Automatisations IA en cabinet : celles qui ne rendent rien

Celles dont le temps gagné n’a pas de destination écrite, et c’est presque toujours la moitié de la liste. Une automatisation qui fonctionne parfaitement mais dont les heures rendues sont réabsorbées par les mêmes tâches ne produit aucun résultat mesurable, et elle sera pourtant comptée comme un succès dans le bilan de fin d’année.

Les listes d’automatisations à mettre en place sont utiles et il en existe de bonnes, à commencer par celle que Cobalt tient pour les cabinets et les ESN, classée par impact et par facilité de mise en œuvre. Cet article ne la refait pas : il traite de la question posée juste après, qui est de savoir laquelle produit quelque chose et à quelle condition.

Où l’automatisation s’installe-t-elle vraiment ?

Là où le volume est fort et la décision faible, et la répartition mesurée en 2026 le dit sans ambiguïté.

Les relevés d’Aptitude Research et d’iCIMS, publiés en avril 2026, donnent 58 % d’adoption sur le tri des candidatures, 54 % sur la communication candidat, 50 % sur les évaluations et 46 % sur le sourcing. Le commentaire qui accompagne ces chiffres vaut mieux que les chiffres eux-mêmes : l’adoption est la plus forte là où le flux est important et le processus répétitif, la plus faible là où l’évaluation demande un jugement.

La taille joue autant que la fonction. L’enquête SHRM menée en 2026 sur près de mille neuf cents organisations donne 60 % d’adoption au-delà de cinq mille salariés et 33 % dans les structures de moins de cent. Ce n’est pas une question de retard technologique, c’est une question de seuil : une automatisation se rentabilise sur le volume, et un cabinet de quinze personnes n’a ni le même flux ni le même calcul. Copier la liste d’usages d’un grand compte est le plus sûr moyen d’automatiser ce qui ne rapportera rien chez soi.

Le chiffre qu’il faut lire à l’envers

On lit couramment que les équipes utilisant sérieusement ces outils gagnent une douzaine d’heures par recruteur et par semaine, avec des délais de placement autour de quinze jours. La mesure vient d’un éditeur, sur sa propre base d’utilisateurs, et je la donne avec cette réserve. Mais ce n’est pas la réserve qui compte ici.

Ce qui compte est la condition attachée à ce chiffre, presque toujours écrite en petit : il porte sur les équipes ayant redessiné leur processus autour de l’outil. Autrement dit, ce n’est pas l’automatisation qui produit le gain, c’est la réorganisation que l’automatisation a rendue possible et que quelqu’un a décidée. Les équipes qui ont installé les mêmes outils sur le même processus qu’avant n’apparaissent pas dans ce chiffre, et elles sont la majorité.

Cette lecture explique aussi pourquoi tant de projets s’arrêtent. Gartner annonce plus de 40 % des projets d’IA agentique abandonnés avant fin 2027, et nous avons détaillé ailleurs pourquoi ces projets échouent : presque jamais pour une raison technique. Un outil qui fonctionne, posé sur un processus qu’on n’a pas voulu toucher, produit exactement le résultat qu’on lui a demandé et rien de ce qu’on en attendait.

Les trois tests avant d’automatiser quoi que ce soit

Trois questions, dans cet ordre, et une réponse négative suffit à repousser la tâche plus loin dans la file.

Le résultat se vérifie-t-il plus vite qu’il ne se produit ? C’est le critère qui décide de l’ordre, et nous le défendons depuis longtemps : on délègue d’abord ce qui est vérifiable, pas ce qui prend le plus de temps. Une préparation d’entretien se contrôle en trente secondes. Un classement de deux cents candidatures ne se contrôle pas, et la confiance qu’on lui accorde n’est adossée à rien.

L’erreur est-elle réversible ? Un compte rendu mal rédigé se corrige, un message parti chez un client ne se rattrape pas. C’est la raison pour laquelle nous distinguons partout ce qui reste à l’intérieur de ce qui sort, et pourquoi rien de sortant ne part sans qu’une personne l’ait libéré, y compris une relance anodine.

Le temps rendu a-t-il une destination nommée ? C’est le test que personne ne pose et qui décide du résultat. Deux heures rendues à un business manager deviennent, sans décision, deux heures de plus sur les mêmes tâches. Écrire ce que ces heures doivent devenir, avant de lancer l’automatisation, transforme un gain théorique en changement observable : trois points d’étape consultants de plus par semaine, dix comptes dormants rappelés, cinq candidats rappelés le jour même.

Trois automatisations qui rendent rarement ce qu’elles promettent

Elles ne sont pas mauvaises en soi, et c’est bien le problème : elles fonctionnent techniquement et déçoivent économiquement.

Le message sortant en volume. Multiplier les approches candidats ou les relances clients augmente la production sans réduire le travail de personne, et déplace la charge vers ceux qui reçoivent. C’est le mécanisme du travail qui a l’air fini : le gain se mesure chez celui qui produit et se déclare, la charge se disperse chez les autres et ne se déclare jamais. Dans un métier où le silence fait déjà fuir les candidats, le volume générique aggrave la réputation qu’il devait réparer.

La note automatique sur un profil. Un score se lit en une seconde, ne dit pas ce qu’il a mesuré et ne se conteste donc pas ; il s’applique. Nous avons écrit pourquoi ce n’est pas le bon instrument et ce qui le remplace, à savoir une phrase réfutable.

Le résumé de tout, envoyé à tout le monde. Comptes rendus de réunion, synthèses de dossiers, récapitulatifs hebdomadaires : chacun paraît gratuit et chacun crée une lecture de vérification chez cinq personnes. La règle qui limite les dégâts est simple à énoncer et pénible à tenir : un document produit automatiquement a un destinataire nommé et une action attendue, sinon il n’est pas produit.

Combien en mettre en place à la fois ?

Une, et la réponse déçoit chaque fois que je la donne.

L’argument n’est pas la prudence, il est la mesure. Cinq automatisations lancées le même mois produisent un trimestre où quelque chose s’est amélioré sans que personne ne puisse dire laquelle en est responsable, ni laquelle a coûté plus qu’elle n’a rendu. Vous obtenez un résultat global et aucune information exploitable, ce qui vous condamne soit à tout garder, soit à tout arrêter, et c’est ainsi que se prennent la plupart des décisions d’abandon.

Une seule, lancée avec sa destination de temps écrite à l’avance et un indicateur choisi avant le démarrage, produit au bout de six semaines une réponse claire : cela a marché, cela n’a pas marché, ou cela a marché pour deux personnes sur douze et il faut comprendre pourquoi. Ce rythme paraît lent sur un plan annuel et il est plus rapide en pratique, parce qu’il ne repart jamais de zéro.

Il a un autre mérite, moins avouable et bien réel. Une automatisation à la fois, c’est une conversation à la fois avec les équipes qui l’utiliseront, et l’adoption est le seul facteur qui décide vraiment du résultat. Un outil excellent que personne n’ouvre vaut exactement zéro, et cela ne se voit dans aucun tableau de bord avant la fin du trimestre.

Par quoi commencer, alors ?

Par ce qui relève de la mémoire plutôt que du jugement, parce que c’est la seule part de ce métier qui se délègue sans rien perdre.

Savoir qui attend une réponse depuis combien de jours, quel consultant entre dans son sixième mois de mission, quel compte client n’a rien facturé depuis dix-huit mois, préparer un entretien avec ce qui s’est dit la fois précédente : ces tâches passent les trois tests sans effort. Le résultat se vérifie d’un coup d’œil, l’erreur est réversible parce que rien ne sort, et la destination du temps rendu est évidente puisqu’elle est le travail lui-même.

C’est par là que nous avons commencé nous-mêmes, et pas par vertu : les premières choses que Balt a su faire étaient des tâches de mémoire plutôt que de rédaction, parce que ce sont les seules dont un utilisateur voit en trois secondes si elles sont fausses. Une liste de relances oubliées se corrige d’un coup d’œil ; un message bien écrit ne se vérifie pas.

C’est aussi, accessoirement, la partie que les listes d’automatisations traitent le moins, parce qu’elle n’est spectaculaire dans aucune démonstration. Un outil qui vous dit « vous n’avez pas rappelé ces onze personnes » ne ressemble pas à de l’intelligence artificielle. Il change pourtant davantage un mois de travail que n’importe quel générateur de messages.

Reste la question qui suit immédiatement, et qui décide de la moitié des échecs : une fois la tâche automatisée, qui en est responsable quand elle tourne toute seule à trois heures du matin et qu’elle échoue en silence. Personne ne regarde cette exécution-là, et c’est exactement pour cela qu’il faut décider maintenant qui la possède.