Auteur 丨Cheng Yanjing

Editeur : Hu Min

Récemment, lorsque j'ai parlé avec des gens du cercle de l'IA, un point a été généralement mentionné. Les gens ont accepté l’IA pour améliorer leur efficacité, mais les entreprises ne sont pas encore prêtes. (Leifeng.com Leifeng.com (compte public : Leifeng.com) Leifeng.com)

D’un côté, les employés utilisent déjà des agents pour travailler et ont même commencé à construire leurs propres petits systèmes ; d'un autre côté, les KPI, les chaînes d'approbation et les rythmes de reporting de l'entreprise continuent de changer comme ils l'étaient il y a trois ans.

Une enquête récente de Deloitte montre que près des trois quarts des dirigeants d'entreprise américains s'attendent à ce qu'environ la moitié des processus métier soient repensés autour des agents IA au cours des quatre prochaines années ; 61 % pensent que la plupart des agents du futur seront hautement autonomes, les humains n’ayant besoin que de supervision.

Il semble que l’IA va prendre le contrôle de toutes les entreprises, mais lorsqu’on leur demande si leur entreprise est prête à adopter ce changement, seul un cinquième des dirigeants ont donné une réponse positive.

Lors du Baidu World 2026 d'aujourd'hui, le fondateur de Baidu, Robin Li, a également parlé de cette contradiction. Son jugement est le suivant : l’IA n’est pas seulement une révolution technologique, mais aussi une révolution organisationnelle. La prochaine étape de l’intelligence artificielle est l’organisation intelligente.

Ensuite, les entreprises doivent modifier non seulement les outils dont disposent les employés, mais également la manière dont l’organisation elle-même fonctionne.

01

L’IA est entrée dans l’entreprise, mais pas complètement

Afin de reconstruire le fonctionnement d’une organisation, il faut d’abord briser la cognition conventionnelle :

Une forte concentration d’IA dans une entreprise ne signifie pas que la transformation de l’IA a déjà eu lieu.

Les employés utilisent Agent pour écrire du code, effectuer des recherches et générer des solutions. Le service commercial exécute plusieurs pilotes et la direction écrit le nombre d'agents, la consommation de jetons et le taux d'utilisation dans le rapport. Il semble que l’intelligence d’une entreprise progresse de manière globale.

Cependant, l’efficacité individuelle n’augmente pas automatiquement la productivité organisationnelle.

Par exemple, l'analyse de la demande d'un chef de produit qui prenait initialement deux jours peut désormais prendre une demi-journée ; La R&D utilise Agent pour rédiger rapidement la première ébauche de code, et les ventes peuvent également générer un rapport de recherche avant de rendre visite aux clients.

Cependant, les exigences doivent encore être examinées, approuvées et planifiées, la collaboration entre départements repose toujours sur des réunions et une synchronisation couche par couche, et les résultats finaux ne peuvent être vus qu'au cours du cycle de reporting initial. En tournant en rond, le temps personnel des salariés a été réduit, mais la force organisationnelle globale de l'entreprise n'a pas été significativement améliorée.

Ce n'est pas un problème pour les entreprises individuelles.

Ce que présente le « 2026 Work Trend Index Annual Report » de Microsoft, c'est ce paradoxe de la transformation de l'IA en entreprise : les employés ont commencé à utiliser l'IA pour améliorer leur efficacité personnelle, et les équipes essaient également de nouveaux outils, mais les processus métier, les méthodes de collaboration et les mécanismes d'évaluation utilisent toujours le modèle précédent.

Le conseil donné par le Boston Consulting Group (BCG) est plus simple : repenser les entreprises pour l’IA, plutôt que d’adapter l’IA à l’entreprise d’origine.

Une entreprise énergétique européenne mentionnée dans ses recherches avait déployé un grand nombre de projets pilotes d’IA mais n’avait pas obtenu d’avantages globaux équivalents. Ce n'est que lorsque l'entreprise a délaissé les outils individuels et les scénarios partiels pour se concentrer sur la reconstruction des processus clients de bout en bout que des améliorations commerciales substantielles ont été réalisées.

De tels cas illustrent qu’il existe un niveau de conception organisationnelle entre le succès des projets pilotes d’IA et le succès de la transformation de l’entreprise.

Si l'entreprise se contente d'ajouter des outils aux postes d'origine et d'insérer quelques agents dans le processus fixe, alors l'IA peut optimiser certaines parties, mais il sera difficile de changer l'ensemble.

Cela rendra même les goulots d'étranglement initiaux plus évidents : le contenu est produit de plus en plus vite, mais la prise de décision n'est pas en même temps accélérée ; de plus en plus de code est généré, mais le mécanisme de confirmation des exigences et de livraison reste le même.

À l’heure où les capacités d’exécution s’amplifient rapidement, la manière dont les organisations répartissent les tâches, partagent les connaissances et prennent les décisions devient une nouvelle contrainte.

Au cours des dernières années, la principale concurrence dans le secteur de l’IA s’est concentrée sur l’offre de technologies.

Les paramètres du modèle, la puissance de calcul de formation, les coûts d'inférence et le classement des listes déterminent le type d'intelligence qu'une entreprise peut obtenir.

Le « gâteau à cinq couches » de l'IA était autrefois populaire dans l'industrie, s'étendant de l'énergie, des puces et de l'infrastructure aux modèles et applications, mettant l'accent sur le système complet requis pour une production intelligente. Sans énergie et puissance de calcul, il est impossible de parler de modèles et d’applications de couche supérieure.

Les changements dans l’offre de modèles ont également commencé à se refléter du côté commercial. Un mois après le lancement de l'Institut Ciyuan, plus de 100 ressources d'approvisionnement ont été réglées, le nombre d'appels quotidiens moyen a dépassé 50 millions et le nombre quotidien moyen d'appels de jetons a dépassé 700 milliards.

Ce qui mérite plus d’attention que l’échelle elle-même, c’est que les transactions modèles passent d’un lien privé entre entreprises et fabricants à un lien industriel indépendant ; à mesure que ce lien se forme, les fournisseurs de règles assument progressivement les attributs de biens publics.

Mais du côté de l’entreprise : lorsque cette intelligence peut déjà être achetée, invoquée et déployée, qu’est-ce qui détermine la valeur qu’elle peut finalement générer ?

Robin Li a jeté son dévolu sur l'aval. Lors de la conférence mondiale Baidu de 2026, Robin Li a proposé que « la prochaine étape dans le développement de l'IA soit une organisation intelligente ».

Il a proposé que l’amont de la technologie de l’IA soit l’énergie et que l’aval soit les capacités organisationnelles. Le premier détermine la manière dont l’intelligence est produite, et le second détermine la manière dont l’intelligence entre dans les affaires réelles et est transformée en résultats commerciaux.

Ces deux jugements ne sont pas contradictoires, mais répondent à des questions aux deux extrémités de la chaîne industrielle de l’IA. Pour les entreprises, même si la « puissance » fournie en amont est suffisante, si le système de production interne reste le même, la nouvelle intelligence risque de ne pas se transformer en nouveaux profits.

Robin Li a comparé l'IA à un nouveau moteur et l'organisation intelligente à un nouveau bâtiment d'usine.

Il a jugé que l’IA ne produisait pas les bénéfices économiques escomptés. Une raison importante était que l’entreprise a uniquement remplacé le moteur mais n’a pas repensé l’usine.

Les modèles, la puissance de calcul et les agents peuvent fournir des capacités d'exécution plus solides. Ce n'est que lorsque la répartition des tâches, le flux des connaissances et les processus de prise de décision changeront en conséquence que cette capacité pourra passer des ordinateurs personnels des employés à l'ensemble de la chaîne commerciale de l'entreprise.

L’accent de la concurrence en matière d’IA a ainsi commencé à se déplacer de l’offre technologique vers la réalisation de valeur.

La question à laquelle les entreprises doivent répondre n'est plus simplement : Quel modèle ai-je utilisé et combien d'agents ont été déployés ? » mais ces agents ont-ils changé l’entreprise ?

02

Si les travailleurs utilisent l’IA pour améliorer leur efficacité, qu’en est-il des entreprises ?

Le PDG de Microsoft l'a souvent dit auparavant : l'IA n'est pas une technologie, mais la forme future de l'entreprise.

Si vous comprenez cette phrase, vous pouvez réellement comprendre « l'organisation intelligente » proposée par Robin Li.

Franchement, si vous lisez simplement les mots, cela peut facilement être compris comme un nouveau type d'entreprise composé de personnes et d'agents, ou comme une autre façon de dire « entreprise native de l'IA ».

Mais ce dont Robin Li veut discuter n'est pas d'affecter un assistant IA à chaque poste, mais de repenser le fonctionnement de l'entreprise : qui accomplit les tâches, comment l'expérience est accumulée et comment le processus est continuellement ajusté en fonction des résultats.

Elle peut être interprétée à trois niveaux.

La première consiste à briser les frontières des positions.

Les entreprises traditionnelles s’appuient sur une division professionnelle du travail pour fonctionner. Une tâche complète nécessite souvent de remplir successivement plusieurs postes dans les domaines du produit, de la conception, de la R&D, des opérations, etc.

À l'ère de l'IA, les agents intelligents commencent à assumer le travail d'exécution spécifique, et les humains sont responsables de la définition des objectifs, de la planification des ressources et de la prise de décisions clés.

Les organisations ne répartissent plus entièrement le travail autour de postes fixes, mais peuvent combiner de manière flexible les personnes et les agents en fonction des besoins des tâches.

La pratique de l’équipe Tazi de Baidu en fournit un exemple. Un membre qui avait initialement une formation dans la recherche en informatique quantique est presque entré sur la scène des produits et des entreprises à partir de zéro après avoir rejoint Baidu. Avec l'aide du partenaire de Baidu, il a également pris en charge les travaux de gestion de produits, de R&D et de projet. De l'analyse des problèmes et de l'élaboration de plans à la promotion de la mise en œuvre et à la vérification des résultats, il n'est plus limité à un poste fixe.

Les développeurs de nouveaux produits peuvent compter sur Taozi pour parcourir rapidement l'ensemble du processus, des exigences aux prototypes. L'équipe a itéré plus de 160 fois en six mois, et 90 % du code et plus de 50 % des supports de communication ont été complétés par Taozi.

Ce qui est vraiment enfreint dans ce cas, ce ne sont pas les règles « qui doit faire quoi », mais aussi les restrictions imposées au flux de connaissances et d’expériences.

L'équipe numérique de Baidu promeut la transformation des rôles de produit, de R&D, de conception et de test en constructeurs, ce qui est également une extension de la même logique.

Il ne s’agit pas de laisser chacun assumer davantage de travail sans condition, mais de réduire le transfert répété de tâches entre différents rôles, afin que les personnes capables de définir des objectifs aient également la possibilité d’utiliser l’IA pour atteindre le résultat final.

Mais s’il n’y a que des changements dans la façon dont les tâches sont exécutées, les organisations intelligentes ne peuvent être considérées qu’à moitié terminées. L’autre moitié dépend de la manière dont l’organisation le fait.

La seconde consiste à accumuler des connaissances tacites.

La connaissance véritablement précieuse d’une entreprise réside dans l’expérience pratique de ses employés : par exemple, les méthodes de jugement des employés chevronnés pour gérer les échecs, l’expérience commerciale dans l’identification des besoins des clients et la compréhension qu’ont les concepteurs de l’esthétique et des normes.

Ces connaissances sont difficiles à consigner dans des documents standardisés et se perdent facilement avec le flux de personnel.

Mais l’IA offre un nouveau moyen de précipitation : transformer l’expérience des experts, les règles métier et les méthodes opérationnelles en base de connaissances, en compétences et en capacités que les agents intelligents peuvent appeler.

La coopération entre Baidu et China Southern Power Grid implique ce processus. Face à l'analyse et au jugement des pannes du réseau de distribution, l'analyse manuelle traditionnelle prend plus de 60 minutes à la fois et dépend fortement de l'expérience des experts.

Après que Baidu Tazi ait atterri à la Commission générale du Sud, il a appris des dizaines de milliers de données historiques sur la gestion des défauts, accumulé l'expérience d'experts chevronnés dans des connaissances professionnelles réutilisables, puis connecté les enregistrements de défauts, les signaux de commutation et la topologie de ligne en série pour former une chaîne de preuves complète. À l'heure actuelle, la précision de son analyse des défauts atteint plus de 70 %.

L'équipe de conception de Baidu MEG a démontré une autre façon d'accumuler des connaissances.

L'équipe a transformé l'expérience esthétique et les spécifications de conception des concepteurs seniors en compétences d'IA réutilisables, afin que l'IA puisse non seulement générer des images selon les instructions, mais également utiliser les méthodes de conception accumulées par l'équipe pour participer à la production de contenu. Actuellement, les outils d'IA ont pris en charge plus de 50 % de l'offre de contenu et l'efficacité des équipes a augmenté de 100 % à 200 %.

De la panne de courant à la production de contenu, la logique derrière les deux scénarios est très similaire : transformer des méthodes de travail qui reposaient à l'origine sur l'expérience personnelle en capacités que l'organisation peut faire appel à plusieurs reprises.

Bien entendu, à mesure que les circonstances commerciales évoluent, l’expérience peut devenir obsolète. Vous devez donc réintégrer les résultats de la tâche dans le processus.

Il s’agit du dernier processus de conception mentionné en boucle fermée.

Les processus traditionnels sont généralement préconçus par les personnes, et lorsque des problèmes surviennent lors de l'exécution, ils sont revus et corrigés.

Une fois chaque tâche terminée, le système peut mesurer les résultats en fonction des objectifs prédéfinis, identifier les problèmes d'exécution, puis utiliser les commentaires pour ajuster la prochaine série de tâches. De cette manière, le processus n’est plus un ensemble de spécifications opérationnelles fixes, mais un système qui peut être continuellement modifié au fur et à mesure du fonctionnement de l’entreprise.

Robin Li l'a résumé comme suit : « Mesurable + Lopping = Evolution continue ».

« Mesurable » signifie que les résultats des tâches doivent avoir des critères d'évaluation clairs, tandis que Lopping signifie que l'exécution, le retour d'information et l'optimisation doivent former un cycle continu.

Lorsque de plus en plus de tâches pourront compléter une boucle aussi fermée, l'organisation ne comptera plus uniquement sur les gestionnaires pour la promouvoir, mais sera en mesure d'accumuler continuellement de l'expérience et de modifier les processus dans les opérations quotidiennes.

Pour prendre en charge une telle boucle fermée, une API modèle seule ne suffit évidemment pas.

Les agents doivent comprendre les objectifs commerciaux de l'entreprise, faire appel aux données, aux connaissances et aux outils de différents systèmes, et être capables d'exécuter, d'être évalués et de s'ajuster en continu en fonction des commentaires sur les tâches à longue chaîne. Cela impose de nouvelles exigences à l’infrastructure sous-jacente.

C'est également l'importance d'AI Cloud et d'Agent Infra que Shen Dou a souligné lors de la conférence mondiale Baidu 2026.

Selon l'idée de Baidu : la couche inférieure Baige AI Infra fournit un support de puissance de calcul, et la couche supérieure Qianfan Agent Infra fournit une gestion de contexte à long terme, une mémoire persistante, un appel d'outils, une planification de sous-agents, un retour d'évaluation et un environnement d'exploitation, afin que les tâches à grande échelle et à long terme puissent véritablement boucler la boucle fermée.

Dans la structure full-stack « core-cloud-module-body », cette relation de support sera plus claire : la puce fournit la base de la puissance de calcul, le cloud fournit l'infrastructure pour le fonctionnement et la planification de l'agent, le modèle fournit des capacités de compréhension, de raisonnement et de génération, et l'agent entre dans des tâches et des scénarios commerciaux spécifiques.

Des postes aux tâches, de l’expérience personnelle à l’intelligence organisationnelle, en passant par l’itération continue des processus, ce que les organisations intelligentes changent n’est pas l’efficacité du travail d’un certain poste, mais la logique sous-jacente de la production et de la collaboration de l’entreprise.

Ce que nous devons ensuite examiner, c'est comment ces principes se traduisent en pratique : participer réellement aux processus métier et résoudre de vrais problèmes ?

03

Comment se développe une organisation intelligente au sein d’une entreprise ?

Pour juger si une entreprise est entrée dans l’organisation AI Native, cela dépend si l’IA change réellement l’ensemble du fonctionnement interne.

Prenez le département commercial de l'innovation humaine numérique de Baidu.

L'équipe brise les frontières professionnelles entre le produit, la R&D, la conception et les tests, favorise la transformation de tous les employés en constructeurs et, sur la base du BiuBiuAgent auto-développé, certaines exigences peuvent être satisfaites par une seule personne tout au long du processus.

Au cours du seul troisième trimestre, l'équipe a réalisé 564 itérations de production et de recherche, accumulé 130 compétences et 729 actifs organisationnels.

Alors que Loops continue de fonctionner, le débit de production et de recherche par habitant a augmenté de 125,3 % et le cycle de livraison a été raccourci de 28,8 %. Une nouvelle recrue de l’école a utilisé l’IA pour remplir une exigence qui nécessitait auparavant cinq rôles et au moins 10 jours pour accomplir en une seule journée.

Derrière ces chiffres en croissance rapide se cache la véritable « transformation » de l’IA au sein des entreprises.

De cette façon, les employés peuvent se concentrer davantage sur le jugement des objectifs et l’organisation des processus. Les compétences et les atouts organisationnels formés par l'équipe lors de l'exécution peuvent être sollicités de manière répétée, et l'expérience d'une seule personne ne disparaît plus une fois la tâche terminée.

Un autre exemple est le dodo. Cet assistant d'IA construit par une équipe de plus de dix personnes au sein de Baidu a couvert 99 % des employés réguliers sept mois après son lancement et a favorisé l'achèvement de la transformation favorable à l'IA de plus de 300 plates-formes d'entreprise.

Cela révèle également un aspect de l’intelligence organisationnelle qui est facilement négligé : les entreprises ne peuvent pas simplement exiger que leurs employés apprennent à utiliser l’IA, mais doivent également permettre aux systèmes, données et processus existants de collaborer avec l’IA.

Sinon, même si l'agent peut accomplir la tâche d'un certain maillon, il sera difficile d'ouvrir véritablement la chaîne commerciale.

Au cours de l'année écoulée, le nombre d'agents actifs quotidiens au sein de Baidu est passé d'environ 5 000 à 37 000, et le nombre de tâches effectivement accomplies par semaine est également passé de 84 000 à plus d'un million.

En plus de l'expansion à grande échelle, l'accumulation de connaissances se produit également simultanément : Baidu a construit plus de 4 300 espaces de travail et accumulé plus de 20 000 compétences générales au niveau de l'entreprise, transformant progressivement une expérience initialement dispersée entre les individus et les équipes en capacités organisationnelles réutilisables.

Si la pratique de Baidu démontre des changements dans les méthodes de collaboration organisationnelle, alors les cas suivants testent si l’IA peut entrer dans le monde réel.

Dans le réseau électrique du sud de la Chine, Baidu Tiezi a été mis en œuvre dans le réseau électrique du sud, formant ainsi un « partenaire Tianxuan » pour l'analyse et le diagnostic des pannes du réseau de distribution.

Le réseau électrique du Guangxi connaîtra 8 215 pannes permanentes en 2025. La recherche et le jugement manuels traditionnels prennent à chaque fois plus de 60 minutes et dépendent fortement de l'expérience des experts.

Les partenaires de Tianxuan ont étudié des dizaines de milliers de données historiques de gestion des défauts, accumulé l'expérience de jugement d'experts chevronnés en connaissances réutilisables, puis connecté les enregistrements de défauts, les signaux de commutation et la topologie de ligne dans une chaîne de preuves pour aider à compléter l'analyse des défauts.

Selon les commentaires des clients, l'efficacité de l'analyse des défauts a été multipliée par 12, le taux de précision de l'analyse a atteint plus de 80 % et l'expérience des experts a été réutilisée. Il a été promu dans 14 villes et 112 comtés du Guangxi.

L’intérêt de ce type d’application n’est pas seulement de rendre l’analyse des pannes plus rapide, mais aussi de transformer l’expérience initialement entre les mains de quelques experts en capacités professionnelles pouvant être utilisées en permanence par le système.

La pratique de Higo Laser a amené l’IA à des processus décisionnels plus complexes sur le site de fabrication.

Sur la chaîne de production, plusieurs bras robotiques à six axes doivent travailler ensemble pour terminer la découpe et le traitement de la même pièce. Autrefois, les artisans s'appuyaient principalement sur l'expérience pour attribuer les blocs de trajectoire et déterminer la séquence d'exécution ; mais lorsque le nombre de bras robotiques, les tâches de traitement et les contraintes liées aux processus augmentent, les arrangements locaux peuvent facilement affecter l'efficacité globale.

Baidu Valou optimise en permanence les algorithmes autour de la prévision chronophage des mouvements, de l'évitement des collisions multi-machines et de la planification de l'attribution des tâches. En partant du principe de respecter des contraintes telles que l'accessibilité du bras robotique, la dépendance au processus et l'absence de collision, il peut réduire le temps de programmation de la pièce de 8 heures à 10 minutes, résolvant ainsi le problème de goulot d'étranglement de l'industrie.

De l’analyse des pannes du réseau électrique à la planification collaborative des bras robotiques, les deux cas indiquent le même changement : l’entrée de l’IA dans l’industrie nécessite de comprendre les connaissances de l’industrie, de s’adapter aux contraintes commerciales et d’accepter les résultats des tests dans des tâches réelles.

Bien entendu, une organisation intelligente ne signifie pas que les personnes qui la composent sont sans importance.

Lors de la conférence, une conversation entre la personne numérique Xi Jiajia et Robin a abordé cette question.

Lorsque Xijajia lui a demandé s'il pouvait devenir PDG, la réponse de Robin a été non.

Selon lui, le PDG doit comprendre la mission et la vision de l'entreprise. L'IA peut devenir le partenaire de réflexion du PDG, l'aider à améliorer son efficacité et lui fournir de l'inspiration, mais il n'est pas nécessaire de se précipiter pour remplacer le PDG.

Lorsque le sujet s'est ensuite tourné vers « Si l'IA pénètre dans tous les recoins de l'organisation, quelle sera la partie centrale de l'organisation ? » La réponse de Robin était : les gens.

Nous disons souvent que l’IA ne peut pas remplacer les humains, mais dans les applications pratiques, on craint toujours d’être remplacé. Cette conversation a différencié les capacités d’exécution et l’orientation organisationnelle de l’IA.

L'IA peut continuer à entreprendre des tâches spécifiques, à participer à des analyses et à fournir des suggestions, mais la prise de décision finale sur la valeur existentielle de l'entreprise et son orientation future appartient toujours aux « personnes ».

C’est un peu le concept de « DRI (Directly Responsible Individual) » proposé par Apple à ses débuts.

Chez Apple, il n’a jamais été clair qui est responsable de quoi. En termes simples, l’IA peut vous aider à prendre des décisions, mais quelqu’un doit être responsable des résultats finaux et des jugements de valeur.

En d’autres termes, les organisations intelligentes ne retirent pas les personnes des processus, mais redistribuent les responsabilités des personnes et des agents.

À l’avenir, le véritable fossé entre les entreprises réside dans la capacité d’intégrer l’IA dans les flux commerciaux, d’accumuler de l’expérience dans les actifs organisationnels et de former un système organisationnel capable de continuer à fonctionner et à évoluer.

Articles originaux de Leifeng.com, la reproduction non autorisée est interdite. Voir les instructions de réimpression pour plus de détails.

modifier

Renvoyer l'e-mail Modifier l'e-mail