Idées
Le parcours conversationnel: l’IA générative ne déplace pas le problème, elle déplace la solution
On a payé des cycles de production entiers pour changer une représentation, alors que la structure des données n’avait pas bougé. Ce n’est pas l’écran qu’il faut refaire, c’est l’idée qu’on doive le figer
L’IA générative ne déplace pas le problème, elle déplace la solution.
Le parcours conversationnel
On ne déplace pas le problème vers un chatbot. On rend la donnée exploitable sous toutes ses formes, et on ne fige plus que le nécessaire.
- Cas 1Réapprovisionnement
- Cas 2Commande fournisseur
- Cas 3200 réceptions à valider
- Cas 4Aide à la décision
La nuance compte. Déplacer le problème, ce serait poser un assistant conversationnel au-dessus d’une application inchangée, et appeler ça une transformation. Déplacer la solution, c’est admettre que la couche de présentation n’est plus le bon endroit pour répondre au besoin métier.
Ce qu’on paie sans le voir
Prenons un cas ordinaire, celui d’une application de gestion de stock.
L’application affiche un tableau des produits sous leur seuil de réapprovisionnement. Un utilisateur demande le même résultat en camembert, par famille de produits. Une demande légitime, et minuscule.
S’ensuit un cycle complet: ouverture de la demande, cadrage UX, validation, développement, recette, mise en production. Un mois ouvré, dans le meilleur des cas, si personne n’est en congé et si le sprint n’est pas déjà plein.
Pendant ce mois, la structure des données n’a pas changé d’une ligne. Le stock a vécu, les volumes ont évolué, mais le modèle est resté identique: même schéma, même requête, même nature de résultat. On a mobilisé une chaîne de production entière pour changer une représentation.
Multipliez par le nombre de tickets «je voudrais le même écran mais en graphe» qui dorment dans vos backlogs. Vous avez le chiffrage.
Des données vivantes, des écrans immobiles
La valeur d’une usine logicielle n’est pas de produire des écrans. C’est de répondre au besoin métier par des données bien structurées.
Des données vivantes: interrogeables, agrégeables, exploitables sous toutes leurs formes. Or nous les enfermons dans des représentations décidées à l’avance, qui les rendent immobiles. Aujourd’hui, ce sont les données qui vivent et l’application qui fige.
L’inversion que permet l’IA générative tient en une phrase: la donnée reste vivante jusqu’à l’écran.
Ce que devient le parcours
On ne parle plus de parcours utilisateur à travers des écrans, des menus, des fils d’Ariane et des formulaires enchaînés clic par clic. On parle de parcours à travers la conversation — un parcours conversationnel.
L’utilisateur est authentifié et porteur d’un profil. Il formule son besoin en langage naturel, à la voix ou au clavier. Le périmètre de sa demande ne vient pas d’un écran de filtres: il vient de ses droits et de son contexte métier.
Le rendu, lui, n’est plus décidé six mois plus tôt par un concepteur d’écran. Il est décidé au moment de la demande. Tableau, camembert, ou simplement la liste des références à réapprovisionner.
Ce qui reste figé
C’est l’objection immédiate, et elle est saine: si tout se génère, que contrôle-t-on encore?
Deux choses, et deux seulement.
Les actions autorisées par le profil. On ne masque plus un bouton dans une interface: on refuse une action au niveau du droit, quelle que soit la formulation employée pour la demander.
Le design system du client. La conversation est libre, la façon dont les données s’affichent reste celle de la marque.
On ne fige plus l’écran. On fige les droits et la charte.
La suite
La théorie ne prouve rien toute seule. Je déroule quatre cas d’usage sur la gestion de stock, chacun conçu pour répondre à une objection différente: la liberté de rendu, le contrôle des actions engageantes, la limite du modèle sur les tâches répétitives à haute fréquence, et ce qui se passe quand l’agent cesse d’attendre qu’on lui demande quelque chose.