👋 Bonjour,

Ce mois-ci, on vous a sélectionné 5 ressources autour d’une question que peu de dirigeants se posent vraiment : à quel stade de maturité IA se trouve leur entreprise ?

La plupart ont testé des outils, lancé des pilotes, observé quelques gains. Mais quand on regarde ce qui a vraiment changé dans l’organisation, la réponse est souvent plus modeste que ce qu’on se racontait.

Au programme :

• Ce que signifie vraiment être une organisation IA mature, niveau par niveau

• Ce que les données de 1 000 dirigeants révèlent sur le lien entre stade de maturité et ROI réel

• Ce que ça change dans votre posture de CEO, pas seulement dans vos outils

Et en bonus, un test de 10 minutes pour vous positionner précisément sur les 4 niveaux de maturité et identifier ce qui freine réellement votre progression.

Pas de hype, pas de concepts abstraits : que du concret pour les dirigeants qui veulent savoir où ils en sont et ce que ça leur coûte de ne pas avancer.

🗞️ Les articles du mois

1. Les 4 niveaux de maturité IA : où se situe votre équipe tech ?

→ Lire : Maturité IA : 4 niveaux pour situer votre équipe tech

La plupart des équipes tech pensent être déjà mature sur leur process IA. Les données terrain montrent que beaucoup sont encore au niveau 1, parfois entre le 1 et 2, mais rarement où elles se croient. Ce décalage n’est pas anodin : une équipe qui se situe mal va investir sur les mauvais sujets et s’étonner que les résultats ne suivent pas.

Cet article propose un modèle en 4 niveaux : ce qui définit votre maturité IA, ce n’est pas la quantité d’outils adoptés. C’est l’endroit où se situe le goulot dans votre pipeline de développement. À chaque niveau, ce goulot se déplace, et c’est ce déplacement qui dit où vous en êtes réellement.

✅ Pourquoi le lire ?

Parce que ce contenu décrit la maturité IA depuis l’intérieur d’une équipe tech, avec le niveau de précision qui permet à un CEO de comprendre ce qui se passe vraiment dans son organisation technique.

Ce qui mérite attention :

• Le piège du niveau 1 : vos développeurs utilisent Copilot ou Cursor, le code sort plus vite, et pourtant les livraisons ne s’accélèrent pas. Avec un volume de pull requests en hausse de 91%, c’est la revue de code qui devient le nouveau goulot. Les seniors passent leur temps à valider plutôt qu’à construire, et comme personne ne mesure le temps passé en revue, le problème reste invisible pendant des mois.

• La “taxe vitesse” : les équipes qui adoptent l’IA sans restructurer leurs process en aval se retrouvent avec 1,7 fois plus de problèmes dans leurs pull requests. Plus de code, pas forcément plus de valeur livrée.

• Ce que font les organisations au niveau 3 : Stripe traite plus de 1 300 pull requests générées par IA chaque semaine. Ce qui les distingue n’est pas l’outillage. Ce sont les systèmes de gouvernance qu’elles ont construits autour.

💡 À retenir : “90% des équipes tech utilisent l’IA aujourd’hui. Seulement 32% ont une gouvernance formalisée en place. L’écart entre ces deux chiffres est exactement l’espace où se perdent les gains potentiels.”

2. Le piège que personne ne voit : vous optimisez des tâches, pas votre business

→ Lire : How to Move from AI Experimentation to AI Transformation – Harvard Business Review

Il y a un nom pour ce que vivent la plupart des entreprises qui ont commencé à déployer l’IA : le “micro-productivity trap”. Vos équipes gagnent du temps sur des tâches précises. Les outils fonctionnent. Et pourtant, rien ne change dans vos marges.

Cet article co-écrit par des partners de Bain et des membres de l’équipe économique d’OpenAI documente deux ans de déploiements IA dans des entreprises de tailles et secteurs variés. Leur conclusion est inconfortable pour beaucoup de dirigeants : ce qui bloque n’est presque jamais la tech. C’est la manière dont l’organisation autour continue de fonctionner comme avant.

✅ Pourquoi le lire ?

Parce qu’il nomme avec précision ce qui sépare une entreprise qui “utilise l’IA” d’une entreprise qui “se transforme par l’IA”.

Ce qui mérite qu’on s’y arrête :

• Le micro-productivity trap : l’IA accélère une tâche, mais si le workflow autour repose encore sur des handoffs manuels et des systèmes non interconnectés, le gain s’évapore avant d’atteindre le résultat business. C’est le cas de la grande majorité des déploiements actuels.

• Les entreprises qui s’en sortent ne partent pas de “comment améliorer ce process ?”. Elles partent de “si on reconstruisait tout avec l’IA comme hypothèse de base, comment ferait-on ?”. Le changement de question change tout ce qui suit.

• Les résultats sont mesurables : 10 à 25% de gains EBITDA chez les clients Bain qui ont fait cette bascule. Chez FabricationCo, la génération de devis est 15 fois plus rapide, avec 10 points de win rate gagnés en trois mois.

💡 À retenir : “L’IA peut accélérer une tâche. Mais si l’organisation autour n’a pas bougé, le gain n’atteint jamais le compte de résultat.”

3. Ce que 1 000 dirigeants révèlent sur le lien entre maturité IA et valeur créée

→ Lire : 7 Factors That Drive Returns on AI Investments, According to a New Survey – Harvard Business Review

71% des directeurs tech dans le monde déclarent que leur budget IA sera gelé ou réduit si la valeur créée ne peut pas être démontrée dans les deux ans. La pression sur les dirigeants est réelle, et elle ne vient pas des équipes tech.

Thomas Davenport, l’un des chercheurs les plus cités sur l’IA en entreprise, a interrogé 1 006 dirigeants senior dans le monde et mené 12 entretiens approfondis avec des responsables IA de grandes organisations. Ce qu’il trouve va à l’encontre de plusieurs idées reçues.

✅ Pourquoi le lire ?

Parce que c’est une des seules études qui établit une corrélation directe et chiffrée entre niveau de maturité et ROI réel.

Ce qui change vraiment la lecture :

• Les organisations qui n’ont que des pilotes sans jamais évaluer leur impact business (Stage 0) ne sont que 4% à déclarer beaucoup de valeur. Celles qui mesurent systématiquement le ROI de chaque déploiement en production (Stage 3) passent à 44%. Celles qui agrègent cette valeur à l’échelle de l’entreprise et la reportent formellement au board ou aux investisseurs (Stage 5) atteignent 85%. Il y a deux points d’inflexion majeurs dans cette progression, et les franchir change qualitativement ce qu’on retire de l’IA.

• Ce qui fait la différence n’est pas le modèle choisi ni le budget alloué. C’est l’implication de la finance dans la validation des résultats : les organisations où le CFO est responsable de la valeur IA déclarent 76% de “grande valeur”, contre 32% pour les équipes fonctionnelles seules.

• La réduction d’effectifs n’est pas encore un driver de valeur réel. Seulement 2% des réductions annoncées sont activées par des capacités IA en production. Ce n’est pas là que ça se joue à court terme.

💡 À retenir : “Le chemin vers la valeur IA n’est pas principalement un problème technique. C’est un problème de management. Chaque organisation a maintenant accès à la technologie. Ce qui les sépare, c’est comment elles la pilotent.”

4. Le vrai test : êtes-vous, vous-même, prêt à piloter cette transformation ?

→ Lire : The AI Upskilling Guide for Executives – Bessemer Venture Partners

Seulement 1% des dirigeants dans le monde déclarent que l’IA est pleinement intégrée dans leurs workflows et génère des résultats business substantiels. Ce chiffre, issu d’une étude McKinsey citée par Bessemer Venture Partners, n’est pas une statistique sur la technologie. C’est une statistique sur les organisations, et sur ceux qui les pilotent.

Ce guide, construit par l’un des fonds VC les plus actifs sur les sujets IA, s’adresse directement aux dirigeants. Son point de départ est simple : une transformation IA qui réussit commence par un CEO qui s’est lui-même transformé.

✅ Pourquoi le lire ?

Parce que les articles précédents parlent de l’organisation. Celui-ci parle du dirigeant. Et c’est souvent là que se joue la progression.

Ce qui mérite attention :

• Le tableau “red flags / green flags” est un outil immédiatement utilisable. En dix minutes, il permet de prendre la température de sa propre posture et de celle de ses équipes. La plupart des dirigeants qui le lisent y reconnaissent plusieurs signaux qu’ils n’avaient pas nommés comme tels.

• Sur la résistance des équipes, les données sont contre-intuitives : seulement 13% des organisations la citent comme frein à l’adoption. Le vrai frein est l’absence de cadre et de leadership clair. Les employés n’attendent pas de convaincre. Ils attendent qu’on leur montre.

• Les organisations qui forment à la fois les employés et les dirigeants voient une progression sur la création de valeur par rapport à celles qui ne forment que les équipes.

💡 À retenir : “Les employés ne résistent pas à l’IA. Ils attendent un leadership clair et des outils accessibles. Ce qui bloque n’est presque jamais en bas de l’organigramme.”

🎬 L’espace média

Comment Zapier a transformé toute son organisation en une semaine

→ Regarder : Les enseignements de la transformation de Zapier par l’IA – Modern CTO (~40 min)

Wade Foster est co-fondateur et CEO de Zapier, l’outil d’automatisation que beaucoup utilisent. 15 ans d’existence, 5 milliards de dollars de valorisation, bootstrappée depuis le départ. En 2023, il a déclenché ce qu’il a appelé un “code red” dans toute l’organisation.

✅ Pourquoi le regarder ?

Parce que Zapier n’est pas une multinationale avec un département transformation de 50 personnes. C’est une scale-up bootstrappée avec les mêmes contraintes que beaucoup d’autres entreprises de taille moyenne.

Ce qui ressort de l’échange :

• Lors du lancement de Chat-GPT, Zapier avait réagi comme beaucoup : un message dans Slack, un “regardez ce truc intéressant”, et on continue. C’est GPT-4, six mois plus tard, qui a changé la lecture. Le bond de qualité et la baisse de coût entre les deux versions étaient suffisamment nets pour ne plus ressembler à une amélioration incrémentale. Wade Foster y a vu une tendance, pas un événement. Il mobilisé toute l’organisation en quelques jours. Son raisonnement : deux points de données suffisent pour extrapoler.

• La décision la plus impactante : arrêter l’entreprise pendant une semaine pour un hackathon tous départements confondus. Le taux d’utilisation hebdomadaire de l’IA est passé de moins de 10% à plus de 50% en sept jours. Il a fallu encore un an pour atteindre 100%. La transformation culturelle ne fonctionne pas comme un interrupteur.

• Zapier évalue maintenant tous ses candidats sur leur maturité IA, avec un référentiel à quatre niveaux construit fonction par fonction, mis à jour tous les six mois. Parce que les use cases évoluent plus vite que les processus de recrutement.

💡 À retenir : “Quand les gens mettent les mains sur le clavier, la peur disparaît. Ce n’est pas la communication interne qui change la culture. C’est l’expérience directe.”

🤖 Quel est le niveau de maturité IA de votre entreprise ?

→ Faites le test : Test de maturité IA – Hones (10 min)

Ce test a été conçu à partir de dizaines de missions aux côtés de dirigeants tech. En 10 minutes, il positionne votre organisation sur les 4 niveaux de maturité IA, identifie le goulot qui freine réellement votre progression, et produit trois actions concrètes calibrées à votre situation.

Pas de recommandations génériques : le résultat est directement actionnable par vos équipes.

À très vite,

— L’équipe Hones

Vous avez aimé cette newsletter ? N’hésitez pas à la partager dans votre réseau.

Partager TechRadar by Hones

Autonome, concentré, productif parce qu’il est coupé du reste. C’est une réalité partielle qui est devenue une représentation dominante du métier. Et elle coûte cher.

Pas parce que le travail en solo est inefficace en soi. Parce qu’il crée un angle mort : comprendre le problème qu’on est censé résoudre. Un profil tech peut maîtriser parfaitement son domaine et livrer une solution irréprochable sur le plan technique, qui ne sert à rien dans la pratique. Ce n’est pas rare. C’est même assez systématique dans les projets qui dérivent.

Ce qui fait fonctionner une équipe tech, c’est rarement le niveau technique moyen. C’est la capacité collective à aller chercher l’information là où elle est, souvent dans une conversation avec quelqu’un qui vit le problème de l’intérieur.

Une réflexion courte là-dessus en vidéo.

Il y a quelques semaines, Philippe, CTO part-time de l’équipe, montait sur scène au Dataquitaine pour raconter comment Hones a construit Miska, un outil interne qui automatise une bonne partie de notre méthode d’audit.

Un vrai retour terrain, sans filtre, avec les bugs inclus.

Le problème de départ n’est pas technique

Chez Hones, on fait du conseil tech et produit. Notre valeur, c’est une expertise terrain accumulée sur des missions d’accompagnement de dirigeants. Mais cette expertise vivait dans des templates Notion, des trames de slides, des checklists éparpillées. Un travail manuel conséquent, difficile à répéter et encore plus à faire monter en charge.

L’idée de Miska est née de là. Pas d’un désir de faire de la tech pour la tech, mais d’une question concrète : est-ce qu’on peut automatiser ce qu’on fait à la main sans perdre ce qui fait la qualité de notre méthode ?

Un outil développé en 15 jours.

La plateforme couvre l’intégralité du workflow d’audit : tableau de bord, gestion du périmètre, base documentaire, planification des entretiens, prise de notes structurée, construction des constats et génération du rapport final. Du début à la fin.

15 jours de développement effectif. Front, back, agents IA spécialisés inclus.

Ce chiffre a fait lever des mains dans la salle lors de la conférence, et c’est normal.

On le reconnaît volontiers : c’est ridiculement peu comparé à ce que ça aurait représenté il y a quelques années avec un UX designer, un PM, plusieurs développeurs sur plusieurs mois. Sur les phases de production documentaire, notre vélocité a été multipliée par deux, avec 100% de la méthode Hones embarquée dans l’outil.

Ce qui a rendu ça possible : BMAD

Le cœur de notre approche, c’est le framework open source BMAD (Breakthrough Method for Agile AI-Driven Development). L’idée centrale : plutôt que de balancer des prompts en vrac à un LLM généraliste, on orchestre des agents spécialisés qui ont chacun un rôle précis, un contexte limité, des artefacts à produire.

Un agent analyste. Un agent PM. Un agent architecte. Un agent développeur. Chacun reçoit uniquement ce dont il a besoin. Un choix délibéré, car avec un contexte trop large, l’agent commence à compenser ce qu’il ne comprend pas.

Mais BMAD n’a de valeur que si la spécification en entrée est solide. Ce qu’on a appris rapidement : si on n’est pas capable d’expliquer fonctionnellement son métier à un humain, on ne sera pas capable de l’expliquer à un agent. L’outil amplifie la clarté, il n’en génère pas.

La phase de conception dans BMAD inclut ce qu’on appelle la “revue adversariale” : l’agent PM soulève les incohérences, force à trancher avant même qu’une ligne de code soit écrite. Un dernier filet avant le développement.

La où on s’est plantés

Premier écueil : partir trop grand. Avoir des ambitions larges ne pose pas de problème en soi, mais vouloir tout automatiser d’un coup génère exactement le problème qu’on cherche à éviter. Des contextes trop vastes, des agents qui mélangent les sujets, des résultats qui dérivent.

Deuxième point : la démo ne suffit pas. Un cas test qui fonctionne bien une fois ne dit rien sur ce qui se passe en conditions réelles sur quinze missions différentes. Chaque prompt doit être réévalué sur des cas terrain variés.

Et l’UX, qu’on a sous-estimée. On a envisagé un formulaire, même un chatbot à un moment. Notre vélocité nous a permis de corriger le tir rapidement, de construire un vrai design system et de repartir sur des bases plus solides.

Une direction claire pour les années avenir

Il y a dix ou quinze ans, on faisait du sur-mesure. Puis l’industrie a basculé vers le SaaS, la modularité, essayer de faire tenir ses besoins dans des outils standardisés. Avec des méthodes de développement comme celle-là, le sur-mesure redevient viable économiquement. On en a eu la confirmation concrète : un outil de back-office complet spécifié et livré pendant un trajet Paris-Brest, utilisable le lendemain midi.

L’étape d’après pour nous, c’est de passer de l’outil structuré à un vrai sparring partner : un agent à gauche, le livrable à droite, et une itération continue sur tout processus intellectuel, que ce soit pour préparer une proposition commerciale, rédiger un rapport ou structurer une décision.

Une startup qui levait 5M€ pour construire son produit peut aujourd'hui le faire avec deux fois moins, en deux fois moins de temps.

Ce n'est pas une hypothèse, c'est ce que vivent déjà les équipes tech les plus avancées.

Cycles raccourcis, coûts compressés, PMF atteint plus vite : l'IA est en train de réécrire les fondamentaux du build, et avec eux, toute la logique du financement de l'innovation tech.

Ce glissement soulève une question que personne dans l'écosystème n'a vraiment envie de poser à voix haute : si les startups ont objectivement besoin de moins de capital, comment le rôle des fonds d’investissement va-t-il évoluer ?

Le système de financement de la tech tel qu’on le connaît s’apprête à vivre un vrai basculement.

Lever des fonds est-il en train de passer de rite de passage à aveu de faiblesse ?

Les business angels et accélérateurs captent-ils mieux la réalité des startups tech d'aujourd'hui ?

Et si le réseau et l'expérience opérationnelle étaient devenus la vraie denrée rare

🎤 Replay d’un échange animée par Joachim CEO de Hones, avec :

• Olivier Tilloy, Managing Director chez Techmind

• Matthieu Sénéchal, CTO de Hones

👋 Bonjour,

Ce mois-ci, on vous a sélectionné 5 ressources autour d’une question centrale : comment construire une organisation capable d’encaisser les chocs et d’en sortir renforcée ?

L’environnement dans lequel vous pilotez votre entreprise a changé plus vite que la plupart des organisations ne se sont adaptées. Les cycles technologiques raccourcissent, le contexte économique et géopolitique est devenu difficile à lire sur plus de quelques mois, de nouveaux acteurs arrivent sur vos marchés sans porter le poids de votre historique. Et en interne, les attentes de vos équipes ne ressemblent plus à celles d’il y a cinq ans.

Les questions qu’on va aborder dans cette édition :

• Pourquoi les modèles stratégiques classiques ne suffisent plus, et ce qui les remplace

• Ce que signifie planifier quand l’horizon de visibilité se réduit

• La dette que personne ne mesure, et qui détermine si vos équipes tiennent ou lâchent sous pression

• Ce que font concrètement les fondateurs qui traversent les crises

Pas de hype, pas de concepts abstraits. Que du concret pour les dirigeants qui ne veulent plus subir la tech.

Pour plus de contenus découvrez notre chaîne youtube.

Si vous n’êtes pas abonnés, voici ce que vous avez manqué dans les éditions précédentes :

1. Comment savoir si votre équipe tech est vraiment efficace ?

2. Transformer l’existant : le défi IA des entreprises établies

3. Ce que l’IA change (vraiment) dans la manière de piloter une entreprise

🗞️ Les articles du mois

1. Le modèle Bambou : repenser l’organisation pour un monde imprévisible

→ Lire : Le modèle Bambou – Harvard Business Review France

Les cadres stratégiques sur lesquels la plupart des entreprises fonctionnent encore (la pyramide hiérarchique, le plan à 5 ans, Porter, …) ont été pensés pour un monde où les marchés bougeaient lentement. Ce monde-là n’existe plus, mais les réflexes, eux, sont restés.

Cet article de HBR France propose autre chose. Le bambou comme métaphore : des racines profondes (valeurs, identité, compétences clés), des tiges flexibles (équipes, process, allocation de ressources), et surtout une capacité à plier sous la pression sans casser.

✅ Pourquoi le lire ?

C’est le seul article récent qui propose un modèle à la fois stratégique et organisationnel pour remplacer les cadres hérités du siècle dernier. Pas un simple ajustement, mais un changement de paradigme complet.

Quelques points qui méritent qu’on s’y arrête :

• La rigidité organisationnelle n’est pas un problème de process. C’est un problème de modèle mental. Tant que vous penserez votre entreprise comme une pyramide, vous optimiserez la stabilité. L’adaptabilité, elle, demande un autre cadre de pensée.

• Le concept de “slack organisationnel” : les entreprises les plus résilientes ne fonctionnent pas à pleine capacité. Elles conservent de la marge, en temps, en budget, en attention, pour pouvoir réagir quand le contexte bouge. Dans une scale-up où chaque euro est compté, ça demande un arbitrage conscient.

• La distinction entre ce qui doit rester stable (les racines : mission, culture, compétences clés) et ce qui doit pouvoir bouger rapidement (roadmap, allocation d’équipes, go-to-market). Cette grille est un outil de décision utilisable dès votre prochain comité de direction.

💡 À retenir : “La solidité d’une entreprise ne se mesure plus à sa rigidité, mais à sa capacité à plier sans rompre.”

2. 2026 : la fin des roadmaps tech sur 12 mois

→ Lire : La fin des roadmaps tech sur 12 mois – Hones

Votre roadmap produit sur 12 mois que vous avez validée en décembre, a-t-elle survécu au premier trimestre ? Si la réponse est “pas en l’état’, le problème n’est probablement pas l’exécution.

Cet article prend une position franche : dans un environnement où les modèles IA changent tous les trimestres, où un concurrent peut émerger en quelques semaines et où les attentes clients bougent en continu, planifier sur 12 mois relève davantage du réflexe que de la véritable stratégie.

✅ Pourquoi le lire ?

Cette article ne conseille pas d’arrêtez de planifier. Il propose de changer ce que vous planifiez et comment vous le faites.

La distinction centrale : le cap (stable, à 12-18 mois) versus le chemin (flexible, révisé toutes les 6 à 8 semaines). Le cap, c’est votre vision produit et vos paris stratégiques. Le chemin, c’est la séquence d’exécution. Et cette séquence doit pouvoir évoluer sans que ça déclenche une remise en question existentielle dans l’équipe.

L’autre idée forte : l’incertitude n’est pas un obstacle à la planification, c’est une donnée d’entrée. Les entreprises qui l’intègrent dans leur cadence de décision, avec des revues fréquentes et des décisions conçues pour être réversibles, vont structurellement plus vite que celles qui s’accrochent à un plan figé.

Un constat qui mérite d’être lu attentivement : l’incertitude redistribue les cartes en faveur des organisations légères. Les scale-ups ont un avantage structurel sur les grands groupes dans ce contexte. À condition de ne pas reproduire, par mimétisme, la lourdeur qu’elles prétendent combattre.

💡 À retenir : “Le plan à 12 mois ne vous protège pas de l’incertitude. Il vous empêche de la voir venir.”

3. Culture Debt : la dette invisible qui tue les entreprises tech

→ Lire : Culture Debt – Mike Fisher (Substack)

Vous connaissez la dette technique. Vous la mesurez, vous la priorisez, vous négociez du temps pour la résorber. Mais il existe une dette plus difficile à voir, parce qu’elle ne remonte dans aucun dashboard : la dette culturelle.

Mike Fisher, ancien CTO d’Etsy, pose un diagnostic que peu de dirigeants tech veulent entendre. Cette dette s’accumule à chaque valeur affichée mais non incarnée, à chaque feedback repoussé, à chaque comportement toxique toléré parce que la personne “délivre”.

✅ Pourquoi le lire ?

L’analogie avec la dette technique est ce qui rend cet article immédiatement saisissable pour un dirigeant tech. Vous savez ce que coûte de ne pas refactorer un module critique pendant trois ans. Mike Fisher applique le même raisonnement à la culture : accumulation silencieuse, coût de remboursement qui explose avec le temps, et un jour, un incident critique.

Les cas qu’il cite ne sont pas décoratifs. Uber a payé sa dette culturelle par une crise publique qui a coûté son poste au fondateur. Boeing a payé la sienne bien plus cher. Netflix, à l’inverse, a investi très tôt dans un système de feedback exigeant, précisément pour éviter que cette dette ne s’installe.

Le point le plus important de l’article tient en une phrase : la culture, ce n’est pas ce que vous écrivez sur un mur ou dans un onboarding deck. C’est ce que vous tolérez au quotidien. Et dans une période d’incertitude, c’est cette culture qui détermine si vos équipes tiennent ensemble ou se dispersent au premier choc.

💡 À retenir : “La culture, ce n’est pas ce que vous déclarez. C’est ce que vous tolérez.”

📅 L’évènement du mois

L’IA et le paradoxe du capital : quel avenir pour le venture capital ?

Une startup qui levait 5M€ pour construire son produit peut aujourd’hui le faire avec deux fois moins, en deux fois moins de temps.

Ce n’est pas une hypothèse, c’est ce que vivent déjà les équipes tech les plus avancées.

Cycles raccourcis, coûts compressés, PMF atteint plus vite : l’IA est en train de réécrire les fondamentaux du build, et avec eux, toute la logique du financement de l’innovation tech.

Si les startups ont objectivement besoin de moins de capital, comment le rôle des fonds d’investissement va-t-il évoluer ?

Le système de financement de la tech tel qu’on le connaît s’apprête à vivre un vrai basculement.

Un débat live, animée par Joachim CEO de Hones, avec :

• Olivier Tilloy, Managing Director chez Techmind

• Matthieu Sénéchal, CTO de Hones

📅 RDV le 14 avril à 12h

→ S’inscrire à l’évènement

🎬 L’espace média

Comment Block a transformé toute son organisation par l’IA

→ Écouter : How Block is becoming the most AI-native enterprise in the world – Lenny’s Podcast (~1h30)

Dhanji Prasanna est CTO de Block (ex-Square, Cash App, 4 000+ ingénieurs). Avant d’avoir ce titre, il a écrit un document interne qu’il appelle son “manifesto IA” et l’a envoyé directement à Jack Dorsey. Le document décrivait pourquoi Block devait repenser toute son organisation autour de l’IA. La suite : une promotion au poste de CTO, et une transformation qui ne ressemble pas à ce qu’on lit d’habitude sur le sujet.

✅ Pourquoi l’écouter ?

Parce que la plupart des transformations IA commencent par un choix d’outil et finissent dans un pilote sans suite. Chez Block, ça a commencé par une restructuration.

Ce qui ressort de l’échange :

• Le changement organisationnel “ennuyeux” (suppression de silos, clarification des responsabilités, réorganisation des équipes) a eu plus d’impact sur la productivité que le déploiement des outils IA eux-mêmes. L’IA a besoin d’une organisation saine pour produire de la valeur. Si l’organisation est dysfonctionnelle, l’IA accélère le dysfonctionnement.

• Goose, l’agent IA interne open-source de Block, fait gagner 8 à 10 heures par semaine aux employés. Le détail qui surprend : les équipes qui en profitent le plus ne sont pas les ingénieurs.

• Sa conviction sur l’adoption : si le leadership n’utilise pas les outils IA au quotidien, personne dans l’entreprise ne le fera sérieusement. La transformation se pilote par l’usage, pas par la communication interne.

• Les leçons de ses passages chez Google (Wave, Google+) ancrent le propos dans quelque chose que tout fondateur reconnaîtra : un bon produit ne suffit pas si l’organisation autour n’est pas capable de le porter.

💡 À retenir : “Avant d’acheter le prochain outil IA, demandez-vous si votre organisation est structurée pour en absorber la valeur.”

Le guide de survie du fondateur face à la crise

→ Écouter : A Founder’s Guide to Crisis Management – Lenny’s Podcast (Uri Levine) (~1h24)

Uri Levine a cofondé Waze (exit à 1,3 milliard $ avec Google). Il a fondé 10 entreprises, siégé dans 20 boards, accompagné plus de 50 startups. Il vient de publier un nouveau chapitre de son best-seller Fall in Love with the Problem, Not the Solution, entièrement consacré à la gestion de crise.

Tous les contenus de cette newsletter parlent de construire la résilience en amont. Celui-ci parle de ce qui se passe quand, malgré tout, ça casse.

✅ Pourquoi l’écouter ?

Parce qu’un podcast sur la gestion de crise par quelqu’un qui n’en a pas traversé, ça ne vaut pas grand-chose. Uri Levine a un vécu que peu d’entrepreneurs peuvent revendiquer, et il en tire des principes utilisables.

Ce qui mérite d’y prêter attention :

• Il distingue deux types de crises fondateurs, cash et produit, et explique pourquoi les confondre mène à de mauvaises décisions. Une crise de trésorerie se gère par la vitesse de restructuration. Une crise de product-market fit demande un autre type de lucidité.

• Sur la vitesse d’action : ce qui sépare les startups qui survivent de celles qui ferment, ce n’est généralement pas la qualité de l’analyse. C’est le temps écoulé entre le moment où le problème est identifié et le moment où une décision est prise.

• Son framework pour décider entre pivoter et fermer est d’une simplicité utile : la question n’est pas “est-ce que ça peut marcher ?”, mais “est-ce qu’il me reste les ressources pour tester une hypothèse de plus ?”.

• Sur la motivation des équipes en période de crise, il défend une transparence qui va plus loin que ce que la plupart des fondateurs pratiquent. Pas la transparence “on traverse un moment difficile mais on va s’en sortir”. Celle qui met les vrais chiffres sur la table et qui fait confiance aux gens pour encaisser.

💡 À retenir : “Ce qui sépare les startups qui meurent de celles qui survivent, c’est rarement la chance. C’est la vitesse à laquelle le fondateur accepte la réalité.”

À très vite,

— L’équipe Hones

Vous avez aimé cette newsletter ? N’hésitez pas à la partager dans votre réseau.

Partager TechRadar by Hones

Chez Hones, on accompagne des dirigeants tech au quotidien. On ne pouvait pas se contenter de leur dire “faites de l’IA” sans l’avoir éprouvé nous-mêmes, sur un vrai cas métier, avec de vraies contraintes.

Alors on a pris notre propre activité comme terrain d’expérimentation. On a décidé de développer un outil d’audit tech augmenté par l’IA. Dashboard de mission, notes d’analyse classées par thématique et criticité, génération de rapport avec revue collaborative.

Pas pour déléguer notre métier à la machine. Mais pour gagner du temps sur tout ce qu’il y avait autour : de la connaissance dispersée, du copier-coller, de la mise en forme. Du temps passé sur des tâches qui n’ont rien à voir avec l’analyse.

C’était un projet qu’on avait en tête depuis longtemps, sans jamais avoir le temps de s’y mettre. L’IA a changé l’équation : ce qui aurait pris des mois de développement classique est devenu faisable en side project.

Trois mois plus tard, on a des résultats qu’aucun benchmark ou keynote ne nous avait laissé imaginer.

On partage également cette expérimentation sur LinkedIn, au fil des évolutions. Pour suivre la série en temps réel, rendez-vous sur le profil de Matthieu (CTO & co-fondateur d’Hones).

Cet article condense les premiers épisodes. Voici ce qu'on a appris en chemin.

Le vrai défi : 80% de cadrage métier, 20% de technique

Au démarrage, on pensait que le challenge serait technique. Choisir le bon framework, configurer les agents, gérer les prompts. En réalité, la partie technique s’est révélée être la plus simple.

Le vrai travail, celui qui fait la différence entre un bot qui génère du texte et un outil qui apporte vraiment de la valeur, c’est de découper son métier en étapes suffisamment claires pour qu’un système puisse y contribuer.

Comprendre ce qui a de la valeur, ce qui n’en a pas, ce qu’on garde, ce qu’on délègue. Identifier les moments où l’IA peut aider et ceux où elle ne fait que compliquer. Définir les critères de qualité qui permettent de valider qu’un output est bon ou non.

Depuis qu’on travaille sur ce projet, on passe moins de temps à coder et plus de temps à se poser les bonnes questions sur notre propre métier. C’est probablement le gain le plus inattendu.

L’exemple de l’interface : comment bien briefer fait toute la différence

On a conçu l’interface complète de notre outil avec Claude. Un prototype React cliquable, hébergeable, testable. En deux jours. Sans designer.

Au départ, on voulait juste que Claude nous aide à prompter Figma. En interagissant avec lui, on s’est rendu compte qu’il pouvait générer directement le prototype. On a sauté l’étape maquette.

Mais on ne lui a pas dit “fais-moi une interface”. On a structuré l’approche par étapes.

D’abord, générer des règles UX spécifiques à notre contexte. Résultat : un fichier Markdown qui devient le cadre de conception.

Ensuite, briefer un agent avec un contexte complet : ce qu’on fait chez Hones, qui utilise l’outil, pourquoi, des exemples de nos livrables actuels, notre brand book. Briefer l’IA comme on briefe un humain qui débarque sur le projet.

Puis itérer par couches. Structure globale d’abord (menu, navigation), puis descente dans le détail de chaque page. Quand on avait une idée précise, on la donnait. Sinon, on laissait Claude brainstormer à partir des objectifs.

Et superviser constamment. Vérifier que les règles métier sont respectées, que les parcours sont cohérents. Claude propose parfois des choses qui n’ont aucun sens d’un point de vue produit. Sans bases en conception, impossible de repérer ce qui cloche ou d’orienter efficacement.

Le constat est clair : si vous ne savez pas cadrer votre métier, l’IA ne le fera pas pour vous. Elle amplifie ce qui existe déjà. Un brief flou donnera un résultat flou. Une vision claire donnera un produit utilisable.

Trois pièges qu’on a rencontrés : tout mettre dans une seule conversation (ça finit par saturer), ne pas donner d’exemples concrets (l’IA a besoin de voir vos livrables réels), et ne pas itérer brique par brique (demander l’application complète d’un coup fait perdre plus de temps qu’on n’en gagne).

Trois pivots, trois leçons

Cette compréhension du cadrage métier, on l’a acquise progressivement. Mais pour y arriver, on a d’abord dû passer par une autre phase d’apprentissage : comprendre quels outils pouvaient vraiment tenir la route.

On avait fait nos devoirs en amont. Un benchmark des orchestrateurs, une matrice de critères, un choix rationnel. Mais on a quand même fini par changer trois fois de stack en trois mois. Pas par plaisir de repartir de zéro, mais parce que chaque changement répondait à un blocage concret qu’on découvrait en avançant.

Phase 1 : N8n, quand le POC ne suffit plus

On voulait aller vite. Un outil low-code semblait être le bon compromis : configuration rapide, pas besoin de coder, on branche l’IA et c’est parti.

Le POC a fonctionné. On a validé qu’on pouvait dialoguer avec un agent, générer des constats d’audit, formatter en Excel. Techniquement, ça marchait.

Mais dès qu’on a voulu scaler, les limites sont apparues. Impossible de versionner correctement. Le déploiement nécessitait une installation locale sur chaque machine. Pas d’observabilité pour suivre les coûts et les requêtes.

Le POC tournait. Mais impossible à industrialiser.

Le problème était simple : on avait validé une hypothèse technique, pas construit un produit. Les outils low-code sont parfaits pour cette première étape, mais ils montrent leurs limites dès qu’on veut passer à l’échelle. Versioning, déploiement, observabilité : ces sujets paraissent secondaires au début, ils deviennent bloquants très vite.

Phase 2 : LangChain, mieux structuré mais encore lent

Face à ces blocages, on a repris de zéro. Cette fois, objectif clair : versioning propre, déploiement simple, observabilité complète.

On a choisi LangChain parce qu’il était le plus éprouvé. Tout était autocontenu dans un projet GitHub. Chacun pouvait cloner et bosser dessus sans dépendre d’une config externe.

Ça fonctionnait mieux. Mais on était encore sur un mode classique : on écrivait du code, on gérait des agents, on configurait. On gagnait en scalabilité, mais on perdait toujours du temps sur l’exécution.

On avait résolu les problèmes d’infrastructure, mais pas changé fondamentalement le tempo. Choisir un framework éprouvé plutôt que le dernier outil à la mode fait gagner du temps, c’est vrai. Mais avoir une meilleure structure ne suffit pas si on reste dans un mode de développement classique.

Phase 3 : BMAD, le changement de paradigme

C’est à ce moment-là, alors qu’on cherchait encore comment accélérer, qu’on a découvert BMAD, un framework de spec driven development. Par hasard. Un message sur un Discord d’anciens collègues. On a testé par curiosité, sans grande attente.

Et là, tout a basculé.

Avec BMAD, on ne code plus comme avant. On manage une équipe virtuelle : PM, dev, UX, test. On découpe des tâches, on brief, on itère. Exactement comme avec une vraie équipe. Sauf que c’est beaucoup plus rapide.

Ça ne fait pas de magie pour autant. Quand le brief est flou, le résultat l’est aussi. On gère les mêmes problèmes qu’avec une équipe classique : des specs à clarifier, des bugs à corriger, des arbitrages à faire. La différence, c’est que tout va trois à quatre fois plus vite.

La vraie découverte : l’IA ne remplace pas la compétence, elle la démultiplie.

Le learning global : le terrain bat toujours la théorie

En regardant ce parcours avec du recul, une chose est claire : N8n semblait parfait sur le papier. Sur le terrain, ça ne tenait pas. BIMAD, l’outil qui a tout changé pour nous, on ne l’avait même pas dans notre benchmark initial. On l’a découvert par sérendipité.

Le pivot n’est pas un échec, c’est la méthode. Tester vite, voir ce qui coince, ajuster. C’est ce qui fait la différence au vu de la vitesse à laquelle l’IA évolue aujourd’hui.

Les chiffres qui ont tout changé

Ces pivots successifs nous ont menés quelque part qu’on n’imaginait pas au départ. Il y a deux mois, on pensait que l’IA ne pouvait pas faire de vrais produits. Aujourd’hui, on en livre un par semaine.

Un projet récent pour un de nos clients a confirmé ce basculement. Une plateforme de gestion pour suivre des métriques métier en temps réel. Dashboard, backend, base de données, mise en production. Le type de projet qui mobilise habituellement plusieurs profils sur plusieurs mois.

Timeline classique : trois mois. Équipe classique : PM, designer, deux développeurs. Budget : plusieurs dizaines de milliers d’euros.

Résultat obtenu : sept jours, une personne, un dixième du coût.

Les chiffres :

• Temps : divisé par 12

• Équipe : divisée par 3

• Budget : divisé par 10

La qualité est restée équivalente parce que la personne qui pilotait savait cadrer et arbitrer. L’IA a démultiplié sa capacité d’exécution sans remplacer son expertise.

Sur les projets internes, même constat. En trois semaines, plus d’outils produits qu’en deux ans. Sans impact sur les missions en cours. Sans recrutement.

Ces projets ne dorment plus dans un backlog en attendant du temps ou une embauche. Ils avancent entre deux réunions. La contrainte “on n’a pas les ressources” a cessé d’être un blocage automatique.

Ce qui était structurellement impossible devient faisable.

Les questions à se poser maintenant

Ces chiffres qui étaient encore jusqu’ici impensables, viennent de changer l’équation économique du développement. Pas juste pour nous. Pour toute organisation tech.

Un projet qui représentait un investissement lourd devient accessible. Un délai qui imposait des arbitrages difficiles devient gérable. Une roadmap qu’on devait étaler se compresse.

Votre backlog est-il basé sur d’anciennes contraintes ?

Regardez les projets que vous avez mis de côté ces douze derniers mois. Combien d’entre eux sont en pause avec cette justification : “on n’a pas les ressources” ?

Ce calcul était valide il y a six mois. Il ne l’est probablement plus aujourd’hui. Quand une personne qui sait cadrer peut livrer ce qui nécessitait une équipe complète, la contrainte change de nature.

Ça ne signifie pas qu’il faut réduire les équipes. Ça signifie que ce qui était structurellement impossible devient faisable. Les projets qu’on ne lançait pas par manque de temps ou de budget méritent d’être réévalués.

Combien de temps avant que vos concurrents aient ces chiffres ?

Pendant que vous attendez que l’IA devienne plus mature, d’autres organisations testent. Elles accumulent des résultats similaires. Elles réallouent leurs ressources en conséquence.

L’écart se mesure déjà. Diviser ses coûts de développement par 3 à 10. Ou multiplier par 10 ce qu’on livre avec le même budget. Tester une hypothèse produit en une semaine au lieu de trois mois. Ce ne sont plus des projections, ce sont des faits mesurés.

Ceux qui attendent que l’IA “s’améliore” ne voient pas que d’autres ont déjà changé leur façon de travailler. L’écart ne va pas se résorber. Il va s’accentuer.

Par où commencer ?

La réponse est plus simple qu’elle n’y paraît. Le vrai défi n’est pas technique. Il est méthodologique.

Il faut savoir découper son métier en étapes suffisamment claires pour qu’un système puisse y contribuer. Identifier ce qui a de la valeur et ce qui n’en a pas. Définir ce qu’on garde et ce qu’on délègue. Établir les critères qui permettent de valider qu’un résultat est acceptable.

Si ce cadrage n’existe pas, l’IA ne le créera pas. Elle amplifie ce qui existe déjà. Un brief vague produira un résultat vague. Une vision structurée produira quelque chose d’utilisable.

Le coût d’attendre dépasse maintenant le coût de tester. Si vous pilotez encore avec les hypothèses d’il y a six mois, vous prenez probablement des décisions sur des bases périmées.

L’expérimentation continue

On ne s’arrête pas là. Cette expérimentation continue. On teste de nouveaux outils, on mesure de nouveaux cas d’usage, on accumule des learnings.

Dans les prochains mois, on va documenter d’autres aspects : comment on gère les erreurs d’agents IA en production, comment on mesure la qualité des outputs, comment on forme les équipes à piloter ces outils, les limites qu’on a rencontrées et comment on les contourne.

Ce qu’on a condensé ici, ce sont les trois premiers mois. Les bases. Ce qui permet de démarrer et d’éviter certains écueils.

Pour suivre la série en temps réel sur Linkedin et voir comment ça évolue, c’est ici que ça se passe.

La réalité ? Elle est probablement à 40%. Et vous mesurez les mauvaises choses.

Ce décalage n’est pas un problème de compétence. C’est un problème d’organisation et de communication entre CEO et CTO.

Quand le dirigeant ne voit pas ce qui se passe dans l’équipe, il imagine le pire.
Quand le CTO ne communique pas sur ce que fait son équipe, il crée un vide que le CEO remplit avec ses suppositions.

Voici comment sortir de ce piège.

Le vrai problème : vous ne voyez que ce qui sort

Vous comptez les features livrées, les tickets fermés, les sprints terminés. Mais qu’en est-il du reste ?

Une équipe peut passer des semaines sur de la dette technique sans rien livrer de visible. Elle travaille sur des choix d’architecture pris il y a deux ans qui ralentissent maintenant chaque développement. Les corriger ne produit rien à court terme, mais permet d’aller trois fois plus vite dans six mois.

Autre exemple : si votre application n’est pas stable, l’équipe passe une partie significative de son temps à résoudre des bugs en production. Ce temps n’apparaît nulle part dans vos métriques de vélocité.

Le travail invisible existe. Ne pas le voir ne signifie pas qu’il n’existe pas.

Le plafond des 90%

Même une équipe qui tourne au taquet ne dépasse jamais 90% de productivité.

Le plafond est là.

Pourquoi ? Parce que la tech n’est pas une chaîne de production. Il y a toujours quelque chose : un membre de l’équipe malade, une urgence client, un bug critique en production. Ces événements font partie d’un fonctionnement normal d’une équipe.

Si vous attendez que votre équipe soit à 100%, vous risquez d’être déçu et créer une pression contre-productive.

Comment mesurer vraiment

Oubliez les tickets et les story points pris isolément. Ils ne disent rien de la valeur produite.

Mesurez plutôt à quoi vous dépensez votre temps.

Voici le framework que nous utilisons avec nos clients :

Catégorisez le temps passé sur chaque activité de l’équipe :

• X% sur la résolution de bugs et la stabilisation

• X% sur la maintenance et l’amélioration technique

• X% sur les nouvelles fonctionnalités

• X% sur l’amélioration de la productivité (outillage, process, formation)

Quatre ou cinq catégories suffisent. Pas besoin de quinze sous-catégories que personne ne remplira.

Suivez l’évolution mois après mois :

• “Le mois dernier, 40% de notre temps partait en bugs. Ce mois-ci, on est à 25%.”

• “On passe 15% de notre temps sur l’amélioration de nos outils, ça commence à payer sur la vélocité.”

Cette cartographie change tout. Vous avez enfin des chiffres pour discuter.

Faut-il investir davantage dans la stabilisation ? Ralentir les nouvelles features pour rembourser de la dette technique ?

Ces questions deviennent actionnables.

Une responsabilité partagée

Côté CEO

Donner une vision claire au-delà de 3 mois

Sans roadmap partagée, c’est le chaos. Les priorités changent chaque semaine, l’équipe passe son temps à jongler entre des sujets qui n’aboutissent jamais.

Participer aux arbitrages

Quand vous demandez une nouvelle feature en urgence, qu’est-ce qu’on décale ? Cette question doit être posée explicitement avec le CTO, pas décidée dans le vide.

Accepter que la tech ≠ production industrielle

Vous ne pouvez pas changer les priorités chaque semaine sans impacter la productivité. Si vous voulez de la prévisibilité, donnez de la stabilité.

Côté CTO

Mesurer et communiquer la répartition du temps

Montrez concrètement sur quoi l’équipe travaille. Un tableau simple avec les grandes catégories suffit.

Rendre visible le travail invisible

Le CEO ne comprend pas forcément la dette technique ou le refactoring. Traduisez-le en impact business : “On a passé deux semaines sur cette refonte, ça va nous permettre de livrer les prochaines features 50% plus vite.”

Mettre en place des rituels d’alignement

Un call mensuel ou hebdomadaire avec votre CEO pour échanger sur la charge, les projets, les tensions. L’objectif : arbitrer avant que ça devienne un problème.

Par où commencer ?

Voici trois premières actions concrètes que vous pouvez mettre en place dès demain :

1. CTO : catégorisez le temps de votre équipe cette semaine

Bugs, maintenance technique, nouvelles features, amélioration productivité. Quatre colonnes, des pourcentages approximatifs. Ça prend 30 minutes.

2. CEO et CTO : bloquez un créneau mensuel d’une heure

Pour échanger sur la charge, les projets, ce qui coince. Ce rendez-vous devient non négociable.

3. Partagez une roadmap au-delà de 3 mois

Pas besoin d’un planning au jour près. Une direction claire avec les chantiers prioritaires suffit.

Ces trois actions ne règlent pas tout. Mais elles créent les conditions pour que CEO et CTO parlent enfin le même langage.

Le décalage de perception entre CEO et équipe tech vient rarement d’un problème de qualification. Il vient généralement d’une absence de mesure et de communication.

Quand vous savez sur quoi l’équipe passe son temps, et que vous avez une gouvernance claire pour arbitrer, vous voyez enfin l’efficience de votre équipe telle qu’elle est réellement.

Six mois plus tard, vous passez vos journées en réunions pour aligner tout le monde.

C’est une simple question de maths.

À 3 personnes, il y a 3 relations possibles. À 10, il y en a 45. À 30, on dépasse les 400.

Plus votre équipe grandit, plus sa complexité explose, sans que votre capacité à coordonner ne change.

Résultat : vous passez plus de temps à expliquer, répéter, aligner, qu’à produire.

Pendant ce temps, votre concurrent à 8 personnes itère deux fois plus vite. Pas parce qu’il est meilleur. Parce qu’il n’a pas à gérer 400 relations.

La tech est en train de sortir du dogme “lever = recruter massivement”. Les boîtes qui performent aujourd’hui restent en mode commando. 5 à 15 personnes max par équipe. Elles avancent pour construire, pas pour coordonner.

On parle de ce basculement dans cette vidéo.

👋 Bonjour,

Ce mois-ci, on vous a sélectionné 6 ressources pour :

• Comprendre pourquoi l’IA échoue dans la plupart des entreprises qui ont du legacy

• Passer du POC qui s’éternise au déploiement qui apparaît dans le P&L

• Voir ce que ça donne concrètement, chez des boîtes qui l’ont traversé

• Reprendre la main sur votre propre transformation, en tant que CEO

La vraie question à vous poser en 2026 : vous n’êtes pas en train de lancer une startup from scratch, vous avez un existant, des équipes, du code, des process, des habitudes.

Alors comment intégrer l’IA dans ce contexte-là, avec ces contraintes-là ?

Pas de hype, pas de concepts abstraits : que du concret pour les dirigeants qui pilotent une transformation IA sur un terrain déjà occupé.

🗞️ Les articles du mois

1. Ce que les boards attendent vraiment de vous sur l’IA en 2026

→ Lire : What leaders need to get right in 2026 – Insight Partners

Les pilotes IA, les dashboards d’adoption, les POC qui s’enchaînent sans suite. En 2026, les boards n’en veulent plus. La question est devenue simple : est-ce que ça apparaît dans le P&L, ou pas ?

Insight Partners le voit sur +800 boîtes en portefeuille : l’IA doit maintenant justifier sa ligne dans le budget, pas juste sa place dans la roadmap.

✅ Pourquoi le lire ?

Cet article compile les observations de six Managing Directors et Operating Partners qui passent leurs semaines dans des boards de scale-ups. Ce n’est pas de la recherche académique, c’est ce qui se dit réellement en comité de direction.

Quelques points qui méritent qu’on s’y arrête :

• Les entreprises qui avancent vraiment sur l’IA sont celles qui avaient déjà des fondations solides : data propre, process définis, organisation cohérente. Pablo Dominguez le dit autrement : “L’IA ne va pas remplacer ce que vous n’avez jamais eu.”

• La question qui dérange : “Imaginez que vous lanciez une nouvelle entreprise pour détruire la vôtre, avec l’IA et sans dette technique. Que feriez-vous ? Parce que c’est ce que font vos concurrents en ce moment.”

• Des objectifs chiffrés concrets, rarement publiés : entre 2 et 5 points de marge récupérables via l’IA, répartis entre le marketing, la R&D et le customer success.

• Ce que ça change pour le profil CEO : l’expertise technique devient attendue à tous les niveaux de la direction. Pas pour coder, mais pour avoir un avis, challenger, arbitrer.

💡 À retenir : “Les entreprises qui pensent que l’IA va compenser ce qu’elles n’ont jamais su faire vont souffrir.”

2. Pourquoi la plupart des déploiements IA en entreprise n’aboutissent pas

→ Lire : The Hard Truth About Enterprise AI Adoption – Bain Capital Ventures

“95% des POC IA échouent.” Ce chiffre a fait le tour des boardrooms en 2025. La réalité est moins spectaculaire et plus instructive : les modèles évoluent bien plus vite que les organisations. C’est là que ça coince, pas dans la technologie.

Cet article publié en février 2026 documente une année de déploiements IA dans des grandes entreprises établies, avec des noms, des détails, et une conclusion qui dérange.

✅ Pourquoi le lire ?

American Express a dû stopper son déploiement IA et reconstruire entièrement sa couche data avant de pouvoir avancer. Pas parce que le modèle était mauvais. Parce que la donnée en dessous était inconsistante, incomplète, non gouvernée. Une fois les fondations refaites, l’outil s’est déployé sur 19 marchés. Quand Duolingo a communiqué sur l’IA sans clarifier l’impact sur les rôles, le résultat n’a pas été de l’adoption. C’est de la résistance organisée.

Ce que font les entreprises qui s’en sortent : elles écrivent la métrique cible avant de choisir le modèle. Le template proposé dans l’article est directement utilisable en réunion de direction : “Pour améliorer [métrique] de [X%] pour [équipe] d’ici [date], nous allons [use case].” Si vous ne pouvez pas remplir tous les blancs, vous faites encore un prototype.

💡 À retenir : “Don’t bolt a rocket to a horse cart.”

3. Du “bolt-on” au “built-in” : le framework pour les entreprises qui ont un existant lourd

→ Lire : How Legacy Companies Can Become AI-Enabled – HR Executive

Il y a une différence entre greffer l’IA sur des process existants pour aller un peu plus vite, et refondre ces process en utilisant l’IA comme levier de redesign. La première approche représente ce que font 85% des entreprises aujourd’hui. La deuxième est ce qui crée de la valeur visible sur le compte de résultat.

L’Institute for Corporate Productivity a interrogé près de 300 entreprises de plus de 1 000 salariés. Ce qu’ils trouvent : seulement 15% ont vraiment passé le cap. Les 85% restants pilotent une AI dans du vieux monde.

✅ Pourquoi le lire ?

Parce que l’article nomme un problème systémique que peu de dirigeants voient depuis leur position.

Dans une entreprise, un commercial a développé une technique IA pour automatiser une partie de son process de vente. Ses résultats s’envolent. Il garde la méthode pour lui, parce que le système d’incentive traditionnel l’y pousse. L’entreprise a investi dans l’IA. Le gain est resté individuel. C’est le “bolt-on” en action : l’outil change, le cadre organisationnel autour reste identique, et les gains ne se diffusent pas.

Des cas concrets que l’article documente : WPP a réduit 50 000 intitulés de postes à 6 000 en repassant par l’IA l’ensemble de sa taxonomie métiers. L’US Army met à jour 300 000 fiches de personnel en une semaine. Moderna a construit plus de 3 000 GPTs internes intégrés à toute sa chaîne de valeur, de la conception du médicament jusqu’aux RH.

Le framework en six étapes proposé (prioriser les fonctions à fort impact, décomposer le travail en tâches, prototyper, diagnostiquer les gaps de compétences et de data, aligner les systèmes, scaler et itérer) est l’un des plus rigoureux de ce qui a été publié sur le sujet.

💡 À retenir : “Arrêtez de greffer. Faites exploser certaines choses. Avec une feuille blanche, construisez la meilleure façon d’obtenir non pas les mêmes résultats, mais de meilleurs.”

4. L’IA, c’est votre boulot. Pas celui de votre CTO.

→ Lire : CEO, AI Is Your Job – Forbes / Sylvain Duranton, BCG

72% des PDG déclarent être désormais les principaux décideurs sur l’IA dans leur organisation. C’est deux fois plus qu’en 2025. La vague agentique a changé la perception du risque : les enjeux sont trop larges pour rester dans un silo tech.

Sylvain Duranton, Senior Partner BCG X, s’appuie sur une étude menée auprès de 2 300 dirigeants pour poser une conclusion simple : la stratégie IA ne se délègue plus.

✅ Pourquoi le lire ?

Parce que c’est l’article qui pose la question à laquelle tout le reste de cette édition répond : qui tient réellement le gouvernail ?

Un dirigeant sur deux estime que sa longévité dans le rôle dépend de sa capacité à faire de son entreprise un “AI champion”. En moyenne, les dirigeants prévoient de doubler leurs ressources IA en 2026. Dans l’assurance, l’énergie et le consumer goods, l’objectif est de les tripler.

Ce que l’étude pointe, et que peu d’articles osent dire franchement : les CEOs sont convaincus de l’urgence. Les membres de leur comex le sont deux fois moins. C’est là que se jouent la plupart des transformations qui n’aboutissent pas. Pas dans le choix du modèle IA, pas dans le budget alloué. Dans l’écart de conviction entre le dirigeant et son équipe de direction.

💡 À retenir : “La stratégie IA n’est plus un sujet à déléguer. Et les CEO qui attendent que ça se fasse tout seul prennent un risque stratégique qui va croissant.”

🎬 L’espace média

Comment Airtable a réorganisé toute l’entreprise autour de l’IA

→ Regarder : How we restructured Airtable’s entire org for AI – Lenny’s Podcast (~1h30)

Un tweet viral annonce qu’Airtable est mort. Les données sont fausses, mais la pression est réelle. Howie Liu, co-founder et CEO d’Airtable (valorisée ~12 milliards de dollars), ne répond pas au tweet. Il réorganise l’entreprise.

✅ Pourquoi le regarder ?

C’est le témoignage d’un CEO de scale-up tech qui raconte exactement ce qu’il a modifié dans son organisation. Pas un plan de transformation sur 3 ans. Ce qui a changé, comment, et pourquoi.

Howie Liu a instauré deux types d’équipes qui fonctionnent à des vitesses différentes, une pour shipper des features IA chaque semaine, une autre pour tenir la stratégie à moyen terme. L’idée vient de Kahneman (Système 1 / Système 2), appliquée à une org chart. Il est aussi le premier utilisateur IA d’Airtable en termes de coût d’inférence. Il n’a pas délégué le sujet.

Sa décision la plus contre-intuitive : demander à ses équipes d’annuler toutes leurs réunions pendant une semaine pour simplement explorer les outils IA. Sans objectif de delivery, sans compte-rendu attendu. L’exploration comme directive. Et pourquoi les métriques d’évaluation peuvent parfois tuer l’innovation avant qu’elle commence.

💡 À retenir : “Dans l’ère de l’IA, les CEO doivent redevenir des contributeurs individuels. Si vous vous éloignez des détails que vous aimez, vous perdez la capacité à piloter.”

Comment AXA France a industrialisé l’IA sur un existant lourd

→ Regarder : L’AI/GenAI Factory : un modèle gagnant pour AXA France – Artefact (~15 min)

AXA France c’est : des milliers de collaborateurs, des process historiques, une réglementation contraignante, un EU AI Act à intégrer. Et un assistant IA interne déployé en production en 3 semaines.

Hugo Hamad, Head of AI Factory chez AXA France (passé par Decathlon dans le même rôle), explique ce qui a rendu ça possible.

✅ Pourquoi le regarder ?

Là où Howie Liu parle depuis une scale-up tech agile, Hugo Hamad parle depuis exactement les contraintes que connaissent la plupart des entreprises établies : dette technique, gouvernance distribuée, cadre réglementaire.

Le modèle qu’il décrit, l’AI Factory, repose sur trois fonctions distinctes : des équipes delivery intégrées aux métiers, une équipe plateforme qui construit des socles réutilisables “prêts à l’emploi”, et une équipe gouvernance qui s’assure que tout ce qui sort respecte les exigences de l’EU AI Act et les principes de sécurité dès la conception.

Ce qui est intéressant dans son raisonnement : industrialiser correctement l’approche IA dès le départ, c’est répondre automatiquement à la quasi-totalité des exigences réglementaires. La gouvernance n’est pas une contrainte subie en fin de projet. C’est ce qui permet d’aller vite en toute sécurité, et de le reproduire.

💡 À retenir : “Quand on fait les choses by design, la réglementation n’est plus un frein. Elle devient le cadre qui accélère.”

À très vite,

— L’équipe Hones

Pas de ralentir ou de pivoter. D’arrêter.

Parce que quand vous êtes trop loin dans les récifs, redresser la barre coûte souvent plus cher que de construire un nouveau bateau.

C’est l’une des décisions les plus difficiles à formuler. Et pourtant, c’est parfois la plus honnête qu’on puisse donner.

Dans cette vidéo, Matthieu revient sur les situations critiques qu’on rencontre chez Hones : les projets qu’il vaut mieux abandonner, et les moments où une séparation dans l’équipe technique devient inévitable pour protéger la société.

Ce n’est pas la partie la plus glamour du conseil. Mais c’est là, souvent, que se jouent les vraies décisions.

👋 Bonjour,

Ce mois-ci, on vous a sélectionné 3 ressources pour :

• Comprendre pourquoi l’IA est devenue un sujet de direction générale

• Identifier ce qui distingue les entreprises qui créent de la valeur de celles qui accumulent les POC

• Évaluer votre propre posture de dirigeant face à cette transformation

• Passer du “il faut faire de l’IA” au “voilà comment je pilote”

La vraie question pour un CEO en 2026 : qu’est-ce que ça change concrètement dans ma manière de piloter ? Prise de décision, relation avec les équipes tech, arbitrages stratégiques, gouvernance. Le sujet n’est plus technologique. Il est managérial.

Pas de bullshit, pas de concepts abstraits : que du concret pour les dirigeants qui veulent piloter cette transformation, pas la subir.

🗞️ Les articles du mois

1. Les CEO prennent le contrôle de la stratégie IA : ce que révèle l’étude BCG 2026

→ Lire : Un PDG sur deux estime que sa réussite dépend de sa stratégie IA

Il y a un an, l’IA était encore un sujet délégué aux équipes tech. En 2026, la donne a changé : 72% des PDG déclarent être désormais les principaux décideurs en matière d’IA. C’est deux fois plus qu’en 2025.

Ce n’est plus une tendance. C’est un basculement.

✅ Pourquoi le lire ?

Cette étude BCG, menée auprès de 2 360 dirigeants dans le monde (dont 640 PDG), pose un constat qui devrait interpeller tout CEO de startup ou scale-up : la stratégie IA n’est plus un sujet à déléguer. Elle engage directement votre capacité à piloter l’entreprise.

Quelques chiffres qui méritent qu’on s’y arrête :

• Les entreprises prévoient de doubler leurs dépenses IA en 2026 (1,7% du CA en moyenne).

• 94% des PDG maintiendront ce niveau d’investissement même sans ROI immédiat.

• Les PDG “pionniers” consacrent 60% de leur budget IA à la formation, contre 27% chez les pragmatiques.

Ce que montre cette étude, ce n’est pas que l’IA devient importante. C’est que la capacité d’un CEO à piloter sa transformation IA devient un critère de performance. Et les dirigeants qui restent en retrait sur ce sujet prennent un risque stratégique croissant.

La bonne nouvelle pour les dirigeants français : 42% des PDG hexagonaux sont classés “pionniers”, ce qui place la France en tête des pays européens. La mauvaise nouvelle : cela signifie aussi que 58% ne le sont pas.

💡 À retenir : “L’IA n’est plus un sujet tech. C’est un sujet de direction générale. Les CEO qui ne s’en emparent pas perdent la main sur leur propre vélocité.”

2. Stratégie IA en scale-up : pourquoi 2026 marque un point de bascule

→ Lire : Stratégie IA en scale-up : pourquoi 2026 sera décisive

Le vrai risque de l’IA pour une scale-up n’est pas que les développeurs soient remplacés. C’est l’écart de vélocité qui se creuse, chaque jour un peu plus, entre les entreprises qui structurent leur adoption et celles qui improvisent.

Cet écart ne se rattrape pas avec un budget ou une embauche. Il se rattrape avec une stratégie.

✅ Pourquoi le lire ?

Cet article pose un diagnostic frontal sur la situation des entreprises françaises face à l’IA. Les chiffres parlent d’eux-mêmes : 60% des PME sont encore au niveau 1 d’adoption, c’est-à-dire un usage non cadré, sans objectifs définis, sans équipes formées. Autrement dit, elles utilisent l’IA. Mais elles n’ont pas de stratégie IA.

La nuance est fondamentale. Et les conséquences commencent à se matérialiser.

Ce que montre l’article :

• L’écart de vélocité entre entreprises IA-structurées et les autres suit une courbe exponentielle, pas linéaire.

• Le retard français n’est pas un problème de moyens ou d’accès aux outils. C’est un problème de gouvernance.

• L’IA amplifie ce qui existe. Une organisation qui dysfonctionne ira plus vite, droit vers le mur.

L’article propose aussi 5 actions concrètes pour structurer une stratégie IA : résoudre les problèmes de gouvernance d’abord, désigner un responsable avec un mandat clair, formaliser un plan avec des objectifs mesurables, former avant d’outiller, mesurer et itérer.

Pour un CEO de scale-up, c’est une lecture qui remet les priorités dans l’ordre. La question n’est plus “faut-il adopter l’IA ?”. Elle est : “mon organisation est-elle structurée pour accélérer, ou pour amplifier ses propres faiblesses ?”

💡 À retenir : “L’IA est un révélateur. Elle ne crée pas les problèmes d’une organisation. Elle les expose et les amplifie.”

3. 78% des grandes entreprises utilisent l’IA en production. Le ROI reste décevant.

→ Lire : Leaders, gainers and unexpected winners in the Enterprise AI arms race

OpenAI, Anthropic, Google, Microsoft… La guerre des modèles fait rage. Les budgets explosent. Les CIOs empilent les fournisseurs.

Mais quand a16z interroge 100 décideurs du Global 2000 sur leurs résultats concrets, le constat est plus nuancé : le ROI réel “ne correspond pas au discours ambiant”.

✅ Pourquoi le lire ?

Cette étude annuelle d’Andreessen Horowitz auprès des plus grandes entreprises mondiales offre une photo nette du marché IA enterprise. Au-delà des parts de marché (OpenAI à 78%, Anthropic en forte progression), ce sont les constats de fond qui méritent l’attention.

Ce que révèle l’enquête :

• 81% des entreprises utilisent désormais 3 fournisseurs de modèles ou plus. La fragmentation s’accélère.

• 65% préfèrent les solutions des éditeurs historiques (Microsoft en tête). Pas pour la technologie. Pour la confiance, l’intégration existante et la simplicité d’achat.

• Le budget IA moyen bondit de 65% cette année. Mais les gains mesurés restent en-deçà des attentes.

Pour un CEO, cette étude rappelle une évidence souvent oubliée : le choix de l’outil compte moins que la capacité de l’organisation à l’absorber. Les entreprises qui captent de la valeur ne sont pas celles qui ont les meilleurs modèles. Ce sont celles qui ont d’abord travaillé sur le facteur humain.

💡 À retenir : “Les entreprises apprennent encore à déployer l’IA efficacement. Et elles ne savent pas à quoi ressemble le ‘bon’ tant qu’elles ne l’ont pas expérimenté.”

🎧 L’espace média

Podcast : L’optimisme méthodique d’un CTO face à l’IA

→ Écouter : De la Silicon Valley à Alan : l’optimisme méthodique du CTO face à l’IA et l’humain – Tech.Rocks (27 min)

80% des utilisateurs d’Alan préfèrent parler à l’IA plutôt qu’à un humain. Parce que l’IA est jugée plus empathique : toujours disponible, toujours patiente.

Ce chiffre vient de Charles Gorintin, cofondateur et CTO d’Alan, dans cet échange avec Julien Jouhault (CTO leboncoin).

✅ Pourquoi l’écouter ?

Après les grandes études et les conseils de cabinets internationaux, ce podcast ramène le sujet sur le terrain. Un CTO français, passé par Facebook, Instagram et Twitter, qui partage ce qu’il a appris en construisant une scale-up de 500 personnes.

Ce qui ressort de l’échange :

• Sa philosophie de leader : “se virer de son boulot tous les 6 à 12 mois” en recrutant des gens meilleurs que soi. Une organisation qui ne se renouvelle pas se fige.

• Son regard sur l’IA : elle ne remplace pas l’humain, elle nous libère des tâches ingrates pour qu’on puisse être plus humains là où ça compte.

• Son concept d’optimisme méthodique : ni naïveté, ni attentisme. Agir concrètement, tester, mesurer, ajuster. C’est comme ça qu’Alan a mis en production un assistant IA que les utilisateurs préfèrent au chat humain.

Pour un dirigeant, c’est une invitation à sortir du débat théorique “l’IA va-t-elle remplacer les emplois ?” pour entrer dans une question plus utile : comment je structure mon organisation pour que l’IA amplifie ce qu’on fait de mieux ?

💡 À retenir : “L’IA va nous permettre d’être plus humains en nous libérant des tâches ingrates.”

Podcast : How the best CEOs are meeting the AI moment

→ Écouter : How the best CEOs are meeting the AI moment

“C’est 80% transformation business et 20% transformation tech.”

Cette phrase d’Eric Kutcher résume à elle seule pourquoi tant d’entreprises peinent à voir un ROI sur leurs investissements IA. Elles traitent l’IA comme un projet tech. C’est une erreur de cadrage.

✅ Pourquoi l’écouter ?

Ce podcast ne parle pas d’outils ou de modèles. Il parle du rôle du CEO face à ce qu’Eric Kutcher appelle le “legacy moment” : le moment où un dirigeant définit ce que sera son héritage.

Son constat est sans appel : les CEOs qui s’emparent du sujet transformeront leur organisation. Ceux qui attendent ne survivront pas. “It’s that binary.”

Ce qui distingue les meilleurs selon lui :

• Ils ne déploient pas l’IA en espérant que “de bonnes choses arrivent”. Ils réimaginent leurs process.

• Ils développent leur propre fluency IA. Pas en lisant des rapports, mais en passant du temps avec les équipes qui utilisent la technologie au quotidien.

• Ils osent être vulnérables. Dire “je ne sais pas” n’est plus une faiblesse. C’est ce qui permet d’apprendre.

Un point qui mérite qu’on s’y arrête : l’organisation du futur sera plus plate. “Way more workers and judgment, way fewer managers.” Ce n’est pas juste une évolution des outils. C’est une remise en cause des structures de management.

Pour un CEO de scale-up, ce podcast est une invitation à se poser la vraie question : est-ce que je pilote cette transformation, ou est-ce que je la délègue en espérant qu’elle se fasse toute seule ?

💡 À retenir : “The CEOs who take this on will take their organizations to a different level. And CEOs who sit and wait—their companies aren’t going to exist.”

👥 Deux profils de CEO face à l’IA

Dans quelle colonne vous reconnaissez-vous le plus souvent ? La réponse en dit long sur votre posture face à cette transformation.

À très vite,

— L’équipe Hones

Le CTO voulait construire le produit le plus solide techniquement. Le CEO voulait du chiffre, vite.

Quinze ans plus tard, tout le monde a compris qu’il fallait bosser ensemble.

Mais “ensemble” ne veut pas dire grand-chose quand personne n’a appris à le faire concrètement.

Les tensions entre CEO et CTO n’ont pas disparu. Elles ont juste changé de nature.

On en parle dans cette vidéo !

C’est un modèle qu’on croise souvent. Mais c’est un modèle qui n’est pas viable.

Pas parce que le CTO manque de compétences ou parce que le CEO micro-manage. C’est parce que la relation est mal posée dès le départ.

Un duo CEO-CTO fonctionne avant tout grâce à une vision partagée, des contraintes comprises des deux côtés, et une capacité à se dire les choses.

Le CEO doit pouvoir entendre “non, ça c’est compliqué, mais on peut répondre autrement”. Le CTO doit intégrer que le budget et le timing ne sont pas des détails.

Joachim et Matthieu parlent de leur expérience dans cette vidéo en donnant quelques repères concrets sur ce qui fait tenir un duo tech/business dans la durée.

La semaine dernière, nous avons posé le décor dans la première partie de notre baromètre :

2025 a créé des écarts de vitesse et des dépendances technologiques que nos équipes, dirigeants et CTO Hones, ont observés partout sur le terrain.

Mais cette accélération n’est qu’une partie du tableau.

Ce que 2025 nous a montré tout aussi clairement, c’est ce que cette accélération fait aux organisations :

comment elle bouleverse les repères des équipes, comment elle fragilise des métiers qu’on croyait stables, et comment elle expose des marchés que l’on pensait solides.

Cette seconde édition part du même matériau, nos retours d’expérience en toute franchise, mais s’intéresse à l’autre versant de la transformation :

👉 le travail et

👉 les marchés.

Deux zones souvent traitées séparément, alors qu’en 2025, elles ont bougé simultanément et parfois pour les mêmes raisons.

Si la première édition décrivait ce qui accélère, celle-ci analyse ce qui encaisse, et ce que 2026 va réellement challenger dans les organisations françaises.

🟣 FRACTURE #3 — LE TRAVAIL

Quand la promesse d’avenir commence à se fissurer

« Mon métier va disparaître, c’est sûr. »
Il a 26 ans.
Il travaille en audit, dans un grand cabinet.
Sur le papier, il a tout fait “comme il faut”.
Et pourtant, il ne se projette plus.

Ce n’est pas une crise d’ego. C’est un doute profond sur la durée de vie de ce qu’il construit.

En 2025, cette phrase est remontée plus d’une fois. Pas seulement chez les juniors. Pas seulement dans la tech.

Elle révèle quelque chose de plus profond qu’une inquiétude passagère : une crise de projection.

Pendant longtemps, l’automatisation inquiétait surtout les métiers industriels, répétitifs, mécaniques.

En 2025, le doute a glissé vers des métiers réputés “solides” : audit, contrôle, reporting, analyse.

Non pas parce que ces métiers ont disparu, mais parce que des systèmes produisent en quelques minutes ce qui fondait une part de leur valeur perçue.

Et quand la valeur d’un métier s’effondre, ce n’est pas seulement un sujet de compétences.

C’est un sujet d’identité professionnelle.

La crise se propage : individu, équipe, organisation

Cette crise de projection ne reste pas individuelle. Elle se propage à trois niveaux simultanés.

Niveau 1 : L’individu - “Est-ce que je construis une trajectoire… ou une parenthèse ?”

Les questions qui remontent :

• “Est-ce que ce que je fais aura encore de la valeur dans 3 ans ?”

• “Est-ce que je peux bâtir ma vie sur ce métier ?”

• “Est-ce que je m’adapte… ou est-ce que je retarde l’inévitable ?”

Yann (CTO part-time Hones) le constate aussi côté dirigeants : une partie des C-level ne sait plus très bien où elle va. Et ce, faute de repères stabilisés sur ce que la tech et l’IA changent vraiment dans leur modèle.

Ce flou ne produit pas une rupture immédiate. Il produit du ralentissement invisible :

• des spécialisations choisies à reculons,

• des reconversions repoussées,

• des talents qui restent “en observation” plutôt qu’en mouvement.

Niveau 2 : L’équipe – “On ne parle plus le même langage”

Philippe (CTO part-time Hones) et Yann le voient chaque semaine :

Les équipes tech sont traitées comme des exécutants, et ne sont pas intégrées dans les arbitrages business.

De l’autre côté beaucoup de responsables IT n’ont pas mis à jour leurs compétences sur l’IA.

La tech devient alors une boîte noire pour le board et inversement.

Résultat : les dirigeants ne lisent plus ce qui se passe dans la tech, les équipes ne lisent plus ce que le board essaie de faire.

Niveau 3 : L’organisation – “Le mythe du A-player face à une réalité collective”

Face à ces tensions, beaucoup d’entreprises ont la même tentation : “il nous faut les bons profils”, “on manque de A-players”.

La réalité observée sur 2025 est que les organisations qui s’en sortent le mieux ne sont pas celles qui accumulent les CV brillants, mais celles où :

• la vision est claire,

• comprise de tous,

• et traduite en autonomie réelle.

Matthieu (CTO et co-fondateur Hones) l’a observé sur plusieurs années : quand board, CEO, produit et tech parlent le même langage, l’impact dépasse n’importe quel recrutement ‘star’.

En 2026, la définition du A-player change :

Ce n’est plus celui qui brille seul, c’est celui qui embarque et fait progresser le collectif.

La performance devient une propriété de l’organisation, pas de quelques individus.

2 mouvements qui vont s’accélérer en 2026

Ces tensions ont cohabité en 2025 sans éclater. En 2026, elles vont devenir explicites.

Les départs silencieux vont s’accélérer

Pas de clash. Pas d’ultimatum. Juste une lente érosion de l’engagement, puis un départ “pour un nouveau challenge”.

Les métiers vont muter plus vite que les organigrammes

Loïs (CTO part-time Hones) ajoute : “Il y aura de moins en moins de développeurs ‘pur’ qui vont répondre à des problèmes tech mais de plus en plus d’architectes qui devront comprendre le métier et utiliser l’IA pour apporter une solution.”

Les AI ops émergent, les développeurs deviennent orchestrateurs, mais les fiches de poste n’ont pas bougé.

💡 Ce que vous devez retenir

• Votre principal risque n’est pas le “désengagement” abstrait, mais la perte de projection : “je ne vois plus ma place ici à 3 ans”.

• Une organisation peut être efficace à court terme avec des équipes inquiètes, mais elle ne tiendra pas la cadence 2026 sans clarifier les trajectoires.

• Le travail n’est plus un sujet RH. C’est un sujet de capacité d’exécution durable.

Une question pour entrer en 2026

Est-ce que certains métiers, dans votre organisation, évoluent déjà sans que vous ayez clarifié ce qu’ils deviennent vraiment ?

Identifiez UN métier concerné.

Puis posez-vous : si un talent clé dans ce métier vous demandait “quel est mon avenir ici ?”, que lui répondriez-vous ?

Si vous hésitez, vos équipes hésitent déjà.

En 2026, le différentiel ne se fera pas seulement sur la vitesse ni sur l’IA.

Il se fera sur une chose plus simple et plus dure à obtenir : la capacité de vos équipes à se voir encore chez vous… quand tout bouge.

🟣 FRACTURE #4 — LES MARCHÉS

Quand l’immobilité devient le premier facteur de risque

Pendant des années, certains marchés ont donné l’impression de ne pas bouger.

Banque. Assurance. Logiciels métier. Services B2B.

Mêmes acteurs. Mêmes outils vieillissants. Mêmes process complexes.

À l’extérieur, tout avait l’air stable. À l’intérieur, l’inefficience s’empilait.

Dans nos missions, ce constat revient partout :

• des briques modernes ici ou là,

• posées sur des systèmes anciens,

• parfois construits il y a 10, 15, 20 ans,

• devenus tellement critiques qu’on n’ose plus les toucher.

Sur plus de 40 organisations accompagnées, plus de 60 % dépendaient encore d’un logiciel mal documenté, mal intégré ou rarement challengé.

Ces petits monopoles, des positions prises il y a longtemps, protégées non par leur excellence, mais par la peur du changement et par la complexité accumulée, ne sont pas encore tombés en 2025.

Mais cette année a rendu leur coût réel visible : lenteur des cycles, expériences client médiocres devenues “normales”, innovation qui patine.

Matthieu le résume bien :

« D’un côté on voit des outils hyper modernes type Alan, qui sont un peu à la pointe, et de l’autres on a toujours de vieux logiciels de niche vraiment à l’ancienne, qui continuent à marcher. Il y a plein de petits monopoles. »

Ces monopoles ne tiennent pas par force. Ils tiennent par inertie.

Et en 2026, l’inertie va devenir un signal de faiblesse.

Anatomie d’une disruption : ce que les banques en ligne ont révélé

2014 : Boursorama, N26, Revolut n’existaient pas vraiment.

2025 : Ils ont déplacé des millions de clients.

Ce qui a changé :

Ce qui est fascinant :

Aucune de ces entreprise n’a ré-inventé la banque.

Elles ont juste supprimé les irritants que tout le monde subissait.

Le mécanisme :

Une petite équipe cible un irritant majeur → early adopters → bouche-à-oreille → comparaison de masse → les incumbents réagissent (trop tard).

Le processus a pris 5-7 ans. Sauf qu’aujourd’hui, avec l’IA et des outils no-code, le même processus prendra 18-24 mois.

Yann observe le même pattern à l’échelle interne d’une entreprise : les équipes métiers contournent déjà les outils historiques par frustration. Elles montent leurs automatisations en parallèle.

Ce qui est contourné en interne aujourd’hui sera attaqué par des externes demain.

Les trois signaux à surveiller en 2026

Un marché est structurellement attaquable lorsque plusieurs choses se combinent :

• l’innovation est lente,

• les outils sont critiqués mais rarement remplacés,

• l’expérience client est médiocre mais “gérée”,

• les prix restent élevés alors que la valeur perçue baisse.

Trois signaux qui révèlent cette fragilité :

Signal 1 : Vos clients ont appris à vivre avec des irritants

Quand un client dit “oui, c’est pénible, mais bon, on fait avec”, il n’est pas fidèle. Il est coincé.

Et un client coincé part dès qu’une sortie crédible se présente.

Signal 2 : Votre avantage repose sur l’inertie, pas sur la valeur

Si votre principale barrière à l’entrée est la complexité de migration, vous n’avez pas un avantage compétitif. Vous avez un sursis.

Dès qu’un concurrent rend la migration simple (onboarding accompagné, reprise de données automatisée), votre forteresse devient une prison dont les clients veulent sortir.

Signal 3 : Vous ne savez plus pourquoi vos clients restent

Si la réponse est “ils sont là depuis longtemps”, “ils ont l’habitude”, “c’est compliqué de changer”…

Vous ne pilotez plus votre marché. Vous le subissez.

💡 A retenir

• Un marché “qui tient” n’est pas forcément un marché solide ; c’est parfois un marché sous perfusion d’inertie.

• Le risque n’est pas seulement qu’un concurrent vous copie ; c’est qu’un acteur qui ne vous ressemble pas du tout réécrive les règles.

• Plus vos clients ont appris à vivre avec des irritants, plus ils seront prêts à partir vite le jour où une alternative crédible se présentera.

Une question pour entrer en 2026

Quels irritants de vos clients considérez-vous encore comme “normaux”… et que vos futurs concurrents considéreront comme une opportunité d’entrée ?

Listez-en trois.

Puis demandez-vous : lequel pourriez-vous éliminer cette année, avant que quelqu’un d’autre ne construise son offre dessus

La vitesse a créé des écarts de rythme. L’IA a déplacé la valeur. Le travail a perdu sa stabilité.

Les marchés, eux, semblent encore tenir. Mais ils reposent sur des organisations sous tension, des systèmes inégaux, des clients qui contournent les outils.

En 2026, le sujet ne sera plus de savoir si “votre secteur va bouger”, mais où il est déjà attaquable, et si vous êtes prêt à l’admettre avant que quelqu’un d’autre ne le montre à votre place.

Ces quatre fractures racontent la même histoire.

2026 ne sera pas une année d’optimisation. Ce sera une année de choix structurants.

Vitesse. Dépendance technologique. Transformation humaine. Positionnement marché.

Repousser une décision ne sera plus de la prudence. Ce sera déjà une prise de risque active.

Chez Hones, on ne croit pas aux organisations “parfaitement prêtes”. On croit aux organisations lucides.

Celles qui savent regarder ce qui décroche, ce qui résiste, ce qui doit être abandonné, et ce qui doit être accéléré.

Une dernière question :

Si vous deviez refaire 2025 avec ce regard-là…

qu’est-ce que vous décideriez différemment dès maintenant pour 2026 ?

Ces constats s’appuient sur 40+ organisations accompagnées en 2025.

Si ces fractures résonnent avec votre réalité, parlons-en.

En 2025, nous avons passé l’année sur le terrain : dans les Comex, en tant que CTO part-time en mission, au cœur des équipes produit et tech que nous accompagnions.

Mission après mission, un même sentiment revenait : quelque chose est en train de changer plus vite que les organisations ne veulent bien l’admettre.

Ce baromètre c’est le condensé de ce que nous avons réellement vu sur le terrain:

• des entreprises qui livrent vite, mais sans maîtrise claire de ce qui crée réellement cette accélération, ni capacité à la généraliser ;

• des directions qui adoptent l’IA pour gagner en efficacité, tout en déplaçant sans le mesurer des dépendances critiques au cœur de leur modèle ;

• des équipes tech et produit très sollicitées, mais de plus en plus désalignées avec la capacité réelle du business à absorber ce qu’elles produisent ;

• des marchés en apparence stables, mais fragilisés par une accumulation de dette d’outils, de lenteur décisionnelle et d’inefficience tolérée.

Avec toute l’équipe d’Hones, nous avons pris ces observations, ces signaux faibles, ces tensions récurrentes…et nous en avons tiré une seule question :

À quoi 2026 va vraiment ressembler si l’on suit la trajectoire que 2025 a déjà dessinée ?

Ce baromètre est notre réponse.

Une réponse ancrée dans le réel, dans l’expérience, et dans ce que nous voyons se répéter d’une organisation à l’autre.

Cette première édition s’attaque à ce qui accélère tout : la vitesse et l’IA.

Pas pour répéter ce que vous savez déjà, mais pour poser deux questions que trop peu de dirigeants osent affronter :

• À quel rythme sommes-nous réellement en train d’avancer ?

• Commençons-nous déjà à devenir dépendants sans l’avoir décidé ?

La suite, sur le travail et les marchés, dans la seconde édition, la semaine prochaine 😉

🔴 FRACTURE #1 — LA VITESSE

Janvier 2026.

Deux entreprises. Même marché. Même taille d’équipe produit.

La première a livré onze itérations en douze mois.

La seconde en a livré trois.

Au premier trimestre, la différence ne se voit pas.

Au quatrième, l’une parle encore de “roadmap”, quand l’autre pilote déjà ce que ses itérations ont réellement produit, en usage, en traction, en parts de marché, et ajuste sa trajectoire en conséquence.

Sur les 40+ organisations accompagnées, plus de la moitié avaient le sentiment d’”aller plus vite qu’avant”.

Mais à chaque fois qu’on regardait les faits, un constat revenait :

1 organisation sur 3 avait surtout multiplié les décisions, les rituels et les livraisons internes, sans réduire pour autant le délai entre une décision et son impact réel sur le marché.

De l’agitation à l’accélération : ce que 2025 a révélé

En 2025, on n’a pas simplement vu des équipes aller plus vite.

On a vu des trajectoires diverger à une vitesse rarement observée à l’échelle d’un seul exercice.

Dans plusieurs missions, des équipes de 3 à 4 personnes ont livré plus de valeur mesurable (features en production, feedback client, revenus) que des équipes de 10 à 12.

Les arbitrages qui prenaient six semaines sont passés à 4–5 jours chez certains, alors qu’ils s’étiraient encore sur deux mois chez d’autres.

Des produits ont été testés, arrêtés, repositionnés puis relancés en moins de 30 jours dans les organisations les plus véloces, au moment où d’autres en étaient encore à valider les spécifications initiales.

Mais la différence ne vient pas des outils seuls. Elle vient de la manière dont l’organisation encaisse ou bloque ce potentiel.

Prenons un cas précis :

Une scale-up B2B d’environ 120 personnes, dont 12 développeurs.

Tout le monde était convaincu d’un problème “de capacité tech”.

Sur le papier, le diagnostic semblait évident :

un backlog qui ne désemplit jamais, des fonctionnalités promises, mais sans cesse repoussées, des équipes produit obligées d’arbitrer dans l’urgence, et côté business, le sentiment récurrent que la tech “n’arrivait pas à suivre”, malgré une équipe compétente et engagée.

Quand Matthieu (co fondateur Hones & CTO) est intervenu pour poser le diagnostic, il n’a pas trouvé un problème de charge ou de compétences.

Il a surtout mis en évidence :

• des décisions produits qui mettaient 6 à 8 semaines à être arbitrées,

• un comité de priorisation à 8 personnes, sans responsable réellement identifiable,

• une “roadmap annuelle” figée, utilisée davantage comme outil politique que comme un véritable plan d’action.

En 6 mois, la scale up a pu augmenter ses itérations de 40 %. Pas en ajoutant des développeurs. Mais simplement en réduisant le comité de validation de 8 à 3 personnes.

Ce n’était pas un sujet de “capacité”.

C’était un sujet de structure de décision.

Les vrais freins : structures, ego, confort

En 2025, ce qui a le plus ralenti les organisations n’était ni le cloud, ni le legacy, ni la stack.

C’était :

• la dilution de responsabilité (”on décidera en comité”),

• les validations de confort (”on remonte encore d’un niveau, pour être sûrs”),

• des périmètres de pouvoir qu’on n’osait plus toucher,

• des roadmaps transformées en livre sacré, impossible à adapter sans crise interne.

Matthieu l’a observé en mission de façon très nette :

« Faire des plans de features à un an n’a plus vraiment de sens. Le monde change trop vite. Le vrai sujet, ce n’est pas d’avoir un plan, c’est d’avoir une méthode pour faire face à l’incertitude. »

La vitesse ne se “greffe” pas à une organisation existante.

Elle se gagne en acceptant :

• de raccourcir les circuits de décision,

• de tolérer des erreurs plus fréquentes mais plus petites,

• de renoncer à une partie du contrôle symbolique.

En 2026, la vitesse devient un critère de sélection

Vos clients ne compareront plus seulement votre produit. Ils compareront la fréquence de vos mises à jour, votre réactivité sur les bugs, votre capacité à intégrer leurs demandes.

Vos investisseurs ne regarderont plus seulement votre roadmap. Ils regarderont votre vélocité réelle : combien d’itérations sur 6 mois ? Combien d’ajustements ?

La vitesse n’est plus une qualité opérationnelle. C’est devenu un signal de santé organisationnelle et la preuve que votre machine fonctionne.

Outil pratique – L’audit vitesse en 10 minutes

Objectif : Identifier votre vrai frein de vélocité.

Prenez votre dernier chantier stratégique :
□ Qui a tranché les décisions clés ? (Si >3 personnes → ralentissement structurel)
□ Quel était le pire scénario en cas d’erreur ? (Si faible gravité + long délai de décision → process inadapté)
□ Quelle était la plus petite expérience pour valider l’hypothèse ? (Si vous ne savez pas → vous n’avez pas compris le problème)

Si vous cochez 2 cases ou moins : votre structure de décision ralentit votre exécution.

💡 A retenir

• La vitesse, ce n’est pas “plus de travail”, c’est moins de friction dans la décision.

• Si la tech est lente, c’est rarement un problème de stack ; c’est presque toujours un problème de structure ou d’arbitrage.

• En 2026, la vitesse sera un filtre naturel entre les entreprises qui apprennent et celles qui se contentent de s’épuiser.

🟣 FRACTURE #2 — L’IA

L’IA a intégré les organisations par les irritants…mais elle redistribuera le pouvoir par la structure

En 2025, tout le monde a utilisé l’IA.

Sur +40 organisations accompagnées :

• 80 % avaient intégré au moins un outil d’IA,

• moins de 30 % avaient une stratégie claire,

• et seulement 1 sur 5 avait un porteur explicite du sujet.

Aujourd’hui l’IA a cessé d’être un gadget : elle est devenue un facteur de productivité structurel.

Matthieu (co-fondateur Hones & CTO) le résume : “Les développeurs, les ops, les sales en dépendent au quotidien. L’IA n’est plus une expérimentation, c’est une prolongation du métier.”

Mais toute cette évolution s’est faite par tâtonnement. Un assistant ici, une automatisation là, une macro IA dans un process métier.

Chaque brique isolée semble bénigne. Cumulées, elles ont constitué une nouvelle couche d’infrastructure, souvent non documentée.

Jean (lead développeur) observe côté dev :

“Les développeurs codent de moins en moins. Ils supervisent des agents IA qui travaillent pour eux.”

Camille (CMO Hones) :

« L’arrivée de l’agentique sera le second choc IA après l’arrivée des LLMs de manière mainstream. Cela va profondément modifier les métiers de la tech, mais également toutes les fonctions de l’entreprise. De nouveaux métiers vont émerger : les AI ops, pour définir les besoins en agentique, mettre en place les agents, et automatiser le maximum de tâches opérationnelles des équipes. »

Yann (CTO Hones) observe la même chose côté métiers :

“Les équipes métiers, frustrées par les outils existants, intègrent l’IA pour automatiser. C’est une bonne dynamique, mais ça crée du shadow IT. Quand il y a des données sensibles, les équipes IT doivent reprendre la main sur des systèmes qu’elles n’ont pas mis en place.”

Jusqu’ici, l’IA agissait dans le périmètre des tâches.

Avec l’orchestration, elle agit désormais dans le périmètre des processus, donc dans la structure même du fonctionnement de l’entreprise.

2025 a clos le cycle de l’expérimentation. 2026 ouvre celui de la gouvernance.

Ce qui change vraiment : maîtrise vs dépendance

Aujourd’hui seules quelques entreprises ont vraiment commencé à intégrer l’IA au cœur de leur capacité de décision, de production et d’arbitrage.

C’est là que la fracture apparaît.

Deux modèles émergent :

🟢 Les organisations qui gouvernent leurs usages

Définissent une stratégie, maîtrisent leurs dépendances, orchestrent les systèmes.

🔴 Celles qui consomment des outils IA

Sans mesurer les implications sur la donnée, les workflows, la décision ou la souveraineté.

L’écart entre ces deux modèles ne grandira pas linéairement. Il s’amplifiera mécaniquement en 2026.

Ce que cela signifie concrètement :

Chaque fois que l’IA pilote une décision, une analyse, une communication, un processus métier, l’entreprise délègue non seulement une activité, mais une part de sa souveraineté opérationnelle.

Les dirigeants parlent encore “d’outils”. Mais ce qu’ils utilisent, ce sont des infrastructures décisionnelles qu’ils ne contrôlent pas.

Matthieu le résume bien :

« L’IA n’est qu’un accélérateur, un outil supplémentaire qui ne modifie pas les fondamentaux : une bonne communication, une gouvernance claire, des priorités bien définies et une vision solide restent essentielles. »

Une organisation alignée devient plus performante. Une organisation désalignée amplifiée par l’IA devient plus fragile.

2026 : ce qui va réellement changer

L’IA ne sera plus un sujet tech délégué au CTO. Elle va remonter au COMEX et au board.

1. La dépendance aux coûts des outils IA

   Sans gestion de la dépendance aux outils IA, les organisations risquent de subir les coûts d’inflations des outils, sans pouvoir s’en détacher.

2. Les premiers incidents majeurs vont arriver

   Un workflow automatisé qui plante. Un agent IA qui génère des réponses incorrectes face à des clients.

   Qui sera responsable ?

   Ces incidents seront insidieux : baisse de qualité progressive, bugs impossibles à tracer, décisions prises sur des données qu’on ne contrôle plus.

3. La guerre des talents va se durcir

   Les profils qui maîtrisent l’orchestration d’agents sont rares. Ils iront là où l’IA est un sujet de direction, pas une expérimentation cachée.

Ce que ça signifie pour vous

En 2026, trois questions deviendront incontournables au niveau COMEX :

1. Où sommes-nous structurellement dépendants de systèmes IA que nous ne contrôlons pas ?

2. Qui, nominativement, est responsable de la stratégie IA de l’entreprise ?

3. Quel est notre plan si un fournisseur IA clé devient indisponible ou multiplie ses tarifs par 3 ?

Les organisations qui ne sauront pas répondre ne seront pas “en retard”. Elles seront exposées.

💡 A retenir

• L’IA ne vous rendra pas puissant par défaut.

  Elle vous rendra puissant là où vous êtes déjà clair… et vulnérable ailleurs.

• Le plus grand risque de 2026 n’est pas de rater le virage IA.

  C’est de l’aborder sans décision politique claire.

• La question n’est plus “quel outil choisir ?”

  C’est “où est-ce que j’accepte consciemment de devenir dépendant ?”

La vitesse et l’IA ne sont plus deux sujets séparés.

L’une accélère tout.

L’autre redistribue la valeur, le pouvoir et la dépendance.

En 2026, elles ne feront plus la différence entre les entreprises “innovantes” et les autres.

Elles feront la différence entre celles qui pilotent encore leur trajectoire et celles qui commencent à la subir.

Dans la prochaine édition, on attaquera ce que cette accélération produit déjà dans les organisations :

• sur les équipes,

• sur les métiers,

• et sur la solidité réelle des marchés.

Pas en théorie.

Très concrètement.

Ces constats s’appuient sur 40+ organisations accompagnées en 2025.

Si ces fractures résonnent avec votre réalité, parlons-en.

• ce qu’il se passe réellement lors d’une levée quand l’entreprise change d’échelle,

• ce que demandent vraiment les acquisitions une fois qu’il faut les intégrer,

• comment arbitrer quand le business, le produit et la tech doivent fonctionner ensemble,

• et ce que ce type de trajectoire transforme durablement dans la posture d’un CEO.

Un condensé de ce qu’un dirigeant voit vraiment quand il enchaîne les acquisitions.

—

🎤 Replay d’un échange animée par Joachim Fourquet (CEO de Hones), pour tous ceux qui doivent piloter une trajectoire post-levée où la stratégie prend enfin la forme de décisions concrètes.

Tout le monde a déjà vécu ce scénario :

• la tech est dans un tunnel depuis 6 mois

• le CEO demande : “Où ça en est ?”

• le CTO répond : “On a des soucis techniques, mais ça va arriver”

• et ça fait 3 mois que “ça va arriver”.

Entre-temps, on a empilé les sujets : refonte, amélioration, ré-archi…
À la fin, plus personne ne sait pourquoi le projet a commencé.

Et le pire c’est que le problème initial n’est toujours pas résolu.

À ce stade, continuer par principe est souvent la pire décision.
Le vrai courage, pour un dirigeant, c’est de dire :

“On s’arrête là.
On assume la perte.
On repart sur quelque chose de plus simple qui va vraiment sortir.”

Matthieu et Joachim abordent le sujet dans la vidéo : les symptômes, le moment où tirer la prise, et comment le faire sans exploser la confiance des équipes.

Question directe pour tous les CEO :
Aujourd’hui, avez-vous un projet en cours que vous garderiez uniquement parce qu’il a déjà coûté trop cher ?

PS : Si la réponse est oui, c’est peut-être le bon moment de le regarder en face.

👋 Bonjour,

Ce mois-ci, on vous a sélectionné 4 contenus pour vous aider à :

• Détecter les faux signaux de santé dans vos dashboards tech

• Accélérer sereinement (avec ou sans IA) sans créer de dette technique

• Trouver le bon rythme entre vitesse, qualité et soutenabilité du delivery

• Reprendre une position de pilotage, même sans background technique

Pas de bullshit, pas de concepts abstraits :

Que du concret pour les dirigeants qui ne veulent plus subir la tech.

L’évènement du mois - Interview live

🗞️ Les articles du mois

1. The DORA Trap: Quand les bons indicateurs racontent une fausse histoire

→ Lire : The DORA Trap – TurinTech

Vous suivez vos livraisons, vos sprints tiennent à peu près, la vélocité semble correcte…

Mais malgré tout, la roadmap dérape, la qualité perçue chute, et la tech coûte de plus en plus cher.

Alors, que se passe-t-il ?

Cet article met en garde contre l’illusion de vélocité, et montre comment certains indicateurs “green” peuvent masquer une montée de dette technique, des choix instables, ou une dégradation de la qualité.

Même quand tout a l’air de tourner, la machine peut s’user de l’intérieur.

✅ Pourquoi le lire ?

Parce qu’en tant que CEO, vous avez besoin de repères clairs pour piloter la tech.

Ce que montre très bien cet article, c’est que certains indicateurs sont flatteurs mais trompeurs. Le véritable enjeu n’est pas d’aller vite, mais d’avancer dans la bonne direction, sans sacrifier demain.

Il vous aidera à :

• Poser les bonnes questions à votre CTO,

• Décrypter les biais fréquents des vanilla metrics,

• Replacer la résilience au cœur du delivery.

• Et reprendre une posture de pilotage, même si vous ne lisez pas une ligne de code.

💡 À retenir : “Ce n’est pas parce que ça va vite que c’est bien fait. Méfiez-vous des dashboards trop verts.”

2. IA & Delivery : accélérer sans plonger dans la dette technique

→ Lire : IA & delivery : comment éviter la dette technique avec l’IA ?

L’IA promet de booster la productivité des équipes tech. Mais derrière les gains de vélocité apparents, le risque de dette technique explose.

Ce n’est pas (seulement) une histoire de code mal généré : c’est surtout un sujet de cadre, de priorisation et de pilotage.

Cet article décortique les vrais enjeux d’une adoption IA responsable, avec un seul objectif : accélérer sans risquer votre stack ou perdre le contrôle du delivery.

✅ Pourquoi le lire ?

Beaucoup de CEO se disent : “Avec l’IA, mes devs iront deux fois plus vite.”

Mais sans gouvernance, sans stratégie technique claire, l’IA peut accélérer vos failles plus que vos forces.

Ce que vous donne cet article :

• Une vision lucide sur les limites des outils IA dans un delivery startup,

• Des points de vigilance concrets (alignement produit/tech, dépendances, erreurs silencieuses),

• Et un rappel stratégique : la tech ne s’améliore pas par magie, elle s’organise.

💡 À retenir : “L’IA est un accélérateur. Mais si votre direction est mauvaise, elle vous y emmènera juste plus vite.”

3. Développement continue : Comment équilibrer vélocité et qualité

→ Lire : Continuous Development – Ranorex

Passer d’un delivery “à l’ancienne” à un cycle de développement continu, c’est une transformation en profondeur.

Cet article montre comment livrer vite ET bien, sans sacrifier la qualité ni s’épuiser à corriger des bugs en production.

Test automation, CI/CD, petits incréments, feedback en temps réel : ces termes ne vous sont pas forcément familier, mais ce sont les briques techniques qui permettent aux scale-ups de tenir le rythme sans casser leur produit.

✅ Pourquoi le lire ?

Ce n’est pas votre rôle de configurer GitLab… mais vous devez comprendre les leviers derrière un delivery sain.

Cet article vous aide à :

• Saisir ce qu’apporte une approche “continuous” bien structurée,

• Comprendre ce qu’elle change dans la gouvernance (cadence, QA, validation produit),

• Et challenger vos équipes sur leurs pratiques sans tomber dans le micro-management.

💡 À retenir : “Mieux vaut livrer en petits morceaux bien testés que de gros pavés instables.”

4. Should We Really Ship Fast and Break Things?

→ Lire : Ship Fast & Break Things ? – MadeWithLove

“Move fast and break things” : cette punchline a fait rêver des générations de startupers.

Mais aujourd’hui, cette logique pose plus de problèmes qu’elle n’en résout.

Dans cet article, MadeWithLove démonte ce mythe et propose une voie plus durable : trouver son “rythme juste”, celui qui permet d’itérer vite sans créer une bombe à retardement technique.

✅ Pourquoi le lire ?

Parce que dans 90 % des boîtes, le problème n’est ni la lenteur, ni la tech : c’est l’absence de cadre clair.

Cet article vous aidera à :

• Repenser votre tempo produit/tech,

• Revenir à une logique d’équilibre (impact vs vitesse),

• Et challenger la pression interne à “livrer vite” au détriment de la clarté.

💡 À retenir : “Ce n’est pas la vitesse qui tue, c’est l’absence de pilotage.”

📣 L’évènement du mois - Interview live

“Inside Sellsy : décryptage d’un CEO après un exit à 9 chiffres”

Sur le papier : 50M€ levés, un plan clair, trois acquisitions.

Dans la vraie vie : chocs culturels, couts cachés et le challenge de garder un plan clair tout en absorbant la complexité !

Et au bout du parcours, un exit historique dans un écosystème tech français de moins en moins prospère.

60 min d’interview en live avec Victor Douek, CEO de Sellsy, pour explorer coulisses d’une stratégie de croissance externe :

- structurer un processus d’acquisition reproductible

- calibrer le bon niveau d’intégration par rapport à l’autonomie

- résorber les écarts de culture entre équipes

- tenir la vision tout en digérant la complexité opérationnelle

Une conversation transparente, menée par Joachim Fourquet pour dirigeants et investisseurs qui veulent comprendre ce que signifie vraiment mettre en place une stratégie d’acquisition dans un environnement mouvant et parfois chaotique !

📍 Le 16 décembre à 12h — en live.

→ S’inscrire à l’évènement

🎬 L’espace média

L’IA améliore-t-elle réellement la productivité des développeurs ?

Et si la promesse “l’IA booste la productivité des devs” était… trop simpliste ?

Dans cette conférence donnée à l’AI Engineer World’s Fair, Yegor Denisov-Blanch (chercheur à Stanford) partage les résultats d’une étude menée sur 100 000 développeurs pour mesurer l’impact réel de l’IA sur la productivité.

✅ Pourquoi la regarder ?

Parce que vous aurez enfin des données concrètes, au-delà du storytelling des vendeurs de solution.

Oui, l’IA peut faire gagner du temps, mais pas à tous, pas partout, et surtout pas sans une stratégie claire.

Cette vidéo vous donne les bons critères pour décider où et comment l’IA peut (ou non) faire gagner en delivery, selon votre stack, vos équipes et vos enjeux.

Un must pour tout CEO qui veut investir intelligemment, sans suivre la hype les yeux fermés.

❌ Les erreurs (classiques) quand il s’agit d’accélérer la tech

1. Croire que “aller plus vite” = “bosser plus vite”

On pousse les équipes à livrer plus, on accélère la roadmap… mais sans revoir les flux, les dépendances, la qualité du code ou le mode de validation. Résultat : plus d’erreurs, plus de retravail, et une équipe à bout de souffle.

2. Ne pas cadrer les objectifs de vitesse

Sans définition claire de ce qu’on veut dire par “plus vite” (réduction du cycle de release ? moins de goulots ? lead time plus court ?), la consigne devient floue, anxiogène et contre-productive. On sacrifie la qualité sans gain réel.

3. Mettre l’IA en pilote automatique

La réalité : sans cadre, sans gouvernance, l’IA génère plus de bruit que de valeur. Elle va accélérer le delivery de ce qui est déjà bien structuré… mais aggraver les failles si la base est instable.

4. Déléguer entièrement le pilotage tech

Ce n’est pas une question de micro-management. Mais sans rituels clairs, sans point d’alignement produit/tech/business, la tech part dans son couloir, et les dérives s’accumulent. La roadmap devient floue, et les priorités se noient.

5. Mesurer la vitesse, mais pas la soutenabilité

On célèbre les releases, les features livrées, les sprints “tenus”. Mais on ne regarde pas le niveau de retravail, les bugs en prod, la dette technique générée. Ce qui semble rapide aujourd’hui risque de tout ralentir demain.

À très vite,

— L’équipe Hones

IA générative, frameworks ultra-matures, démocratisation des outils no-code/low-code...

Le build s’accélère. La barrière technologique s’effondre.

Et si demain, refaire Doctolib ne demandait que quelques jours ?

Et si des systèmes bancaires pouvaient être reconstruits en un sprint ?

Une question se pose alors :

👉 La tech peut-elle encore faire la différence ?

Quand tout le monde peut construire des logiciels :

• L’avantage concurrentiel ne se trouve plus dans le code,

• Et la tech devient une simple commodité.

Le vrai différenciateur, dans les prochaines années, ne serait-il pas votre capacité à faire connaître, vendre, et faire adopter rapidement votre solution ?

Une question qui soulève des enjeux clés pour les fondateurs, VCs et CTOs :

• Où placer ses priorités ?

• Comment réallouer ses budgets entre R&D et GTM ?

• Faut-il revoir les grilles de valorisation ?

• Le rôle du CTO doit-il se transformer en profondeur ?

🎤 Replay d’un échange en live animé par Joachim Fourquet, co-fondateur de Hones

avec :

• James Rebours, CEO – Klark AI

• Olivier Gerardin, Operating Advisor – Serena

• Matthieu Sénéchal, CTO & co-fondateur – Hones

Et je ne regarde ni le chiffre d’affaires, ni le burn mensuel.

Je regarde les gens.

1. Si les équipes tech sont stables (peu de turnover)

2. Si le CEO et le CTO parlent le même langage

3. Si tous les collaborateurs racontent la même histoire

➡️ Quand ces 3 signaux sont alignés, c’est que l’organisation est saine.

Pas besoin de slide ou de tableau de bord.

Juste 5 entretiens bien menés. Et la vérité apparaît.

🎥 On en parle dans cette vidéo !

PS : L’alignement tech-business, ce n’est pas un concept pour faire joli. C’est un prérequis pour qu’une boîte délivre. Et sans friction.