Blog
Delivery, SEO/GEO, IA, RGAA, CRO : notes de terrain
Des analyses tirées du terrain par un Delivery Manager basé à Rennes, sans jargon inutile.

Prototyper avec les futurs utilisateurs : l'adoption se joue avant le développement
L'adoption d'un outil métier se décide avant le développement, au moment où les futurs utilisateurs voient ou non une maquette. Je détaille comment tester un prototype cliquable sur des tâches réelles, ce que dit vraiment Nielsen Norman Group sur les cinq utilisateurs et ses limites, et pourquoi un test d'utilisabilité n'est pas une validation hiérarchique.
Analyse d'impacts : la grille qui prévoit les résistances avant le déploiement
Je présente la grille d'analyse d'impacts que j'utilise pour prévoir les résistances avant de déployer un outil métier ou un outil IA : qui est touché, ce qui change dans sa journée, ce qu'il y perd et y gagne, le niveau d'impact et l'action qui en découle. Je m'appuie sur les travaux de Shaul Oreg pour montrer que les résistances naissent surtout des pertes anticipées. J'explique pourquoi cette analyse se fait au cadrage et comment elle nourrit les plans de formation et de communication.

Courbe du changement : ce que dit vraiment le modèle de Kübler-Ross, et comment s'en servir en projet
La courbe du changement attribuée à Elisabeth Kübler-Ross vient d'un livre de 1969 sur les patients en fin de vie, pas d'un modèle de management. Je reprends ce qu'elle a vraiment décrit, ce que la recherche en dit, et pourquoi je m'en sers seulement pour anticiper un creux de résistance, jamais comme calendrier ni pour disqualifier une objection.
Sponsor, relais, réfractaires : qui fait réellement adopter l'IA dans une équipe
Les travaux de Prosci placent le parrainage actif et visible en tête des facteurs de réussite d'un changement depuis 1998, très loin devant les autres. Sur un déploiement d'IA, trois rôles décident réellement de l'adoption : le sponsor, qu'on délègue presque toujours à tort, le relais métier, qu'on confond avec un volontaire désigné, et le réfractaire, traité comme un obstacle alors qu'il est la meilleure source de diagnostic disponible.
Des licences achetées ne font pas une adoption : mesurer l'usage réel d'un outil IA
Le nombre de sièges achetés est la métrique la plus citée et la moins informative d'un déploiement d'IA. Quatre indicateurs disent réellement si l'outil est adopté : l'usage récurrent à trente jours, la profondeur d'usage, le retour après abandon, et l'écart entre usage déclaré et usage constaté. Avec ce que chacun coûte à mettre en place et ce qu'il change concrètement au moment de renouveler un contrat.
Les huit étapes de Kotter, et les trois qu'on saute toujours sur un projet IA
Le modèle en huit étapes de John Kotter, publié en 1995 dans la Harvard Business Review, reste la référence de la conduite du changement. Appliqué à un projet IA, il montre que trois étapes sautent systématiquement : l'urgence, qui est fabriquée au lieu d'être constatée, la coalition, réduite à un sponsor unique côté DSI, et les victoires rapides, mises en scène en démonstrations au lieu d'être mesurées. Avec au passage la traçabilité du chiffre des 70 % d'échecs, attribué à Kotter alors qu'il vient d'ailleurs et que son auteur d'origine l'a désavoué.
Le shadow AI n'est pas un problème de sécurité, c'est un symptôme de conduite du changement
La réaction habituelle face au shadow AI est d'acheter une plateforme de détection. Lu à travers le modèle ADKAR, l'usage caché raconte pourtant l'inverse d'un problème de discipline : les collaborateurs ont compris le besoin, ont envie, savent faire, et se heurtent au seul endroit où l'organisation n'a rien prévu, le droit d'usage. Le shadow AI devient alors la meilleure cartographie disponible de la demande réelle, à condition de le lire au lieu de le bloquer.
Former vos équipes à l'IA ne suffira pas : le modèle ADKAR appliqué à un déploiement réel
Une équipe équipée en janvier, formée en février, dont l'usage est retombé à trois personnes en avril : le scénario le plus courant des déploiements d'IA. Le modèle ADKAR, formalisé par Jeff Hiatt en 1996, découpe l'adoption en cinq étapes séquentielles. Appliqué à un déploiement d'outil IA, il montre que l'essentiel du budget part dans l'étape Knowledge alors que le blocage se situe presque toujours avant, sur Desire, ou juste après, sur Ability. Avec la grille de diagnostic en cinq questions que j'utilise sur le terrain.
Écouter le blog (166 articles)
Lu ailleurs
Taxe au gigaoctet : Octave Klaba chiffre ce que l'amendement I-1358 coûterait à OVHcloud
Nommé par Trump, John Ratcliffe dirige une CIA plus offensive en Ukraine que sous Biden
REA relie un agent à Hopper, Ghidra et IDA pour rétro-concevoir une application sans son code source, et dépasse 45 000 étoiles en moins de six mois
jev-ultrafast affiche un agent de navigation à 7 secondes, et publie lui-même le p = 0,25 qui interdit d'en conclure quoi que ce soit
Des initiés accusent OpenAI et Anthropic d'avoir exagéré des incidents de sécurité pour obtenir une régulation qui les protège, sur une base documentaire mince