Il existe généralement une dimension sur laquelle une entreprise se distingue. Une livraison plus rapide, des devis plus précis, un service qui paraît juste un peu plus personnel. Cette avance a été construite avec des personnes : des planificateurs doués pour réorganiser, des conseillers doués pour écouter, un back-office qui ne fait jamais d'erreur. Le problème n'est pas que cette avance disparaisse. Le problème est que la raison pour laquelle elle existait disparaît.
Lorsque l'IA reprend le travail qui sous-tend une dimension, ce que cette dimension mesure change. Le délai de livraison a longtemps été une question d'effectifs et d'expérience : combien de bons planificateurs avez-vous, et à quel point sont-ils bons. Si la planification s'effectue en grande partie d'elle-même, avec une personne qui évalue les exceptions, le délai de livraison n'est plus une question de personnel mais une question de logiciel. Celui qui possède ce système possède le délai de livraison. Pas celui qui a les meilleures personnes.
C'est là le glissement. Pas l'IA en général, mais ce qui arrive à la comparaison dès qu'un concurrent peut livrer la même dimension avec moins de travail humain et le même résultat.
La reprise du travail par l'IA se répartit en trois catégories, qui traversent tous les secteurs. Une partie du travail peut être entièrement effectuée par l'IA. Une partie l'est partiellement, avec une personne qui approuve ou rejette et peut motiver cela. Et une partie reste du travail humain, parce que le jugement, la relation ou le contexte ne se laissent pas saisir dans un système.
Là où se situe une entreprise dépend de ce que la dimension concernée exige réellement comme travail. Un processus de devis qui repose sur la combinaison de règles fixes et de données historiques se prête plus facilement à la reprise qu'un processus de devis qui repose sur l'évaluation d'un client qui ne dit pas ce qu'il veut. Deux concurrents sur le même marché peuvent donc fortement diverger, non pas parce que l'un est plus avant-gardiste, mais parce que la nature de leur travail sous-jacent diffère. Pour qui veut distinguer cela entreprise par entreprise, il y a la question de savoir comment mesurer de l'extérieur la maturité en IA d'un concurrent sans avoir accès à leurs systèmes internes.
Ceci ne dit rien de ce qu'une entreprise devrait faire de son personnel. Si et comment la capacité est réorganisée est une décision de l'employeur, avec ses propres obligations légales lorsque cela touche au licenciement. Ce que le benchmark fournit est autre chose : le nombre d'heures que l'IA peut libérer au sein d'une tâche, et la capacité en équivalents temps plein que cela libère pour d'autres travaux. Des faits sur le travail, pas un conseil en ressources humaines.
L'estimation de la part du travail au sein d'une dimension qui est susceptible d'être reprise par l'IA n'est jamais un chiffre exact. Elle dépend de la manière dont le travail est actuellement organisé, des systèmes déjà en usage, et de la part du travail constituée d'exceptions qui ne s'automatisent pas. Deux entreprises avec un chiffre d'affaires et un effectif comparables peuvent obtenir un résultat très différent sur la même dimension, et c'est précisément pour cette raison que moins de personnel ne signifie pas automatiquement moins de coûts. Cette hypothèse est développée dans pourquoi un concurrent avec moins de personnel ne travaille pas forcément moins cher.
Un score dans le benchmark est donc une estimation avec une fourchette, pas une mesure à deux décimales. Elle se base sur des signaux publics : offres d'emploi, logiciels utilisés, délais observables de l'extérieur, déclarations de l'entreprise elle-même. Là où ces signaux sont ténus, la fourchette est large, et cela n'est pas dissimulé. Un résultat parle surtout dans la matrice de preuves où il se situe : chaque score est traçable jusqu'aux signaux sur lesquels il repose, et là où ceux-ci manquent, cela est indiqué également.
Tout aussi important : savoir quand un résultat ne dit rien. Une avance valable aujourd'hui peut ne plus exister dans un an, non pas parce que le concurrent est devenu plus intelligent, mais parce que la dimension elle-même a changé de nature. La durée pendant laquelle une avance se maintient n'est donc pas un terme fixe mais une question qui se pose différemment selon la dimension, développée dans combien de temps une avance en IA se maintient. Et toute dimension qui est aujourd'hui distinctive ne le reste pas : certaines deviennent précisément sans valeur dès que tout le marché peut faire la même chose, une question traitée séparément dans quelles dimensions perdent leur valeur quand tout le monde utilise l'IA.
Si la dimension sur laquelle vous gagnez actuellement se démocratise, reste la question de savoir sur quoi vous gagnez alors encore. Ce n'est pas la même question que « en quoi sommes-nous bons », car la conviction interne et le pouvoir de distinction externe diffèrent souvent. Cette question est traitée dans comment savoir sur quoi vous gagnez réellement, indépendamment de ce que l'organisation croit elle-même offrir.
Comme la technologie sous-jacente continue d'évoluer, une comparaison n'est pas une photographie qui reste valable pendant des années. La fréquence à laquelle une réévaluation est nécessaire dépend de la vitesse à laquelle les dimensions changent de nature sur un marché spécifique, ce qui est approfondi dans à quelle fréquence répéter une analyse concurrentielle.
La question de savoir quel travail, au sein de votre propre entreprise, peut réellement être repris par l'IA n'est pas résolue par le benchmark mais par le scan de travail de FTE TO AI, qui développe cela tâche par tâche.
Vous pouvez commencer par le contrôle de dimension gratuit : vous indiquez sur quoi vous pensez gagner, et vous voyez lesquelles de ces affirmations peuvent être défendues avec des preuves et lesquelles ne le peuvent pas. Le benchmark complet, avec la matrice de preuves par dimension, est en cours de construction.