Stop seeking 5%, aim for 10x : la mentalité de transformation radicale

L'IA comme rupture cognitive, pas comme outil d'optimisation

Quand une équipe de développement annonce fièrement avoir gagné 5 % de productivité grâce à l'IA, il faut se poser une question inconfortable : est-ce vraiment tout ce que cette technologie peut apporter ? Dans la plupart des organisations, l'IA est encore abordée comme un levier d'optimisation marginale — un copilote de code ici, un résumé de réunion là. C'est précisément cette posture qui risque de faire manquer la transformation la plus profonde que l'informatique ait connue depuis l'avènement du Web.

Chez SFEIR, nous travaillons quotidiennement avec des DSI et des directions techniques qui se retrouvent face à ce même carrefour. La vraie question n'est pas "comment automatiser 5 % de tâches de plus ?" mais "qu'est-ce qui devient possible si nous repensons nos organisations, nos architectures et nos produits avec l'IA au centre ?"

C'est le sens de l'expression Stop seeking 5%, aim for 10x : arrêter de chercher la petite optimisation incrémentale et viser la transformation d'ordre de grandeur. Pour y parvenir, il faut d'abord comprendre la nature réelle de ce qui se passe.

La quatrième rupture cognitive de l'humanité

Didier Girard, figure bien connue de la communauté tech française, propose une grille de lecture historique qui aide à saisir l'ampleur du moment. L'histoire humaine peut se lire comme une suite de révolutions cognitives majeures, chacune redéfinissant notre rapport au savoir et à la pensée.

• L'écriture : la mémoire s'externalise. Nous ne sommes plus obligés de tout retenir dans notre tête — nous pouvons déléguer le stockage du passé à un support externe.
• L'imprimerie : la connaissance se démocratise. Le savoir n'est plus l'apanage des clercs et des puissants — il circule, se copie, se partage.
• Le numérique : le savoir devient ubiquitaire. La connaissance n'a plus de frontière géographique ni de coût de reproduction significatif.
• L'IA : l'expertise s'externalise. Pour la première fois, ce n'est plus seulement le stockage ou la diffusion de la connaissance qui se délègue — c'est la capacité à raisonner, synthétiser et créer.

Cette quatrième rupture est qualitativement différente des précédentes. Michel Serres, dans son essai Petite Poucette, avait déjà décrit comment nos smartphones nous avaient transformés en une sorte de Saint-Denis moderne — portant notre tête dans nos mains. Nous avions externalisé la mémoire et l'accès au savoir. L'IA franchit l'étape suivante : elle externalise le raisonnement lui-même.

Ce n'est pas une métaphore philosophique abstraite. C'est une réalité opérationnelle que l'on peut observer dès aujourd'hui. Prenons un exemple concret tiré du terrain : l'idée de développer une application mobile de suivi de tension artérielle peut, avec les bons outils d'IA, se concrétiser en moins de dix minutes — de l'expression du besoin en langage naturel à l'installation sur un téléphone. Ce qui nécessitait autrefois une équipe de développeurs, un backlog, des sprints, peut être accompli par une seule personne équipée des bons outils.

Le gain et la perte : naviguer entre partenaire et parasite

Cette puissance n'est pas sans ambivalence. Chaque grande rupture cognitive de l'histoire a comporté une dualité fondamentale : un gain et une perte. L'écriture a libéré notre mémoire de travail, mais a peut-être atrophié la mémorisation orale que maîtrisaient les aèdes grecs. L'imprimerie a démocratisé le savoir, mais a aussi accéléré la propagation des erreurs et des propagandes.

L'IA ne fait pas exception. Elle se présente simultanément comme un partenaire de co-création et comme un potentiel parasite cognitif.

L'IA comme partenaire

Dans son rôle de partenaire, l'IA libère ce que l'on pourrait appeler notre "bande passante mentale". En déchargeant les tâches répétitives, les synthèses fastidieuses, la génération de code boilerplate ou la rédaction de documents standards, elle nous permet de concentrer notre énergie sur ce qui reste fondamentalement humain : la stratégie, la créativité, l'intelligence émotionnelle, la prise de décision dans l'ambiguïté. Pour un DSI, cela peut signifier passer moins de temps à justifier des décisions techniques dans des slides et plus de temps à construire une vision systémique de la transformation numérique.

L'IA comme parasite

Mais il y a un revers. En déléguant progressivement notre pensée, nous risquons d'accumuler ce que l'on peut appeler une "dette cognitive". Si nous cessons de formuler des arguments complexes parce que l'IA les formule à notre place, si nous arrêtons de faire des calculs de tête parce qu'une interface les fait pour nous, nos facultés critiques s'érodent. Le jugement, la capacité à détecter une erreur dans un raisonnement généré, la créativité authentic — tout cela demande un exercice régulier.

L'équilibre n'est pas automatique. Il demande une vigilance intellectuelle active et une vraie discipline organisationnelle. Pour les entreprises, cela se traduit par une question stratégique : quelles compétences protéger et cultiver, même si l'IA peut les remplacer ? Et quelles tâches déléguer sans remords pour libérer du potentiel supérieur ?

L'adaptation inconsciente : quand nos besoins évoluent avec l'outil

Il y a un phénomène souvent sous-estimé dans les projets de transformation IA : l'adaptation inconsciente des usages. Didier Girard propose une analogie éclairante. Avez-vous des vêtements qui ne passent pas à la machine à laver ? Probablement pas, ou très peu. Sans jamais y penser explicitement, vous avez progressivement adapté vos achats textiles aux contraintes de votre électroménager. Votre comportement a évolué pour s'aligner sur ce que votre lave-linge sait faire.

L'IA suivra le même schéma. À terme, elle couvrira la quasi-totalité de nos besoins exprimés — non pas parce qu'elle saura tout faire, mais parce que nous aurons inconsciemment reformulé nos besoins pour les aligner sur ce qu'elle sait faire parfaitement. Nos demandes évolueront vers ce qui est automatisable, structurable, prévisible.

Pour les DSI, cette observation a des implications profondes. Les systèmes d'information ne seront pas seulement transformés par l'IA — ils seront redessinés autour de ses capacités et de ses limites. Les architectures, les processus, les interfaces utilisateur : tout cela évoluera en co-adaptation avec les modèles. Ignorer cette dynamique revient à planifier une transformation qui sera dépassée avant d'être terminée.

Trois vagues qui rendent la transformation inévitable

Au-delà de la philosophie, pourquoi la transformation radicale est-elle une nécessité stratégique plutôt qu'une option ? Trois forces structurelles rendent ce changement incontournable.

La démocratisation radicale des capacités

L'IA efface les barrières à l'entrée qui protégeaient historiquement les organisations bien dotées en ressources. Ce qui nécessitait autrefois des équipes entières d'ingénieurs spécialisés — analyse de données complexes, développement de produits logiciels, génération de contenu à grande échelle, automatisation de processus — peut aujourd'hui être accompli par un individu équipé des bons outils et de la bonne méthode. Les avantages concurrentiels liés à la taille sont en train de se redistribuer.

Un moment darwinien pour les organisations

L'impact de l'IA est comparable à celui de l'électricité au début du XXe siècle. Ce n'était pas une amélioration d'une technologie existante — c'était une force transversale qui a rebattu les cartes dans tous les secteurs simultanément. Les entreprises qui ont su intégrer l'électricité dans leur modèle productif ont pris une avance considérable ; celles qui ont continué à optimiser leurs processus "à la bougie" ont décroché. La même dynamique est à l'œuvre aujourd'hui. Chercher 5 % de gains sur des processus conçus sans l'IA, c'est optimiser la bougie.

Le découplage entre taille et impact

C'est peut-être la rupture la plus déstabilisante pour les grandes organisations. Pendant des décennies, la taille était un avantage compétitif déterminant : plus d'ingénieurs, plus de données, plus de budget R&D. L'IA casse ce mécanisme. Une équipe de dix personnes qui maîtrise les outils d'amplification peut aujourd'hui rivaliser avec une équipe de cent personnes qui ne les utilise pas. Ce découplage entre taille et échelle redéfinit les règles du jeu pour toutes les organisations, grandes ou petites.

Amplification IA et Compound Engineering : les deux moteurs du 10x

Comment concrètement viser une transformation d'ordre de grandeur plutôt qu'une optimisation marginale ? Deux concepts structurent cette ambition.

L'Amplification IA

L'Amplification IA désigne le principe selon lequel l'IA ne remplace pas le professionnel — elle amplifie ses capacités. Un développeur senior avec les bons outils d'IA ne produit pas 5 % de code de plus. Il peut gérer une complexité architecturale beaucoup plus grande, explorer beaucoup plus de solutions alternatives, documenter et tester avec une rigueur inaccessible en temps contraint, et consacrer son expertise humaine aux décisions qui la méritent vraiment.

Le même principe s'applique à un architecte solutions, un data engineer, un product manager ou un consultant en transformation. L'amplification ne fonctionne pas automatiquement — elle nécessite une conception délibérée des flux de travail, une formation aux nouvelles méthodes et une organisation du travail repensée. Mais quand elle est bien mise en œuvre, elle change l'ordre de grandeur de ce qu'une équipe peut accomplir.

Le Compound Engineering

Le Compound Engineering est l'autre levier du 10x. L'idée est simple en apparence, profonde dans ses implications : dans un monde d'amplification IA, les investissements en qualité, en automatisation et en excellence technique ne se contentent plus de s'additionner — ils se multiplient. Comme les intérêts composés en finance, chaque amélioration de la qualité du code, chaque test automatisé bien écrit, chaque documentation maintenue à jour, chaque pipeline CI/CD bien conçu devient le substrat sur lequel l'IA peut s'appuyer pour générer des gains toujours plus importants.

À l'inverse, la dette technique dans un contexte d'IA ne s'accumule plus de façon linéaire. Une base de code mal structurée, des tests insuffisants, des architectures opaques limitent sévèrement ce que les outils d'IA peuvent faire avec elle. Le Compound Engineering, c'est l'art de construire les fondations qui permettent à l'amplification de s'exprimer pleinement dans la durée.

Pour les DSI, cela signifie que les arbitrages classiques entre vitesse et qualité se rééquilibrent fondamentalement. Livrer vite en sacrifiant la qualité était autrefois un compromis acceptable à court terme. Dans un modèle de Compound Engineering, c'est une décision qui se paye de façon exponentielle.

Le risque du monopsychisme technologique

La transformation radicale que nous décrivons n'est pas sans risques systémiques qu'il serait irresponsable d'ignorer. Les philosophes médiévaux débattaient du monopsychisme, concept défendu notamment par Averroès : l'idée qu'un intellect unique penserait à travers tous les hommes. Cette question métaphysique prend aujourd'hui une dimension concrète et stratégique.

Quelques grandes plateformes technologiques sont en train de devenir cet "intellect unique" qui pense, suggère et décide pour des milliards de personnes. Leurs modèles façonnent les réponses que nous recevons, les solutions qui nous sont proposées, les perspectives que nous considérons. Quand une organisation délègue massivement sa réflexion stratégique, sa production de contenu ou ses décisions architecturales à un seul modèle d'IA, elle crée une dépendance cognitive organisationnelle dont les implications méritent attention.

Ce n'est pas un argument pour ne pas adopter l'IA — c'est un argument pour le faire avec lucidité. Maintenir une diversité de sources, cultiver le jugement critique des équipes, préserver les compétences d'évaluation indépendante et construire une gouvernance claire des usages IA : ce sont des enjeux de souveraineté intellectuelle et stratégique qui doivent accompagner toute transformation ambitieuse.

Comment viser le 10x en pratique : la perspective SFEIR

Chez SFEIR, nous accompagnons des organisations qui ont choisi de ne pas se contenter de 5 %. Voici ce que nous observons comme facteurs différenciants dans les transformations qui atteignent réellement un changement d'ordre de grandeur.

Repenser le point de départ, pas optimiser l'existant

Les transformations les plus impactantes que nous accompagnons ne partent pas de la question "comment l'IA peut-elle accélérer ce que nous faisons déjà ?" mais de "si nous pouvions reconstruire ce processus aujourd'hui en partant de zéro avec l'IA, à quoi ressemblerait-il ?" Cette différence d'angle d'attaque change radicalement les résultats possibles.

Investir dans les fondations du Compound Engineering

Nos missions les plus stratégiques accompagnent les DSI dans la construction des fondations qui permettent à l'amplification de s'exprimer : qualité de code, couverture de tests, observabilité, pipelines automatisés, documentation vivante. Ce ne sont pas des prérequis bureaucratiques — ce sont les leviers qui permettent à l'IA de multiplier la valeur produite par chaque ligne de code, chaque décision d'architecture, chaque iteration produit.

Former à la pensée critique augmentée

L'amplification IA ne fonctionne que si les professionnels qui l'utilisent maintiennent leur capacité de jugement. Nous accompagnons nos clients dans la formation de leurs équipes non seulement aux outils, mais à la pratique du raisonnement critique augmenté : savoir quand faire confiance à l'IA, quand la challenger, comment évaluer la qualité d'un output généré et comment maintenir les compétences humaines qui font la différence.

Construire une gouvernance de la transformation

La puissance de l'IA amplifie aussi les erreurs. Une gouvernance claire — sur les usages autorisés, les données qui peuvent être utilisées, les décisions qui restent humaines, les modèles qui sont évalués et remis en question — est la condition pour que la transformation soit durable et maîtrisée plutôt que subie.

Conclusion : la question n'est plus de savoir si, mais comment

La révolution cognitive en cours n'est pas une tendance technologique parmi d'autres. C'est une rupture de même nature que l'écriture, l'imprimerie ou le numérique — une transformation qui redéfinit profondément ce que les organisations peuvent accomplir, ce que les individus peuvent créer et ce que le travail signifie.

Face à cette réalité, deux postures sont possibles. La première consiste à adopter l'IA à la marge, en cherchant les 5 % de gains immédiats sur les processus existants. C'est la voie de la moindre résistance, celle qui permet d'annoncer des "projets IA" sans remettre en question les fondamentaux. La seconde consiste à prendre au sérieux la nature de la rupture, à accepter de repenser les organisations, les architectures et les compétences, et à viser la transformation d'ordre de grandeur que l'Amplification IA et le Compound Engineering rendent accessibles.

Viser le 10x demande du courage organisationnel — celui d'accepter que certaines façons de travailler doivent être abandonnées, que certaines compétences doivent être développées et que la transformation profonde est plus exigeante que l'optimisation marginale. Mais c'est aussi ce qui sépare les organisations qui traverseront ce moment darwinien en position de force de celles qui l'auront subi.

La bonne nouvelle : nous n'en sommes qu'au début. Les fondations que les organisations construisent aujourd'hui — en termes de compétences, d'architectures, de culture et de gouvernance — détermineront leur capacité à bénéficier de chaque nouvelle vague d'amplification à venir. L'investissement dans le 10x est aussi l'investissement dans la résilience de long terme.

SFEIR accompagne les DSI et les directions techniques dans cette transformation — de la définition d'une vision à l'implémentation des architectures et des pratiques qui la rendent possible. Si vous souhaitez explorer ce que le 10x peut signifier pour votre organisation, nos équipes sont à votre disposition pour en discuter.