Équipes fondatrices et C-levels se posent tous la même question : que faire de leur org chart. Les investissements IA sont massifs. Le ROI reste difficile à prouver. Ce live croise un benchmark de trente entreprises avec ce que TPC observe sur le marché de l'emploi. Il se termine sur les métiers qui émergent et ceux qui reculent.
Sommaire13 sections
- 1.Trois chantiers pour les leaders
- 2.Ce que montre le marché de l'emploi
- 3.Ce qu'on attend désormais des leaders
- 4.Trois paliers de maturité
- 5.Le trident d'une transformation réussie
- 6.Six modèles d'organisation
- 7.Le parcours d'un AI Ops chez PayFit
- 8.Mesurer l'impact, de l'adoption au ROI
- 9.Quatre décisions à prendre
- 10.Les métiers qui montent et ceux qui reculent
- 11.Les questions de la communauté
- 12.Les ressources du live
- 13.Le replay
1. Trois chantiers pour les leaders
Le live est animé par Mathias Frachon, co-fondateur de TPC. Il présente la lecture marché. Juliette Demain, Content Engineer chez TPC, a réalisé le benchmark. Elle présente les cas d'entreprises.
Les leaders interrogés par TPC travaillent sur trois chantiers.
Le premier est l'organisation. Suivre le changement technologique ne suffit pas à coups d'initiatives isolées. Il faut amener de la compétence et casser certaines lignes, notamment dans le product trio historique.
Le deuxième est l'intégration de nouvelles compétences. Elles sont très récentes, donc difficiles à recruter.
Le troisième est le plus important : transformer ce changement de paradigme en opportunité business. L'enjeu est double. Côté tech, faire évoluer la stack et gagner en vélocité. Côté business, prouver le ROI des investissements devant le COMEX.
2. Ce que montre le marché de l'emploi
Seules 9 % des offres d'emploi mentionnent des compétences IA. Mathias Frachon y voit un décalage de temps. Les COMEX en parlent déjà, les fiches de poste ne suivent pas encore.
Les échanges avec candidats, founders et recruteurs font ressortir trois idées. Les fondamentaux d'organisation sont remis à plat. L'urgence de gagner en vélocité s'impose. La densité de talent devient un objectif : recruter des profils très experts, avec un fort impact sur leur scope.
3. Ce qu'on attend désormais des leaders
TPC observe une cassure sur le marché des leaders autour de 2024. Des CPO et CTO très recherchés après le COVID peinent aujourd'hui à trouver leur prochain rôle.
Avant, on attendait surtout d'eux du management d'équipe et beaucoup de recrutement. Aujourd'hui, on leur demande d'être des orchestrateurs, parfois des architectes de système.
La compétence clé est l'amplitude stratégique, de la stratégie jusqu'à l'exécution. Les leaders qui performent passent du micro au macro très vite. Ils vont en profondeur sur la technologie et sur les enjeux business. Ils apportent du jugement sur chaque choix.
Seuls 18 % des leaders interrogés voient un ROI de l'IA. L'enjeu actuel est la bascule du POC au ROI business.
Autre signal : l'impact IA de leur entreprise pèse plus que le salaire sur la rétention des leaders. Beaucoup de candidats disent craindre pour leur carrière si leur boîte ne prend pas le virage assez vite.
4. Trois paliers de maturité
Le premier palier est l'inertie totale. Personne n'a basculé, même individuellement. Ce stade a quasiment disparu.
Le deuxième regroupe la grande majorité des entreprises. Des champions autoproclamés ont capté de petits budgets pour tester. L'adoption existe, mais elle reste très hétéroclite.
Le troisième est la transformation réelle, pilotée par le COMEX. Elle reste minoritaire. Qonto et Doctolib en font partie.
5. Le trident d'une transformation réussie
Une transformation à l'échelle de l'entreprise repose sur trois éléments. Ils doivent fonctionner ensemble.
"On n'a pas d'exemple où, quand il n'y a que deux ou un des aspects qui a été réalisé, ça a marché."
Le sponsoring stratégique. Le CEO et le COMEX décident de pousser la transformation. Ils la soutiennent politiquement et la communiquent. Sans ce socle, une démarche bottom-up plafonne.
Les champions opérationnels. Les champions autoproclamés existent déjà. Il faut les structurer en équipe. Il faut leur donner ressources, autonomie et soutien de la direction.
L'adoption diffuse. Formation, accès aux outils, temps alloué dans le scope de chacun pour tester et lancer des POC. Le top management doit affirmer que c'est une priorité stratégique.
6. Six modèles d'organisation
Le benchmark identifie six initiatives. Elles fonctionnent comme des leviers à combiner. PayFit et Alan en combinent deux à trois. Le bon choix dépend de la taille, de la maturité et de l'objectif visé.
Doctolib : l'adoption distribuée
L'enjeu de départ est l'adoption interne pour transformer la productivité métier. Doctolib a mené une phase pilote d'environ un an. Une fois le POC jugé viable, la bascule a concerné 600 ingénieurs. Le périmètre s'est ensuite élargi aux PM et aux designers.
Aujourd'hui, environ 1 000 builders travaillent sur Doctolib. Une équipe plateforme a mis de l'IA dans tous les repos. Une équipe centrale d'adoption assure le training continu et l'accompagnement.
"c'est vraiment le cas d'école de « chacun teste un peu dans son coin » et ensuite ça se diffuse au fur et à mesure, une fois que ça a montré de l'impact."
Qonto : le centre d'excellence centralisé
L'objectif est de mettre l'IA à toutes les étapes du produit. Qonto compte 1 600 collaborateurs. Une équipe AI Products, logée dans la data, pilote tous les produits IA.
Résultats : quatre produits IA fiables en production. L'assistant IA traite 60 % des demandes courantes. Depuis mars 2026, l'IA a réalisé 800 modifications de code autonomes.
Qonto a fait un choix contre-intuitif. Plutôt que recruter des ML engineers, l'équipe a donné la compétence ML à des software engineers. La partie IA est rattachée aux équipes back-end.
Finary : l'équipe produit hybride
Au départ, Finary compte une trentaine de personnes. Trois designers font aussi du PM. L'écart entre Figma et la prod est permanent. Le design system n'a pas de propriétaire.
Finary recrute Noé comme design system engineer. Ses agents deviennent son équipe. La spec devient la source de vérité. L'agent compose des écrans avec un taux de propreté de 95 %.
Une seule personne tient le design system. Une PM peut livrer un scope entier sans designer. Le développeur garde un rôle d'approbateur avant la mise en ligne.
Alan : l'humain sur les exceptions
Alan doit absorber un nombre croissant de membres. L'équipe support compte environ 100 personnes. Avant, toutes les demandes passaient par elles.
Aujourd'hui, l'IA résout seule environ 40 % des demandes. L'équipe support valide les réponses générées. Elle prend la main sur les exceptions et les cas particuliers.
Charles Gorintin, CTO d'Alan, résume l'approche : « On automatise des tâches et pas des personnes. »
Anthropic : le développement agentique sur toute la chaîne
L'objectif est d'absorber le volume de code produit par les agents sans saturer la review. L'ingénieur spécifie, arbitre et review. L'agent produit.
Aujourd'hui, 70 % des PR sont générées par IA. Il a fallu retravailler la merge queue pour que l'ensemble reste fiable.
Les AI Labs : une vision long terme
Le sixième modèle ne se reproduit pas en entreprise. Ce sont les labs nés avec l'IA. Il ne faut pas s'y comparer. Ils donnent en revanche une vision long terme de l'organisation vers laquelle tendre.
7. Le parcours d'un AI Ops chez PayFit
Nicolas, Senior AI Ops chez PayFit, a fait passer la transformation à l'échelle. Son parcours suit plusieurs étapes.
Au départ, il est seul, rattaché à la CPO. Il pousse les équipes à tester et s'appuie sur ceux qui sont déjà sensibilisés.
Après un premier groupe de bêta-testeurs, il apporte une preuve d'usage. Il nomme alors un sponsor dans chaque squad. Ce sponsor déploie l'IA dans son équipe et fait monter chacun en niveau.
Vient ensuite la bascule générale. Son rôle devient l'encadrement : bonnes pratiques, grandes directions et limites.
La dernière étape est la décentralisation globale. L'IA est dans les mains de tout le monde. Un nouvel enjeu apparaît : la gestion des tokens et du budget.
8. Mesurer l'impact, de l'adoption au ROI
Les KPI changent selon le temps de la transformation.
Temps 1 : prouver l'adoption. Connexions aux outils et aux LLM. Nombre de licences déployées. Nombre de champions nommés par équipe. Taux d'adoption déclaré, à prendre avec précaution.
Temps 2 : prouver l'impact. Ce sont ces KPI qui font la différence aux yeux d'un COMEX. Vélocité, volume de production, délai de traitement, taux d'erreur.
Quelques exemples présentés dans le live :
Alan a absorbé 33 % de nouveaux membres avec une équipe identique.
Fleet est passé de 75 % à 90 % de perfect order, avec des volumes de commandes doublés.
Chez Roundtable, l'IA trie 1 000 véhicules d'investissement. Quinze à vingt seulement sont traités par un humain.
9. Quatre décisions à prendre
Situer sa maturité. Évaluer objectivement le point de départ de l'organisation, pas seulement de son équipe. La feuille de route en dépend.
Faire sa shopping list. Choisir parmi les six initiatives. Pas les six : deux pour commencer.
Basculer de l'adoption au ROI. Reprendre la liste de KPI des entreprises les plus avancées.
"si vous mesurez de l'adoption, vous aurez de l'adoption. Si vous mesurez du ROI, vous aurez potentiellement une inclinaison vers le ROI."
Avec quinze métriques, on n'optimise sur rien. Quand les POC ne produisent pas de ROI, il manque souvent un client interne. Produit, tech ou business, il commande à l'équipe IA des sujets où le ROI est identifié.
Nommer des relais avec du temps alloué. Champions, staffs, principals ou AI Ops. Il faut un responsable identifié, choisi pour son affinité avec le sujet.
10. Les métiers qui montent et ceux qui reculent
Les métiers qui montent
Product builder. L'intitulé recouvre des réalités différentes. Chez Doctolib, ce sont des software engineers à forte vision produit. Ailleurs, ce sont des PM qui prototypent et vibe-codent.
AI Engineer. Le titre a beaucoup circulé avant l'été. Il est un peu moins présent depuis. Deux hypothèses : un effet saisonnier, ou tous les engineers deviennent des AI engineers. À confirmer dans les prochains mois.
Forward deployed engineer. Le scraping TPC compte une trentaine d'offres en France. Le rôle explose aux États-Unis. Palantir l'a inventé. Son essor dépend des business models : la facturation au résultat remet en cause le SaaS au prix par utilisateur.
Les métiers qui reculent ou mutent
ML engineer. Isolé dans une spécialité, il se dissout. Il se rapproche des profils back-end.
Support. L'IA en prend une grosse partie, sans faire disparaître le métier. Klarna est passé à un support 100 % IA. Dix-huit mois plus tard, l'entreprise a réembauché pour les cas particuliers.
Tous les métiers deviennent un peu « engineer »
Talent engineers, marketing engineers, product engineers, design engineers : le suffixe se généralise. Avec ou sans le titre, tous les métiers montent en technicité.
"devenez un ingénieur, un ingénieur de votre scope actuel"
11. Les questions de la communauté
Reprendre la main sans casser l'adoption
Aucune entreprise n'a pris le sujet avant ses équipes. Deux approches existent. La première est top-down : tout arrêter et reconstruire. La seconde est consultative.
Mathias Frachon recommande la seconde. Les premiers à s'être lancés sont les champions naturels. Il faut les identifier, valoriser leur travail et leur donner autonomie et ressources. Il faut aussi canaliser leur énergie vers les objectifs business, avec une roadmap claire.
Gouvernance : centraliser ou décentraliser
Dans l'approche centralisée, la direction impose les orientations. On y trouve souvent un chief AI et des rôles dédiés. L'approche décentralisée part du terrain.
Le rôle d'AI Ops fonctionne en deux phases. D'abord la mise en place : kit de démarrage et premières initiatives. Puis l'encadrement : limites d'usage, bons modèles au bon moment, preuve du ROI, reporting. Son scope grandit avec l'adoption.
Ce rôle peut être éphémère. Le digital a suivi le même chemin avec les Chief Digital Officers.
"véritablement, ce qui s'est passé sur le digital va se passer sur l'IA."
Usages individuels et sécurité des données
Sans cadre commun, chacun avance avec son propre usage. Les équipes non équipées utilisent leur compte ChatGPT personnel.
"Si vous avez peur que votre data parte ailleurs, n'équipez pas vos équipes avec une solution interne et vous êtes sûr que tout va partir très loin."
12. Les ressources du live
Le benchmark « Les orgas à l'ère de l'IA » détaille les trente organisations, leurs transformations et leurs limites. Il analyse aussi l'évolution de plus de cinquante métiers.
Un second benchmark, présenté en avant-première, porte sur l'évaluation de la maîtrise de l'IA en entretien. Il couvre dix-huit entreprises.
TPC Advisory propose aux leaders trente minutes d'échange avec les fondateurs de TPC sur leurs enjeux de transformation et d'organisation.