Avant de parler de d\u00e9ploiement de l’IA en entreprise, je voudrais parler de boue. Les \u00e9conomistes comportementaux lui ont donn\u00e9 un nom, le sludge. Je crois qu’il \u00e9claire une \u00e9tape que beaucoup de projets d’IA sautent un peu vite : la discovery.<\/p>\n\n\n\n
Commen\u00e7ons par un chiffre. Selon une \u00e9tude de la Drees publi\u00e9e en mai 2026<\/a>, plus d’un tiers des foyers \u00e9ligibles au RSA ne le percevaient pas fin 2021, soit environ 560 000 foyers. Les causes sont multiples. Parmi elles, la Drees \u00e9voque la difficult\u00e9 des d\u00e9marches, en particulier pour les plus \u00e2g\u00e9s depuis leur d\u00e9mat\u00e9rialisation.<\/p>\n\n\n\n Autre registre, m\u00eame m\u00e9canique. Depuis le 1er juin 2023, une entreprise qui vend un abonnement en ligne doit permettre de le r\u00e9silier \u00ab en trois clics \u00bb<\/a>. Il a donc fallu une loi pour que quitter un service devienne aussi simple que d’y souscrire.<\/p>\n\n\n\n Dans les deux cas, les gens savent \u00e0 peu pr\u00e8s ce qu’ils veulent. Le chemin pour y arriver est simplement encombr\u00e9. Et cet encombrement a un co\u00fbt, pour eux comme pour l’organisation qui l’a laiss\u00e9 s’installer.<\/p>\n\n\n\n En 2018, l’\u00e9conomiste Richard Thaler signe dans la revue Science un court \u00e9ditorial au titre malicieux : \u00ab Nudge, not sludge \u00bb<\/a>. Dix ans plus t\u00f4t, avec le juriste Cass Sunstein, il avait popularis\u00e9 le nudge, ce coup de pouce qui rend un bon choix plus facile. Cette fois, il nomme l’inverse.<\/p>\n\n\n\n Ses exemples sont d’une banalit\u00e9 presque comique. Le remboursement qu’il faut r\u00e9clamer par courrier. L’abonnement qu’on ne peut quitter qu’en appelant, ou pire, en \u00e9crivant une lettre. Personne n’interdit rien, mais chaque d\u00e9tour fait abandonner une partie des gens en route.<\/p>\n\n\n\n Sunstein en a ensuite tir\u00e9 un livre, Sludge<\/a>, publi\u00e9 en 2021 aux MIT Press. Il y \u00e9largit le terme \u00e0 toutes les frictions qui s\u00e9parent les gens de ce qu’ils veulent ou de ce dont ils ont besoin. On y croise des formulaires interminables, des temps d’attente, des pi\u00e8ces justificatives, des rendez-vous obligatoires. L\u00e0 o\u00f9 Thaler insistait sur l’intention de nuire, Sunstein regarde surtout l’exc\u00e8s, voulu ou non.<\/p>\n\n\n\n Il serait pourtant trop simple de d\u00e9clarer la guerre \u00e0 toute friction. Sunstein le reconna\u00eet lui-m\u00eame : certaines frictions prot\u00e8gent. Un d\u00e9lai de r\u00e9tractation \u00e9vite un achat impulsif. Une double validation sur un virement important \u00e9vite une fraude. La question devient donc celle de la proportion : ce que la friction co\u00fbte, en temps et parfois en dignit\u00e9, est-il justifi\u00e9 par ce qu’elle prot\u00e8ge ?<\/p>\n\n\n\n Ce qui me frappe le plus, c’est que le sludge est rarement le fruit d’une intention. Bien s\u00fbr, certains parcours de r\u00e9siliation sont tortueux \u00e0 dessein. Mais la plupart du temps, la boue se d\u00e9pose couche apr\u00e8s couche. Chaque \u00e9tape a eu une bonne raison, un jour, dans un contexte pr\u00e9cis. Puis le contexte a chang\u00e9, l’\u00e9tape est rest\u00e9e, et plus personne ne sait vraiment \u00e0 quoi elle sert. C’est cette s\u00e9dimentation qui m’int\u00e9resse quand on parle de d\u00e9ploiement de l’IA.<\/p>\n\n\n\n On parle surtout du sludge que subissent les usagers et les clients. Pourtant, une entreprise en fabrique aussi pour ses propres \u00e9quipes, et souvent en quantit\u00e9.<\/p>\n\n\n\n Pensez \u00e0 la note de frais qui passe entre plusieurs mains avant d’\u00eatre rembours\u00e9e. \u00c0 l’information saisie dans le CRM, puis recopi\u00e9e dans un tableur, puis r\u00e9sum\u00e9e dans un mail de reporting. Ou encore \u00e0 la demande d’acc\u00e8s \u00e0 un outil qui exige un ticket, une validation du manager et deux relances.<\/p>\n\n\n\n Les chercheurs de Stanford Robert Sutton et Huggy Rao ont un nom pour la m\u00e9canique qui produit tout cela. Dans The Friction Project<\/em> (2024), ils parlent de \u00ab maladie de l’addition \u00bb. Face \u00e0 un probl\u00e8me, les organisations ajoutent volontiers une r\u00e8gle, un outil ou une r\u00e9union. Elles retirent beaucoup plus rarement, et r\u00e9compensent d’ailleurs davantage ceux qui ajoutent.<\/p>\n\n\n\n Ce sludge interne a une particularit\u00e9 g\u00eanante : il se voit mal. Personne ne s’en plaint officiellement. En effet, les \u00e9quipes d\u00e9veloppent des contournements, comme le fichier Excel parall\u00e8le ou le raccourci que tout le monde conna\u00eet sans l’avoir \u00e9crit nulle part. Vu d’en haut, le processus officiel semble donc fonctionner.<\/p>\n\n\n\n Or c’est pr\u00e9cis\u00e9ment sur ce terrain qu’arrive aujourd’hui le d\u00e9ploiement de l’IA.<\/p>\n\n\n\n En 1990, bien avant l’IA g\u00e9n\u00e9rative, Michael Hammer publiait dans la Harvard Business Review un article rest\u00e9 c\u00e9l\u00e8bre : \u00ab Reengineering Work: Don’t Automate, Obliterate \u00bb<\/a>. Son constat \u00e9tait simple. Les entreprises investissaient massivement dans l’informatique pour acc\u00e9l\u00e9rer des processus con\u00e7us avant l’ordinateur, sans se demander s’ils avaient encore lieu d’\u00eatre. Il proposait plut\u00f4t de supprimer le travail qui n’apporte aucune valeur.<\/p>\n\n\n\n Trente-six ans plus tard, la tentation est la m\u00eame. Elle dispose simplement d’outils beaucoup plus puissants.<\/p>\n\n\n\n Prenons un agent IA qui remplit automatiquement un formulaire inutile. Il rend ce formulaire indolore. Il le rend aussi invisible, et donc durable. Car le jour o\u00f9 plus personne ne souffre d’une \u00e9tape, plus personne ne se demande pourquoi elle existe. Le d\u00e9ploiement de l’IA peut ainsi figer le sludge au lieu de le dissoudre.<\/p>\n\n\n\n L’IA peut aussi en fabriquer du neuf. C\u00f4t\u00e9 clients, le Consumer Financial Protection Bureau am\u00e9ricain s’est pench\u00e9 d\u00e8s 2023 sur les chatbots bancaires. Son rapport<\/a> d\u00e9crit des \u00ab doom loops \u00bb, ces boucles de r\u00e9ponses r\u00e9p\u00e9titives d’o\u00f9 l’on ne peut pas sortir pour parler \u00e0 un humain. L’entreprise gagne du temps, le client en perd. Autrement dit, la friction a simplement chang\u00e9 de camp.<\/p>\n\n\n\n C\u00f4t\u00e9 \u00e9quipes, le ph\u00e9nom\u00e8ne porte d\u00e9sormais un nom : le workslop. En septembre 2025, des chercheurs de BetterUp Labs et de Stanford l’ont d\u00e9crit dans la Harvard Business Review<\/a>. Il d\u00e9signe des contenus g\u00e9n\u00e9r\u00e9s par IA qui ont l’air d’un travail abouti, sans en avoir la substance. Dans leur enqu\u00eate, 41 % des salari\u00e9s interrog\u00e9s disaient en avoir re\u00e7u, avec pr\u00e8s de deux heures de reprise \u00e0 chaque fois. Parmi les causes, les auteurs pointent les injonctions g\u00e9n\u00e9rales \u00e0 utiliser l’IA partout, sans cadre ni crit\u00e8re de qualit\u00e9.<\/p>\n\n\n\n C’est du sludge \u00e0 l’\u00e9tat pur : un effort d\u00e9plac\u00e9 vers quelqu’un d’autre, sous une apparence de productivit\u00e9.<\/p>\n\n\n\n Je ne dis pas pour autant que l’IA est condamn\u00e9e \u00e0 produire de la boue. Bien utilis\u00e9e, elle peut en retirer beaucoup, par exemple en pr\u00e9-remplissant ce qu’on sait d\u00e9j\u00e0 ou en traduisant un jargon administratif. Mais elle amplifie ce qu’on lui confie. Pos\u00e9e sur un processus encombr\u00e9, elle livre un processus encombr\u00e9 qui tourne plus vite.<\/p>\n\n\n\n En design produit, la discovery d\u00e9signe la phase o\u00f9 l’on cherche \u00e0 comprendre un probl\u00e8me avant de choisir une solution. Le double diamant, popularis\u00e9 par le Design Council britannique en 2005, la repr\u00e9sente bien. Le premier losange sert \u00e0 explorer puis \u00e0 cadrer le probl\u00e8me. Le second seulement sert \u00e0 imaginer et livrer des solutions.<\/p>\n\n\n\n Beaucoup de projets d’IA d\u00e9marrent pourtant directement dans le second losange. La question de d\u00e9part devient alors : \u00ab on a un outil, o\u00f9 peut-on le mettre ? \u00bb Elle para\u00eet pragmatique. En r\u00e9alit\u00e9, elle inverse l’ordre des choses.<\/p>\n\n\n\n De son c\u00f4t\u00e9, Sunstein a propos\u00e9 que les organisations conduisent des \u00ab sludge audits \u00bb<\/a> : mesurer les frictions qu’elles imposent, puis d\u00e9cider lesquelles garder. Une bonne discovery fait exactement cela, sans forc\u00e9ment employer le mot. Elle regarde le chemin avant de proposer un v\u00e9hicule.<\/p>\n\n\n\n Pour y parvenir, il faut observer le travail tel qu’il se fait. Les ergonomes fran\u00e7ais parlent depuis longtemps de l’\u00e9cart entre travail prescrit et travail r\u00e9el. La proc\u00e9dure dit une chose, les gens en font une autre, et souvent pour de bonnes raisons. Or le sludge se loge pr\u00e9cis\u00e9ment dans cet \u00e9cart, dans les contournements dont je parlais plus haut. J’avais abord\u00e9 une question voisine en me demandant ce qu’est le \u00ab vrai \u00bb travail d’une entreprise<\/a>.<\/p>\n\n\n\n C’est pourquoi un entretien avec un responsable ne suffit pas. Il d\u00e9crit le processus prescrit, celui du sch\u00e9ma. Il faut s’asseoir \u00e0 c\u00f4t\u00e9 des personnes, suivre un dossier du d\u00e9but \u00e0 la fin, compter les ressaisies et les attentes. C’est souvent \u00e0 ce stade que les surprises arrivent.<\/p>\n\n\n\n Pour chaque \u00e9tape rep\u00e9r\u00e9e, quelques questions simples font le tri. \u00c0 qui sert-elle vraiment ? Que se passerait-il si on la supprimait demain ? Qui paie son co\u00fbt en temps, et qui en tire le b\u00e9n\u00e9fice ? Ces questions sont banales. Elles sont pourtant rarement pos\u00e9es avant le d\u00e9ploiement de l’IA, parce que l’outil est d\u00e9j\u00e0 choisi et que l’enthousiasme presse.<\/p>\n\n\n\n Une fois le sludge cartographi\u00e9, l’ordre des op\u00e9rations compte. Hammer l’avait d\u00e9j\u00e0 formul\u00e9 \u00e0 sa mani\u00e8re : on ne met pas de technologie sur un processus qu’on n’a pas d’abord interrog\u00e9.<\/p>\n\n\n\n La premi\u00e8re question est donc celle de la suppression. Certaines \u00e9tapes n’existent plus que par habitude, comme une validation que personne ne lit ou un reporting hebdomadaire que personne n’ouvre. Les retirer ne co\u00fbte presque rien, et aucune IA n’est n\u00e9cessaire pour cela. C’est parfois le gain le plus net d’un projet de d\u00e9ploiement de l’IA, avant m\u00eame la premi\u00e8re ligne de code.<\/p>\n\n\n\nLe sludge, ou la friction qui joue contre nous<\/h2>\n\n\n\n
Le sludge a aussi ses bureaux<\/h2>\n\n\n\n
Quand le d\u00e9ploiement de l’IA acc\u00e9l\u00e8re la boue<\/h2>\n\n\n\n
La discovery, premi\u00e8re \u00e9tape du d\u00e9ploiement de l’IA<\/h2>\n\n\n\n
Supprimer, simplifier, puis automatiser<\/h2>\n\n\n\n