Explore every episode of the podcast Les signaux du changement

Toute entreprise a un organigramme. Il décrit les lignes hiérarchiques et les responsabilités formelles. Il ne décrit pas le travail. Tant qu'un poste était une personne, ce défaut ne gênait personne. Les agents d'intelligence artificielle changent la donne : ils ne prennent pas de postes entiers, ils s'emparent de fragments d'activités répartis sur plusieurs postes, tandis que les humains équipés débordent du leur.

Cet épisode confronte deux positions. Pour la première, l'organigramme est devenu un document social et juridique, déconnecté du flux de travail réel, et il faut lui adjoindre une carte des activités et de ceux qui les font, l'actigramme. Pour la seconde, l'organigramme survit parce qu'il dit qui décide, qui est responsable et qui on appelle quand la chaîne casse ; multiplier les cartes disperse la responsabilité et crée une seconde bureaucratie.

Trois marches. Le fait : dans une entreprise simulée, le meilleur agent testé termine moins d'un tiers des tâches ; chez Procter & Gamble, un professionnel seul avec une intelligence artificielle atteint la qualité d'une équipe de deux. Le mécanisme : le travail réel passe par des réseaux de conseil, de confiance et de communication que l'organigramme ne montre pas, et l'arrivée de l'intelligence artificielle générative multiplie ces liens au lieu de les couper. Ce que ça change : la même machine a fait baisser puis monter les résultats d'une force de vente selon l'organisation qui la recevait, mais le règlement européen sur l'intelligence artificielle exige que le contrôle humain d'un système à haut risque revienne à des personnes physiques dotées d'autorité, et une entreprise qui avait codifié chaque rôle a fini par y renoncer.

Une objection méthodologique traverse l'épisode : les preuves reposent sur des expériences courtes et des liens déclarés ; une méta-analyse de cent six expériences montre que les duos humain-machine font en moyenne mieux que l'humain seul, mais moins bien que le meilleur des deux pris seul. Personne n'a observé une équipe hybride sur un an de travail réel.

L'épisode s'ouvre sur un segment de trois minutes, l'essentiel et le pour action, pour les auditeurs pressés.

Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Les clients disent vouloir un humain plutôt qu'une machine ; que refusent-ils exactement ? Une voix tient que la résistance est réelle et de terrain. Dans une expérience randomisée sur plus de six mille clients d'une société de crédit en Asie, un robot vocal qui ne se présente pas comme un robot vend autant qu'un conseiller expérimenté, près d'un client sur quatre ; annoncé comme robot avant la conversation, il vend à moins d'un sur vingt, et plus de la moitié des clients raccrochent dans les cinq secondes. Les clients le jugent moins compétent alors que l'analyse des conversations montre qu'il ne l'est pas. Dans une enquête représentative américaine, près de six personnes sur dix pensant avoir eu un chatbot n'ont pas obtenu l'aide cherchée, contre deux sur dix avec une personne, et près de la moitié ont eu du mal à joindre un humain. Et quand la machine se trompe, le client se méfie ensuite, même du conseiller humain qui reprend, s'il répond trop vite. Depuis le 2 août 2026, le règlement européen impose d'informer la personne qu'elle interagit avec une IA.

L'autre voix tient que la préférence déclarée est un mauvais guide. Les mêmes clients utilisent les machines ; l'aversion baisse avec l'expérience ; ce que les gens fuient d'abord, c'est le processus incertain à étapes, avant même de savoir qui le tient ; et pouvoir corriger ce que la machine propose, même un peu, fait passer son acceptation de moins d'une personne sur deux à sept sur dix. Surtout, il existe un cas où la machine est préférée : quand il s'agit d'être entendu, pas dépanné. On ne lui prête pas d'intention, elle ne juge pas, on lui dit ce qu'on ne dit pas à un humain.

Les deux voix se rejoignent sur une distinction : résoudre ou entendre. Pour résoudre, la machine doit dire ce qu'elle sait faire, afficher le temps d'attente, offrir une sortie vers un humain sans que le client répète son problème, laisser une prise, et ralentir la réponse humaine après un échec. Pour entendre, elle doit dire ce qu'elle est, ce qu'elle fait de la parole, et remettre la décision à des humains. Et trois questions restent ouvertes : personne n'a suivi les mêmes clients de l'impasse à la fidélité, personne n'a chiffré ce que l'impasse coûte, personne n'a comparé une écoute interne par machine et par humain.

Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Pourquoi une force de vente bien équipée passe-t-elle si peu de temps face au client, et faut-il s'en inquiéter ? Le chiffre du tiers vient d'enquêtes d'éditeurs d'outils de vente qui comptent la prospection comme de la vente et la préparation d'une offre comme du temps hors vente ; il ne mesure ni le temps perdu ni les erreurs réparées. En France, près d'un projet de recrutement de technico-commercial sur deux est jugé difficile avant même d'être lancé : chaque heure de commercial en poste coûte plus cher à remplacer qu'à retrouver.

Une voix soutient que le temps est absorbé par le système et par les outils eux-mêmes ; l'autre, que le pourcentage de temps à vendre ne juge rien et que le service, la préparation, la coordination sont la vente dans les métiers techniques. La recherche en gestion lui donne raison sur un point : la valeur du service dépend du poste, il n'existe pas de proportion universelle. Trois diagnostics récents, dans trois organisations, montrent ce que le temps hors client contient aussi : des factures fausses, des livraisons erronées, des avoirs négociés, des alertes internes ignorées jusqu'à la réclamation du client. Les deux voix se rejoignent sur une distinction : une réparation peut être utile après coup, et sa cause évitable. Rien, dans un tableau de bord, ne sépare les deux.

Avant l'intelligence artificielle, une expérience de terrain publiée dans Management Science : le même outil d'IA de vente, déployé pendant cinq ans et demi dans un groupe pharmaceutique avec un groupe témoin. Quand le contexte de travail (procédure, autorité de décision, formation, incitations) n'était pas adapté aux vendeurs, environ un rendez-vous sur cinq de moins, et moins de ventes ; quand il l'était, plus de 40 % de rendez-vous en plus. Le contexte qui a dégradé les résultats était celui que la direction avait recommandé. Les vendeurs jugeaient l'outil excellent dans les deux cas.

Cinq décisions de management précèdent l'achat d'un outil : un standard de transfert des leads, un circuit court de validation des offres, un responsable unique par compte avec priorité sur les alertes internes, un contrôle de la facture avant émission, et l'écoute de ceux qui font le travail pour mesurer ce que le système n'enregistre pas.

Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Les études s'accordent sur un fait et se disputent sur une cause. Le fait : l'IA ne supprime pas l'emploi en bloc, mais les entreprises recrutent moins de débutants. À partir de données de paie couvrant des millions de salariés américains, des chercheurs de Stanford mesurent, dans les métiers les plus exposés à l'IA, un emploi des 22 à 25 ans près d'un cinquième sous ce qu'il serait s'il avait suivi celui de leurs pairs moins exposés ; l'écart passe par les embauches, pas par les départs, et les expérimentés ne montrent aucun écart comparable. Une étude de Harvard sur 62 millions de CV observe le même mouvement dans les entreprises qui adoptent l'IA générative. La cause : la Banque centrale de New York, sur les offres d'emploi, voit un recul des métiers exposés commencé avant ChatGPT et attribue l'essentiel de la hausse du chômage des jeunes diplômés au télétravail, parce qu'on forme mal à distance. En France, l'Apec attend pour 2026 une hausse de 16 % des recrutements de cadres de six à dix ans d'expérience, et de 1 % pour les moins de six ans, et l'attribue à la conjoncture.

Ce que toutes ces sources partagent, c'est le mécanisme : une entreprise ne recrute pas quelqu'un qu'elle ne peut pas former. Les internes en chirurgie robotique étudiés par Matt Beane n'apprennent plus dans l'acte quand la machine permet au chirurgien d'opérer seul. Un modèle économique récent (Enrique Ide, IESE) montre qu'automatiser les tâches d'entrée augmente la production immédiatement et peut réduire la croissance ensuite, parce que les débutants apprennent auprès de moins bons mentors, même si leur nombre ne baisse pas. Chaque entreprise a raison seule ; toutes ensemble assèchent le vivier où elles iront chercher leurs experts.

Le paradoxe : là où on l'a mesuré, l'IA aide d'abord les débutants. Dans un service client de 5 000 agents, un assistant génératif augmente les résolutions de 15 % en moyenne et de 30 % pour les moins expérimentés, avec peu d'effet pour les meilleurs ; les nouveaux atteignent en deux mois le niveau d'agents ayant plus de six mois d'ancienneté. L'outil relève le plancher, pas le plafond. Et c'est au nom de cet outil qu'on ne recrute plus ceux qu'il aide le mieux.

Les pistes pour redessiner le travail partent du travail plutôt que de l'effectif : décider à l'unité de la tâche, ajouter à chaque tâche d'exécution une question (est-ce qu'on y apprend quelque chose ?), organiser l'apprentissage qui n'est plus un sous-produit du travail, suivre les embauches de débutants et le temps de montée en compétence, donner au temps libéré une destination nommée. Et une question annuelle pour un comité de direction : quel poste ouvrons-nous à quelqu'un qui ne sait pas encore faire le travail ?

Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Le cloud a rendu l'infrastructure invisible : on s'abonne, on ne voit ni les lieux, ni les machines, ni les fournisseurs des fournisseurs. Avec l'intelligence artificielle, cette chaîne s'est allongée et concentrée. L'épisode la déroule maillon par maillon, sans jugement et sans alarme, pour que chaque dirigeant sache de quoi son entreprise dépend quand elle utilise l'IA.

La chaîne se pince à presque chaque étage. Les machines de gravure les plus avancées sortent d'un seul fabricant au monde, ASML. Environ sept puces logiques avancées sur dix proviennent de Taïwan, l'essentiel chez un seul industriel, TSMC (direction générale du Trésor, données 2022). Nvidia décrit dans son propre rapport réglementaire une chaîne d'approvisionnement concentrée en Asie : une puce américaine est un assemblage international. Et en France, trois fournisseurs américains ont capté quatre cinquièmes de la croissance des dépenses de cloud public (Autorité de la concurrence, avis de 2023, données 2021). Une entreprise qui s'abonne à un assistant d'IA hérite de tout cet empilement sans l'avoir choisi.

Cette concentration n'est pas une fragilité en soi : elle est le produit d'une efficacité industrielle réelle, et l'épisode ne prédit aucune rupture. Une dépendance est rationnelle quand elle est connue, proportionnée à la criticité de l'usage, contractualisée et substituable. Ce qui expose une entreprise, c'est de l'ignorer.

Trois leviers relèvent d'elle. Savoir où tournent ses traitements et sous quelle juridiction, en distinguant localisation physique, nationalité du fournisseur et droit applicable. Choisir son mode de déploiement, service fermé, poids ouverts ou installation sur site, en sachant que les poids ouverts déplacent la dépendance sans la supprimer. Préserver sa réversibilité avant que le verrouillage ne se construise, par les données stockées, les outils propriétaires et les compétences des équipes.

L'épisode se ferme sur trois questions à poser à ses propres projets : quelles dépendances sont critiques, lesquelles sont substituables, et combien coûterait réellement leur remise en cause.

Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Les projets d'intelligence artificielle se nourrissent de ce qui est déjà écrit : procédures, historiques, bases documentaires. Un modèle nourri des seules procédures apprend l'organisation telle qu'elle s'imagine, pas telle qu'elle fonctionne. Cet épisode dresse l'inventaire de trois familles de données que presque personne ne collecte.

La donnée de raisonnement, d'abord : les arbitrages que vos experts font chaque jour sans pouvoir les décrire. Michael Polanyi l'a posé dès 1966, nous en savons plus que ce que nous pouvons en dire ; Ikujiro Nonaka a montré que le passage du tacite à l'explicite est le maillon le plus difficile de toute gestion des connaissances.

La donnée d'articulation, ensuite : ce que l'usage réel des outils raconte, et que les compteurs de licences ne voient pas. Une étude de la Harvard Business School, publiée dans Organization Science, a suivi 758 consultants : sur les tâches où l'outil est compétent, ils travaillent environ un quart plus vite, avec une meilleure qualité ; sur une tâche choisie hors de ses capacités, ils produisent 19 % de bonnes réponses en moins. La carte de cette frontière, dans votre organisation, n'existe nulle part.

La donnée de terrain, enfin : les contournements installés, les doubles saisies, et les idées que vos équipes n'ont jamais eu l'occasion de proposer. La recherche sur la voix des employés montre que ce silence tient rarement à l'indifférence : il tient à la crainte d'être mal vu. Beaucoup d'organisations outillent la remontée des incidents ; presque aucune n'outille la remontée des idées.

Reste la question qui fâche : capter ces données sans basculer dans la surveillance. La réponse de l'épisode tient en un principe : l'anonymat se garantit par la conception du dispositif, jamais par une promesse.

Références citées : Fabrizio Dell'Acqua et al., « Navigating the Jagged Technological Frontier », Harvard Business School, Organization Science (https://ssrn.com/abstract=4573321) · Michael Polanyi, The Tacit Dimension, 1966 · Ikujiro Nonaka, « A Dynamic Theory of Organizational Knowledge Creation », Organization Science, 1994 (https://pubsonline.informs.org/doi/abs/10.1287/orsc.5.1.14) · Liang, Farh et Farh, Academy of Management Journal, 2012 (https://journals.aom.org/doi/10.5465/amj.2010.0176) · Milliken, Morrison et Hewlin, Journal of Management Studies, 2003 (https://onlinelibrary.wiley.com/doi/10.1111/1467-6486.00387).

Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Juillet 2024 : Lattice, éditeur de logiciels RH de la Silicon Valley, annonce fièrement des « employés numériques » avec dossiers RH, objectifs trimestriels et manager humain. Trois jours plus tard, face au tollé, tout est retiré. Ce fiasco ouvre la vraie question de l'épisode : un agent d'intelligence artificielle a-t-il besoin d'une fiche de poste ?

La réponse tient en deux mouvements. Oui, il faut spécifier, parce qu'un agent autonome ne porte plus un simple risque de contenu mais un risque d'exécution : il agit dans les systèmes, et il n'a ni bon sens ni implicite. Sa fiche de poste est une spécification technique : mission, périmètre d'autorité, sources de vérité autorisées, conditions d'arrêt, traçabilité des décisions. Le précédent Air Canada le rappelle : l'entreprise répond toujours de ses machines, le tribunal canadien a qualifié de « remarquable » l'argument du chatbot « entité séparée ».

Mais spécifier sans jamais déguiser. Une étude expérimentale de la Harvard Business Review (mai 2026, 1 261 managers) montre que présenter la même production comme celle d'un « employé IA » doté d'un prénom fait chuter la détection d'erreurs de près d'un cinquième, surtout là où l'IA figure déjà à l'organigramme, et dissout le sentiment de responsabilité. Le vernis social endort la vigilance.

Et le retournement final : selon l'enquête mondiale du MIT Sloan Management Review, 76 % des dirigeants voient déjà ces agents comme des collègues plutôt que comme des outils. La fiche de poste à réécrire d'urgence n'est peut-être pas celle de la machine, c'est celle des humains, dont le métier bascule de l'exécution vers la supervision, le jugement et la responsabilité.

Sources : Harvard Business Review, « Research: Why You Shouldn't Treat AI Agents Like Employees » (BCG Henderson Institute / Boston University), 6 mai 2026 — https://hbr.org/2026/05/research-why-you-shouldnt-treat-ai-agents-like-employees · MIT Sloan Management Review & BCG, « The Emerging Agentic Enterprise », 18 novembre 2025 — https://sloanreview.mit.edu/projects/the-emerging-agentic-enterprise-how-leaders-must-navigate-a-new-age-of-ai/ · Décision du Civil Resolution Tribunal de Colombie-Britannique, Moffatt c. Air Canada, février 2024.

Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Les directions mesurent le retour de leurs investissements d'IA avec trois instruments : le ressenti des équipes, la masse salariale, les tableaux de bord. Cet épisode les passe à l'épreuve des meilleures données de 2025 et 2026.

Le ressenti d'abord : dans l'essai contrôlé du laboratoire METR, des développeurs expérimentés étaient environ 20 % plus lents avec l'IA, en se croyant 20 % plus rapides. La masse salariale ensuite : selon l'enquête Gartner auprès de 350 dirigeants de grandes entreprises, huit organisations sur dix ont réduit leurs effectifs, sans corrélation avec le retour sur investissement, couper crée de la marge budgétaire, pas du retour. Les tableaux de bord enfin : l'enquête Adaptavist auprès de 2 500 travailleurs du savoir montre que plus de quatre sur dix passent plus de temps à vérifier ce que produit l'IA qu'ils n'en gagnent, un travail de reprise qu'aucune mesure ne voit.

Reste alors à mesurer le travail lui-même : l'épisode compare les méthodes disponibles, ce qu'elles voient et ce qu'elles ratent, jusqu'à la probable solution qui les départage, mesurer les tâches sans surveiller les personnes, avec un anonymat garanti par conception.

Sources : METR, essai contrôlé randomisé, juillet 2025 : https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/ · Gartner, enquête T3 2025, mai 2026 : https://www.gartner.com/en/newsroom/press-releases/2026-05-05-gartner-says-autonomous-business-and-artificial-intelligence-layoffs-may-create-budget-room-but-do-not-deliver-returns · Adaptavist via Attest, mars 2026 : https://www.adaptavist.com/blog/what-is-the-human-cost-of-ai-transformatio

Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Depuis le 2 août 2026, l'AI Act est entré en vigueur : les autorités peuvent enquêter et sanctionner. Cet épisode pose une grille de lecture pour les directions générales, juridiques et opérationnelles : la responsabilité suit l'usage que vous faites d'un système d'IA, pas l'outil que vous avez acheté. On y sépare le fournisseur du déployeur, on démonte le piège de l'article 25, et on chiffre l'enjeu. À la fin, un geste concret : cartographier ses usages pour savoir, pour chacun, de quoi l'on répond.

Nos derniers articles : https://www.spentia.com/?utm_source=podcast&utm_medium=show-notes&utm_campaign=signaux&utm_content=ep10

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

La plupart des directions croient contrôler l'usage de l'IA chez elles. Une part des équipes le dissimule pourtant, et on ne pilote pas ce qu'on ne voit pas. Cet épisode compare quatre méthodes pour cartographier l'usage réel de l'IA dans une organisation : le sondage, l'audit de maturité, la détection technique, et l'écoute du travail sur preuves. Chacune voit une chose et en manque une autre. La quatrième, celle que Spentia conduit, mesure ce que chaque tâche pèse et ce à quoi les équipes tiennent, la case que les trois autres laissent vide.
Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

On promet que l'intelligence artificielle permet à chacun de faire le travail d'un expert. Une étude de terrain menée chez IG, au Royaume-Uni, montre où cette promesse s'arrête : l'IA rapproche les métiers voisins, mais elle bute sur les métiers lointains, faute du savoir tacite qui permet de juger son travail. Cet épisode suit cette frontière, ce que l'expérience y change, et ce qu'elle implique pour une direction : lire le travail réel tâche par tâche, ce qu'il pèse et ce à quoi les équipes tiennent, avant d'automatiser quoi que ce soit.
Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Et si l'outil le plus puissant jamais créé pour booster notre créativité était aussi le plus grand moteur de médiocrité ?

Depuis fin 2022, l'IA générative nous promet une révolution. Mais derrière les gains de productivité spectaculaires se cache un paradoxe inquiétant : une tendance irrésistible à tout uniformiser, nous tirant vers une « moyenne » sans relief. Dans ce nouvel épisode de Spentia, nous décortiquons les signaux de ce grand lissage.

Découvrez au cours de cet échange :

• Le "GPS de la pensée" : Pourquoi déléguer notre réflexion nous fait perdre notre sens de l'orientation intellectuelle.

• La monoculture algorithmique : Comment la standardisation menace le recrutement, le code informatique et même nos croyances collectives.

• L'autophagie des modèles : Ce risque réel où l'IA, en se nourrissant de ses propres contenus, finit par produire une "bouillie synthétique".

• Le compost numérique : Et si cette simplification était en fait le terreau d'une innovation radicale pour ceux qui savent l'exploiter ?

De la scène musicale de 2026 à la résistance du label "fabrication humaine", plongez dans une analyse fascinante qui place l'humain au centre de l'équation. Serez-vous un consommateur passif ou un curateur actif de ce nouveau monde ?

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Mardi, 9h30. Troisième réunion du trimestre sur le même projet... et toujours aucune décision en vue. Ça vous rappelle quelque chose ?

C’est ce qu’on appelle le « serpent de mer » organisationnel, ou plus techniquement : la dette décisionnelle. Dans cet épisode des Signaux du Changement, nous explorons un paradoxe fascinant : alors que 77 % des salariés français jugent leur manager capable de décider, nos entreprises n'ont jamais semblé aussi lentes.

Au programme de ce décryptage :

• Le coût de l'inaction : Pourquoi chaque choix repoussé génère des « intérêts composés négatifs » qui épuisent vos équipes.

• Nos cerveaux nous trahissent : Comprendre le biais du statu quo et l'aversion à la perte qui nous poussent à ne rien changer.

• L’enfer des réunions : Pourquoi dépasser 7 participants tue votre efficacité décisionnelle (et comment éviter le « parapluie managérial »).

• La méthode des géants : Des conseils actionnables inspirés de Jeff Bezos, ainsi que les secrets de culture radicale d'Alan, Doctolib ou BlaBlaCar pour réapprendre à avancer.

Ne laissez plus l'indécision devenir la norme. Apprenez à concevoir un système où décider devient enfin un moteur de croissance, et non un frein psychologique.

Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Les entreprises n’ont jamais autant investi dans le bien-être (applications de méditation, salles de sieste, cours de yoga), et pourtant, le burn-out et le désengagement explosent. Pourquoi ce paradoxe ?

Dans cet épisode des Signaux du Changement, nous décortiquons le concept de « wellness washing » et explorons pourquoi il est urgent de passer de l'approche "I-Frame" (vouloir "réparer" l'individu) à l'approche "S-Frame" (réparer le système).
Découvrez comment la friction organisationnelle grignote votre rentabilité et pourquoi le rôle du dirigeant de demain n'est plus d'être un "Chief Happiness Officer", mais un véritable architecte du travail.

Un échange sans filtre qui s'appuie sur des études d'Harvard, du MIT et d'Oxford pour redonner du sens à la performance.

Analyse des points clés du podcast :

• Le Paradoxe du Bien-être : Malgré un marché mondial du bien-être au travail frôlant les 95 milliards de dollars, les indicateurs de santé mentale sont au rouge.

• L'échec de l'approche "I-Frame" : L'étude d'Oxford (46 000 salariés) démontre que les programmes centrés sur l'individu (résilience, pleine conscience) n'ont aucun impact significatif s'ils ne traitent pas les conditions réelles de travail.

• La Friction Organisationnelle : Le MIT définit l'expérience employé par la facilité à faire son travail. Réduire cette "traînée" peut rendre une entreprise 25% plus rentable et deux fois plus innovante.

• L'Iceberg de l'Ignorance : Le top management ne connaîtrait que 4% des problèmes réels de terrain, créant un décalage massif entre les décisions stratégiques et le quotidien des équipes.

• La "Service Profit Chain" : Un rappel de ce modèle de 1994 qui prouve que le profit est la conséquence directe de la satisfaction des employés. L'équation est simple : EX = CX (l'Expérience Collaborateur égale l'Expérience Client).

• Solutions concrètes : L'épisode suggère des méthodes simples comme les "cailloux dans la chaussure" (identifier les irritants quotidiens) ou "Kill a stupid rule" pour redonner de l'autonomie et de l'efficacité.
  

Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

IA 2026 : un guide de survie pour les décideurs

L'IA en 2026 ne ressemble plus à celle d'hier. Fini le temps où l'on se contentait de jouer avec des chatbots : nous sommes entrés dans l'ère de la consolidation et des choix stratégiques critiques. Mais comment s'y retrouver quand le terme "IA" est devenu un fourre-tout ?

Dans cet épisode des Signaux du Changement, nous dissipons le brouillard pour cartographier les forces en présence. Nous ne parlons pas seulement de tech, mais de philosophie d'entreprise.

🎧 Au programme de cet épisode :

• La guerre des clans : Comprendre l'affrontement entre les "Probabilistes" (les LLM comme GPT) et les "Logiciens" (l'IA symbolique fiable et traçable).

• La nouvelle vague : Pourquoi l'avenir appartient à l'IA Neuro-Symbolique et aux "Modèles du Monde" chers à Yann LeCun.

• Système 1 vs Système 2 : Faut-il une IA qui improvise ou une IA qui réfléchit avant d'agir ?

• Le plan d'action en 5 étapes : Une feuille de route concrète pour les dirigeants (RH, Data, Choix fournisseurs) pour ne pas se tromper de destination.

Que vous soyez manager, entrepreneur ou simplement passionné, cet épisode vous donne les clés pour arrêter de subir la hype et commencer à bâtir une stratégie IA durable.

Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Ceci n’est pas de la science-fiction. Selon les dernières études, près d'un employé sur deux (et 50% des cadres !) préférerait aujourd'hui avoir un manager IA plutôt qu'un manager humain.

Dans cet épisode des Signaux du Changement, nous décortiquons le phénomène silencieux mais sismique de la "Confiance Inversée". Pourquoi fuyons-nous le jugement humain pour trouver refuge auprès d'algorithmes froids ?

Au programme de cette analyse :

• Le paradoxe de l'Iceberg : Pourquoi l'absence d'émotion de l'IA nous rassure plus que l'empathie humaine.

• Le danger du "Shadow AI" : Avec 93% d'utilisation non supervisée, vos employés confient leurs doutes (et vos données sensibles) à des boîtes noires.

• L'effet de désinhibition en ligne : Comment l'écran devient un confessionnal plus sûr que le bureau du manager.

• La solution : Vers une "Authenticité Augmentée". Comment les leaders peuvent-ils arrêter de vouloir concurrencer la machine pour redevenir humains ?
  

Découvrez comment Spentia transforme ces signaux faibles en levier de transformation, en remettant l'anonymat et la vérité au cœur du dialogue.

Écoutez maintenant pour comprendre pourquoi la confiance change de camp.

Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Réunions interminables, validations en cascade, logiciels qui rament, informations introuvables...

Et si ces irritants du quotidien n'étaient pas de simples désagréments, mais les symptômes d'un mal profond qui ronge silencieusement la performance de votre entreprise ?

Dans ce nouvel épisode des Signaux du Changement, nous levons le voile sur les frictions opérationnelles. Ce phénomène, souvent invisible pour la direction mais dévastateur pour les équipes, coûte aux entreprises entre 20 et 30% de leur productivité et mène tout droit au désengagement.

En s'appuyant sur les travaux de chercheurs de Stanford, Harvard et les enquêtes Gallup, nos experts décryptent :

• L'Iceberg de l'ignorance : Pourquoi la direction ne voit que 4% des problèmes réels.

• Les 5 grandes familles de frictions Spentia : Informationnelles, décisionnelles, technologiques, organisationnelles et de compétences.

• Le paradoxe de la "surcharge collaborative" : Quand trop de communication tue l'action.

• Des solutions concrètes : De la méthode "No Rules Rules" de Netflix à la chasse au "Sludge", apprenez à soustraire plutôt qu'à ajouter.

Écoutez cet épisode pour transformer la "résistance organisationnelle" en moteur de performance et redonner du sens au travail de vos équipes.

Prêt à devenir un "chasseur de frictions" ? Appuyez sur lecture.

Pour aller plus loin, tous nos articles et livrets blancs sur https://www.spentia.com

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

On nous avait promis que l'IA allait tout simplifier. Pourtant, en 2026, jamais le capital humain n'a été aussi sous pression. Bienvenue dans l'ère de la "Grande Fracture" : d'un côté, des juniors hyper-fluides avec le numérique ; de l'autre, des experts seniors menacés d'obsolescence.

Dans ce premier épisode des Signaux du Changement, nous explorons la "Frontière Déchiquetée" (Jagged Frontier), cette zone instable où l'IA ne remplace pas l'humain, mais rebat violemment les cartes de la valeur ajoutée.

Code, technique, expérience : et si tout ce que vous croyez savoir sur la compétence était périmé ? Découvrez pourquoi les "soft skills" deviennent des compétences de survie et comment transformer vos managers en navigateurs de l'incertitude.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.