L’IA sans Skills est un jouet

La démonstration permanente

Vous avez vu la démo. Tout le monde a vu la démo.

Le modèle rédige un email en trois secondes. Il résume un rapport de quarante pages. Il répond avec aplomb à n’importe quelle question. La salle applaudit.

Puis chacun retourne à son poste, et rien ne change. Les devis sortent toujours en quatre jours. Les litiges s’empilent toujours chez la même personne. La marge se décide toujours à l’intuition.

Voilà le paradoxe qu’aucun éditeur ne mettra dans sa plaquette : la technologie la plus spectaculaire de la décennie ne produit, seule, aucun résultat d’exploitation.

Ce qui manque : le métier

Un modèle génératif sait tout et ne connaît rien.

Il a lu l’intégralité du web. Il n’a jamais lu vos conditions de remise. Il connaît la théorie du pricing. Il ignore que le client Durand bénéficie d’un tarif gelé depuis 2019, que la ligne 7 de vos devis cache une erreur récurrente, que votre meilleure marge se fait sur un produit que personne ne met en avant.

Ces connaissances-là ne sont dans aucun corpus d’entraînement. Elles sont dans les têtes de vos équipes, dans vos fichiers, dans vingt ans de décisions accumulées.

Tant qu’elles y restent, le modèle récite. Il ne travaille pas.

Un Skill, concrètement

Un Skill est une compétence métier encapsulée : vos règles, vos seuils, vos exceptions, vos formats, transcrits dans une structure que l’IA exécute sans dévier.

Prenez la relance d’impayés. Le généraliste écrit une lettre de relance correcte et interchangeable. Le Skill, lui, sait qu’on ne relance pas un client en litige ouvert, que le ton se durcit au troisième rappel, que tel grand compte exige un appel avant tout écrit, et que le seuil de passage au contentieux dépend de l’historique de paiement.

La différence ne se voit pas dans la démo. Elle se voit dans le compte de résultat.

Pourquoi le générique ne paie pas

Un outil générique produit des sorties génériques. Des brouillons à reprendre, des synthèses à vérifier, des suggestions à trier.

Chaque sortie exige une relecture humaine complète, puisque rien ne garantit le respect de vos règles. Le gain de temps annoncé se dissout dans le contrôle. Au mieux, vous avez acheté un stagiaire brillant et amnésique, qui oublie chaque consigne d’une session à l’autre.

Le calcul est simple : une tâche automatisée à 80 % de fiabilité reste une tâche humaine, avec un coût logiciel en plus.

Un Skill inverse l’équation. Les règles sont dans le système, pas dans l’espoir que l’utilisateur pense à les rappeler. La sortie est conforme par construction. Le contrôle devient l’exception, plus la norme.

Le jouet et l’outil de production

Un jouet se reconnaît à trois signes.

Il amuse d’abord, puis lasse : l’usage s’effondre après huit semaines. Il vit à côté des opérations : on lui rend visite, il n’intervient pas dans le flux. Il ne rend de comptes à personne : aucun chiffre ne dit ce qu’il a rapporté.

Un outil de production, c’est l’inverse. Il est branché sur vos systèmes — commandes, facturation, CRM. Il exécute vos règles, pas des généralités. Et il est instrumenté : chaque mois, un chiffre dit ce qu’il a produit.

Entre les deux, il n’y a pas une mise à jour logicielle. Il y a un travail d’ingénierie : extraire les Skills de vos équipes, les encapsuler, puis atteler l’ensemble à vos opérations réelles.

Ce qu’il faut en retenir

L’IA générative est un moteur remarquable. Mais un moteur posé sur des tréteaux ne transporte rien.

Ce qui rend l’IA rentable ne s’achète pas sur étagère : ce sont vos compétences métier encapsulées en Skills, et l’ingénierie d’attelage — le Harness Engineering — qui arrime le tout à vos flux, vos données et vos contrôles.

C’est exactement ce que nous concevons : des systèmes nerveux numériques qui exécutent votre métier, mesurés en euros.