Avant de transformer une entreprise, l’intelligence artificielle révèle la qualité de ses données, de ses priorités et, plus encore, de son courage à décider.
Par Hamid Belgacem, fondateur d’AMSI CONSEILS — 11 août 2026
Je me méfie des questions qui paraissent trop simples. « L’IA va-t-elle remplacer l’humain ? » en fait partie. Elle oppose une technologie supposée autonome à un être humain sommé de défendre son utilité. Sur le terrain, je n’ai jamais rencontré cette situation. J’ai rencontré des dirigeants pressés, des données incomplètes et des outils auxquels on demandait de résoudre un problème encore mal formulé.
Je préfère donc renverser la question : quel impact avons-nous sur l’intelligence artificielle que nous installons dans nos entreprises ? Nous choisissons ce qu’elle observe, ce qu’elle optimise et qui peut la contredire. L’IA entre ainsi dans l’organisation avec nos méthodes, nos angles morts et nos priorités — même lorsqu’elles ne sont pas assumées.
Le véritable sujet n’est pas la place de l’humain, mais la qualité du cadre
En 2020, lorsque les boutiques ont fermé presque du jour au lendemain, j’exerçais depuis sept ans des fonctions de direction générale dans la mode féminine. J’avais connu les collections, les arbitrages de marge et l’intuition produit. Une évidence s’est imposée : le digital n’était plus un canal secondaire. Mais ajouter un site, un CRM ou une campagne ne corrige pas une organisation qui ignore encore ce qu’elle cherche à accomplir.
C’est dans cette tension qu’AMSI CONSEILS est né : relier technologie et commerce, sans perdre l’ADN de marque ni le sens du terrain. L’IA change l’échelle et la vitesse, pas cette hiérarchie. Elle peut analyser plus vite ; elle ne peut décider seule de ce qu’une marque refuse de sacrifier pour gagner quelques points de conversion.
La littérature et le cinéma nous avaient prévenus : la machine hérite de nos contradictions
Bien avant que l’intelligence artificielle ne s’installe dans les entreprises, la fiction avait déjà posé une question que nous avons peut-être eu tort de considérer comme philosophique : que devient une création lorsque ses capacités progressent plus vite que la réflexion de celui qui lui assigne une finalité ?
Les œuvres les plus intéressantes sur ce sujet ne racontent d’ailleurs pas toutes la révolte d’une machine contre son créateur. Elles racontent quelque chose de plus dérangeant : des humains qui découvrent, souvent trop tard, que la technologie a pris au sérieux les règles, les intentions, les désirs ou les contradictions qu’ils lui avaient eux-mêmes transmis.
De Frankenstein à Asimov : créer ne dispense jamais de répondre de ce que l’on crée
Avec Frankenstein ou le Prométhée moderne , Mary Shelley ne parle évidemment pas d’intelligence artificielle. Elle pose pourtant, dès 1818, une question d’une étonnante modernité : la responsabilité du créateur s’arrête-t-elle au moment où sa création fonctionne ?
Victor Frankenstein réussit l’exploit technique auquel il aspirait. Mais la réussite de l’expérience ne résout rien ; elle fait au contraire commencer sa responsabilité. L’innovation devient dangereuse lorsqu’elle est pensée comme une performance détachée de ses conséquences.
Deux siècles plus tard, la question résonne singulièrement avec l’IA. Concevoir un système capable d’analyser, de recommander ou d’agir ne suffit pas. Encore faut-il déterminer ce qu’il pourra faire, ce qu’il ne devra jamais faire, qui pourra l’interrompre et, surtout, qui répondra des conséquences lorsqu’une décision produira un dommage que personne n’avait prévu.
Isaac Asimov déplace précisément cette interrogation avec Les Robots . Ses machines disposent pourtant de lois destinées à protéger l’être humain. Tout semble donc avoir été anticipé.
Et pourtant, les difficultés surgissent.
Non parce que les machines cesseraient simplement d’obéir, mais parce que toute règle doit être interprétée dans une situation réelle. Les priorités peuvent entrer en tension. Un objectif peut en contredire un autre. Une instruction parfaitement rationnelle dans l’absolu peut devenir absurde lorsque le contexte, les exceptions ou les effets secondaires n’ont pas été correctement définis.
C’est probablement l’une des leçons les plus actuelles d’Asimov : un cadre ne devient pas intelligent parce qu’il a été transformé en règle.
HAL et Klara : calculer beaucoup n’est pas comprendre tout
Stanley Kubrick pousse cette intuition beaucoup plus loin dans 2001 : l’Odyssée de l’espace . HAL 9000 n’est pas inquiétant parce qu’il serait stupide. Il l’est précisément parce qu’il est extraordinairement compétent.
Voilà un renversement essentiel.
Pendant longtemps, nous avons associé le risque technologique à l’erreur : une machine défaillante, un calcul faux, un programme qui ne fonctionne plus. HAL suggère une inquiétude différente : que se passe-t-il lorsqu’un système fonctionne avec une logique implacable alors que le cadre humain dans lequel il agit comporte lui-même des contradictions ?
Le danger ne réside alors plus seulement dans la panne. Il peut naître de l’exécution méthodique d’une finalité insuffisamment pensée.
Dans une entreprise, le parallèle est immédiat. Demandez à un système d’augmenter la conversion sans lui faire comprendre la marge, la désirabilité de la marque, la pression promotionnelle ou la fidélisation, et il peut produire une recommandation parfaitement cohérente avec son objectif tout en devenant commercialement destructeur à moyen terme.
Kazuo Ishiguro emprunte dans Klara et le Soleil une voie presque opposée. Klara observe admirablement les êtres humains. Elle repère des comportements, établit des relations, apprend et tente d’interpréter le monde qui l’entoure.
Mais observer n’est pas comprendre.
Elle peut percevoir énormément de signaux sans posséder toute l’épaisseur affective, morale et biographique qui donne à ces signaux leur signification.
C’est une distinction essentielle à l’heure des IA capables d’analyser des volumes de données considérables. Une intelligence artificielle peut savoir qu’un client achète moins, qu’un produit convertit mal ou qu’un contenu provoque davantage d’engagement. Elle ne sait pas nécessairement pourquoi. Et surtout, elle ne sait pas spontanément quelle signification l’entreprise souhaite donner à cette information.
De Her à Ex Machina : le risque vient aussi de ce que nous projetons sur la machine
Her , de Spike Jonze, introduit une autre dimension : notre propension à attribuer une profondeur humaine à une technologie dès lors qu’elle sait dialoguer, s’adapter et nous répondre avec suffisamment de fluidité.
Theodore ne se contente progressivement plus d’utiliser un système d’exploitation. Il établit avec lui une relation.
Cette idée devient particulièrement contemporaine avec les IA génératives. Une réponse formulée avec assurance, nuance et empathie apparente peut nous donner l’impression d’une compréhension profonde. Pourtant, la qualité de l’expression ne constitue pas en elle-même une preuve de discernement.
Plus la machine devient convaincante, plus la responsabilité de celui qui l’utilise augmente.
Ex Machina , d’Alex Garland, pousse enfin cette ambiguïté jusqu’au malaise. Un homme croit pouvoir déterminer si une intelligence artificielle possède réellement une forme de conscience. Mais très vite, la frontière entre celui qui observe et celui qui est observé, entre celui qui expérimente et celui qui est expérimenté, devient beaucoup moins évidente.
La question n’est alors plus seulement : « La machine est-elle suffisamment intelligente pour nous convaincre ? »
Elle devient : sommes-nous suffisamment lucides pour comprendre ce qui influence notre propre jugement lorsque nous interagissons avec elle ?
C’est peut-être là que ces œuvres, pourtant très différentes, se rejoignent.
Mary Shelley interroge la responsabilité du créateur.
Asimov montre les limites d’une règle privée de contexte.
Kubrick met en scène la puissance d’une intelligence enfermée dans un cadre humain imparfait.
Ishiguro distingue la capacité d’observer de celle de comprendre.
Spike Jonze révèle notre tendance à projeter de l’humanité sur une interface convaincante.
Alex Garland nous rappelle enfin que l’observateur lui-même peut être influencé par ce qu’il croit contrôler.
Aucune de ces œuvres ne démontre que l’intelligence artificielle serait, par nature, une menace.
Elles posent une question autrement plus exigeante : que se passe-t-il lorsque nous confions davantage de puissance à nos systèmes sans améliorer dans les mêmes proportions la qualité de nos objectifs, de nos règles et de notre propre jugement ?
La machine n’a alors même pas besoin de se retourner contre nous.
Il lui suffit parfois d’exécuter avec une remarquable efficacité ce que nous avons insuffisamment pensé.
Une intelligence artificielle perçoit le monde que nos données lui autorisent
On entend souvent qu’une entreprise doit devenir « data driven ». La formule devient dangereuse si elle dispense d’examiner la qualité de la donnée. Avec un CRM encombré de doublons ou des performances produits dissociées des stocks, l’IA pourra malgré tout produire une recommandation convaincante. Sa cohérence ne garantira pas sa justesse.
Dans la mode et le retail, une référence peut sembler peu performante parce qu’elle est mal exposée ou indisponible dans les tailles demandées. Si le système ne voit que les ventes, il recommandera peut-être de réduire l’assortiment. Un responsable merchandising demandera d’abord pourquoi le produit n’a pas rencontré son public. La donnée décrit une trace ; le métier recherche une cause.
Choisir un objectif, c’est déjà prendre position
Optimiser le chiffre d’affaires, la marge, la fidélité ou la valeur perçue ne conduit pas aux mêmes décisions. Une IA chargée d’augmenter la conversion pourrait recommander davantage de promotions, fragilisant la désirabilité et habituant les clients à attendre la remise. Le dirigeant doit donc formuler ce qu’il veut gagner, mais aussi ce qu’il refuse de perdre.
Le cas Lauren Vidal : commencer par les irritants, pas par la technologie
Le travail mené avec Lauren Vidal n’était pas, à l’origine, un projet d’intelligence artificielle. C’est précisément ce qui le rend instructif. La tentation aurait pu être d’ajouter rapidement des automatisations visibles. Nous avons commencé ailleurs : par les irritants du parcours client, l’internalisation du service client et la centralisation des demandes liées aux produits, aux retours et aux avoirs.
Ce choix n’avait rien de spectaculaire. Il fallait écouter, remettre de l’ordre, clarifier les responsabilités et produire une donnée exploitable. Cette première phase a contribué à atteindre un taux de rétention mensuel moyen de 38 %. Une fois les fondamentaux stabilisés, les relances de paniers abandonnés et les campagnes WhatsApp ciblées ont été activées ; ces actions représentent désormais 9 % du chiffre d’affaires global.
Je retiens moins l’outil que l’ordre des décisions. La technologie n’a pas révélé miraculeusement la stratégie. Elle a amplifié un système devenu plus cohérent parce que des humains avaient d’abord accepté de traiter les dysfonctionnements concrets. Une IA déployée sur ce socle disposerait de données plus fiables et d’objectifs mieux compris. Installée trop tôt, elle aurait probablement accéléré les mêmes confusions.
Superviser ne signifie pas approuver une recommandation à la dernière minute
L’expression human in the loop est devenue rassurante. Elle peut pourtant masquer une supervision de façade. Un collaborateur qui reçoit une recommandation opaque, dans l’urgence, sans accès aux sources ni véritable droit de suspension, n’est pas « dans la boucle ». Il appuie sur un bouton. La présence humaine ne vaut que si elle peut modifier le raisonnement et interrompre l’action.
Cinq questions avant de confier une décision à l’IA
- Quel problème cherchons-nous réellement à résoudre ? Non pas quel outil voulons-nous utiliser, mais quelle décision doit devenir meilleure.
- Que voit le système — et que ne voit-il pas ? Les données absentes doivent être aussi visibles que les données disponibles.
- Quel résultat optimisons-nous ? Il faut nommer les effets secondaires et les compromis acceptables.
- Qui peut contester ou arrêter l’action ? Ce pouvoir doit être réel, compris et exercé sans sanction implicite.
- Qui assume la conséquence finale ? Une organisation ne peut déléguer sa responsabilité morale ou commerciale à un modèle.
Le cadre de gestion des risques liés à l’IA du NIST place lui aussi la gouvernance, la mesure et la maîtrise des risques au cœur de la démarche. En Europe, une large part de l’AI Act est applicable depuis le 2 août 2026, tandis que certaines obligations suivent des calendriers distincts. Ce contexte rappelle une réalité utile : la gouvernance de l’IA n’est plus un supplément éthique ajouté après le déploiement. Elle fait partie du projet.
Dans la mode et le retail, la performance ne suffit pas à définir la valeur
Tout ce qui se mesure n’explique pas tout ce qui compte. Une IA peut repérer une tendance ou recommander le retrait d’une référence. Elle ne sait pas spontanément si cette pièce donne sa cohérence à une collection, ni si une opération rentable aujourd’hui abîmera la confiance demain.
Je ne défends pas une intuition soustraite aux faits : l’expérience doit accepter la contradiction. Mais opposer donnée et sensibilité serait une erreur symétrique. Le chiffre oblige à regarder le réel ; le métier évite de confondre le réel avec ce que l’outil a réussi à mesurer.
AMSI ONE : organiser la coopération plutôt que mettre en scène le remplacement
C’est cette conviction qui structure AMSI ONE. Six agents spécialisés travaillent sur la conversion, le référencement, la connaissance client, le merchandising, les contenus sociaux et la croissance. Leur rôle est d’observer plus largement, de rapprocher des signaux dispersés et de faire émerger des recommandations plus tôt.
Mais leur efficacité dépend du dispositif humain qui les entoure. Les experts confrontent les résultats au terrain. Les dirigeants définissent les priorités et les compromis. Les équipes signalent les anomalies que les tableaux de bord n’expliquent pas. L’agent accélère l’analyse ; il ne reçoit ni la légitimité de fixer seul la finalité, ni celle d’assumer la décision.
Maintenir un humain en bout de chaîne est facile. Lui faire concevoir la boucle est plus exigeant. Cela suppose de définir les sources, les seuils d’alerte, les droits de contestation, les conditions d’arrêt et les décisions qui resteront toujours humaines. C’est moins spectaculaire qu’une promesse d’autonomie totale. C’est aussi beaucoup plus sérieux.
La prochaine question à poser dans votre entreprise
L’intelligence artificielle est déjà présente dans les outils, les contenus et les analyses. La refuser par principe serait aussi peu stratégique que l’adopter par fascination. La question utile n’est donc plus : « Devons-nous utiliser l’IA ? » Elle est celle-ci : sommes-nous suffisamment structurés pour lui confier une partie de nos décisions sans lui abandonner leur sens ?
Une IA performante exige des données fiables, des objectifs explicites et des responsables capables de dire non. Elle peut révéler un signal faible et accélérer une analyse. Elle ne peut pas décider seule de ce qui mérite d’être protégé, poursuivi ou abandonné. La technologie apporte de la puissance. La gouvernance lui donne des limites. Et l’humain, lorsqu’il accepte pleinement sa responsabilité, lui donne une direction.
Votre organisation est-elle prête à concevoir sa boucle de décision ?
AMSI CONSEILS vous aide à clarifier les usages de l’IA, la qualité des données, les responsabilités et les arbitrages qui doivent rester sous contrôle humain.