Ce que les cabinets qui gagnent avec l’IA font différemment

Lecture 10 min.


Le dossier publié ici même le 7 septembre l’a établi : l’immense majorité des cabinets en est au stade des solutions sur étagère, les usages plafonnent, et une part du discours relève de l’affichage. Mon terrain le confirme. En 2025 et 2026, j’ai accompagné une douzaine de structures de conseil (stratégie, finance, ESN, études, conseil spécialisé, de quelques dizaines de consultants à plusieurs milliers), auxquelles s’ajoutent une dizaine de consultants indépendants, sur leur usage de l’IA ou leur repositionnement face à elle. Une seule dispose d’un système complet. C’est la plus grande.

Le constat étant posé, une question compte davantage que sa répétition : pourquoi l’écart entre la com’ et les faits persiste-t-il alors que chacun en pressent le coût ?

Pourquoi l’écart persiste

La réponse est moins technologique qu’économique. Le modèle du conseil vend des heures ; l’IA en réduit le besoin. Un cabinet qui transforme réellement son delivery encaisse, à structure de prix constante, moins de chiffre d’affaires par mission à court terme. L’équilibre rationnel de court terme est donc l’affichage : une offre IA en vitrine, des usages d’assistance en cuisine, et un modèle de staffing et de facturation intact.

Les plus grands acteurs eux-mêmes peinent à sortir de la logique du chiffre-vitrine. En janvier, le patron de McKinsey revendiquait 25 000 agents IA aux côtés de ses 40 000 employés ; EY répondait dans Business Insider que l’essentiel de la valeur vient d’une poignée d’agents, et PwC que la bonne métrique est la qualité des agents, non leur nombre. Quand les firmes les mieux dotées débattent encore de la façon de mesurer la valeur créée, la tentation de communiquer sur des volumes plutôt que sur des résultats est forte partout ailleurs.

Or, le marché sanctionne déjà. L’enquête de Source Global reprise fin août par le Financial Times indique qu’un client sur trois seulement juge pleinement réussie sa transformation IT menée avec des conseils externes, et que la part des acheteurs comptant recourir davantage aux Big Four dans l’année est passée de 80 % à 55 %. L’étude Syntec Conseil 2025-2026 le formule autrement : les clients font désormais de l’usage de l’IA par les cabinets un levier de négociation explicite. Une enquête de l’IBM Institute for Business Value avec Oxford Economics va plus loin : environ deux tiers des acheteurs de conseil se disent prêts à écarter un cabinet qui n’intègre pas l’IA dans ses services.

Le coût de faire semblant, lui, est devenu public. En octobre 2025, Deloitte Australie a dû rembourser une partie d’un rapport gouvernemental à 290 000 $ après la découverte de références académiques inexistantes et d’une citation de juge fabriquée : un livrable généré sans le système de contrôle qui aurait dû l’encadrer.

Face à cela, j’entends une objection récurrente chez les dirigeants de cabinets intermédiaires. Un partner me la résumait ainsi : « Je n’ai pas assez de visibilité sur mon chiffre d’affaires pour investir dans un système IA plus robuste. » L’objection est rationnelle à trois mois et coûteuse à trois ans, car la causalité joue aussi dans l’autre sens : c’est en partie l’absence de système qui banalise l’offre, expose le taux journalier à la négociation et dégrade la visibilité sur le chiffre d’affaires.

La vraie ligne de partage

La ligne de partage ne sépare pas ceux qui utilisent l’IA de ceux qui ne l’utilisent pas. Selon l’enquête State of AI de McKinsey publiée cet été, 88 % des organisations utilisent l’IA dans au moins une fonction, mais un tiers environ seulement passe à l’échelle. L’étude AI at Work de BCG (juin 2026, près de 12 000 répondants) précise le tableau : 30 % des salariés voient des agents intégrés à leurs workflows, plus de la moitié disent mal comprendre ce qu’est un agent, et deux tiers des utilisateurs réguliers ne reçoivent pas de consigne sur ce qu’ils doivent faire du temps gagné. Gartner anticipait dès juin 2025 l’annulation de plus de 40 % des projets d’IA agentique d’ici fin 2027, et forgeait le terme « agent washing » pour désigner le rhabillage de produits existants ; une étude préliminaire du MIT estimait la même année que 95 % des pilotes d’IA générative n’avaient pas d’impact mesurable sur le compte de résultat.

La ligne passe donc plutôt entre deux réalités : des licences distribuées sans gouvernance d’un côté, un système construit de l’autre. Les symptômes du premier régime sont remarquablement constants dans les structures que j’accompagne : du shadow AI à tous les étages, des champions IA autoproclamés sans mandat ni moyens, des partners éloignés du sujet qui le délèguent aux plus juniors, aucune vision de l’impact de l’IA sur le modèle d’affaires et, en bout de chaîne, des taux journaliers systématiquement négociés à la baisse ou des missions perdues.

Les cinq briques d’un système réel

À quoi ressemble l’autre régime ? Chez le cabinet le plus avancé de mon portefeuille, un acteur global, le système repose sur cinq briques dont chacune est transposable à l’échelle d’un cabinet de 10 à 80 consultants.

1. Une architecture multi-modèles assumée. Le choix n’est pas celui d’un outil mais d’une architecture : plusieurs LLM, appariés aux types de tâches, avec une couche d’accès aux données internes du cabinet. Ce qui protège de la dépendance à un fournisseur et permet de suivre un marché qui se reconfigure tous les six mois.

2. Une certification interne sur cas réels. Pas des heures de e-learning génériques : des cas concrets de mission, avec un niveau attendu par grade, du junior à l’associé. La formation est différenciée par séniorité parce que les usages le sont. Le mot d’ordre interne est simple : l’IA d’abord, pour chaque tâche, puis le jugement humain sur le résultat.

3. Des skills et des espaces mutualisés. Les méthodes du cabinet sont encodées dans une bibliothèque de skills gouvernée, et chaque équipe de mission travaille dans des projets partagés plutôt que dans des conversations individuelles. C’est ce qui transforme des gains de productivité personnels en actif collectif, et ce qui manque le plus souvent ailleurs.

4. Une gouvernance dotée de moyens. Le point mérite d’autant plus d’attention que la dette de gouvernance frappe aussi les mieux équipés : en mars dernier, un exercice de red teaming a montré qu’un agent offensif autonome pouvait obtenir en deux heures un accès complet à la base de production de la plateforme IA interne de McKinsey, pourtant utilisée par 72 % de la firme. Les musts sont un propriétaire du système, du temps dédié, des règles d’usage compatibles avec la confidentialité client et  une traçabilité. 

5. Un pricing aligné. Le forfait et la part variable liée au résultat permettent de capter le gain de productivité au lieu de le restituer mécaniquement en heures facturées en moins. Le mouvement est déjà sectoriel : selon Syntec Conseil, le forfait représente 56 % des modes de rémunération contre 28 % pour le temps passé, et les modèles hybrides progressent.

L’honnêteté oblige à décrire aussi la limite. Même au sommet du marché, les workflows agentiques de bout en bout sur les process cœur, la due diligence ou la production de propales, restent rares ; les équipes capables de construire des agents sophistiqués le font d’abord pour leurs clients, plus rarement pour leurs propres process. Autrement dit, la frontière n’est pas l’état de l’art : pour un cabinet intermédiaire, c’est une fenêtre plus qu’un retard.

L’angle mort du débat : les compétences humaines

Le second investissement des cabinets qui s’en sortent surprend davantage : ils renforcent les compétences humaines au moment précis où l’IA s’installe. La raison est mécanique. Quand l’IA absorbe les tâches de base, l’exigence sur chaque consultant monte, et d’abord sur les juniors. Un manager senior me le disait sans détour : « On n’investit pas assez dans nos juniors ; il est essentiel de les former au métier et aux soft skills, car ils font n’importe quoi avec l’IA. » Et un junior, en miroir : « Je suis censé me former seul au métier avec l’IA ; les managers et les partners n’ont pas de temps à me dédier. »

Dans mes diagnostics, je structure ces écarts autour de trois méta-compétences, le cadre A.J.R. : Apprendre, Juger, Relier. 

Apprendre, parce que l’IA a absorbé une partie des tâches par lesquelles on apprenait le métier, et qu’il faut réinventer l’apprentissage plutôt que le laisser au hasard. Juger, parce que l’outil dégrade l’esprit critique : dans l’expérimentation menée en 2023 par Harvard avec 758 consultants de BCG, l’IA améliorait fortement la qualité sur les tâches dans son domaine de compétence, mais, sur une tâche piège située hors de ce domaine, la probabilité que les consultants assistés produisent une réponse juste était inférieure d’environ 19 points. Relier, enfin, parce que comprendre un output ne suffit pas : structurer une storyline, restituer à un client, gérer une réunion ou un désaccord restent des compétences distinctes, et ce sont elles qui manquent le plus aux juniors que j’observe.

Le marché du travail valide déjà cette bascule. Le baromètre PwC 2026, fondé sur plus d’un milliard d’offres d’emploi dans 27 pays, montre que les rôles où l’IA absorbe la routine et où le jugement humain prime croissent deux fois plus vite que les autres, avec des salaires en progression 42 % plus rapide, et que les postes juniors exposés à l’IA exigent sept fois plus souvent des compétences dites seniors. Une expérimentation conduite par Harvard chez Procter & Gamble éclaire la conséquence organisationnelle : un professionnel outillé par l’IA atteint la performance d’une équipe qui ne l’est pas. Des équipes plus petites, donc, mais une barre plus haute pour chaque personne : la formation aux compétences relationnelles et au jugement n’est pas un supplément d’âme, c’est ce qui rend le système rentable.

L’agenda du partner de 10 à 80 consultants

Trois raisons rendent la fenêtre particulièrement favorable aux cabinets intermédiaires. Les géants portent leur pyramide, leurs comités et leur legacy. Les nouveaux entrants issus des laboratoires d’IA, à commencer par la Deployment Company d’OpenAI, dotée de 4 milliards de dollars et désormais d’une filiale française, visent d’abord les grands comptes. Et les clients, on l’a vu, doutent des promesses non démontrées. Un cabinet de 10 à 80 consultants peut, lui, reconstruire son delivery en quelques trimestres.

L’agenda tient en cinq chantiers : cartographier trois process cœur et en instrumenter un seul, complètement, plutôt que dix à moitié ; certifier l’ensemble des équipes sur des cas réels du cabinet, partners inclus, car l’exemplarité du sommet est la seule alternative durable au shadow AI ; nommer un propriétaire du système avec du temps et un budget, plutôt qu’un champion officieux ; basculer une part du pricing vers le forfait et le résultat ; suivre trois chiffres, le temps par livrable, le taux de transformation des propales et le taux journalier tenu. L’investissement se compte moins en licences qu’en temps d’associé, ce qui est précisément la raison pour laquelle il est différenciant : il ne s’achète pas sur étagère.

Le secteur s’accorde sur une accélération dans les deux ans, et le benchmark du « qui fait quoi » que chacun appelle de ses vœux finira par exister. Ce jour-là, vendre ce qu’on ne pratique pas cessera d’être tenable : les clients compareront des preuves, non des discours. L’avantage appartiendra moins aux plus gros qu’aux mieux construits, et à ceux qui auront compris qu’un système d’IA vaut par les personnes formées à le juger. ▣

Vous venez de lire un article offert.

Pour accéder à la totalité de nos contenus — articles, brèves, data, tribunes, mouvements… — et financer le seul média indépendant qui couvre tout le secteur du conseil, abonnez-vous.

Abonnez-vous GRATUITEMENT
à la newsletter de la Lettre du conseil