Les LLM sont de l'herbe à chat pour les fondateurs. Restez dans votre voie.
Les LLM sont comme de l'herbe à chat pour les fondateurs : addictifs, enivrants et un aller simple vers le pays des illusions. Je n'arrêterai jamais d'encourager les nouvelles technologies, ni de dissuader quiconque d'expérimenter. Mais si les choses deviennent sérieuses, peut-être qu'au lieu de cet abonnement à 200 dollars de ChatGPT Pro, engagez un consultant. MIT NANDA a étudié 300 déploiements d'IA en entreprise en 2025 et a constaté que 95 % n'ont produit aucun impact mesurable. Le modèle était rarement le problème. Le jugement humain qui l'entourait, si.
Pourquoi les fondateurs tombent amoureux des LLM
Vous posez une question au LLM. Il donne une réponse éloquente. Vous vous sentez plus intelligent. Vous posez une autre question. Il donne une autre réponse éloquente. Vous vous sentez encore plus intelligent.
Quarante minutes plus tard, vous avez un plan stratégique, une architecture technique, une feuille de route produit et un positionnement marketing, le tout rédigé par une entité qui n'a jamais rencontré vos clients, jamais vu vos comptes et n'a aucun intérêt dans vos résultats.
Le LLM ne vous ment pas. Il fait ce pour quoi il a été entraîné : produire du texte qui correspond au modèle de ce que vous avez demandé. Les modèles modernes sont entraînés sur des retours humains (RLHF), et cet entraînement optimise les réponses que les gens notent bien, pas celles qui sont vraies. Les chercheurs appellent ce résultat la flagornerie (sycophancy), et une étude de 2025 publiée dans Science l'a trouvée dans les 17 modèles testés, où l'IA donnait raison aux utilisateurs même quand ils avaient manifestement tort. Le problème est que vous avez demandé de l'assurance et obtenu de l'assurance. Vous n'avez pas demandé des vérités difficiles.
Là où cela devient dangereux
Quand les fondateurs utilisent les LLM pour prendre des décisions au lieu de générer des options.
Générer des options est le bon usage. Faire un brainstorming de 20 noms. Esquisser une structure. Rédiger un e-mail. Accélérer les parties ennuyeuses. Le LLM excelle dans ce domaine.
Prendre des décisions est le mauvais usage. Devons-nous pivoter. Devons-nous recruter. Devons-nous lever des fonds. Devons-nous licencier. Devons-nous miser sur ce marché. Le LLM n'a aucun intérêt dans le résultat ni de contexte sur votre situation spécifique. Le laisser décider, c'est laisser une saisie automatique piloter votre entreprise.
Le mode d'échec est subtil. Vous commencez à utiliser le LLM pour de petites décisions. Chacune semble inoffensive. Après trois mois, votre feuille de route est façonnée par ce que le LLM a dit des tendances du marché dans des conversations auxquelles personne d'autre n'a participé. C'est exactement ce qu'a documenté MIT NANDA dans son rapport State of AI in Business de 2025 : à travers 52 entretiens de dirigeants et 300 déploiements, 95 % des pilotes d'IA générative n'ont produit aucun retour mesurable, et la cause n'était presque jamais le modèle. C'était que personne n'avait branché la sortie sur un véritable flux de travail ni ne l'avait confrontée à un résultat réel.
Quand engager un humain à la place
Trois signaux vous indiquent qu'il est temps d'engager un consultant ou un spécialiste plutôt que d'interroger le LLM.
Premièrement : la décision affecte le chiffre d'affaires ou la trésorerie. Tout ce qui change matériellement la trajectoire financière de l'entreprise mérite un humain qui a quelque chose à perdre et une responsabilité dans la recommandation.
Deuxièmement : la décision est irréversible. Recruter, licencier, signer des contrats à long terme, choisir une pile technologique avec laquelle vous vivrez 5 ans. Le LLM produit une réponse assurée qui peut quand même être fausse, et le taux grimpe à mesure que la question devient difficile. Quand Vectara a fait passer son benchmark d'hallucinations à un ensemble d'articles plus exigeant en novembre 2025, les meilleurs modèles, dont GPT-5, Claude Sonnet 4.5 et Gemini 3 Pro, ont tous dépassé 10 % sur le résumé fondé sur des sources, une tâche qu'ils réussissaient autrefois sans peine. La réversibilité compte, car la réponse se lit exactement de la même façon, qu'elle soit juste ou fausse.
Troisièmement : la décision exige un contexte que le LLM n'a pas. Vos relations clients. La dynamique de votre équipe. Votre paysage concurrentiel. Votre capacité personnelle. Le LLM n'a rien de tout cela et produira une réponse générique qui convient à tout le monde, ce qui signifie qu'elle ne convient à personne.
La perspective de Pineido
Chez Pineido, nous utilisons les LLM au quotidien. Ce sont des multiplicateurs de productivité. Ils écrivent des tests, rédigent de la documentation, prototypent du code, génèrent des analyses. Nous ne fonctionnerions pas sans eux.
Nous ne les laissons pas non plus prendre de décisions. Chaque recommandation que nous donnons à un client est revue par un humain qui a lu la situation, parlé à l'équipe et a un intérêt à ce que le résultat soit juste. Le LLM est un assistant de recherche, pas un partenaire. C'est la même ligne que le rapport de MIT NANDA a tracée entre les 5 % de projets d'IA qui ont fonctionné et les 95 % qui ont échoué : les gagnants ont choisi un vrai point de douleur et l'ont branché sur un flux de travail réel, au lieu de laisser un chatbot improviser la stratégie.
Si vous dirigez une entreprise de services et que vous demandez des conseils stratégiques à ChatGPT, arrêtez. Achetez plutôt une séance avec un consultant ou un spécialiste. ChatGPT Pro coûte désormais 200 dollars par mois au palier le plus élevé. Vingt mois de cela équivalent à un consultant à 4 000 dollars. Le consultant dit les vérités difficiles que le LLM est trop poli pour dire, parce que le LLM est littéralement entraîné à ne pas les dire. Souvenez-vous d'avril 2025, quand OpenAI a dû annuler GPT-4o pour avoir loué de mauvaises idées avec un peu trop d'enthousiasme.
Ne devenez pas un prince passager dans votre propre voiture. Restez dans votre voie. Restez en sécurité. Les yeux sur la route et les mains sur le volant.
Des idées opérationnelles chaque semaine
Rejoignez les dirigeants d’entreprises de services qui reçoivent chaque semaine une idée concrète sur les opérations, l’automatisation et la croissance.
Pas de spam. Désabonnement à tout moment.
Vous êtes inscrit ! Surveillez votre boîte de réception pour le prochain numéro.
L’envoi a échoué. Réessayez ou écrivez à [email protected].
Prêt à livrer ?
Dites-nous où vous bloquez. Nous l’examinons et vous envoyons une recommandation ciblée sous un jour ouvré.
Questions fréquentes
Êtes-vous en train de dire que les LLM sont mauvais ?
Non. Les LLM sont excellents pour générer des options, écrire des premiers brouillons, résumer des documents et accélérer le travail ennuyeux. Ils sont mauvais pour décider de ce qui compte dans un contexte d'entreprise spécifique qu'ils ne peuvent pas voir, et ils sont entraînés à vous donner raison plutôt qu'à vous corriger, c'est pourquoi une étude de Science de 2025 a trouvé de la flagornerie dans chaque modèle testé.
Comment savoir si j'utilise mal les LLM ?
Trois signes. Premièrement, vous les utilisez pour des décisions stratégiques au lieu de simplement faire un brainstorming. Deuxièmement, vous mettez en œuvre ce qu'ils suggèrent sans revue externe. Troisièmement, votre feuille de route a changé d'une manière que votre équipe ne peut rattacher à aucune conversation réelle. MIT NANDA a constaté que 95 % des pilotes d'IA en entreprise échouent pour exactement cette raison : des sorties que personne n'a ancrées dans un flux de travail réel.
Quand devrais-je engager un consultant à la place ?
Quand la décision affecte le chiffre d'affaires ou la trésorerie, quand elle est irréversible, ou quand elle exige un contexte que seuls les humains peuvent avoir. Le modèle se lit aussi assuré dans les deux cas, et sur les questions difficiles, même GPT-5 et Claude Sonnet 4.5 hallucinent plus de 10 % du temps sur des tâches fondées sur des sources. Pour tout le reste, les LLM conviennent comme assistants de recherche.
Comment Pineido utilise-t-il les LLM ?
Tous les jours, pour la productivité. Jamais pour formuler des recommandations aux clients. Chaque recommandation est revue par un humain qui a un intérêt dans le résultat, la même discipline qui a séparé les 5 % de projets d'IA qui ont fonctionné des 95 % qui ont échoué.