L'IA sauvage est déjà dans votre entreprise. La prochaine étape est de la structurer.

La vraie question n'est plus de savoir si vos collaborateurs utilisent l'IA. Ils l'utilisent déjà !

En 2024, Microsoft et LinkedIn parlaient de BYOAI — Bring Your Own AI. L'IA entrait dans l'entreprise par les collaborateurs eux-mêmes : 78 % des utilisateurs d'IA apportaient leurs propres outils au travail, et 52 % hésitaient à reconnaître qu'ils l'utilisaient pour leurs tâches importantes.

Deux ans plus tard, le sujet n'a pas disparu. Il a changé de nature.

On ne parle plus seulement de collaborateurs qui testent ChatGPT dans leur coin pour gagner du temps. On parle désormais de Shadow AI : des outils non approuvés, connectés à des systèmes de travail, utilisés pour produire, analyser, synthétiser ou décider, parfois sans aucun cadre. En 2026, BlackFog indique que près de 49 % des salariés utilisent des outils IA non approuvés, et que 51 % ont connecté des outils IA à des systèmes de travail sans validation IT.

C'est ce glissement qui devrait alerter les dirigeants.

L'IA sauvage n'est pas un phénomène marginal. C'est probablement la première phase naturelle d'adoption de l'IA dans la plupart des entreprises. Mais si cette phase n'est pas structurée, elle devient un risque réel : dispersion des méthodes, perte de contrôle sur les données, qualité non vérifiée, responsabilité floue, connaissance qui ne revient pas dans l'entreprise.

L'enjeu n'est donc plus d'autoriser ou non l'IA. L'enjeu est de transformer ces usages dispersés en capacité professionnelle, maîtrisée et collective.

Une somme d'usages ne fait pas une stratégie

Au départ, c'est normal. Un collaborateur utilise ChatGPT pour résumer un document. Un autre utilise Copilot pour écrire du code. Un troisième génère une synthèse, prépare un mail, analyse un fichier. C'est rapide, utile, souvent impressionnant.

Mais à l'échelle d'une entreprise, cela ne suffit pas. Une somme d'usages individuels ne fait pas une stratégie IA. Elle crée de la productivité locale, débloque des tâches — mais elle ne construit pas de capacité collective. Et surtout, elle laisse des questions essentielles sans réponse : quelles données sont envoyées dans ces outils ? Qui valide ce qui est produit ? Où reste la connaissance générée ? Comment éviter que chacun réinvente ses propres méthodes ?

C'est là que le rôle de l'entreprise commence. Non pas pour freiner l'usage de l'IA. Mais pour le professionnaliser.

Ce que j'ai vécu — et ce que vous viv(r)ez probablement aussi

Il y a dix-huit mois, mes développeurs étaient encore largement sceptiques sur la qualité de l'IA. Trop imprécise, trop peu fiable pour du vrai travail de production, disaient-ils.

Et puis, sans que personne ne le décide vraiment, les choses ont changé.

L'un a commencé à travailler avec Codex. Un autre avec Gemini. Un troisième avec Claude,... Chacun a commencé à créer ses propres habitudes, ses propres prompts, ses petits agents personnels. L'IA est entrée dans leur travail quotidien — discrètement, individuellement, efficacement.

C'est exactement ce que décrit le Shadow AI. Et pendant un temps, ça fonctionnait. La productivité progressait. Les tâches s'accéléraient.

Mais quelque chose n'allait pas.

Chacun travaillait dans son coin, avec son outil, sa méthode, sa logique. Les process de l'entreprise n'étaient plus nécessairement respectés. La sécurité des données devenait floue. La qualité dépendait du bon vouloir et du niveau de maîtrise de chacun. Et la connaissance produite — les prompts affinés, les méthodes qui marchaient — restait dans la tête de chaque développeur, pas dans l'entreprise.

C'était devenu anarchique. Et une entreprise ne peut pas se permettre de fonctionner comme ça. Pas sur la durée. Pas à l'échelle.

C'est à ce moment précis que j'ai compris : il ne s'agissait plus d'encourager l'usage de l'IA. Il s'agissait de le structurer. De passer d'une vision artisanale, à une vision industrielle, où l'IA est intégrée dans un système de production maîtrisé.

Ce que nous avons construit

Fin 2025, j'ai décidé d'investir dans ce que nous appelons aujourd'hui notre usine logicielle agentique — notre ULA.

L'idée n'est pas de "mettre de l'IA partout". Elle est plus concrète : intégrer l'IA dans notre modèle de production, avec un cadre, une méthode, des étapes, des contrôles et une traçabilité. Notre processus de développement suit toujours les mêmes grandes étapes — analyse, développement, contrôle qualité, mise en production. Ce qui a changé, c'est que chaque étape est désormais prise en charge par des équipes d'agents IA spécialisés, qui travaillent ensemble, en séquence, dans notre environnement sécurisé.

Six mois après avoir lancé ce chantier, nous avions notre première version opérationnelle.

C'est ce qu'on appelle être AI-native : l'IA n'est plus un outil que chacun utilise selon son envie ou son niveau de maturité. Elle est intégrée au cœur du modèle de production. Ce n'est plus une aide, c'est l'infrastructure.

Ce que ça change concrètement

Les retours de nos développeurs sur les premiers projets en production sont sans appel.

Ce qu'ils soulignent en premier, c'est la vitesse, la productivité . Ce qu'ils soulignent ensuite, c'est l'exhaustivité : les analyses sont plus complètes, les cas limites mieux couverts, les tests de qualité plus systématiques qu'un humain seul ne pourrait le faire.

Et quand on leur demande s'ils voudraient faire marche arrière, la réponse est unanime : non.

De mon côté, en tant que dirigeant, ce que l'ULA m'apporte est différent — mais tout aussi essentiel. Je sais que nos process et nos méthodes sont respectés à chaque étape. Je sais que la totalité du code et des données reste dans notre environnement, sécurisée, tracée, maîtrisée.

Le Shadow AI, chez nous, n'a plus lieu d'être. Non pas parce qu'on l'a interdit. Mais parce qu'on lui a substitué quelque chose de plus puissant, de plus fiable — et de collectif.

Ce n'est pas seulement un sujet IT

Notre exemple vient du développement logiciel. Mais ce serait une erreur de croire que le sujet y restera limité.

L'IA ne transforme pas seulement les outils. Elle transforme la manière dont le travail est produit, contrôlé et validé. Partout où l'on produit de l'information, de l'analyse, des documents ou de la connaissance, conseil, marketing, droit, finance, formation, design, ..., la même question va apparaître : comment transformer l'usage individuel de l'IA en capacité professionnelle maîtrisée ?

Ce que ça demande au dirigeant

Cette transformation ne se délègue pas. Les équipes peuvent expérimenter, l'IT peut construire, les métiers peuvent tester. Mais l'impulsion, le niveau d'ambition et les arbitrages doivent venir du dirigeant.

Parce que la vraie question n'est pas : quel outil IA allons-nous utiliser ?

La vraie question est : comment allons-nous structurer nos processus avec l'IA pour qu'elle devienne un avantage réel, durable et maîtrisé ?

Si vous abordez l'IA comme un projet IT avec un budget et un planning, vous obtiendrez des outils. Si vous l'abordez comme une redéfinition de votre modèle de production, vous obtiendrez une transformation.

L'IA est déjà dans votre entreprise.
La prochaine étape n'est pas de l'utiliser davantage.
La prochaine étape est de la structurer