Vous sentez-vous à la traîne sur l'IA ? Comment Dharmesh Shah reste informé sur l'actualité de l'IA
Eliott Ardisson
Founder & CEO - Basalt Studio
Comment Dharmesh Shah structure sa veille IA sans s'y noyer : une méthode pratique adaptée aux dirigeants de PME qui veulent avancer sans perdre de temps.
Points clés
- Intégrer l’IA dans vos tâches quotidiennes vous apprend davantage que lire des articles sur le sujet : la pratique construit une intuition que la théorie ne donne pas.
- Des revues régulières (tous les trimestres) suffisent à rester pertinent sans se perdre dans le flux constant de nouveautés.
- Tester un outil sans problème précis en tête est du temps gaspillé : la méthode repose sur un ancrage dans un cas d’usage réel à chaque expérimentation.
- La “fluence IA” — la capacité à reconnaître instinctivement ce qu’un outil peut ou ne peut pas faire — se développe par l’usage, pas par la consommation d’information.
- Une approche structurée (identifier → rechercher → tester → déployer) réduit le risque d’adoption et facilite l’implication de l’équipe.
Le vrai problème : l’information ne manque pas, la méthode si
Si vous dirigez une PME de 20 à 150 personnes, vous avez probablement déjà eu la conversation : “On devrait faire quelque chose avec l’IA.” Et puis rien ne se passe. Non par manque de volonté, mais parce que le flux d’actualités IA est proprement ingérable. Un nouveau modèle sort chaque semaine. Les cas d’usage promis sont souvent vagues. Les articles de blog alternent entre hype et scepticisme. Et votre agenda, lui, ne bouge pas.
Dharmesh Shah, co-fondateur de HubSpot, a rencontré ce problème à la même échelle que n’importe quel dirigeant — avec la différence qu’il a formalisé sa réponse. Sa méthode repose sur trois principes simples : utiliser plutôt que lire, réévaluer régulièrement plutôt que réagir en continu, et tester avec un objectif plutôt que par curiosité.
Ce que cette méthode produit concrètement, c’est une compétence que les experts appellent la “fluence IA” : une capacité à évaluer rapidement ce qu’un outil peut faire dans votre contexte, sans avoir besoin d’un intermédiaire pour vous l’expliquer. Pour un dirigeant, c’est une ressource stratégique.
Principe 1 : Utiliser plutôt que lire
La lecture passive d’articles sur l’IA crée une illusion de compréhension. Vous savez que les LLM “hallucinent”, que les agents peuvent “prendre des décisions autonomes”, que le RAG permet d‘“ancrer les réponses dans vos données”. Mais ces notions restent abstraites jusqu’à ce que vous les rencontriez dans la pratique.
Shah insiste là-dessus : l’usage quotidien des outils IA est irremplaçable. Pas parce que les outils sont parfaits, mais parce qu’ils révèlent précisément leurs limites — et que c’est là que se trouve l’information utile pour un dirigeant.
Quelques exemples concrets, adaptables à la majorité des PME de services :
- Résumé de documents : Un cabinet comptable qui reçoit des rapports financiers volumineux peut utiliser Claude pour en extraire les points saillants en quelques secondes. Ce n’est pas magique, mais ça change le rapport au volume d’information.
- Rédaction de premiers jets : Un recruteur qui passe 40 minutes à formuler une annonce de poste peut déléguer le brouillon à un outil et passer en mode édition. Le gain est réel, pas théorique.
- Qualification de prospects : Une agence immobilière peut configurer un agent simple pour filtrer les demandes entrantes selon des critères prédéfinis avant qu’un consultant humain ne s’y implique.
Ce que ces usages ont en commun : ils ne nécessitent pas d’expertise technique. Ils requièrent simplement la décision de remplacer une habitude par une autre.
McKinsey a documenté à plusieurs reprises que les organisations dont la direction utilise personnellement les outils IA sont significativement plus susceptibles de réussir leur déploiement à l’échelle. Le mécanisme est simple : un dirigeant qui a manipulé un outil peut formuler des attentes réalistes, détecter les dérives, et crédibiliser l’adoption auprès de ses équipes.
Principe 2 : Des revues trimestrielles, pas une veille permanente
L’erreur la plus courante que font les dirigeants occupés : essayer de suivre l’actualité IA en temps réel. C’est épuisant, c’est souvent inutile, et ça produit surtout de l’anxiété sans valeur ajoutée.
Shah propose une alternative : planifier des sessions de réévaluation tous les trois mois. L’idée est de traiter l’IA comme on traite un bilan commercial ou une revue de portefeuille — pas comme un flux RSS à consulter chaque matin.
La structure d’une revue trimestrielle efficace ressemble à ceci :
- Lister les frictions actuelles : Quels processus ralentissent la croissance ? Où les erreurs sont-elles les plus fréquentes ? Quelles tâches mobilisent du temps qualifié pour des résultats médiocres ?
- Scanner les évolutions récentes : Quels nouveaux outils ou fonctionnalités sont sortis depuis la dernière revue ? Pas besoin de tout lire — une demi-heure de recherche ciblée sur les outils pertinents à votre secteur suffit.
- Croiser les deux listes : Y a-t-il des nouvelles capacités qui répondent directement à une friction identifiée ? Si oui, c’est un candidat au test.
- Planifier un test délimité : Durée fixe, critère de succès défini, responsable désigné.
Cette cadence trimestrielle n’est pas arbitraire. Elle correspond au rythme auquel les modèles majeurs évoluent de manière significative. Un outil jugé insuffisant en janvier peut avoir intégré des fonctionnalités décisives en avril. En réévaluant régulièrement, vous évitez de figer vos conclusions sur des évaluations devenues obsolètes.
Principe 3 : Tester avec un problème réel, pas par curiosité
La curiosité est une bonne raison d’explorer. Ce n’est pas un critère d’évaluation.
Le test orienté problème consiste à définir, avant d’ouvrir l’outil, ce qu’on cherche à résoudre. Sans cet ancrage, l’expérimentation produit des impressions floues : “C’est impressionnant”, “Ça m’a surpris”, “Je ne suis pas sûr que ça serve à quelque chose”. Avec un problème précis, elle produit une réponse binaire : ça fonctionne dans ce contexte, ou ça ne fonctionne pas.
Exemple : une agence de conseil RH qui perd du temps à rédiger des comptes-rendus d’entretien peut tester un workflow d’IA autour de ce cas précis. Critère de succès : le compte-rendu brut produit par l’outil est utilisable après 10 minutes de révision humaine, contre 40 minutes de rédaction de zéro. Si ce critère est atteint sur un échantillon de 20 entretiens, le cas d’usage est validé. Sinon, le test a quand même produit de l’information utile sur les limites actuelles des outils.
Cette rigueur n’est pas une contrainte bureaucratique. C’est ce qui permet de prendre des décisions d’adoption ou de rejet avec des arguments concrets, pas des impressions.
Les pièges les plus fréquents
La paralysie par l’information
Vouloir tout comprendre avant de commencer est une forme de procrastination déguisée en prudence. Le paysage IA ne se stabilisera pas à court terme. La seule façon d’en avoir une compréhension réelle, c’est d’y entrer.
L’expérimentation sans mémoire
Beaucoup d’équipes testent des outils sans documenter les résultats. Trois mois plus tard, personne ne se souvient pourquoi l’outil avait été écarté — ou au contraire, les enseignements du test n’ont jamais été capitalisés. Une fiche de test simple (problème, outil, critère, résultat, décision) suffit à éviter de réinventer la roue à chaque revue.
L’abandon sur la première friction
Les outils IA ont des courbes d’apprentissage. Un prompt mal formulé produit une réponse décevante — ce qui ne dit rien sur les capacités réelles de l’outil. La méthode Shah intègre explicitement que les premiers résultats ne sont pas représentatifs des résultats obtenus après quelques semaines d’utilisation régulière.
Le perfectionnisme comme frein
Attendre le bon moment, le bon outil, la bonne configuration — c’est garantir de ne jamais commencer. L’approche progressive valorise l’amélioration continue sur la perfection initiale. Un processus imparfait qui tourne est infiniment plus utile qu’un processus parfait qui n’existe pas encore.
Adapter la méthode à la taille de votre structure
La méthode n’est pas one-size-fits-all. Elle s’adapte selon la taille et la maturité de l’organisation.
Pour les équipes de moins de 10 personnes, l’objectif prioritaire est l’efficacité personnelle du dirigeant. Concentrez-vous sur 1 ou 2 outils qui réduisent votre propre charge cognitive. L’automatisation d’équipe viendra ensuite.
Pour les PME de 10 à 100 personnes, impliquez les responsables de département dans les revues trimestrielles. Chaque pôle — commercial, opérations, finance — peut identifier ses frictions propres. Cela distribue l’exploration et augmente les chances de trouver des cas d’usage à fort impact.
Pour les structures de plus de 100 personnes, formalisez le processus. Désignez un référent IA par pôle, allouez un budget d’expérimentation explicite, et documentez les décisions dans un format partageable. Les revues peuvent devenir bimestrielles si le contexte sectoriel l’exige.
Ce que révèle la pratique régulière
Un phénomène récurrent : les équipes qui intègrent des outils IA dans leur quotidien finissent par découvrir des cas d’usage que personne n’avait anticipés au départ.
Un cabinet juridique qui commence par automatiser la mise en forme de contrats réalise, après quelques semaines, que le même outil peut générer une première analyse de conformité sur des clauses standard — libérant les associés pour les analyses à forte valeur ajoutée. Un responsable commercial d’une agence immobilière qui utilise un outil de résumé pour ses réunions découvre qu’il peut aussi préparer ses rendez-vous clients deux fois plus vite en générant des fiches de présentation automatisées.
Ces découvertes ne viennent pas de la lecture d’un article. Elles viennent de la pratique.
Dans notre travail chez Basalt Studio pour aider des PME dirigées par leur fondateur à déployer des agents IA, le pattern est presque systématique : le premier cas d’usage formalisé ouvre la porte à deux ou trois autres que le dirigeant n’avait pas envisagés en amont. La méthode Shah crée exactement les conditions dans lesquelles ces découvertes peuvent se produire.
Mesurer ce que vous apprenez
La veille IA n’est pas un investissement mesurable au même titre qu’une campagne publicitaire. Mais quelques indicateurs permettent d’évaluer si votre approche produit des résultats concrets :
Indicateurs quantitatifs
- Nombre de processus partiellement ou entièrement automatisés sur les 12 derniers mois
- Temps moyen économisé sur les tâches ciblées par les outils adoptés
- Taux d’adoption des outils déployés dans l’équipe (un outil que personne n’utilise n’a pas de valeur)
Indicateurs qualitatifs
- Votre équipe est-elle capable d’identifier de nouveaux cas d’usage sans que vous les initiiez ?
- Les conversations sur l’IA dans votre organisation ont-elles changé de nature (moins “est-ce que ça marche vraiment ?” et plus “comment on configure ça pour notre contexte ?”) ?
- Avez-vous une opinion fondée sur au moins 3 ou 4 outils différents, basée sur votre propre expérience ?
Un cadre simple pour commencer cette semaine
Si vous partez de zéro, voici une séquence réaliste sur six semaines :
- Semaines 1-2 : Choisissez une tâche récurrente dans votre propre agenda et testez de l’IA dessus. Pas pour votre équipe encore — pour vous. Notez ce qui fonctionne et ce qui résiste.
- Semaine 3 : Listez les 5 frictions les plus coûteuses dans vos processus actuels. Pas en termes technologiques — en termes de temps perdu, d’erreurs fréquentes, ou de compétences manquantes.
- Semaines 4-5 : Choisissez la friction la plus coûteuse et trouvez 1 ou 2 outils qui y répondent potentiellement. Testez-les avec un critère de succès défini à l’avance.
- Semaine 6 : Documentez ce que vous avez appris et planifiez votre première revue trimestrielle formelle.
Ce n’est pas un projet IA. C’est la mise en place d’une habitude de raisonnement sur l’IA.
L’IA ne ralentira pas pour vous laisser le temps de vous préparer. Mais vous n’avez pas besoin de suivre chaque actualité pour prendre des décisions pertinentes. Ce qu’il vous faut, c’est un système : une pratique régulière, des points de réévaluation, et une discipline d’expérimentation ancrée dans vos vrais problèmes métier. C’est exactement ce que la méthode Shah propose — et c’est à la portée de n’importe quel dirigeant de PME, sans équipe technique dédiée.
Si vous souhaitez explorer comment cette approche pourrait s’appliquer à votre contexte spécifique, vous pouvez réserver un appel stratégie IA avec l’équipe Basalt pour une conversation sans engagement sur vos priorités actuelles.