Le livrable impossible à défendre
Ton expertise commence bien avant le livrable. L’IA peut générer un livrable. Qu’il s’agisse d’un visuel, un texte, une présentation, une analyse ou encore un prototype.
Mais elle ne sait pas encore décider pourquoi ce livrable mérite d’exister ou encore moins si elle est la mieux placée pour y répondre.
Qu’il s’agisse du dernier modèle de génération de texte pour le code, d’image comme Nano Banana ou de vidéo comme Minimax H3, bien cadrer le besoin reste indispensable.
Une IA ne sait pas affiner le besoin d’un client, poser les limites claires pour un délivrable et pourquoi ce délivrable doit être tel qu’il est.
En travaillant dans l’IA, j’ai souvent réalisé qu’il était beaucoup plus complexe de préciser l’objectif à atteindre avec le client que de concevoir la solution elle-même. Je me rappelle pour une démonstration client j’avais utilisé Claude pour m’épauler et dans le contexte j’avais fourni les informations nécessaires sur l’activité du client.
Claude m’a fait des suggestions intéressantes que j’ai réalisé sur n8n (il n’y avait pas de connecteurs à cette époque).
Mais le problème des suggestions de Claude était déjà leur sur-complexité qui selon moi n’était pas nécessaire et mais aussi la surcharge visuelle qu’elle ferait ressentir au client. Et comme si ça ne suffisait pas Ce que Claude avait généré comme proposition à implémenter dans n8n (le json) portait une quantité phénoménale de bugs, il a donc fallu que je reprenne tout ça que je coupe tous les excès et que j’y mette ma propre réflexion.
Réflexion qui amènerait donc pendant la démonstration à une simulation réussie qui prenait en entrée les informations d’une réunion (sur 10 pages avec plein de noms) et qui donnait en sortie un tableau des actions claires et bien définies par personne. En partant de cette démonstration réussie j’ai enchaîné en demandant au client de nous détailler un peu plus son quotidien pro et tout ce qui s’ensuit. Non seulement j’ai pu mettre le doigt sur son réel besoin mais en plus j’ai pu faire le lien entre ma présentation et les systèmes qui seront mis en place pour lui et spoiler alerte ça n’avait rien à voir avec les propositions initiales de Claude (déjà qu’elles ne marchaient pas…).
J’aurais pu insister pour maintenir les idées que Claude m’avait suggérée surtout que j’étais fatigué, que je travaillais en fin de journée et que je voulais vite finir pour passer à autre chose. Mais la réalité c’était que sans ma réflexion qui est venue trancher sur la présentation ne se serait pas aussi bien passée et nous n’aurions pas pu mettre le client en confiance.
Un livrable n’a pas de valeur par sa seule qualité technique. Sa valeur dépend de la justesse du problème traité, des personnes concernées, des contraintes et de la décision qu’il permet de prendre.
L’IA permet de produire beaucoup plus vite, si vite qu’on serait tenté de considérer ses suggestions comme décisives, surtout quand le contexte est bien fourni.
N’importe qui peut aujourd’hui se rendre dans Claude et lui demander de générer un livrable dans n8n (surtout que le connecteur existe maintenant ). Mais être capable d’écouter une personne comprendre son besoin, comprendre des bases de données liées à ce besoin, définir toutes les dépendances que le système pourrait avoir et ensuite réaliser ce système sans parler de faire la démonstration puis de rédiger sa fiche technique pour ensuite former les personnes qui vont s’en servir, cela ne peut pas être remplacé par l’intelligence artificielle
Il y a un discours qui dit que nous n’allons pas être remplacés par l’intelligence artificielle nous allons être remplacés par une personne qui sait utiliser l’intelligence artificielle. Il est vrai mais je rajouterai une nuance, une personne qui sait quand utiliser l’intelligence artificielle et quand est-ce que son expertise doit faire Loi.
Ta valeur ne se trouve pas seulement dans ce que tu livres, mais dans tout ce que tu comprends avant de le livrer.
Et pour comprendre cette posture il faut être capable de regarder ses propres compétences et de distinguer tout ce qui est nécessaire dans son domaine avant de passer à l’exécution.
Les décisions invisibles que l’IA ne prend pas
Il y a un écart entre la demande d’origine et le résultat que tu livres. Que ce soit en architecture, dans l’informatique, dans le graphisme ou le social, il y a toujours un écart entre ce qui a été demandé de base et comment est-ce qu’il a été repositionné jusqu’au résultat livré. C’est là que ton expertise s’insère, ce travail invisible souvent sous-estimé et qui ne ressemble pas à de la production.
Voici l’ensemble des questions qu’il est indispensable de se poser avant d’utiliser l’intelligence artificielle pour l’exécution :
Clarifier → quel est le VRAI besoin ?
Cadrer → poser objectif, périmètre, contraintes, critères de réussite, ressources et délai.
Arbitrer → choisir entre les ressources dispos et identifier les risques.
Relier → anticiper l’impact sur le client final et le périmètre sur l’activité et autour.
Évaluer → vérifier que le livrable produit correspond au besoin et peut être défendu.
Assumer → rester responsable de la recommandation, même quand l’IA a participé à la production.
Cette logique s’applique à de nombreux métiers ; les outils changent, mais le besoin de jugement reste.
Un chef de projet, une personne en RH, un responsable opérations, un commercial ou un professionnel de la fonction support font face au même déplacement : l’outil peut accélérer un geste ; l’expertise rends ce geste approprié et bien ciblé.
La nouvelle posture professionnelle
Avant l’arrivée de l’IA on se définissait souvent par le délivrable final. Aujourd’hui il devient nécessaire de mettre l’accent sur tout le travail nécessaire avant la production de ce délivrable parce qu’au final c’est ce niveau de compréhension et de subtilité dont l’intelligence artificielle ne dispose pas. Il ne s’agit donc pas de vous retirer totalement de l’exécution ou de prétendre qu’elle n’a plus d’importance Il devient simplement nécessaire D’accentuer l’expertise avant cette exécution .
La question n’est donc pas « quel outil dois-je apprendre cette semaine ? », mais « quelle partie de ma valeur dois-je apprendre à rendre visible ? »
Plus l’exécution devient accessible et plus il sera nécessaire d’être capable de poser le bon contexte, comprendre ce qui doit réellement être produit, comment est-ce qu’on va mesurer l’efficacité et la pertinence de ce qui sera produit.
Dans ton métier pose toi donc la question quelles sont les actions que je fais toujours avant de passer à la production des délivrables ou avant de valider une décision qui donne le feu vert pour la réalisation de délivrables.
L’IA peut produire une première version. Ton expertise consiste à savoir si cette version mérite d’être produite, corrigée, reliée au reste ou simplement abandonnée.
