Les entreprises ont acheté l'IA pour aller plus vite. Aujourd'hui, elles n'arrivent plus à trancher.

L'IA sort dix directions de campagne avant même qu'une équipe ait fini de discuter de la première. Specs, maquettes, images, code : tout est prêt en quelques minutes.

Les résultats, eux, ne suivent pas. La 29e enquête mondiale de PwC auprès des CEO, publiée en janvier 2026, montre que 56 % des dirigeants n'ont constaté ni hausse de revenus ni baisse de coûts liée à l'IA sur l'année écoulée. Seuls 12 % ont observé les deux. De son côté, le projet NANDA du MIT a passé au crible plus de 300 déploiements d'IA en 2025 : environ 5 % des projets intégrés produisent une vraie valeur, après 30 à 40 milliards de dollars investis.

Quelque chose grignote les gains entre la production et le résultat.

Le coût qui a disparu, et celui qui est resté

Produire une version supplémentaire coûtait autrefois une journée de travail. Ce coût plafonnait discrètement le nombre d'options qui arrivaient sur la table. On en faisait deux. On en choisissait une, et choisir était simple parce qu'il n'y avait presque rien à départager.

L'IA a fait sauter ce plafond, et rien d'autre. Les options arrivent désormais par dizaines, et l'équipe doit toujours toutes les regarder, en débattre et en retenir une seule. Ce travail-là n'a pas accéléré.

BetterUp Labs et le Social Media Lab de Stanford ont chiffré ce gaspillage en 2025. Dans une enquête menée auprès de 1 150 salariés américains, 40 % avaient reçu dans le mois écoulé un livrable d'IA qui semblait finalisé mais ne faisait pas avancer le travail. Chaque cas coûtait près de deux heures à son destinataire. Ils ont appelé ça le workslop.

Quarante options presque identiques

Choisir est plus difficile qu'il n'y paraît, parce que les options se ressemblent bien plus qu'elles n'en ont l'air.

Dylan Field, CEO de Figma, l'expliquait sur Lenny's Podcast en octobre 2025 : ce que l'IA vous sort en premier est générique par définition, puisque c'est la moyenne de tout ce qu'elle a vu. Des équipes qui interrogent des modèles similaires obtiennent des résultats similaires. Merriam-Webster a d'ailleurs fait de « slop » son mot de l'année 2025, défini comme du contenu numérique de faible qualité produit en masse par l'IA.

Ce qui sépare votre travail de celui d'un concurrent, c'est donc uniquement qu'une personne a regardé la pile et a fait un vrai choix. C'était autrefois les cinq dernières minutes d'un projet. C'est aujourd'hui l'essentiel de la valeur.

La réunion où rien ne se décide

Quelqu'un arrive avec trente options générées par IA. Elles sont toutes correctes. Chacun a une préférence légèrement différente, personne ne veut sacrifier les vingt-neuf autres, et la réunion se termine sur un « laissons décanter ». Les options partent dans un dossier que plus personne ne rouvrira.

Le problème n'est pas l'équipe. C'est qu'elle n'a nulle part où faire ce travail.

Les options vivent dans un fil Slack, empilées les unes après les autres : arrivé à la cinquième, on a déjà perdu la première. Ou bien elles dorment dans Drive, un fichier à la fois, comparées de mémoire. À l'UC San Diego, David Kirsh étudie depuis des décennies la façon dont on raisonne avec des objets hors de sa tête, et le constat est simple : on réfléchit mieux quand on peut tout voir en même temps, ensemble. Un fil ne permet pas ça. Un dossier non plus.

La décision revient alors à celui qui parle le plus longtemps, à celui qui a le plus de galons, ou à la deadline. Quelques semaines plus tard, quelqu'un demande pourquoi l'équipe est partie dans cette direction, et personne ne retrouve le raisonnement, parce qu'il n'a été consigné nulle part. Seule la conclusion a survécu, sous forme de tâche.

Relire n'est pas choisir

Relire, c'est une personne qui juge un livrable au regard d'un standard. Beaucoup d'outils font cela très bien.

Choisir, c'est un groupe face à plusieurs options viables, qui argumente et s'engage sur une seule. L'IA a fait exploser le premier type de travail, et rendu le second décisif.

Ce qu'il faut mesurer

La plupart des entreprises comptent les utilisateurs, les prompts et les brouillons. Ces chiffres disent seulement que la machine tourne.

Les bons indicateurs sont ailleurs : le délai jusqu'à une décision, le nombre d'allers-retours, la part de ce qui est produit qui finit réellement livré. Une équipe qui pond cent brouillons pour n'en approuver que deux ne bat pas une équipe qui en fait cinq et s'engage sur un.

Gardez vos outils

Designez dans Figma. Stockez vos fichiers dans Drive. Suivez vos tickets dans Jira. Faites vos ateliers dans Miro.

Le trou est entre ces outils, au moment précis où le travail cesse d'être produit pour devoir être décidé.

Ce que nous avons construit

ALLO est un canvas pensé pour ce moment. Les options s'affichent côte à côte avec le brief et les références, les retours se posent sur l'élément concerné au lieu de flotter dans un fil, et l'équipe débat devant le travail jusqu'à trancher. La décision reste attachée à ce qui l'a justifiée.

ALLO ne fait pas le travail. Continuez à le faire là où vous le faites déjà. Ce n'est pas non plus une file d'approbation.

Les modèles vont continuer à devenir moins chers, et produire cessera d'être un avantage, parce que tout le monde le fera et que tout le monde recevra la même moyenne. Ce qui restera, c'est choisir laquelle des quarante options est la bonne, et aligner une équipe dessus.

FAQ

Pourquoi l'IA n'améliore-t-elle pas la productivité des équipes ? Elle accélère la production d'une personne, mais elle augmente d'autant ce que tous les autres doivent évaluer. L'étude 2025 de BetterUp Labs et Stanford montre que 40 % des salariés reçoivent des livrables d'IA qui semblent finis sans l'être, pour un coût de près de deux heures à chaque fois.

Pourquoi le travail généré par IA se ressemble-t-il partout ? Les modèles renvoient une moyenne de ce qu'ils ont vu. Dylan Field, chez Figma, qualifie le premier résultat de générique par définition. Ce qui rend un travail distinctif, c'est une personne qui tranche.

Choisir, est-ce la même chose que relire ? Non. Relire, c'est juger un livrable. Choisir, c'est retenir une direction parmi plusieurs viables et obtenir l'accord d'une équipe.

ALLO remplace-t-il Figma, Jira ou Drive ? Non. Gardez-les. ALLO se place entre la production du travail et son exécution, là où les options se comparent et où une direction s'arrête.

En quoi ALLO diffère-t-il de Miro ou FigJam ? Ces outils sont pensés pour les ateliers, et les boards sont abandonnés dès la session terminée. ALLO conserve les options, les versions, les retours et les décisions d'un projet au fil du travail.

Comment savoir si l'IA est rentable ? Pas en comptant les prompts. Le délai jusqu'à la décision, le nombre de tours de relecture, et la part de ce qui est généré qui finit réellement livré.