L'IA : chacun son boulot
Moins visibles qu'OpenAI ou Google, les éditeurs de centres de contacts maîtrisent pourtant l'IA agentique par expérience. Finie la phase de test, place à l'exigence de retour sur investissement.
L’IA a ouvert les vannes de la créativité et de l’expérimentation, mais aussi celles d’un test and learn permanent qui commence sérieusement à coûter cher. Pas seulement en licences ou en puissance de calcul. En temps. À l’échelle d’une entreprise, mille prompts médiocres ne vaudront jamais un seul prompt réellement bien pensé. C’est précisément là que les centres de contacts ont une longueur d’avance. Depuis des décennies, ils analysent des millions de conversations, conçoivent des scripts, automatisent des parcours et orchestrent des workflows. Cette expérience accumulée au fil de millions d’interactions clients constitue aujourd’hui un formidable terrain d’apprentissage pour l’IA. À bien y réfléchir, un script de centre de contacts n’est-il pas simplement l’ancêtre du prompt ?
Pendant des années, nous avons reproché aux centres de contacts de suivre des scripts trop rigides. Aujourd’hui, nous découvrons exactement la même réalité avec les IA génératives. Qui ne s’est jamais agacé d’un agent IA répondant complètement à côté de la plaque ? Finalement, le problème est souvent le même : un mauvais script produit une mauvaise conversation. Un prompt incomplet produit une mauvaise réponse. Les prompt engineers n’ont peut-être pas tout inventé : dans les centres de contacts, l’art de structurer une conversation existe depuis longtemps.
Pendant que toute l’attention se portait sur les nouveaux entrants de l’IA générative, certains développaient discrètement leurs propres technologies d’automatisation, d’analyse conversationnelle et d’orchestration. Sans faire de bruit. Sans acquisitions spectaculaires. Sans annoncer une révolution tous les quinze jours… ni une levée de fonds pour expliquer pourquoi elle allait enfin arriver. Aujourd’hui, le véritable enjeu n’est plus de trouver le meilleur modèle de langage. Il est d’orchestrer intelligemment le travail entre les collaborateurs, les applications… et les collaborateurs virtuels.
Et cela nous oblige à remettre en question une autre idée reçue : notre définition de la productivité. Pendant des années, nous avons mesuré la performance à l’activité : journées à rallonge, agendas saturés, e-mails envoyés tard le soir ou listes de tâches interminables. Pourtant, être plus occupé n’a jamais signifié créer plus de valeur. Si l’IA permet désormais d’automatiser des heures de tâches répétitives, alors la vraie question n’est plus combien nous travaillons, mais à quoi nous consacrons enfin le temps gagné.
Ce qui fait un "bon collaborateur", virtuel ou pas, à l’ère de l’IA
La véritable révolution de l’IA n’est pas qu’elle automatise des tâches. C’est qu’elle oblige les entreprises à se demander quelles tâches méritent encore une intervention humaine. Prenons un acteur mondial de la conciergerie premium, qui gère plus de 70 000 interactions par mois. Dans ce métier, l’enjeu n’est pas de remplacer le concierge par une IA : la valeur du service repose précisément sur sa capacité à comprendre une demande, à tenir compte du contexte et des préférences du client, puis à trouver la réponse la plus pertinente. L’IA et l’automatisation permettent de prendre en charge une partie des tâches et des interactions, afin que les concierges puissent consacrer davantage de temps aux demandes complexes et à forte valeur ajoutée. Cette combinaison entre automatisation et expertise humaine permet à l’entreprise d’assurer un service 24h/24 et 7j/7, tout en maintenant un niveau de satisfaction client de 8,4/10. L’exemple illustre bien ce que pourrait être le rôle du "collaborateur virtuel" : non pas faire le travail à la place de l’humain, mais lui permettre de se concentrer sur ce qu’il est le mieux placé pour faire.
Selon le PwC AI Jobs Barometer 2025, les secteurs les plus exposés à l’IA affichent une croissance de la productivité près de quatre fois supérieure depuis la démocratisation de l’IA générative, tandis que le chiffre d’affaires par collaborateur progresse trois fois plus vite. Le collaborateur performant de demain ne sera donc pas celui qui travaille le plus vite. Ce sera celui qui saura quand laisser son collègue virtuel faire le travail… et quand son expertise humaine fera toute la différence. Curiosité, expérimentation et partage des bonnes pratiques deviendront des compétences aussi essentielles que la maîtrise des outils.
Le problème n’a jamais été l’IA. C’est l’organisation.
Pendant deux ans, beaucoup d’entreprises ont accumulé assistants IA, chatbots et copilotes comme on empilait autrefois les applications SaaS. Le résultat ? Quelques gains de temps, mais rarement une véritable transformation. Ajouter de l’IA à un mauvais processus ne produit généralement… qu’un mauvais processus plus rapide.
Le Boston Consulting Group montre qu’une stratégie IA clairement définie augmente de 25 % la probabilité d’obtenir un impact business mesurable, contre seulement 5 points pour la seule amélioration des outils. Gartner dresse le même constat : les gains de productivité restent limités tant que les entreprises ne repensent pas leurs modes de fonctionnement. Gartner dresse le même constat : les gains de productivité restent limités tant que les entreprises ne repensent pas leurs modes de fonctionnement. C’est précisément ce que permettent les workflows agentiques. L’objectif n’est plus d’ajouter un outil supplémentaire, mais d’orchestrer automatiquement plusieurs étapes d’un même processus tout en laissant aux collaborateurs les décisions, les exceptions et la relation humaine. Prenons le service client. Modifier une commande implique souvent de consulter plusieurs systèmes, vérifier un stock, traiter un paiement et organiser une expédition. Un workflow agentique peut coordonner automatiquement ces étapes. Le résultat est simple : moins de temps passé à naviguer entre cinq applications, plus de temps consacré aux situations complexes… celles dont les clients se souviennent réellement.
Le Boston Consulting Group montre qu’une stratégie IA clairement définie augmente de 25 points de pourcentage la probabilité d’obtenir un impact business mesurable, contre seulement 5 points pour la seule amélioration des outils. Gartner dresse le même constat : les gains de productivité restent limités tant que les entreprises ne repensent pas leurs modes de fonctionnement. C’est précisément ce que permettent les workflows agentiques. L’objectif n’est plus d’ajouter un outil supplémentaire, mais d’orchestrer automatiquement plusieurs étapes d’un même processus tout en laissant aux collaborateurs les décisions, les exceptions et la relation humaine. Prenons le service client. Modifier une commande implique souvent de consulter plusieurs systèmes, vérifier un stock, traiter un paiement et organiser une expédition. Un workflow agentique peut coordonner automatiquement ces étapes. Le résultat est simple : moins de temps passé à naviguer entre cinq applications, plus de temps consacré aux situations complexes… celles dont les clients se souviennent réellement.
La vraie révolution est humaine
À mesure que l’IA progresse, les qualités humaines prennent paradoxalement encore plus de valeur. Une IA peut recommander la solution la plus rapide. Seul un humain peut déterminer si c’est réellement la bonne. Comprendre un contexte, arbitrer entre plusieurs priorités, instaurer une relation de confiance ou savoir sortir d’un processus lorsque la situation l’exige deviennent les véritables facteurs de différenciation. Les entreprises devront donc revoir leur manière d’évaluer la performance. Les indicateurs d’activité – nombre d’heures, dossiers traités ou rapidité de réponse – ne raconteront plus toute l’histoire. À mesure que l’IA automatise les tâches répétitives, les collaborateurs créeront davantage de valeur en résolvant des problèmes complexes, en réduisant les risques, en identifiant de nouvelles opportunités ou en aidant leurs équipes à mieux travailler avec l’IA.
La demande de compétences en IA a déjà été multipliée par sept en seulement deux ans, plus rapidement que toute autre compétence sur le marché américain. Mais bâtir une organisation compétente en IA ne consiste pas à distribuer des licences ChatGPT. Il faut former, laisser expérimenter, partager les meilleures pratiques et redéfinir les critères de réussite. Certaines entreprises l’ont déjà compris en adoptant un modèle dit “hub and spoke” : une gouvernance centrale fixe le cap pendant que chaque métier expérimente les usages les plus pertinents.
Finalement, la vraie révolution de l’IA n’est peut-être pas technologique. Elle nous oblige surtout à répondre à une question que nous aurions probablement dû nous poser depuis longtemps : qu’est-ce qu’un bon collaborateur ? Désormais, la réponse ne concerne plus uniquement les humains.