Céline manage huit personnes dans une fintech. Responsable produit, profil solide, reconnue pour son engagement. Son équipe livre chaque mois, respecte ses échéances, tourne bien. Lors de notre premier échange, je lui pose une question simple : « Si vous deviez choisir un seul indicateur pour mesurer la réussite de votre équipe, lequel ? »
Trente secondes de silence. Puis : « Je ne sais pas. »
Ce silence est le coeur de cet article. Depuis six mois, son équipe optimisait sa production sans jamais vérifier que cette production servait à quelqu’un. Elle livrait parfaitement. Elle livrait les mauvaises choses.
Le pilotage par la valeur commence par une distinction
L’output, c’est ce que vous produisez. Des fonctionnalités livrées, des tickets fermés, des rapports rendus, des cas d’usage déployés. Il se compte facilement et rassure tout le monde en comité (comité projet; comité produit).
L’outcome, c’est le résultat; c’est ce qui change réellement pour quelqu’un. Un utilisateur qui accomplit plus vite une tâche qui lui coûtait cher. Un client qui renouvelle son abonnement. Un collaborateur qui cesse de faire à la main ce qui aurait dû être automatisé depuis trois ans.
La confusion entre les deux est encore un des maux que je rencontre le plus en accompagnement de transformation. Elle est confortable, parce que l’activité se mesure vite et que l’impact se mesure lentement. Elle est coûteuse, parce qu’une équipe peut passer plusieurs trimestres à s’améliorer sur des indicateurs qui ne disent rien de sa contribution réelle.
Vélocité, nombre de livraisons, respect du planning : ce sont des indicateurs d’effort. Ils vous renseignent sur votre capacité à produire, jamais sur la pertinence de ce que vous produisez.
L’IA a fait exploser le volume d’outputs
Cette confusion existait bien avant l’intelligence artificielle. Ce qui a changé, c’est l’échelle.
En dix-huit mois, la plupart des organisations que j’accompagne ont lancé leurs premiers cas d’usage, ouvert des licences à grande échelle, monté une cellule dédiée, industrialisé des prompts. Le volume d’initiatives visibles a été multiplié. Le nombre de choses livrables a explosé. Et avec lui, la tentation de piloter l’IA au nombre de POCs lancés, au nombre de collaborateurs équipés, au nombre de cas d’usage identifiés.
L’étude du MIT publiée en 2025 met un chiffre sur ce que produit ce mode de pilotage : 95 % des projets pilotes en IA générative n’atteignent pas leurs objectifs, et 5 % seulement se traduisent par un gain tangible. Les auteurs pointent quelque chose d’important : l’obstacle principal ne se situe ni dans la qualité des modèles ni dans la réglementation, il se situe dans l’intégration des outils dans les dynamiques de travail réelles.
Autrement dit, la technologie fonctionne. C’est le pilotage qui manque. Les indicateurs de succès sont mal définis, et il reste plus facile de compter le nombre d’utilisateurs que de mesurer l’impact sur la productivité ou sur les coûts.
Une organisation qui confondait déjà activité et valeur avant l’IA ne fait pas mieux avec l’IA. Elle produit simplement la même erreur, plus vite et à plus grande échelle. Bref, c’est encore PIRE!
Les trois questions qui replacent l’outcome au centre
Avec les équipes que j’accompagne, le retour au pilotage par la valeur passe rarement par un nouvel outil. Il passe par trois questions posées systématiquement, avant tout lancement, IA ou pas IA.
Quel problème réel cherchons nous à résoudre, et pour qui exactement ? Si la réponse tient dans une formulation générale du type « améliorer l’expérience client », le travail de clarification n’a pas encore commencé. Un problème réel se décrit avec un utilisateur identifiable, une situation concrète, un coût actuel (la mesure à l’instant t, si difficile à obtenir dans beaucoup d’organisations).
À quoi verrons-nous que c’est résolu ? La réponse doit être observable et datée. Pas un indicateur d’activité, un signal de changement de comportement chez celui qui subissait le problème.
Qu’est-ce que nous arrêtons pour faire cela ? Cette troisième question est ma question bonus et celle qui fait le plus mal, et celle qui révèle le mieux la maturité d’une équipe. Une initiative qui ne remplace rien vient simplement s’ajouter à une charge déjà saturée.
L’exercice des deux semaines
Avec Céline, on a installé une contrainte simple. Pendant deux semaines, aucune initiative ne pouvait entrer dans le backlog sans être reliée à un problème utilisateur concret et mesurable, énoncé avant toute discussion sur la solution à construire.
Les premiers jours ont été inconfortables. Plusieurs sujets qui semblaient évidents se sont révélés impossibles à rattacher à un problème identifiable. D’autres ont changé de nature complètement une fois le problème formulé correctement.
Trois mois plus tard, son équipe livrait moins. Elle créait trois fois plus d’impact mesurable. Et elle avait découvert quelque chose de dérangeant en regardant en arrière : sur les cinq dernières fonctionnalités majeures livrées, deux avaient résolu un vrai problème.
Trois sur cinq n’avaient servi personne. Livrées dans les temps, sans défaut, et sans utilité.
Ce que cela demande au leader
Le pilotage par la valeur ressemble à une question de méthode. Il se joue en réalité sur un terrain plus personnel.
Renoncer à mesurer son équipe au volume produit demande d’accepter une période où l’on a moins de choses à montrer. Poser la question de ce qu’on arrête demande d’assumer des arbitrages devant des personnes pour qui ces sujets pouvaient être importants, pour des raisons plus ou moins bonnes. Interroger l’utilité d’une initiative IA lancée en fanfare six mois plus tôt demande une forme de courage tranquille.
C’est la dimension Valeur de l’agilité personnelle : la capacité à concentrer ses efforts sur ce qui crée un impact réel, et à éliminer sans état d’âme ce qui n’en crée aucun. Elle se travaille chez le leader avant de se diffuser dans le collectif. Une équipe ne pilote jamais par la valeur si celui qui la dirige se rassure lui-même en comptant des livrables.
À l’ère où chaque organisation multiplie les initiatives d’intelligence artificielle, cette capacité devient un différenciateur direct. Les 5 % qui obtiennent un retour mesurable ne disposent pas de meilleurs modèles que les autres. Ils ont simplement gardé la discipline de se demander, avant chaque lancement, ce qui allait changer pour quelqu’un.
Alors la question que je vous laisse : dans votre équipe, quelqu’un serait-il capable de nommer en dix secondes l’unique indicateur qui dit si votre travail sert à quelque chose ?
