Le consultant plus rapide : pourquoi l'IA en Professional Services reste bloquée au premier de sept modèles
Les sociétés de services n'ont jamais été aussi bien équipées en IA, et leur taux d'utilisation n'a jamais été aussi bas. Où passent les heures gagnées, les sept façons de faire de l'IA en Professional Services, et qui encaisse le gain dans chacune.
En 2025, le taux d'utilisation facturable des professional services est tombé à 66,4 %. C'est le niveau le plus bas des dix-neuf années du benchmark de SPI Research, établi cette année auprès de 509 organisations, et il s'accompagne d'un EBITDA moyen de 9,9 %.
Posez maintenant ce chiffre à côté de deux autres, sur la même période. Wipro affirme que l'assistant IA de SAP pour les consultants fait gagner 90 minutes par jour à chacun des siens, soit selon ses propres calculs plus de sept millions d'heures par an. Le global managing partner de McKinsey, Bob Sternfels, décrit sa firme comme 40 000 humains et 20 000 agents, contre 3 000 agents dix-huit mois plus tôt.
Lisez ces chiffres ensemble. La profession n'a jamais été aussi bien équipée, et son taux d'utilisation n'a jamais été aussi bas. Les heures sont bien gagnées. Elles n'arrivent nulle part.
La question à laquelle je n'ai pas su répondre
Il y a deux ans, dans un poste précédent, j'ai présenté notre programme IA à un comité exécutif. J'en étais fière. 1 400 consultants équipés. 82 % d'usage hebdomadaire. Six heures gagnées par consultant et par semaine, mesurées, pas estimées. Sur le papier, près de 400 000 heures par an.
Le CFO m'a laissée finir, puis il a demandé : « Où sont passées les six heures ? »
Je n'avais pas de réponse. Le taux d'utilisation n'avait pas bougé. La marge projet n'avait pas bougé. Les délais de delivery n'avaient pas bougé. Nous n'avions pas vendu un seul projet supplémentaire avec la capacité libérée. Les heures s'étaient dissoutes dans des documents un peu meilleurs et des soirées un peu plus courtes. Nous avions acheté un consultant plus rapide, sans rien changer à ce à quoi sert un consultant.
Le problème capital de l'IA dans les services n'est pas la productivité
Le secteur se raconte que le problème est l'adoption, ou l'outillage, ou les compétences des consultants. Ce sont des symptômes. Le problème racine est la destination. Chaque heure gagnée par l'IA doit atterrir quelque part : dans votre marge, dans le prix de votre client, dans de la capacité nouvelle, ou nulle part. La plupart des programmes ne tranchent jamais, donc l'heure n'atterrit nulle part.
Et si vous ne décidez pas, votre client le fera. En début d'année, le Financial Times a révélé que KPMG avait poussé son propre auditeur, Grant Thornton, à baisser ses honoraires au motif que l'IA devait rendre l'audit moins cher. Les honoraires sont passés de 416 000 à 357 000 dollars, soit une baisse d'environ 14 %. Un Big Four qui demande à un confrère une remise IA. Toutes les directions achats du monde ont lu cet article.
Sept façons de faire de l'IA en Professional Services
Quand un dirigeant de services dit « nous faisons de l'IA », il parle presque toujours de la première ligne de cette liste. Il en existe au moins sept, et ce qui les sépare n'est pas la technologie. C'est l'endroit où finit l'heure gagnée.
- Le consultant assisté. Chaque consultant reçoit un copilot. Dans l'expérience menée par Harvard et le BCG sur 758 consultants, ceux qui utilisaient l'IA ont travaillé 25 % plus vite et produit un travail jugé 40 % meilleur sur les tâches que le modèle maîtrise. Où vont les heures : nulle part, tant que rien d'autre ne change. C'est de l'hygiène, pas une stratégie.
- L'usine de delivery. L'IA fait le travail au lieu d'assister celui qui le fait : migrations, montées de version, génération de tests, mapping de données. Amazon a ramené la montée de version d'une application Java de 50 jours-développeur à quelques heures, et Andy Jassy chiffre le total à 4 500 années-développeur économisées. Dans un poste précédent, mon équipe a reconstruit un workstream de migration de données autour d'un moteur de mapping qui nous appartenait. Onze semaines sont devenues neuf jours, et comme nous l'avions vendu au forfait, la marge de ce workstream est passée de 28 % à 61 %. Où vont les heures : à celui qui a écrit le contrat.
- L'agent dans le staffing. Les agents sont staffés comme des personnes, avec un rôle, un périmètre et un relecteur. C'est ce que signifient les 20 000 de McKinsey. Où vont les heures : dans la forme de l'équipe, qui devient plus petite et plus senior.
- La PSO instrumentée. L'IA braquée sur le business des services lui-même : forecast, reste à faire, dérive de périmètre. Dans un poste précédent, j'ai fait lire à un agent tous les rapports d'avancement, les timesheets et les tickets du portefeuille, pour qu'il me dise chaque lundi quels projets ne disaient pas la vérité. Au premier trimestre, il a signalé neuf projets déclarés verts. Sept étaient rouges soixante jours plus tard, et les write-offs ont baissé de plus d'un tiers cette année-là. Où vont les heures : directement dans la marge, et aucun client ne les négocie jamais.
- Le modèle forward-deployed. Des ingénieurs intégrés chez le client, qui construisent sur ses données réelles et font remonter ce qu'ils apprennent dans le produit. Où vont les heures : dans la vente. La delivery devient la preuve.
- Le résultat tarifé. Vous vendez le résultat, et un agent assure la delivery. Fin, la société qui s'appelait Intercom, facture 99 cents chaque problème client résolu par son agent, et rien quand il échoue. En juin, Salesforce a signé son rachat pour environ 3,6 milliards de dollars. Où vont les heures : elles cessent d'exister comme unité.
- La société de services AI-native. Construire la firme autour de l'IA, ou racheter une firme traditionnelle et la reconstruire. General Catalyst y consacre 1,5 milliard de dollars, après avoir cartographié 70 catégories de services et en avoir identifié 10 où 30 à 70 % du travail est automatisable dès aujourd'hui. Où vont les heures : au propriétaire de la firme, et c'est pourquoi les propriétaires changent.
Les services sont devenus le go-to-market
Pendant vingt ans, on nous a expliqué que les services étaient le coût à faible marge de la vente de logiciel. Les entreprises d'IA à la croissance la plus rapide du monde viennent d'inverser la proposition.
Palantir a réorganisé toute sa démarche commerciale autour de bootcamps qui livrent des workflows opérationnels sur les données du client en cinq jours ou moins, là où ses pilotes prenaient un à trois mois. L'entreprise a cité devant ses investisseurs un énergéticien qui a signé un contrat à sept chiffres cinq jours après y avoir participé. J'ai mené un jour ma propre version : nous avons remplacé une phase de discovery payante de six semaines par un build de quatre jours sur les données du client, et la conversion vers un programme complet est passée d'un sur trois à deux sur trois.
Le marché l'a compris. Les offres d'emploi de forward deployed engineers sur Indeed ont progressé de plus de 700 % en un an. En mai, OpenAI et Anthropic ont chacun annoncé une société de services montée avec des fonds de private equity, à quelques heures d'intervalle, et celle d'OpenAI a été valorisée 10 milliards de dollars. Les deux organisations qui disposent des modèles les plus avancés du monde ont cherché pourquoi l'IA en entreprise cale, et ont conclu qu'il leur manquait une société de services.
Les travaux du MIT expliquent pourquoi. 95 % des pilotes d'IA générative en entreprise ne produisent aucun retour mesurable, et les projets menés avec un partenaire externe atteignent le déploiement environ deux fois plus souvent que ceux construits seuls. La ressource rare de l'IA n'est plus le modèle. C'est le dernier kilomètre, et le dernier kilomètre est ce que les Professional Services ont toujours fait.
Ce qu'aucune des sept n'automatise
Regardez ce que les sept automatisent : la recherche, la rédaction, le code, les tests, les forecasts, les conversations. La seule chose pour laquelle un client paie une société de services, quelqu'un qui sait où le modèle se trompe sur ce terrain précis et qui en répondra, n'est automatisée par aucune.
L'étude de Harvard et du BCG qui a mesuré le gain de 40 % a aussi mesuré l'autre versant. Sur une tâche située juste en dehors du champ de compétence du modèle, les consultants qui utilisaient l'IA avaient 19 points de chances en moins d'arriver à la bonne réponse. En 2025, Deloitte Australie a remis au gouvernement australien un rapport facturé 440 000 dollars australiens, qui contenait des références à des articles académiques inexistants et une citation inventée d'une décision de justice. Le cabinet a ensuite reconnu l'usage d'un modèle d'IA générative et accepté de rembourser une partie des honoraires.
L'actif durable d'une organisation de services est donc son registre des endroits où l'IA échoue. Quelles formes de données font casser le moteur de migration. Quelles clauses contractuelles l'agent lit de travers. Quels contextes client font mentir le forecast. J'appelle cela le failure corpus. C'est la seule chose, dans les sept façons, qu'un concurrent ne peut pas acheter, et presque personne ne l'écrit.
Cinq décisions pour un comité exécutif
Si je devais structurer cela pour une organisation de services ce trimestre, cinq décisions.
- Donner une destination à chaque heure gagnée avant de la gagner. Marge, prix, capacité ou apprentissage. Elle est écrite dans le business case et revue par la finance. Pas de destination, pas de déploiement.
- Changer le contrat avant de changer l'outillage. Automatiser un travail vendu en time and materials, c'est automatiser son propre chiffre d'affaires. Passez d'abord au forfait ou à l'asset nommé les workstreams que vous comptez automatiser, puis automatisez-les.
- Staffer le travail, pas les personnes. Pour chaque type de mission, listez ce qu'aucun humain ne devrait refaire. Donnez aux agents une ligne dans le plan de staffing, et un relecteur nommé qui répond de ce qu'ils produisent.
- Braquer l'IA sur votre propre P&L avant celui de votre client. Forecast, reste à faire, dérive de périmètre. C'est l'usage le moins visible des sept, et le seul gain que personne en dehors de la firme ne peut réclamer.
- Tenir le journal des échecs. Chaque fois que l'IA s'est trompée sur le terrain d'un client, consignez-le, relisez-le et réutilisez-le sur le projet suivant. C'est le document le plus précieux de l'organisation et le moins cher à produire.
Aller lentement pour protéger la rate card est la seule décision qui ne figure pas dans cette liste. Cela ne protège pas la rate card. Cela offre le dernier kilomètre à quelqu'un de mieux financé.
Le consultant plus rapide, redéfini
Cessez de vous demander comment l'IA peut rendre vos consultants plus rapides. Un consultant plus rapide est la chose la moins intéressante que cette technologie puisse faire pour vous, et la seule des sept que votre client peut récupérer avec un simple e-mail.
La vraie question est de savoir laquelle des sept vous pratiquez, et qui encaisse. L'IA n'a pas rendu les Professional Services obsolètes. Elle en a fait la capacité la plus rare de la technologie d'entreprise, et tous ceux qui ont du capital l'ont remarqué. Décidez où vont les heures, avant que quelqu'un d'autre ne le fasse.
Cet article est adapté de l'édition #[N] de ma newsletter LinkedIn, Professional Services & Tech. Abonnez-vous sur LinkedIn pour recevoir les prochaines éditions.
Sources :
SPI Research, 2026 Professional Services Maturity Benchmark (19e édition) ;
SAP, cas client Wipro et SAP Joule for Consultants (2025) ;
Fortune, sur Bob Sternfels et les 20 000 agents de McKinsey (janvier 2026) ;
Financial Times, sur les honoraires d'audit de KPMG et Grant Thornton (février 2026) ;
Dell'Acqua et al., « Navigating the Jagged Technological Frontier », Harvard Business School, working paper 24-013 (2023) ;
Andy Jassy, déclaration sur Amazon Q et les montées de version Java (août 2024) ;
Palantir Technologies, earnings calls du T3 2023 et du T1 2024 ;
Données Indeed sur les offres de forward deployed engineers, reprises par Business Insider (2026) ;
Salesforce, « Salesforce Signs Definitive Agreement to Acquire Fin » (15 juin 2026) ;
General Catalyst, « The Future of Services », et TechCrunch (septembre 2025) ;
Associated Press, sur le remboursement partiel de Deloitte Australie (octobre 2025) ;
TechCrunch, sur les sociétés de services d'OpenAI et d'Anthropic (4 mai 2026) ;
MIT Project NANDA, « The GenAI Divide: State of AI in Business 2025 ».
Mathilde HENRY
Executive Leader in Enterprise Software & AI Transformation. 20 ans à l'intersection du logiciel, du conseil et de la transformation des entreprises.
Soyez le premier à écrire un commentaire.