujet.
Le vrai sujet, c’est la rareté du jugement senior. Ou plus exactement, la part de ce jugement qui pourra être mieux structurée, mieux instrumentée, mieux réutilisée.
Tant qu’un cabinet doit ajouter des partners à mesure qu’il ajoute des clients, sa loi de scale n’a pas fondamentalement changé.
Il a peut-être compressé sa pyramide.
Mais il reste dans une économie largement linéaire.
La vraie rupture commencera quand une équipe relativement petite, mais très forte, pourra superviser davantage de delivery, avec plus de cohérence, plus de traçabilité et plus de réutilisation, sans hiring senior proportionnel.
À ce moment-là, on ne sera plus simplement face à un cabinet augmenté par l’IA.
On sera face à un nouveau système de production du jugement.
Et beaucoup découvriront alors que leur problème n’était pas leur niveau d’adoption. Leur problème était leur modèle.
Le framework HLBRT
Pour moi, l’IA reconfigure le consulting en trois couches.
Ce qu’elle commoditise : la recherche standardisée, les premières synthèses, les briques répétitives de structuration, une partie du suivi et du QA de base.
Ce qu’elle augmente : la vitesse de travail, la profondeur d’exploration, la capacité à documenter, comparer, itérer, superviser.
Ce qu’elle rend plus premium : le cadrage, le jugement rare, la capacité à arbitrer sous contrainte, la solidité méthodologique, la confiance défendable, le design d’un système de delivery qui tient à l’échelle.
Conclusion
L’hiver vient pour le consulting.
Pas parce qu’une AGI parfaite serait sur le point d’apparaître.
Mais parce que le marché commence déjà à distinguer ce qui relève du vrai jugement, et ce qui n’était, au fond, qu’une friction bien facturée.
Le sujet n’est donc plus seulement :
“Comment utiliser l’IA dans un cabinet ?”
Le sujet devient :
“Quelles frictions de mon modèle un client refusera-t-il bientôt encore de financer ?”
C’est là que tout commence.
Question pour cette première édition :
Dans votre activité, quelle est la première brique que vos clients n’accepteront bientôt plus d’acheter “comme avant” ?