septembre 2026

Le conseil à l’ère de l’IA : de la recommandation à l’hyper-réalisme

Points à retenir

L’IA ne tue pas le conseil : elle tue le conseil qui vendait de l’analyse et des recommandations détachées de l’exécution.

Le livrable ne prouve plus rien. L’analyse et le savoir sont devenus des commodités.
Le socle économique du conseil vacille. Le jour/homme et la pyramide de juniors perdent leur sens quand l’IA fait le travail d’entrée de carrière.
La technologie seule ne sauve pas. 70 % des transformations échouaient déjà avant l’IA ; piloter par l’outil ne fait qu’accélérer l’existant.
La valeur se déplace vers l’hyper-réalisme : décider en sachant réellement ce que l’organisation est capable d’exécuter, jusqu’à son dernier maillon.
Le consultant devient un opérateur : il prototype, porte l’exécution et s’engage sur le résultat, avec un modèle de coût radicalement différent.

Ce qui mute : sept constats sur le modèle du conseil

1. Le livrable décorrélé de l’exécution ne tient plus

Pendant trente ans, le conseil a vendu un objet : le deck. Le problème n’est pas nouveau, mais il devient criant : un PowerPoint ne peut plus rester la seule preuve de valeur.

Les clients eux-mêmes ont changé d’attente. Le 2026 Global Consulting Fees Survey observe que les formats au forfait, en accompagnement récurrent ou à temps partagé progressent, parce que les clients veulent un soutien dans la durée plutôt qu’un conseil ponctuel. Le métier glisse de la vente de réponses vers l’aide à la réalisation du changement.

2. L’analyse est devenue une commodité

Étude de marché, benchmark, revue de littérature, synthèse d’entretiens, rapports : tout cela se produit aujourd’hui en quelques heures avec un modèle de langage. L’expérience menée par Harvard, le MIT, Wharton et BCG sur 758 consultants l’a mesuré dès 2023 : sur les tâches à la portée de l’IA, les consultants équipés ont réalisé 12,2 % de tâches en plus, 25 % plus vite, avec une qualité jugée environ 40 % supérieure.

La même étude montre l’envers du décor. Sur une tâche hors de portée du modèle, les consultants assistés ont eu 19 points de moins de chances de trouver la bonne réponse. Autrement dit, l’IA égalise la production d’analyse, mais elle ne signale pas quand elle se trompe.

Quand le document est la seule preuve de valeur, le client n’a plus de moyen de distinguer l’expertise de sa simulation.

3. Le savoir n’est plus un actif rare

Le modèle historique reposait sur une asymétrie d’information : le cabinet savait ce que le client ignorait, grâce à ses bases de connaissances, ses benchmarks et ses experts. Cette asymétrie s’est effondrée. On dispose aujourd’hui, pour quelques dizaines d’euros par mois, d’un accès instantané à l’essentiel du savoir méthodologique publié.

4. Les cabinets doivent adapter leur structure de coûts et de facturation

Le modèle pyramidal (beaucoup de juniors facturés, peu d’associés) devient difficile à défendre quand l’IA absorbe le travail d’entrée de carrière.

La Harvard Business Review a donné un nom à cette mutation : l’obélisque. David Duncan, Tyler Anderson et Jeffrey Saviano y décrivent des équipes plus petites, plus seniors. Ils notent aussi que les acteurs installés se disruptent rarement eux-mêmes : leur culture et leurs incitations récompensent encore les heures facturées plutôt que la valeur apportée.

Facturer du temps a pourtant de moins en moins de sens si le temps n’est plus un facteur de production. McKinsey indique qu’environ un quart de ses honoraires mondiaux est désormais lié à des résultats plutôt qu’à des heures.

Le pricing au résultat change tout : il oblige le cabinet à connaître la capacité d’exécution du client, faute de quoi il prend un risque qu’il ne sait pas mesurer.

5. Les clients « drivés » par la tech perdent la vision

Spontanément, beaucoup de directions abordent l’IA par l’outil. Le résultat est connu. Le rapport préliminaire du MIT NANDA (juillet 2025, non revu par les pairs) estime que 95 % des organisations étudiées n’observent aucun retour mesurable de leurs initiatives d’IA générative, et en attribue la cause principale à la mauvaise intégration dans les flux de travail réels.

Julie Sweet, PDG d’Accenture, le résume en une phrase : quand les clients ne voient pas de ROI, c’est qu’ils essaient d’appliquer l’IA à leur façon actuelle de fonctionner. La technologie ne remplace pas la vision ; sans elle, elle accélère simplement la reproduction de l’existant.

6. Les transformations portées par les cabinets échouent depuis longtemps

L’IA n’a pas créé le problème, elle l’a rendu impossible à ignorer. BCG estimait dès 2020 que 70 % des transformations digitales n’atteignent pas leurs objectifs, et n’en comptait que 30 % pleinement réussies. Ce taux d’échec a survécu à plusieurs générations de méthodes, d’outils et de cabinets.

7. La logique des fonds d’investissement pèse sur le positionnement

Dans les entreprises détenues par des fonds, l’IA est devenue une composante du récit de sortie, et certains investisseurs vont beaucoup plus loin. General Catalyst a dédié 1,5 milliard de dollars au rachat d’entreprises de services (comptabilité, centres d’appels, services IT) pour les reconstruire autour de l’IA, avec l’ambition de faire passer leurs marges d’EBITDA de 5–10 % vers des niveaux proches du logiciel (chiffres communiqués par les investisseurs eux-mêmes). Les laboratoires d’IA suivent : OpenAI a lancé une société de déploiement aux côtés de TPG, Advent, Bain Capital et Brookfield.

PwC observe de son côté que les entreprises doivent démontrer un impact mesurable sur le compte de résultat avant d’obtenir une prime de valorisation. Beaucoup de dirigeants se retrouvent donc tirés entre deux attentes : afficher un positionnement « IA » crédible, et prouver qu’il se traduit en EBITDA. Le récit sans exécution ne passe plus la due diligence.

Ce qui doit changer : vision, prototypage, agilité et hyper-réalisme

Garder une vision, précisément parce que la technologie n’en donne pas

Une IA sait produire dix scénarios stratégiques plausibles. La vision reste le travail de la direction : dire quelle valeur l’entreprise veut créer pour quels clients, et ce qu’elle accepte de ne pas faire.

C’est aussi le seul antidote au pilotage par l’outil. Une organisation qui sait où elle va choisit sa technologie ; une organisation qui ne le sait pas se laisse choisir par elle.

L’hyper-réalisme : décider en connaissance réelle de sa capacité d’exécution

Une décision n’a de valeur que si l’organisation sait l’exécuter, et cette capacité ne se lit ni dans l’organigramme ni dans les procédures. Elle se lit dans ce que font réellement les équipes, jusqu’aux derniers maillons de la chaîne, fonctions support comprises.

En fait, le marché ne paie plus pour savoir quoi faire, il paie pour que ça marche.

L’hyper-réalisme s’applique sur deux fronts à la fois :

Les facteurs externes. Le marché tel qu’il se comporte : ce que les clients achètent vraiment, pourquoi ils partent, ce que les concurrents livrent, ce que les régulateurs vont exiger.
Les facteurs internes. L’organisation telle qu’elle fonctionne : qui décide vraiment, comment l’information circule, où le travail se bloque, quels contournements les équipes ont inventés, quelle charge chaque changement ajoutera sur des équipes déjà saturées.

Sans réalisme externe, on exécute parfaitement la mauvaise stratégie. Sans réalisme interne, on décide la bonne stratégie et on ne la délivre jamais.

La stack technique, colonne vertébrale de l’exécution

Avec l’IA, la stack technique n’est plus un sujet de DSI parmi d’autres. C’est l’ossature par laquelle l’exécution passe : les données, les outils, les automatisations et les agents déterminent ce que l’organisation peut faire, à quelle vitesse et à quel coût.

Elle doit donc être dessinée à partir des spécificités concrètes de l’exécution, et non l’inverse. Choisir une plateforme parce qu’elle est la référence du marché, puis demander aux équipes de s’y adapter, reproduit exactement le schéma que le MIT NANDA associe aux échecs : un outil qui ne s’insère pas dans le flux réel. Une stack hyper-réaliste part des tâches, des volumes, des exceptions et des clients internes qu’elle doit servir.

Comment devenir hyper-réaliste ?

L’hyper-réalisme n’est pas une posture, c’est une pratique. Elle s’acquiert en appliquant à l’organisation elle-même les méthodes du design, qui ont toujours été la discipline du réel. Cinq gestes la rendent concrète.

Observer plutôt que supposer. Cesser d’agir par suppositions, mais par l’observation et la donnée, pour saisir ce que les gens font, par opposition à ce qu’ils disent faire.
Cartographier le travail réel. Identifier pour chaque équipe le client interne qu’elle sert et le job to be done qu’il attend, jusqu’aux fonctions support.
Mesurer les frictions et les relier au business. Temps d’obtention de la valeur, effort demandé aux collaborateurs : chaque friction est mise en regard des indicateurs de la direction (coût d’acquisition, EBITDA, objectifs stratégiques).
Prototyper plutôt que recommander. Le coût de fabrication d’une première version s’est effondré. Un outil interne, un parcours client, un agent, un tableau de bord peuvent être testés en quelques jours. Le prototype remplace donc le slide comme unité de décision : on ne débat plus d’une intention, on observe un usage.
Juger une solution à son adoption. Confronter chaque version à l’usage, et considérer une solution non adoptée comme une solution fausse, quelle que soit sa qualité technique.

Une recommandation fausse se découvre après six mois de déploiement ; un prototype faux se découvre en une semaine, pour un coût marginal.

Ces pratiques ont longtemps été cantonnées au produit et au parcours client, et parfois diluées dans des ateliers de post-it. Appliquées à l’organisation, elles deviennent un outil de décision stratégique. C’est ce qui fait la différence entre une vision et une vision exécutable : cette expertise, enracinée dans le design, ne remplace pas la stratégie ; elle lui donne la connaissance du terrain qui lui manquait.

Vous voulez savoir ce que votre organisation est réellement capable d’exécuter ? Parlons-en pendant 30 minutes, sans engagement.

Prendre rendez-vous

La nouvelle posture du consultant : penser en stratège, avancer en fondateur, exécuter en propriétaire

Vendre une preuve de valeur, pas des références

Luk Smeyers, qui accompagne depuis des années la croissance de cabinets de conseil, fait un constat sévère : la plupart des cabinets vendent leurs références (années d’expérience, méthodologies, logos clients) plutôt que des résultats. Il y voit la cause directe des taux de transformation faibles et de la pression sur les prix.

Il décrit la confiance comme la superposition de trois couches : la spécificité avec laquelle la valeur est formulée, la preuve de cette valeur, et la capacité à donner au client la confiance de décider. Cela suppose un positionnement étroit, un problème précis, une méthode documentée et des données collectées mission après mission.

Ce que cela change pour le métier de conseil

Le centre de gravité du métier se déplace.

De la recommandation à l’engagement sur le résultat. Il s’agit d’être évalué sur ce qui a changé, pas sur ce qui a été livré.
Du livrable au prototype. La preuve se fabrique pendant la mission, sous forme de versions testées en conditions réelles.
De l’expertise détenue à la connaissance située. La capacité à comprendre, en profondeur, comment une organisation précise fonctionne réellement.
Du jour/homme au prix de la valeur. Un consultant qui connaît la capacité d’exécution de son client peut s’engager sur un résultat ; celui qui ne la connaît pas ne peut vendre que son temps.

Il s’agit de porter un résultat et laisser derrière une organisation capable de le reproduire. Et ce qui ne change pas compte autant que ce qui change : l’indépendance de jugement, et la capacité à dire à une direction ce qu’elle ne veut pas entendre, restent le socle du métier.

Quel modèle de coût pour ce conseil-là ?

Côté coûts, le modèle s’inverse. Moins de juniors facturés, davantage de seniors capables de décider et d’exécuter, et une part croissante du budget consacrée aux outils, aux agents et aux actifs réutilisables : diagnostics outillés, composants de prototypes, bases de référence. Le cabinet investit en amont dans sa capacité de production plutôt que dans ses effectifs.

Côté revenus, le jour/homme laisse place à trois briques combinables : des sprints courts au forfait, adossés à une version testable ; une part variable indexée sur un résultat mesuré ; un accompagnement récurrent pour tenir la trajectoire. Le 2026 Global Consulting Fees Survey mesure déjà ce glissement : la part des consultants facturant principalement à l’heure est passée de 36 % à 30 % en deux ans.

La marge ne vient plus du volume d’heures vendues, mais de la réutilisation des actifs et de la vitesse d’exécution. Cette économie a deux conditions : une base de référence chiffrée avant la mission, et une influence réelle du consultant sur l’exécution. Sans elles, s’engager sur un résultat revient à parier.

Ce que ça change pour une direction

Pour un dirigeant, quatre questions permettent de trier les offres :

Le cabinet s’engage-t-il sur un résultat mesurable, ou sur un livrable ?
Comment compte-t-il comprendre le fonctionnement réel des équipes, au-delà des entretiens de direction et des procédures écrites ?
À quel moment de la mission une première version sera-t-elle testée ?
Qu’est-ce qui restera dans l’organisation quand il sera parti ?

Mais l’entreprise doit être prête et capable de suivre avec une agilité qui porte sur les décisions, pas sur les rituels. Sa capacité à ré-arbitrer vite, et sur preuve.

C’est la logique de la méthode Yaga : un diagnostic comportemental qui part du travail réel, relie chaque friction au client interne puis au client final, la chiffre en indicateurs business, et conduit la transformation jusqu’à son adoption. Le détail de plusieurs missions menées à leur terme, avec des ROI mesurés allant de ×9 à ×115 selon les contextes, est disponible sur la page Use Cases.

Questions fréquentes

L’IA va-t-elle remplacer les consultants ?

Elle remplace une partie de leur production : analyse, synthèse, rédaction, benchmark. Elle ne remplace ni la connaissance d’une organisation précise, ni le jugement sur ce qu’elle doit faire, ni la conduite de l’exécution. Ce sont ces trois fonctions qui définissent désormais le métier.

Qu’est-ce que l’hyper-réalisme en conseil ?

C’est le principe selon lequel une décision stratégique doit être prise en connaissance réelle de la capacité d’exécution de l’organisation, jusqu’aux fonctions support. Il s’applique au marché (comportements réels des clients et concurrents) comme à l’interne (organisation, circuits de décision, outils, charge des équipes).

La facturation au résultat est-elle adaptée aux PME et ETI ?

Elle l’est quand le résultat peut être mesuré et que le cabinet connaît assez bien l’organisation pour évaluer son risque. Elle suppose une base de référence chiffrée, qu’on peut reconstituer même en l’absence d’indicateurs existants.

Pourquoi relier la stack technique à l’exécution plutôt qu’à la stratégie ?

Parce que c’est par elle que l’exécution passe. Une stack choisie sur catalogue, sans partir des tâches réelles, des volumes et des exceptions, oblige les équipes à s’adapter à l’outil ; c’est l’une des causes les plus fréquentes des projets IA sans retour mesurable.

Pourquoi les livrables de type PowerPoint ne suffisent-ils plus en conseil ?

Parce qu’un document ne prouve plus l’expertise : l’IA sait produire en quelques heures une étude de marché ou un rapport structuré. Un livrable détaché de l’exécution ne contient ni la capacité réelle de l’organisation à agir, ni les frictions qui feront échouer la recommandation. La preuve de valeur se déplace vers le résultat obtenu et les versions testées en conditions réelles.

Qu’est-ce que le modèle « obélisque » dans les cabinets de conseil ?

C’est la structure qui remplace la pyramide traditionnelle, décrite par la Harvard Business Review en 2025. Moins de juniors, puisque l’IA absorbe l’analyse d’entrée de carrière, et des équipes plus petites et plus seniors, centrées sur le jugement, la relation client et la conduite de l’exécution.

Combien de transformations digitales échouent ?

Selon BCG, environ 70 % des transformations digitales n’atteignent pas leurs objectifs, et seulement 30 % réussissent pleinement. Ce taux d’échec est antérieur à l’IA générative : il tient surtout à l’écart entre la stratégie décidée et la capacité réelle d’exécution.

Pourquoi la plupart des projets d’IA générative ne produisent-ils pas de retour mesurable ?

Le rapport préliminaire du MIT NANDA (2025) estime que 95 % des organisations étudiées n’en tirent aucun retour mesurable, principalement parce que les outils s’intègrent mal aux flux de travail réels. La cause est rarement le modèle lui-même : c’est l’absence de connaissance fine de la manière dont le travail se fait.

Comment choisir un cabinet de conseil à l’ère de l’IA ?

Quatre critères font la différence : l’engagement sur un résultat mesurable plutôt que sur un livrable, la méthode utilisée pour comprendre le fonctionnement réel des équipes, le délai avant qu’une première version soit testée, et ce qui restera dans l’organisation après la mission.

Quelle différence entre un consultant-opérateur et un manager de transition ?

Le manager de transition occupe un poste vacant pendant une durée définie. Le consultant-opérateur porte un résultat précis, conduit l’exécution avec les équipes en place, et laisse derrière lui une organisation capable de reproduire ce résultat sans lui.

Quel est le rôle du design dans la transformation d’une organisation ?

Le design apporte une méthode d’accès au réel : observer ce que les gens font plutôt que ce qu’ils déclarent, prototyper, et juger une solution à son adoption. Appliqué à l’organisation, il permet de redéfinir le travail de chaque équipe à partir des attentes de son client interne, puis du client final.

Comment les fonds d’investissement influencent-ils la stratégie IA des entreprises ?

Dans les entreprises détenues par des fonds, l’IA est devenue un argument de valorisation à la sortie. Les acheteurs exigent désormais un impact mesurable sur le compte de résultat : un positionnement « IA » sans exécution démontrée ne résiste plus à la due diligence.

Une PME ou une ETI peut-elle adopter cette approche sans équipe data ni DSI étoffée ?

Oui. L’hyper-réalisme repose d’abord sur l’observation du travail réel et la mesure des frictions, pas sur une infrastructure avancée. C’est même ce qui évite d’investir dans une stack surdimensionnée ou mal adaptée aux besoins concrets de l’exécution.

Sources

AI Is Changing the Structure of Consulting Firms – Harvard Business Review, David Duncan, Tyler Anderson, Jeffrey Saviano, septembre 2025.
What are consultants charging in 2026 – 2026 Global Consulting Fees Survey, août 2026.
Europe’s AI Transformation in Services – General Catalyst, avril 2026.
Founder’s Guide to AI-Enabled Roll-Ups – Capital Founders, juillet 2026.
AI is forcing McKinsey, BCG, Bain to rethink consulting fees – TheStreet, mai 2026.
AI is reshaping how McKinsey makes money – Business Insider, novembre 2025.
Navigating the Jagged Technological Frontier – Harvard Business School, Dell’Acqua et al., 2023.
Deloitte to partially refund Australian government – Associated Press, octobre 2025.
Accenture plans on exiting staff who can’t be reskilled on AI – CNBC, septembre 2025.
Accenture 865 million reinvention – Fortune, septembre 2025.
MIT NANDA, The GenAI Divide – Virtualization Review, août 2025.
Increasing the odds of success in digital transformation – BCG, 2020.
US Deals 2026 midyear outlook: private equity – PwC, 2026.
Building a winning consulting value proposition – Luk Smeyers, février 2025.
How consulting firms can build trust at scale – Luk Smeyers.