Devenir « AI-native » : de l'incantation à la discipline

Gartner vient de poser un jalon sémantique qui va nous occuper pendant les prochains trimestres, et sur lequel j'ai d'ailleurs déjà été invité à clarifier ma position ces dernières semaines au sujet de la gestion des compétences : "L'entreprise doit devenir AI-native."

De quoi parle-t-on ? Concevoir ses produits, ses services et ses modèles opératoires avec l'IA en son centre, plutôt que de la superposer à des structures existantes. 

Présentée comme un choix stratégique que l'on décide en COMEX, elle passe sous silence l'essentiel : le AI-native n'est pas une posture qu'on adopte, c'est une destination qu'on atteint, à condition d'avoir consolidé tout ce qui la précède.

Et c'est exactement ce dont s'occupe la méthode Meridian a été conçue pour corriger.

Trois réalités qu'on confond trop souvent

Meridian distingue rigoureusement trois niveaux de changement technologique, une distinction qui éclaire immédiatement le débat sur le AI-native. La numérisation est le passage de l'analogique au numérique, on change le support, pas les processus. La digitalisation réingénierie les processus grâce au numérique, l'entreprise fait la même chose, mais mieux et plus vite. C'est l'ère des ERP, des CRM, des workflows. Elle optimise, elle ne réinvente pas. La transformation, enfin, remet en question la façon dont l'entreprise crée et capture de la valeur. Elle change ce que l'entreprise est, pas seulement ce qu'elle fait.

Beaucoup d'entreprises qui se déclarent aujourd'hui AI-native n'ont en réalité fait que digitaliser leurs processus avec des copilotes et des assistants génératifs. C'est utile, c'est mesurable, mais ce n'est pas du AI-native. Le AI-native, au sens où Meridian le définit, correspond à une organisation où l'IA agentique est intégrée au modèle opératoire lui même, des agents qui planifient, décident, exécutent et apprennent de façon autonome, encadrés par une gouvernance qui les traite comme des acteurs du système et non comme de simples outils.

Le AI-native a déjà un nom, c'est le palier N5

Dans le modèle de maturité Meridian, chaque organisation se situe sur cinq paliers :

1. Le premier, Initial, décrit une transformation subie, des initiatives isolées, un pilotage réactif. 

2. Le second, Emerging, pose les fondations, PMO, premiers processus. 

3. Le troisième, Structured, correspond à une méthode maîtrisée, une vision panoramique sur les cinq référentiels, un pilotage data-driven.

4. Le quatrième, Optimized, ajoute l'amélioration continue systémique et l'analyse prédictive opérationnelle.

5. Le cinquième et dernier, Continuous, décrit une organisation où la transformation est devenue l'ADN de l'entreprise, où les agents IA sont en production et où l'organisation apprend en continu.

Ce cinquième palier, c'est très exactement ce que Gartner appelle AI-native. Et c'est une bonne nouvelle, parce que cela signifie qu'on dispose déjà d'un cadre pour savoir si une organisation peut prétendre à ce statut, ou si elle se contente d'en emprunter le vocabulaire.

L'erreur que la plupart des COMEX vont commettre

La tentation, face à un jalon comme celui de Gartner, est de sauter directement à la case AI-native, annoncer une stratégie IA-first, recruter un Chief AI Officer (les annonces pullulent ces dernières semaines), lancer un programme d'agents IA en pilote sur un processus visible. 

Toutefois, aucune organisation ne peut franchir un palier de maturité sans avoir consolidé le précédent. Un palier sauté produit une façade de maturité qui s'effondre sous la première pression, souvent un incident, un audit, ou simplement un volume d'usage qui dépasse ce que l'organisation peut réellement superviser.

C'est pour éviter ce piège que le diagnostic GAME (Greenfield AI Maturity Evaluation), évalue une organisation sur cinq dimensions transverses, la gouvernance et le pilotage, la vision et l'architecture, la gestion financière, l'adoption et le changement, et la maturité agentique.

La règle d'or de ce diagnostic est simple et non négociable, le niveau de maturité global d'une organisation est déterminé par sa dimension la plus faible, jamais par la moyenne. Une entreprise au niveau N4 sur l'architecture et la gouvernance mais au niveau N1 sur l'adoption réelle n'est pas une entreprise N4 avec une faiblesse. C'est une entreprise N1, point final. Et aucune dimension ne peut être en avance de plus d'un niveau sur les autres, car au delà, ce n'est plus de l'avance, c'est du risque.

C'est là que se loge l'angle mort du discours de Gartner sur le AI-native. On peut annoncer une ambition AI-native avec une architecture sophistiquée et un budget confortable, tout en ayant une gouvernance des agents inexistante, aucun registre AI Act, aucun Agent Owner désigné. Une statistique récente de Gartner elle même le confirme : 73 pour cent des entreprises qui déploient des agents le font sans registre centralisé. Ce sont des organisations qui se rêvent en N5 alors qu'elles opèrent, sur la dimension qui compte le plus, en N1.

Pour mesurer l'écart, il suffit de regarder un exemple public récent. Renault a récemment communiqué sur la bascule de ses usines d'une logique Data Driven vers un Factory OS piloté par des agents IA et des jumeaux numériques, avec des gains chiffrés en centaines de millions d'euros et, point rarement mis en avant dans ce type d'annonce, une gouvernance humaine explicitement maintenue sur les décisions critiques. C'est un signal de palier N4 ou N5 sur la dimension architecture et maturité agentique, précisément parce que l'autonomie des agents y est assumée et encadrée, et non pas simplement annoncée. La différence avec une communication AI-native générique ne tient pas au vocabulaire employé, elle tient à la présence, vérifiable, d'une gouvernance opérationnelle derrière l'autonomie.

Ce que le AI-native exige réellement

Devenir authentiquement AI-native suppose de tenir simultanément quatre piliers qui se renforcent mutuellement : l'innovation, la gouvernance, la résilience et la souveraineté. 

• L'innovation sans gouvernance propage les erreurs à grande échelle au lieu de les corriger.

• La gouvernance sans résilience protège sur le papier mais s'effondre au premier incident, dans un contexte où chaque agent autonome est à la fois un point d'entrée et un acteur potentiel du risque.

• La souveraineté, enfin, cesse d'être un sujet réglementaire abstrait, elle se structure autour de trois axes concrets, l'infrastructure, où vivent physiquement et juridiquement les données et les traitements, la licence et le code, le niveau de réversibilité réel vis à vis du fournisseur, et la maîtrise, la compétence interne à opérer ce que l'on exploite, 

• S'ajoute alors la quatrième dimension propre à l'IA, la souveraineté cognitive, c'est à dire la capacité de l'organisation à continuer de raisonner et de décider par elle même, sans dépendre aveuglément du jugement d'un modèle tiers.

Une organisation qui coche la case innovation sans les trois autres piliers n'est pas AI-native, elle est simplement exposée.

L'agentique change aussi ce que natif veut dire

L'IA générative augmente les humains, c'est un changement de degré. L'IA agentique introduit des acteurs autonomes dans le modèle opératoire, c'est un changement de nature. Devenir AI-native au sens agentique implique de faire émerger de nouveaux rôles qui n'existaient pas il y a trois ans, l'Agent Owner, responsable d'un ou plusieurs agents en production, ancré dans les équipes métier plutôt que dans la DSI, l'AI Reviewer, superviseur humain des décisions agentiques à fort enjeu, et l'AI Auditor, garant de la conformité ISO 42001 et AI Act, rattaché à Risk et Compliance. Sans ces rôles, une entreprise peut avoir déployé des dizaines d'agents et rester, sur le plan de la gouvernance, à l'âge de pierre.

Le AI-native suppose enfin de comprendre que la valeur créée par les agents ne se limite pas au ROI opérationnel classique, productivité, temps libéré, erreurs évitées, qui ne représente que 60 à 70 pour cent de la valeur réellement générée. Chaque action d'un agent enrichit un corpus de transformation qui s'apprécie avec le temps, à condition d'une architecture de capture et d'une gouvernance des données opérationnelle. Une donnée non gouvernée n'est pas un actif, c'est un passif.

Par où commencer, concrètement

La bonne nouvelle, c'est que le chemin vers le AI-native est balisé, à condition de refuser le raccourci sémantique. Un diagnostic sur les cinq dimensions GAME permet d'identifier la dimension la plus faible, celle qui plafonne réellement la maturité de l'organisation, et de concentrer l'effort sur les deux ou trois chantiers qui la font progresser, plutôt que de multiplier les pilotes IA visibles mais déconnectés les uns des autres.

Cela suppose aussi d'accepter une discipline peu spectaculaire :

• Nommer des Agent Owners avant d'étendre l'autonomie des agents.

• Construire un registre vivant avant d'annoncer une stratégie IA-first en COMEX.

• Mesurer l'adoption réelle plutôt que le taux de déploiement, sachant qu'un taux de 100 pour cent d'agences équipées avec 30 pour cent d'adoption réelle n'est pas un succès, c'est un échec habillé en indicateur.

C'est une démarche moins spectaculaire qu'une annonce de transformation AI-native. C'est aussi la seule qui produise un palier N5 qui tienne la route au delà du premier trimestre de mise en production.

Le vocabulaire de Gartner a le mérite de nommer une destination réelle. Encore faut il refuser de la confondre avec un point de départ. Les organisations qui réussiront leur transition AI-native seront celles qui auront consolidé, dans l'ordre, chacun des paliers qui y mènent. En commençant par se demander sur laquelle des cinq dimensions l'entreprise est encore au niveau N1.