Le A de LACAS : une IA tournée vers demain

Deux écrans qui voyaient tout, après coup

Quand je dirigeais la logistique au Nigeria, nous avons mis en place une tour de contrôle. Chaque camion équipé d'un boîtier de suivi embarqué y remontait ses données. Sur un seul écran, nous suivions les itinéraires, les livraisons et les retards de tout le réseau. Nos livraisons à l'heure et complètes ont dépassé de plus de 30 % le niveau de service promis à nos clients.

C'était un bon outil. Il nous montrait tout ce qui s'était déjà passé.

Il ne pouvait pas nous dire quel serait le prochain chauffeur à provoquer un accident de la route. Ni quelle serait la prochaine livraison manquée chez un client clé, à cause d'un problème de production à l'usine. Nous voyions les deux à l'écran une fois qu'ils étaient arrivés.

En tant que CEO d'une entreprise que je dirigeais, j'ai demandé à mon équipe financière un tableau de bord clients. Elle en a construit un solide. Chaque client sur un seul écran : coordonnées, niveau d'activité, trois ans d'historique d'achats, comportements de paiement. Ce qu'il ne pouvait pas prédire avec précision, c'était le prochain client à ne plus respecter ses conditions de crédit, à cesser de payer et à devenir une créance irrécouvrable.

Deux bons outils dans deux fonctions différentes. Le même angle mort. Tous deux décrivaient très bien le passé. Aucun ne nous disait ce qui allait arriver.

Cet écart, c'est l'élément IA de LACAS.

Le test : lire hier plus vite ou capter demain

LACAS pose une seule question au dirigeant : qu'est-ce qui fonctionnera encore après votre départ ? Son élément IA a sa propre question de test : « Capter demain, pas seulement lire hier plus vite ? »

Une grande partie des budgets d'IA que je vois sert la seconde moitié de la phrase. Des reportings mensuels produits en deux jours au lieu de dix. Des comptes rendus de réunion. Des tableaux de bord qui répondent à des questions sur lesquelles personne n'agit. C'est parfois utile. Un rapport plus rapide sur le mois dernier ne change pourtant rien à ce qui arrivera le mois prochain.

Une enquête américaine publiée par Wharton en octobre 2026 va dans le même sens. Auprès des 1 007 managers et dirigeants interrogés en juillet 2026, la mesure la plus courante de l'investissement en IA est le temps gagné (40 %). Le chiffre d'affaires nouveau est la moins utilisée des grandes mesures (27 %). Pourtant, 35 % des services qui suivent au moins un indicateur de croissance déclarent un retour nettement positif, contre 13 % de ceux qui ne suivent que l'efficacité. Ces retours sont déclaratifs et le lien est une corrélation : les entreprises qui croissent déjà grâce à l'IA mesurent peut-être simplement la croissance. Le temps gagné mesure la vitesse à laquelle on lit hier. Il ne dit rien de demain.

L'élément IA mérite une bonne note à trois conditions. Il prévoit quelque chose qui pèse sur le chiffre d'affaires, les coûts ou la sécurité. La prévision alimente une décision identifiée, confiée à une personne habilitée à agir. Et à chaque période, quelqu'un confronte la prévision à ce qui s'est passé, par écrit.

Notez-vous sur l'échelle de LACAS. 1 : « tout dépend de vous ». 3 : « cela fonctionne avec votre attention régulière ». 5 : « cela fonctionne sans vous ». Une entreprise dont l'IA sert à produire plus vite les rapports mensuels, sans aucune prévision vérifiée au regard des résultats, obtient 1. L'indicateur avancé est simple à énoncer et difficile à truquer : les décisions clés fondées sur les prévisions de l'IA, vérifiées au regard des résultats. Sans preuve, pas de note.

La croissance : placer l'IA sur le plus petit des trois chiffres

Un chiffre d'affaires supplémentaire exige trois choses sur la même période. Des clients prêts à acheter à un prix rentable. Une production conforme à la spécification. La capacité de la livrer. Le plus petit des trois fixe ce que vous pouvez vendre.

Prenons une usine fictive. Un meilleur pilotage du procédé pourrait ajouter 80 000 tonnes conformes par an. La demande existe pour 60 000. L'expédition peut en sortir 50 000. Le dossier d'investissement porte donc sur 50 000 tonnes, et seulement à pleine montée en charge. Les 30 000 tonnes restantes demeurent une option tant que la demande et l'expédition ne suivent pas. Un modèle qui augmente la production, alors que l'expédition est la contrainte, déplace simplement le goulot du broyeur vers le quai de chargement.

Figure 1 · Les ventes supplémentaires plafonnent au plus petit chiffre (illustratif)

La première question d'un dossier de croissance par l'IA est donc de savoir lequel des trois chiffres est le plus petit et quelle décision le limite. Le choix du modèle vient ensuite.

Les mines offrent un exemple net. BHP indique qu'un outil numérique utilisé à Escondida, sa mine de cuivre au Chili, s'est appuyé sur l'IA pour augmenter le chiffre d'affaires de 18,9 millions de dollars sur l'exercice 2024, en aidant les équipes de forage et de tir à choisir un meilleur plan de tir. La même technologie aide à lever les restrictions liées au minerai grossier dans les broyeurs. Sur ses opérations charbonnières de BMA, l'amélioration de l'optimisation des consignes de procédé a accru la production de charbon métallurgique conforme et le chiffre d'affaires de 15,5 millions de dollars. Ce sont des chiffres d'affaires déclarés par l'entreprise. Ce ne sont pas des résultats nets et le coût complet n'est pas publié. Ce qui se transpose, c'est le mécanisme : l'IA se place sur la décision qui limite la production vendable.

Le volet commercial obéit à la même règle. Une demande client, arrivée par courriel, avec une spécification, une quantité et une date, peut être lue par l'IA, rapprochée des produits homologués et contrôlée au regard du stock, du crédit et de la capacité, avant qu'une personne valide l'offre. Il n'y a croissance que si cela se traduit par des commandes livrées qui n'auraient pas existé autrement. Faire passer les mêmes commandes du téléphone à une messagerie, c'est un changement de canal.

Une rentabilité qui dure : optimiser le résultat livré

La marge fuit entre les fonctions. L'usine optimise son coût à la tonne, la logistique, son coût par voyage, et personne ne porte le coût de la tonne livrée et encaissée.

Deux sources pour le même produit, le même client et le même prix net de 110 € l'unité (illustratif) :

L'usine économise 4 €. L'entreprise perd 2 € sur chaque unité livrée.

C'est là que la prévision et l'optimisation donnent le meilleur d'elles-mêmes. Prévoir la demande par produit et par zone. Laisser un solveur affecter les commandes aux usines et aux itinéraires au coût rendu le plus bas, dans les limites de qualité, de sécurité et de service. Le planificateur voit l'affectation et ses contraintes, puis la valide.

Deux disciplines gardent le gain honnête.

Séparer le prix de la consommation. Si la facture d'énergie passe de 10 000 € à 12 000 € pour les mêmes 100 MWh, parce que le tarif est passé de 100 € à 120 € le MWh, l'atelier n'a perdu aucune efficacité, et modifier les réglages n'économisera rien. L'IA peut signaler ce qui reste inexpliqué. Le calcul se charge du rapprochement.

Transformer une alerte en intervention planifiée. Un modèle qui détecte une vibration anormale sur un moteur n'a de valeur que si l'inspection est planifiée, les pièces disponibles sur site et quelqu'un habilité à arrêter l'équipement. La mesure, ce sont les interventions réalisées. Et ne financez jamais le programme d'IA en coupant la maintenance. SPARK est clair sur ce point : payez avec les mauvais coûts.

Le contrôle des procédés montre à quoi ressemble un résultat crédible. En mars 2023, ENEOS Materials et Yokogawa ont annoncé qu'une IA de contrôle autonome avait réduit de 40 % la consommation de vapeur et les émissions de CO₂, par rapport à la vapeur utilisée jusque-là pour maintenir le niveau de liquide d'une colonne de distillation en conduite manuelle. L'essai sur site a commencé par 35 jours de fonctionnement continu, puis l'IA a été officiellement adoptée dans l'usine. Quarante pour cent d'une seule fonction, mesurés par rapport à une référence déclarée. La facture énergétique totale de l'usine est un autre chiffre. Une affirmation aussi précise peut se vérifier. Exigez la même précision dans vos usines.

Le résultat n'est pas la trésorerie

Un comité exécutif qui approuve un dossier d'IA pour 2027 doit lire deux lignes, pas une.

Figure 2 · Un cas d'exploitation illustratif, première année, avant impôts et financement

Le cas ajoute du volume vendable à partir de juillet, avec une montée en charge sur trois mois. Le résultat d'exploitation est positif dès la première année. La trésorerie est négative et le besoin de financement maximal dépasse le résultat. Une ligne d'EBIT positive ne tranche pas la décision de financement. Le risque de crédit montre pourquoi. Un client qui achète et ne paie jamais apparaît d'abord dans le chiffre d'affaires, puis dans une provision pour créances douteuses et jamais dans la trésorerie. Le comité a besoin du calendrier mensuel de trésorerie, du scénario bas si l'adoption prend du retard, et du nom des personnes qui doivent rester en poste pour déployer le changement.

L'IA a un rôle sur les deux grandes sorties de trésorerie. Sur les projets d'investissement, une prévision des dépenses et de l'avancement comparés au plan signale un dépassement avant qu'il ne survienne, et les rapports et photos de chantier lus par l'IA signalent tôt les problèmes de qualité et de sécurité. Sur le BFR, une prévision du risque client peut réduire les créances en retard, et une prévision de la demande peut réduire les stocks.

Ce qui fait durer le gain

C'est l'étape que la plupart des programmes d'IA sautent, et c'est pour cela que les gains partent avec leur sponsor. Quatre éléments mis par écrit.

1. Un registre des prévisions. Pour chaque prévision qui alimente une décision clé : ce qui était prévu, ce qui s'est produit, l'écart et ce qui a changé en conséquence dans le modèle ou dans la décision. Revu avec les chiffres, à côté de l'EBIT, chaque trimestre. Le crédit montre comment fonctionne la vérification. Parmi les clients signalés par le modèle, combien ont pris du retard ? Parmi les clients qui ont pris du retard, combien avait-il signalés ? La première réponse vous dit ce que coûtent les fausses alertes en conditions resserrées et en ventes perdues. La seconde vous dit combien de créances irrécouvrables il a manquées.
2. Un responsable sous le CEO. Une personne redevable de chaque boucle de prévision, avec l'autorité pour agir.
3. Des droits de décision. Ce que l'IA peut lire, ce qu'elle peut écrire, les systèmes qu'elle peut déclencher, et ce qui exige toujours la validation d'une personne. Dans une usine, aucun assistant conversationnel n'écrit dans le contrôle-commande. Pour le crédit, le modèle signale un client et le comité de crédit décide des conditions. Les agents d'IA qui exécutent accroissent le risque : ils répètent une mauvaise prévision aussi vite qu'une bonne. N'accordez à une prévision le droit d'agir que lorsque son registre le justifie.
4. Un indicateur avancé qui passe SPARK. Ne le financez que si aucune note n'est inférieure à 3 et que la moyenne atteint au moins 4. Notez-le avec son responsable et avec une personne qui n'en est pas responsable.

Notez ensuite à nouveau l'élément IA. S'il dépend encore de vous, c'est un projet. Il ne fait pas encore partie de votre socle.

Ce que cela demande : données, modèles, équipes, processus

Quatre décisions reviennent au CEO et aucune ne consiste à choisir un modèle.

1. Les données. Un responsable pour chaque jeu de données dont une prévision a besoin, et une décision sur l'endroit où ces données restent.
2. Les modèles. Le besoin d'abord, le modèle ensuite. Les prévisions de demande, de risque client ou de réponse du procédé viennent de l'apprentissage automatique, entraîné sur votre propre historique, souvent associé à un solveur qui teste les options dans vos contraintes. Les modèles de langage (LLM) traitent le texte : contrats, dossiers de service, rapports de chantier. Tous relèvent de l'IA et aident le décideur pour la même raison : ils montrent ce qui arrive à la personne qui décide, assez tôt pour agir, et le registre indique s'il faut s'y fier.
3. Les équipes. Un responsable par prévision, sous le CEO, et la formation de ceux qui agissent sur elle.
4. Les processus. L'étape que chaque prévision alimente, qui peut passer outre, et comment ces dérogations sont consignées.

Laissez le choix de l'outil au DSI ou au responsable de l'IA ou des données, s'il en existe un, selon cinq critères : la précision testée sur votre propre historique, l'endroit où vont vos données, ce que l'outil peut faire sans votre accord, le coût par usage et les conditions de sortie.

Cinq questions pour votre prochain comité exécutif

1. Lesquelles de nos décisions clés reposent aujourd'hui sur une prévision, et qui la confronte aux résultats ?
2. Entre demande rentable, production conforme et capacité de livraison, quel est notre plus petit chiffre, et quelle décision le limite ?
3. Quel coût optimisons-nous dans une seule fonction alors qu'il faudrait l'optimiser rendu ?
4. Pour chaque dossier d'IA du budget 2027, quel est l'effet sur l'EBIT et quel est l'effet sur la trésorerie, mois par mois ?
5. Si le sponsor partait demain, quelle prévision de l'IA continuerait de tourner, et qui la vérifierait ?

Questions fréquentes

L'IA générative fait-elle partie de l'élément IA de LACAS ? Oui, quand elle alimente une prévision ou une décision sur laquelle quelqu'un agit. Rédiger et résumer plus vite relève du reporting et se note comme tel.

Par où une entreprise industrielle doit-elle commencer ? Par le plus petit de ses trois chiffres (demande rentable, production conforme, capacité de livraison), avec une décision et un responsable. La technologie se choisit ensuite : prévision, optimisation ou assistant.

Comment savoir si un gain lié à l'IA va durer ? Quand ses prévisions sont confrontées aux résultats par écrit chaque trimestre, qu'un responsable sous le CEO répond de la boucle et que son indicateur avancé passe SPARK.

Pour aller plus loin

• LACAS, le test de l'héritage
• SPARK, le test de financement des indicateurs

Sources

• BHP Group, rapport annuel 2024 (formulaire 20-F, exercice 2024), Operating and Financial Review, « Technology and innovation ». Chiffres d'affaires déclarés par l'entreprise. https://www.sec.gov/Archives/edgar/data/811809/000119312524210297/d812514d20f.htm
• ENEOS Materials et Yokogawa Electric, communiqué conjoint du 30 mars 2023, adoption officielle de l'IA de contrôle autonome dans une usine chimique d'ENEOS Materials, note 4. https://www.eneos-materials.com/english/information/2022/20230330_01.html et https://www.yokogawa.com/news/press-releases/2023/2023-03-30
• Wharton Human-AI Research et GBK Collective, « The Adaptive Advantage: Who's Winning with AI and How », rapport 2026 sur l'adoption de l'IA, octobre 2026, p. 11 et 31. Enquête en ligne aux États-Unis, du 9 au 29 juillet 2026, managers et dirigeants (n = 1 007). Retours déclaratifs. https://knowledge.wharton.upenn.edu/wp-content/uploads/2026/10/Wharton-GBK-AI-Adoption-Report-2026.pdf
• LACAS et SPARK, Bruno Hounkpati, Stredge Partners, version 1.0. https://stredgepartners.co/fr/leadership-tools
• Les figures 1 et 2, le tableau des coûts rendus, l'exemple sur l'énergie et l'arithmétique de l'ambition sont des illustrations de Stredge Partners, non des résultats clients ni des prévisions.