Il n'y a jamais eu autant d'outils d'automatisation. Des agents IA capables de lire votre boîte de réception, de résumer vos réunions, de rédiger vos réponses, d'écrire votre code, d'organiser votre semaine. Chaque mois, une nouvelle vague.
Et pourtant, la plupart des gens à qui nous parlons font toujours le même travail manuel, répétitif et épuisant qu'ils faisaient il y a deux ans.
Pourquoi ?
Nous avons passé les derniers mois à tenter de répondre à cette question. Nous nous sommes assis avec 22 personnes, tous rôles, secteurs et niveaux de compétence confondus. Environ les trois quarts avaient un profil technique. Les autres, non. À peu près la moitié travaillaient dans la tech. L'autre moitié, non.
Nous leur avons demandé à quoi ressemblait leur travail. Ce qui était difficile. Ce qu'ils aimeraient changer.
Ce que nous avons découvert, ce sont quatre obstacles qui reviennent sans cesse, quel que soit le métier de la personne ou son niveau de technicité. Trois d'entre eux sont personnels. Le quatrième est structurel. Ensemble, ils expliquent pourquoi l'automatisation, bien qu'elle soit la catégorie la plus promise dans le logiciel depuis deux décennies, reste encore largement à l'état de rêve pour la plupart des gens.
Les voici.
Obstacle 1 : Vous ne voyez pas ce qui ne va pas
La première chose qui nous a surpris : quand nous demandions aux gens ce qui était difficile ou frustrant dans leur travail, la plupart nous donnaient des plaintes vagues et génériques. « Jongler avec les priorités. » « La communication. » « Je suis juste débordé. » Rien de précis. Rien d'actionnable.
Nous avons donc essayé une autre question : « Si vous pouviez d'un coup de baguette magique régler une seule chose dans votre flux de travail actuel, ce serait quoi ? »
Soudain, une douleur vive. Des tâches précises. Des choses qu'ils détestaient. Les mêmes personnes qui haussaient les épaules cinq minutes plus tôt avaient maintenant chacune trois réponses.
L'une des personnes que nous avons interrogées nous a confié :
« Oui, je suis aligné. J'ai eu genre une tonne de discussions. Mais tenir tout le monde au courant, c'est une partie tellement fastidieuse du job. »
Une autre, décrivant un processus trimestriel :
« Ce serait vraiment d'éliminer ce suivi manuel, c'est sûr. Ça prend juste trop de notre temps. C'est fait presque chaque trimestre. Et c'est genre, le moment, la semaine où on le fait, partout, tout le monde déteste ça. »
Une troisième personne interrogée décrivant une tâche récurrente :
« Parfois je reçois une demande en magasin qui me demande d'aligner avec l'inventaire en ligne. La demande est tellement... elle n'est pas standardisée. Parfois ils fournissent les bons identifiants de magasin. Parfois l'identifiant doit être en majuscules, mais ils le fournissent en minuscules. Le format n'est pas correct. Je dois calibrer manuellement tous les formats pour m'assurer qu'ils sont corrects, le mettre dans la machine, et cliquer sur le bouton. »
Aucune de ces personnes n'avait pensé à ces tâches comme automatisables avant que nous posions la bonne question. Elles les faisaient depuis des mois ou des années. C'était simplement le travail.
Ce n'est pas une faiblesse personnelle. C'est ainsi que fonctionne l'attention. Les tâches répétitives s'effacent à l'arrière-plan. Votre cerveau cesse de les signaler comme dignes d'attention parce qu'elles sont prévisibles. L'inconfort de les accomplir devient « le lundi ».
Vous ne pouvez pas automatiser ce que vous ne pouvez pas nommer. Et la plupart des gens ne savent pas nommer ce qui ne va pas dans leur travail sans aide.
Voilà le premier obstacle.
Obstacle 2 : Vous ne savez pas par où commencer
Admettons que vous voyiez ce qui ne va pas. Vous savez exactement quelle tâche épuise votre semaine. Vous avez même accès à des outils IA qui pourraient probablement s'en charger.
La plupart des gens se figent quand même.
Le problème : trop de possibilités, aucun point de départ précis. La paralysie décisionnelle appliquée à l'automatisation. Quand vous pouvez tout automatiser, vous n'automatisez souvent rien.
Une personne nous a dit :
« Comment est-ce qu'on, genre, dirige l'IA pour le faire ? Comment formuler le message à l'IA pour le faire ? Je crois que ça demande du temps pour apprendre à être plus précis là-dessus. »
Elle savait que l'IA en était capable. Elle ne savait juste pas comment l'orienter vers son travail.
Une autre personne interrogée l'a décrit plus directement :
« Je ne trouve pas que ce soit très clair depuis l'interface ce qu'on peut faire d'autre. Parce que quand on entre juste genre un prompt, je me dis : "oh, je dois penser à ce dont j'ai besoin." Mais je n'ai pas vraiment d'option, hein ? Je ne sais pas ce qu'il peut faire d'autre. Alors jusqu'où puis-je imaginer mon problème ? Dans notre conversation précédente, je me suis rendu compte que je pouvais lui demander un rapport de standup sur mon e-mail, ou peut-être créer un ticket Linear ou un truc comme ça. Donc je trouve que ce n'était, genre, pas clair. »
Elle a poursuivi :
« Peut-être que si vous aviez genre un menu déroulant ou des exemples de prompts ou des modèles que je pourrais probablement utiliser, j'ai l'impression que ça pourrait aider, plutôt que de devoir tout imaginer à partir de zéro. »
Une autre voulait quelque chose d'encore plus précis :
« Il y en a tellement. La stack technique est énorme à ce stade. Il y a tellement de possibilités. Donc si quelqu'un pouvait me dire quel outil je devrais utiliser, lequel serait plus efficace pour moi pour chaque tâche que je fais. Genre, en quelque sorte regarder mon Linear et me dire : hé, pour cette tâche tu devrais utiliser ça plutôt que Claude Code ou autre chose. Ce serait vraiment bien. »
Ce dont les gens ont besoin, ce n'est pas plus de capacité. C'est un point de départ précis. Un véritable exemple. Un flux de travail que quelqu'un comme eux a construit, fonctionnant de bout en bout, qu'ils peuvent copier et adapter.
C'est une des raisons pour lesquelles ce sont toujours les cinq mêmes flux de travail qui se font automatiser partout : les briefings du matin, les rapports hebdomadaires, le tri de la boîte de réception, les notes de standup, les résumés clients. Ce ne sont pas les meilleures automatisations. Ce sont juste celles qui ont des modèles publics et des points de départ évidents.
Tout le reste reste manuel. Non pas parce que c'est impossible à automatiser, mais parce que personne n'a montré à quoi ressemble le fait de « commencer ».
Voilà le deuxième obstacle.
Obstacle 3 : Le coût de se lancer est plus élevé que le coût de ne rien faire
D'accord, vous avez identifié le travail. Vous avez un point de départ concret. Maintenant, il faut vraiment le mettre en place.
C'est là que la plupart des gens abandonnent.
Une personne interrogée nous a parlé d'un outil IA que ses collègues utilisaient régulièrement :
« Je connais OpenClaw, mais je ne l'ai jamais essayé moi-même. Je sais que mes collègues l'utilisent, mais je ne l'ai jamais essayé. »
Quand nous avons demandé pourquoi, elle a dit que la mise en place était trop complexe et chronophage. Elle n'avait même jamais tenté. Le fait que ses coéquipiers l'utilisaient avec succès ne suffisait pas. Le coût d'activation perçu était suffisamment élevé pour qu'elle... ne le fasse tout simplement pas.
Une autre personne a été encore plus directe sur le point de décrochage :
« Je pense que personnellement ce serait surtout pour les nouveaux utilisateurs. Parce qu'il va y avoir beaucoup de gens qui voient tout ça et qui veulent l'essayer. Et quand ils se lancent et qu'ils balancent ce npm install, et qu'ensuite on leur sort "il vous faut aussi une installation de Claude" par-dessus... c'est là que je pense que beaucoup de gens vont juste abandonner, sans même se donner la peine de continuer. »
Et sous ces deux citations se trouve le même calcul rationnel. Une autre personne interrogée l'a formulé directement :
« Quand on veut automatiser le flux de travail, on veut juste gagner du temps et augmenter la productivité. On ne veut pas passer autant de temps sur les outils censés améliorer notre efficacité. »
Ce n'est pas de la paresse. C'est des maths.
Le but même de l'automatisation est de gagner du temps. Mais pour la plupart des flux de travail, la mise en place prend plus de temps que de simplement faire la tâche manuellement. Vous passez des heures à apprendre l'interface, des heures à câbler les déclencheurs, des heures à tester les cas limites, et ce n'est qu'après tout cela que vous commencez à gagner du temps. Pour les tâches hebdomadaires, le délai de rentabilité se compte en mois. Pour les tâches mensuelles ou trimestrielles, le calcul ne tombe littéralement jamais juste.
Alors les gens passent leur tour.
L'expérience passée aggrave le problème. Les gens ont essayé des outils qui promettaient monts et merveilles et livraient une configuration en 40 étapes. Ils ont passé du temps à apprendre des interfaces qui n'ont rien rapporté. Du coup, même quand un nouvel outil fonctionne vraiment, l'expérience passée les rend hésitants à investir.
La plupart des outils d'automatisation partent du principe que vous passerez une heure à apprendre avant d'obtenir la moindre valeur. Pour la plupart des gens, surtout les non-techniques, c'est là que la relation s'arrête.
Voilà le troisième obstacle.
Obstacle 4 : Votre organisation ne vous laisse pas faire
Voici l'obstacle le plus difficile à corriger, et celui dont on nous parle le plus souvent chez les personnes travaillant au sein de grandes organisations.
Même si vous voyez ce qui ne va pas, savez exactement par où commencer et êtes prêt à investir le temps de mise en place, votre entreprise peut ne pas vous laisser le faire pour de vrai.
Une personne que nous avons interrogée, qui travaille dans une grande entreprise, a décrit ce que cela donne en pratique :
« Chaque outil que nous utilisons doit être approuvé soit par le client, soit en interne. Une fois que c'est approuvé et que le budget est accordé, alors on procède à l'achat de l'outil, personne par personne. »
Approbation. Budget. Licence par personne. Pour chaque nouvel outil. Le temps que le processus soit terminé, l'élan de motivation qui vous donnait envie de l'essayer remonte à des mois.
Mais la version plus profonde de ce problème n'est pas seulement « je n'arrive pas à faire approuver l'outil ». C'est que même quand vous pouvez utiliser des outils IA à titre personnel, vous ne pouvez pas les connecter aux systèmes où vit votre vrai travail. La même personne :
« Je ne peux pas connecter mon environnement de travail à ça. Si je l'utilise à des fins personnelles, je ne peux pas connecter mon Salesforce. Je ne peux pas connecter mon Teams. Parce que c'est sur mon ordinateur portable de bureau. »
Elle a accès à ChatGPT. Elle a des tâches qu'elle adorerait automatiser dans Salesforce. Les deux ne peuvent pas être reliés. L'automatisation qu'elle veut nécessite de faire le pont entre ses outils personnels et ses données de travail, et ce pont est interdit.
Ce n'est pas un problème réservé aux grandes entreprises. Une autre personne interrogée nous a dit :
« Je pense que les grandes entreprises ont une certaine inquiétude concernant la confidentialité. On a le droit d'utiliser ChatGPT, c'est sûr. On n'a pas le droit d'utiliser Gemini. Je ne sais pas pourquoi. Je ne sais pas pourquoi. Mais c'est genre un choix de l'entreprise. »
« Je ne sais pas pourquoi. » Cette phrase revient souvent quand on parle aux gens des restrictions d'outils dans leur organisation. Les choix semblent arbitraires vus de l'intérieur. Certains outils approuvés, d'autres non, aucune logique claire. On se retrouve à contourner les règles sans les comprendre.
Pour beaucoup de gens, c'est ça le vrai mur. Pas « je ne vois pas ce qui ne va pas ». Pas « je ne sais pas comment l'automatiser ». Mais « je n'ai pas le droit ».
Cet obstacle est plus dur que les autres parce qu'il ne dépend pas de vous. Il dépend de votre environnement. Et les environnements changent lentement.
Voilà le quatrième obstacle.
Ce que cela signifie
Ces quatre obstacles sont superposés. Même si vous franchissez le premier, vous heurtez le deuxième. Passé le deuxième, vous heurtez le troisième. Et même si vous traversez les trois, l'organisation autour de vous peut quand même vous arrêter.
Ensemble, ils forment un mur que la plupart des gens ne franchissent jamais, même quand ils savent exactement ce qu'ils veulent corriger. C'est pourquoi l'automatisation des flux de travail, bien qu'elle soit la catégorie la plus promise dans le logiciel depuis deux décennies, reste encore largement à l'état de rêve.
Nous pensons que ce mur est franchissable. Pas entièrement, pas pour tout le monde, mais davantage que ne le supposent les outils actuels. Nous avons passé les derniers mois à construire des choses spécifiquement pour répondre aux trois premiers obstacles, et à réfléchir sérieusement à comment rendre l'automatisation suffisamment sûre pour que le quatrième devienne moins restrictif avec le temps. Nous avons des avis sur ce qui marche. Mais nous préférons vous le montrer plutôt que vous le dire.
Alors voici ce que nous faisons à la place.
Le samedi 16 mai, nous organisons un atelier pratique gratuit à San Jose. Nous verrons ensemble comment repérer ce qui est automatisable dans votre propre travail, par où commencer quand vous avez cent options, et comment mettre en place votre premier coéquipier IA en moins de 15 minutes. Sans coder.
La limite est de 30 personnes. Inscription : https://luma.com/yqpulmgq
Le mardi 20 mai, nous organisons un événement similaire à San Francisco. Détails et inscription à venir bientôt. Suivez @vm0_ai pour être les premiers informés.
Si vous ne pouvez assister à aucun des deux événements, suivez-nous quand même. Nous raconterons ce que les gens construisent réellement à l'atelier. Les flux de travail, les surprises, les choses qui n'ont pas marché. Nous les publierons dans le prochain article. Vous obtiendrez ainsi les réponses pratiques dans tous les cas.
Les quatre obstacles ci-dessus sont réels. On nous en parle chez presque chaque personne à qui nous parlons. Les trois premiers sont solubles dès aujourd'hui. Le quatrième prend plus de temps, mais il est soluble lui aussi. Nous allons passer les prochaines semaines à le prouver, lors des événements, et dans ce que nous publierons ensuite.
Les citations sont anonymisées par rôle. Échantillon d'entretiens : 22 personnes dans les domaines du logiciel/IA, de la santé, des arts du spectacle, de l'industrie, du conseil, du commerce de détail, de la biomécanique et du secteur associatif. Environ 73 % avec un profil technique et 27 % sans.
