La chaîne de montage AI ou comment changer la physique du coût

Ce que McKinsey appelle "la chaîne de montage IA" pose le bon problème. Voici comment on le résout, du diagnostic à la gouvernance.

McKinsey vient de publier The AI Assembly Line: Strategic Imperatives for CEOs, qui soutient la thèse suivante : en 1913, Ford s’est imposé en transformant la physique du coût unitaire, de 12 000 voitures par an à 825 dollars pièce, à deux millions de voitures par an à 260 dollars pièce.

L'IA agentique, dit McKinsey, fait à la production cognitive ce que Ford a fait à la production physique. Là où un collaborateur compétent jongle avec dix tâches complexes simultanées, une chaîne IA peut gérer des millions de flux logiques concurrents. La plupart des entreprises obtiennent ainsi des gains incrémentaux et fonctionnels : coûts d'achat réduits, factures traitées plus vite

Pourtant, la rupture à l'échelle de l'entreprise reste insaisissable.

Pourquoi ? Parce que l'IA est traitée comme un projet technologique confiné à des fonctions isolées, au lieu d'être embrassée comme une transformation business.

Jusque là McKinsey a raison, son cadre est juste, et les six thèmes abordés sont bons : feuille de route, talents, modèle opératoire, technologie, données, adoption.

Toutefois, un cadre qui pose les bonnes questions ne dit pas comment y répondre. Voici, concrètement, ce qu'il manque, et comment on le comble.

Le problème n'est pas la vision. C'est le point de départ.

Les organisations surestiment souvent leur maturité IA lorsque la présence d'outils est confondue avec la transformation. Déployer Copilot à 5 000 collaborateurs n'est pas une transformation agentique : c'est de l'outillage individuel.

Lorsque McKinsey demande au dirigeant de "créer une vision avec des objectifs solides" (par exemple, réduire de 50 % les délais de développement produit avec l’IA), on doit se demander : réduire de 50 % OK, mais à partir de quoi ?

On ne pilote pas une trajectoire dont on ignore le point de départ. Nous avons mis en place un diagnostic de maturité rigoureux qui objective le réel avant de projeter l'ambition sur :

• sept dimensions : Stratégie, Données, Modèles, Cas d'usage, Gouvernance, Talents, Organisation)

• évaluées sur cinq niveaux :

• de l'exploratoire (POCs isolés, shadow IT) au natif (organisation redessinée autour de l'IA).

• selon une exigence d’observabilité : on regarde s'il existe un registre des agents en production, des Agent Owners nommés, des seuils d'escalade testés.

La règle d'or : la cohérence inter-dimensions

Notre framework GAME (Greenfield AI Evaluation Model) pose un modèle de maturité en 5 niveaux, de N1 (exploratoire) à N5 (organisation AI-driven) en passant par l'outillage (N2), l'intégration (N3) et la maîtrise agentique (N4).

Une organisation peut être de niveau 4 sur ses modèles (agents en production, RAG sophistiqué) et de niveau 1 sur sa gouvernance (aucun inventaire, aucune classification de risque, aucune traçabilité). C’est l'angle mort le plus coûteux des transformations IA.

Exemple, finance. Une banque de réseau déploie un assistant pour ses conseillers. Un cas réel d'augmentation du conseiller, déployé à grande échelle. Techniquement, c'est du niveau 3 à 4. Mais si la dimension gouvernance reste à 1, l'ACPR et l'AI Act transforment cette réussite technique en passif réglementaire. L'agent qui conseille un client sur un produit financier est, au sens de l'AI Act, potentiellement un système à risque élevé. Sans Technical File, sans classification, sans supervision humaine documentée, le déploiement le plus réussi devient le risque le plus exposé.

La leçon : on ne fait pas progresser une dimension de plus d'un niveau au-dessus des autres. Sauter un palier ne crée pas de l'avance. Cela crée de la dette.

GAME définit précisément le point de départ de la transformation, le niveau de maturité pour répondre au besoin, et les étapes pour y parvenir.

Reconfigurer l'organisation

McKinsey appelle à "casser les silos" et "éliminer la bureaucratie inutile". Justes intentions. Mais comment ?

1. D'abord, une vue panoramique sur cinq référentiels, basé sur un modèle d’architecture d’entreprise (Meridian) : capacités métier, processus, systèmes, données, organisation dont on cartographie les interdépendances avant de toucher aux workflows. On ne réorganise pas ce qu'on n'a pas cartographié. On remet l’architecture d’entreprise au cœur de la transformation.

   
   

2. Ensuite, trois postures d'intervention calibrées sur la maturité réelle : Suggérer, Faciliter, Accompagner. Une organisation de niveau 4 n'a pas besoin qu'on l'accompagne pas à pas ; elle a besoin qu'on lui suggère les angles morts. Une organisation de niveau 2 qu'on suggère à distance n'exécutera jamais. Le sur-conseil épuise autant que le sous-engagement échoue.

   
   

3. Enfin, des rôles incarnés. McKinsey nomme le CEO architecte en chef. C'est vrai mais un CEO ne pilote pas une chaîne agentique au quotidien. Il faut un Chief Transformation Officer qui porte la trajectoire, et des Agent Owners qui répondent de chaque agent en production.

Exemple, retail / luxe. Une maison veut redéployer son parcours client de bout en bout : portefeuille d'offres redondant, prolifération de SKU, données opérationnelles sous-exploitées. McKinsey suggère des agents pour le triage des demandes, le routage, la configuration tarifaire. Mais sans cartographie préalable des capacités métier (une capacité "clienteling" qui n'existe nulle part dans le retail de masse), on peut déployer des agents génériques qui détruisent la valeur de la marque (la relation) tout en se privant de réelles capacités d’hyper-personnalisation.

La couche d'orchestration : la construire est facile. La gouverner est le vrai sujet.

McKinsey décrit élégamment la couche d'orchestration agentique comme le "tapis roulant de l'intelligence" qui route les agents, gère le flux de tâches, et fait remonter à l'humain les cas complexes. Un exemple est donné : une institution financière traite 90 % des demandes de prêt automatiquement et escalade les cas ambigus.

Tout est juste. Mais qui gouverne les agents une fois qu'ils tournent ?

Construire l'orchestration est un problème d'ingénierie résolu. Gouverner une flotte d'agents en production (savoir lesquels existent, lesquels ont dérivé, lesquels accèdent à quelles données, lequel couper en cas de crise) est un problème de transformation non résolu dans la quasi-totalité des organisations, qui peut être couvert en trois phases :

Phase 1 — Cartographier & Sécuriser. Inventaire exhaustif, y compris le shadow AI. Classification AI Act de chaque système. Au moins un Agent Owner par agent critique.

Phase 2 — Gouverner & Piloter. Politiques d'accès sur 100 % des agents en production. Observabilité temps réel. Seuils d'escalade testés. Kill-switch validé sur au moins trois agents réels.

Phase 3 — Optimiser & Certifier. Gap analysis ISO 42001, Technical File par système à risque élevé, certification. Critère de passage objectif : l'organisation peut produire le Technical File d'un système à risque élevé en moins de cinq jours. Si cela prend des mois, la documentation est rétrospective et le risque réglementaire élevé.

A la lecture du document McKinsey, on s’étonne que ni l'AI Act, ni l'ISO 42001, ni le RGPD ne sont mentionnés. Pour un dirigeant américain dans l'industrie, c'est peut-être acceptable. Pour un dirigeant européen dans la finance, l'énergie ou la santé, cela peut coûter une certification, un agrément, ou une amende.

Exemple, énergie. Un acteur du secteur doit produire son reporting CSRD à partir de données de durabilité dispersées dans des dizaines de systèmes. L'IA agentique est une réponse évidente : agents de collecte, de réconciliation, de génération du rapport. Mais le rapport CSRD est un document audité, opposable, à valeur réglementaire. Un agent qui produit une donnée ESG non traçable ne fait pas gagner du temps : il crée un risque d'audit. Ici, la gouvernance est la condition de validité du livrable lui-même. La traçabilité de bout en bout n'est pas une contrainte : c'est le produit.

C'est aussi vrai de la souveraineté. Quand la logique d'orchestration de votre transformation réside dans l'infrastructure d'un tiers, vous ne possédez pas votre transformation. Vous la louez. Le registre des agents, la classification des risques, la mémoire des décisions doivent rester sous contrôle souverain, sur une infrastructure que vous maîtrisez, pas dans une boîte noire contractuelle.

La vraie leçon de Ford n'est pas l'automatisation. C'est la reconfiguration.

Ford n'a pas automatisé l'artisan. Il a repensé entièrement ce que signifiait produire une voiture. Le tapis roulant n'était que la partie visible d'une transformation totale du travail, des rôles, et de la mesure de la performance.

L'erreur que commettent la plupart des organisations aujourd'hui est exactement celle qu'aurait commise un constructeur de 1913 qui aurait acheté un tapis roulant sans rien changer d'autre : beaucoup de mouvement, peu de transformation.

McKinsey a raison sur le diagnostic et sur le cadre. Là où le travail commence vraiment, c'est dans l'implémentation : mesurer la maturité réelle avant de fixer l'ambition, garantir la cohérence entre les dimensions, incarner les rôles, séquencer la gouvernance des agents, et faire de la conformité non pas un frein mais un produit.

La chaîne de montage IA n'est pas un projet technologique. C'est une reconfiguration de l'entreprise. Et comme en 1913, elle se gagne moins par la machine que par la méthode qui l'orchestre.

Et vous — votre organisation a-t-elle mesuré son point de départ réel, ou pilote-t-elle une trajectoire sans connaître son kilomètre zéro ?