La Mentalité « Assez Bien » : Le Secret pour Vraiment Travailler avec l'IA
Eliott Ardisson
Founder & CEO - Basalt Studio
Comment la mentalité "assez bien" transforme l'IA en habitude de travail quotidienne : approche pratique pour les PME qui veulent progresser sans viser la perfection.
Points clés
- La mentalité « assez bien » consiste à traiter l’IA comme un assistant compétent qui fait 80% du chemin, pas comme un outil qui doit tout produire parfaitement du premier coup.
- Le contrôle humain reste essentiel : vous décidez ce qui vaut la peine d’être conservé, raffiné ou envoyé.
- Les tâches répétitives et structurées (brouillons, résumés, catégorisation, reporting) sont là où cette approche génère le plus de valeur.
- Une adoption progressive, tâche par tâche, produit de meilleurs résultats qu’une transformation globale imposée à une équipe.
- Le vrai risque n’est pas d’utiliser trop l’IA — c’est d’exiger une perfection impossible qui empêche toute adoption durable.
Quand les dirigeants de PME nous parlent de l’IA, ils tombent souvent dans l’un de deux camps. Soit ils pensent que l’IA va tout régler automatiquement et sont déçus quand ce n’est pas le cas. Soit ils estiment que les résultats ne sont jamais assez bons pour être utiles. Dans les deux cas, ils n’utilisent pas l’IA.
Le problème, c’est le standard qu’on lui fixe.
Rien dans le business n’est parfait la première fois. Pas un brouillon de proposition commerciale. Pas un email de relance. Pas des notes de réunion. Pourquoi exiger de l’IA un niveau d’exigence qu’on ne s’impose pas à soi-même ?
La mentalité « assez bien » répond à cette question directement : utilisez l’IA pour parcourir la majeure partie du chemin rapidement, gardez le contrôle sur ce qui compte, et avancez. C’est une philosophie de travail, pas un raccourci.
Pourquoi le perfectionnisme tue l’adoption de l’IA
La paralysie du perfectionnisme est bien documentée en psychologie organisationnelle. Transposée à l’IA, elle prend une forme particulière : « je vais tester quand j’aurai le temps de vraiment l’explorer », ou « le résultat n’est pas assez bon pour mon usage ».
Ces deux réflexes aboutissent au même endroit : l’outil reste inutilisé.
Ce qui rend la chose ironique, c’est que les tâches pour lesquelles on exige le plus de l’IA sont souvent celles où le retravail humain est de toute façon inévitable. Un brouillon de contrat nécessite une relecture juridique. Un rapport financier demande une interprétation contextuelle. Un email client a besoin d’une touche personnelle. L’IA n’a jamais prétendu remplacer ce travail-là.
L’erreur est d’attendre qu’elle le fasse avant de commencer à l’utiliser.
La recherche sur l’adoption technologique en entreprise, notamment les travaux du Gartner sur la maturité des outils d’IA, souligne régulièrement que la confiance calibrée est un facteur clé d’utilisation durable. Trop de méfiance : sous-utilisation. Trop de confiance aveugle : erreurs non détectées et perte de contrôle. Le bon équilibre, c’est exactement ce que la mentalité « assez bien » formalise.
Des travaux de recherche issus du MIT Sloan et de McKinsey convergent sur un point : les gains de productivité liés à l’IA dans les fonctions de connaissance viennent moins de l’automatisation complète que de l’accélération des phases de création initiale — brouillon, structure, première analyse — combinée à un jugement humain final. C’est précisément ce que cette approche met en œuvre.
Ce que « assez bien » veut dire concrètement
« Assez bien » ne signifie pas « médiocre ». Ça signifie : adapté à l’étape dans laquelle on se trouve.
Un brouillon « assez bien » pour une proposition commerciale, c’est un document qui a la bonne structure, les bons arguments de base, le bon ton — et qui nécessite 20 minutes de personnalisation plutôt que 2 heures de rédaction from scratch.
Un résumé de réunion « assez bien », c’est un document qui capture les décisions prises et les étapes suivantes, même si la formulation n’est pas encore celle que vous utiliseriez.
Un email de relance « assez bien », c’est un message qui fait le travail de premier contact, que vous allez relire 5 minutes avant d’envoyer.
Dans chaque cas, vous n’êtes pas en train de baisser vos standards. Vous changez à quelle étape du processus vous intervenez.
Les tâches où cette approche fonctionne le mieux
Toutes les tâches ne se prêtent pas à cette logique. Pour identifier celles qui s’y prêtent, posez-vous trois questions :
Est-ce que cette tâche est répétitive ? Si vous la faites plusieurs fois par semaine selon un schéma similaire, l’IA peut produire une base solide à chaque fois.
Est-ce que cette tâche est structurée ? Si elle suit un format connu (rapport mensuel, réponse à une FAQ, email de bienvenue), l’IA a suffisamment de contexte pour générer quelque chose d’utile.
Est-ce que je peux facilement identifier ce qui ne va pas ? Si vous pouvez relire le résultat en 5 à 10 minutes et repérer les erreurs ou ajustements nécessaires, vous êtes dans de bonnes conditions.
Exemples concrets par secteur :
- Cabinet de recrutement : rédaction de fiches de poste, résumés de candidatures, emails de mise à jour aux clients
- Agence immobilière : descriptions de biens, réponses aux demandes d’information entrantes, comptes rendus de visite
- Cabinet comptable : résumés de réunion client, ébauches de lettres de mission, FAQ fiscales
- HVAC / artisans : devis types, emails de suivi post-intervention, réponses aux demandes courantes
- Cabinet juridique : premier brouillon de clauses standard, résumés de dossier, réponses aux questions récurrentes
À l’inverse, évitez d’appliquer cette logique à des tâches où une erreur non détectée a des conséquences sérieuses : conseil juridique final, diagnostics techniques critiques, communication de crise, négociations sensibles. Ce n’est pas une question de compétence de l’IA — c’est une question de responsabilité humaine irremplaçable.
Un processus en quatre temps
1. Choisir la bonne tâche
Ne commencez pas par la tâche la plus complexe de votre semaine. Commencez par une qui est fréquente, bien définie, et dont vous connaissez le résultat attendu. C’est sur ces tâches que vous allez construire la confiance et les réflexes.
2. Donner un brief clair à l’IA
La qualité du résultat dépend directement de la clarté de votre demande. Un bon prompt précise le rôle attendu, l’objectif de la tâche, le ton, et le format souhaité. « Rédige un email de relance pour un prospect qui n’a pas répondu depuis 10 jours, ton professionnel mais direct, 3 paragraphes maximum » est infiniment plus utile que « écris un email de relance ».
Acceptez que le premier brouillon ne soit pas parfait. C’est prévu.
3. Réviser avec méthode
Votre révision a un objectif précis : vérifier la précision factuelle, ajuster le ton à votre contexte, personnaliser ce qui doit l’être, et valider que le message correspond à votre intention. Ce n’est pas une réécriture complète — si vous réécrivez tout, c’est que votre brief était insuffisant.
Définissez vos critères de qualité à l’avance. Pour un contenu écrit : la structure est cohérente, les informations sont exactes, le ton correspond à votre marque, la longueur est appropriée. Ces critères vous permettent de réviser efficacement sans vous perdre dans des détails secondaires.
4. Itérer sur le processus, pas seulement sur le résultat
La plupart des gens améliorent leur résultat mais n’améliorent pas leur processus. Prenez 5 minutes après chaque usage pour noter ce qui a bien fonctionné dans votre prompt et ce que vous modifieriez. Après quelques semaines, vous avez une bibliothèque de prompts efficaces adaptés à vos cas d’usage réels.
Les pièges à éviter
La sur-dépendance non assumée
C’est le risque inverse du perfectionnisme : publier ou envoyer des outputs d’IA sans relecture parce qu’on est pressé ou qu’on a trop confiance. Des erreurs factuelles, des formulations maladroites, des incohérences de ton — tout cela passe si on ne prend pas le temps de relire.
La règle simple : aucun output d’IA ne sort sans relecture humaine. Peu importe la confiance que vous avez dans l’outil.
L’usage ponctuel qui ne devient jamais habitude
L’IA utilisée une fois par mois lors d’un moment d’inspiration ne change rien à votre productivité. Ce qui change quelque chose, c’est l’intégration dans des flux de travail réguliers. Identifiez deux ou trois tâches récurrentes, construisez vos prompts, et utilisez-les systématiquement. L’habitude précède l’efficacité.
La mauvaise tâche au mauvais moment
Vouloir utiliser l’IA pour tout automatiser d’un coup mène à des déceptions. Un cabinet d’avocats qui voudrait automatiser ses consultations juridiques ira dans le mur. Le même cabinet qui automatise ses résumés de dossier, ses réponses aux questions courantes et ses ébauches de lettres de mission verra des gains réels dès les premières semaines.
L’absence de critères de qualité définis
« Je saurai si c’est bien quand je le verrai » n’est pas un critère de qualité. C’est une recette pour perdre du temps en révisions sans fin ou, à l’inverse, pour laisser passer des erreurs. Définissez à l’avance ce qu’un résultat acceptable doit contenir, et révisez en fonction de ces critères.
Observer ce qui se passe dans la pratique
Dans notre travail avec des PME fondateur-dirigeant qui déploient leurs premiers agents IA, chez Basalt Studio, la difficulté la plus fréquente n’est pas technique. C’est comportementale : les équipes ont du mal à accepter qu’un brouillon imparfait est un point de départ valide, pas un échec.
Les équipes qui progressent le plus vite sont celles qui adoptent rapidement un réflexe simple : l’IA produit, l’humain valide. Pas l’inverse. Pas « l’humain produit et l’IA améliore ». Pas « l’IA décide et l’humain exécute ». L’IA produit, l’humain valide.
Ce réflexe prend en général deux à trois semaines à s’installer. Ensuite, il devient naturel.
Mesurer ce qui compte
Quelques indicateurs utiles pour évaluer si la mentalité « assez bien » produit des résultats concrets dans votre contexte :
- Temps de production par tâche : mesurez avant et après pour chaque processus où vous intégrez l’IA. La différence doit être visible après deux semaines d’usage régulier.
- Fréquence d’utilisation : si vous n’utilisez l’outil qu’une fois par semaine, il n’t est pas encore intégré dans vos flux de travail. L’objectif est une utilisation quotidienne sur au moins deux types de tâches.
- Taux de modification des outputs : si vous réécrivez plus de 60% de chaque résultat, votre brief est probablement insuffisant. Affinez-le plutôt que de réécrire.
- Adoption par l’équipe : qui utilise activement, qui résiste, et pourquoi. La résistance est souvent liée au perfectionnisme ou à un manque de clarté sur les critères de qualité acceptables.
Construire progressivement, pas tout à la fois
L’approche la plus solide est séquentielle. Commencez par une tâche. Validez que le processus fonctionne. Documentez-le. Formez les personnes concernées. Puis passez à la suivante.
Cette progression graduelle a un avantage souvent sous-estimé : elle crée de la confiance à chaque étape. Une équipe qui a vu concrètement que l’IA accélère la rédaction des comptes rendus de réunion sera beaucoup plus ouverte à l’idée de l’utiliser pour d’autres tâches. L’adoption se construit par des preuves de concept réelles, pas par des promesses.
La mentalité « assez bien » n’est pas une concession à la médiocrité. C’est une philosophie de travail qui reconnaît que la valeur de l’IA est dans l’accélération de la production initiale, pas dans le remplacement du jugement. Avancer avec 80% de qualité en main et affiner, c’est presque toujours plus efficace qu’attendre d’avoir 100% avant de commencer.
Si vous voulez identifier les premières tâches dans lesquelles cette approche pourrait s’appliquer concrètement dans votre entreprise, réservez un appel stratégie IA avec l’équipe Basalt. Pas de présentation générique — on part de vos processus réels.