Lorsqu’on parlait d’intelligence artificielle dans les milieux professionnels, la conversation tournait presque toujours autour de la même fascination un peu naïve : la capacité de produire plus vite, plus abondamment, plus efficacement. Générer des textes, des images, des tableaux, des réponses, des plans. Créer à une vitesse qui dépassait largement celle de nos équipes, de nos cerveaux fatigués, de nos agendas déjà trop pleins. On regardait l’IA comme une machine à accélérer le monde, sans toujours se demander dans quelle direction nous étions en train de courir.
Aujourd’hui, quelque chose a changé. Pas tant dans la technologie elle-même que dans l’expérience très concrète que nous en faisons sur le terrain. Dans nos entreprises, nos hôtels, nos bureaux de tourisme, nos agences, nos départements marketing. Ce qui frappe désormais, ce n’est plus la puissance de production, mais le bruit. Une masse continue de contenus, de rapports, de recommandations, de stratégies « optimisées », de tableaux de bord séduisants qui prétendent tous nous rapprocher d’une meilleure décision. Une avalanche qui donne l’illusion de la maîtrise, alors qu’elle met surtout à l’épreuve notre capacité à discerner.
Quand l’abondance devient un problème de jugement
Dans l’hôtellerie, nous connaissons bien cette sensation de trop-plein. Trop de canaux à gérer, trop de commentaires à lire, trop de signaux faibles à interpréter. L’IA n’a pas créé ce phénomène, mais elle l’a démultiplié. Elle a rendu possible ce que peu d’organisations savaient réellement absorber : une expansion quasi infinie de données, d’options, de scénarios.
Face à cette abondance, la question n’est plus de savoir si nous avons assez d’information, mais si nous savons quoi en faire. Dans un hôtel, dans un restaurant, dans une destination touristique, le danger n’est presque jamais l’absence de données. Le danger, c’est l’incapacité à relier l’information à une intention claire. Et c’est précisément là que l’IA agit comme un révélateur impitoyable : elle met en lumière ce que nous n’avons jamais vraiment pris le temps de définir.
Quand tout peut être testé, ce n’est plus la créativité qui est rare
Lorsque le coût de l’exploration s’effondre — quand tester mille idées, mille variantes, mille hypothèses devient presque gratuit — ce n’est plus la créativité qui devient rare. C’est le jugement. Et le jugement ne se délègue pas aussi facilement qu’un prompt bien formulé.
Ces derniers mois, j’ai vu des équipes entières se noyer sous des analyses générées par des systèmes pourtant brillants. Des projections de revenus, des prédictions de demande, des recommandations tarifaires mathématiquement cohérentes, mais étrangement déconnectées de ce que vivaient réellement les équipes sur le terrain. Comme si la machine avait optimisé quelque chose de juste sur le papier, mais profondément incomplet dans la réalité humaine du service.
C’est souvent à ce moment précis que la conversation devient enfin intéressante. Non pas lorsqu’on se demande ce que l’IA peut produire de plus, mais lorsqu’on ose se demander ce qu’elle est déjà en train d’optimiser à notre place, parfois sans que nous en soyons pleinement conscients.
Optimiser sans définir ce qui compte vraiment
Dans un hôtel, on peut optimiser le taux d’occupation, la durée moyenne de séjour, le revenu par chambre disponible. Ce sont des indicateurs légitimes, utiles, historiquement ancrés dans notre industrie. Mais que se passe-t-il lorsque ces métriques deviennent les seuls repères que l’on donne à un système capable d’optimiser sans relâche ?
Que devient alors la fatigue des équipes, la cohérence de l’expérience client, la qualité du lien, le sentiment de confiance qui se construit — ou se détruit — sur la durée ? Ces dimensions sont plus difficiles à mesurer, mais elles n’en sont pas moins réelles. Elles façonnent la réputation d’un lieu bien plus durablement qu’un tableau Excel parfaitement aligné.
L’IA ne fait pas de compromis. Elle pousse une logique jusqu’au bout. Et c’est précisément pour cela qu’elle exige de nous une maturité nouvelle. Si nous ne définissons pas explicitement ce que signifie « bien faire » dans un contexte donné, la machine fera ce qu’elle sait faire de mieux : optimiser ce qui est mesurable, même si ce n’est pas ce qui compte le plus.
Le tourisme face à ses propres contradictions
Dans le tourisme, cette tension est particulièrement visible. Nous parlons volontiers d’authenticité, de lien humain, d’expérience mémorable. Mais combien de nos systèmes, de nos outils, de nos décisions automatisées sont réellement calibrés pour préserver ces valeurs ? Combien sont plutôt orientés vers la vitesse, la conversion, la rentabilité immédiate, simplement parce que ce sont les seules dimensions que nous avons su traduire en objectifs clairs ?
L’arrivée des agents autonomes, capables de recevoir un objectif et de déployer eux-mêmes une série d’actions pour l’atteindre, accentue encore cette réalité. À partir du moment où un système peut agir sans intervention humaine constante, la question n’est plus de savoir s’il est performant, mais s’il est aligné. Et l’alignement ne se programme pas à la légère.
Ce que l’IA ne voit pas… mais que le métier sait
Dans la gestion hôtelière, il a toujours existé une part invisible du métier. L’atmosphère d’un lieu à certaines heures. La manière dont une équipe se soutient pendant un service difficile. La confiance silencieuse qui s’installe entre un client régulier et un établissement. Ces éléments ne disparaissent pas avec l’IA. Mais ils peuvent être fragilisés si nos systèmes les ignorent systématiquement.
C’est ici que l’IA peut pourtant devenir un allié précieux, à condition de changer de posture. Non pas comme une machine à produire davantage, mais comme un outil de tri, de synthèse, de hiérarchisation. Une aide pour faire émerger ce qui mérite réellement une décision humaine. Une façon de transformer le bruit en matière intelligible, plutôt que de l’amplifier.
Changer de logique avant de changer d’outil
Dans la pratique, cela demande un renversement profond. Avant de demander à un système de générer, il faut lui apprendre à évaluer. À comparer. À reconnaître des nuances. À intégrer des exemples concrets de ce que nous considérons comme une réussite, et pas seulement de ce qui est statistiquement performant.
Ce travail exige du temps, de la réflexion, une connaissance intime de son terrain. Mais c’est précisément ce qui distingue une organisation qui subit l’IA d’une organisation qui l’utilise avec discernement.
Dans les entreprises que j’accompagne, les transformations les plus durables ne viennent pas de prompts plus sophistiqués, mais de conversations plus honnêtes. Des conversations où l’on ose nommer ce que l’on ne veut plus sacrifier au nom de l’efficacité. Où l’on redéfinit, parfois maladroitement, ce que signifie une bonne décision, un bon service, une bonne croissance.
Ce que nous optimisons révèle ce que nous valorisons
Il est tentant de croire que la difficulté réside encore dans la formulation des questions. En réalité, le vrai défi est en amont. Il se situe dans cette zone inconfortable où l’on doit accepter de ne pas avoir toutes les réponses, mais de devoir malgré tout choisir ses priorités. Définir ce que l’on accepte d’optimiser, et ce que l’on refuse de réduire à un chiffre.
Dans un monde où tout peut être accéléré, la lenteur réfléchie devient un acte stratégique. Prendre le temps de définir ses critères, ses limites, ses valeurs opérationnelles n’est pas un luxe. C’est une condition de survie. Surtout dans des métiers où l’humain n’est pas un supplément d’âme, mais la matière première même de l’expérience.
L’IA continuera de produire, de calculer, d’optimiser. Elle le fera de mieux en mieux, de plus en plus vite, à des coûts toujours plus bas. Ce mouvement est irréversible. Mais la direction qu’il prendra dépend encore, pour un temps, de notre capacité à nommer ce qui compte vraiment. À définir, avec précision et humilité, notre propre fonction de réussite.
Car au fond, le prompt n’est plus le point critique. Le véritable point de bascule se situe ailleurs, dans cette question simple et exigeante : savons-nous réellement ce que nous voulons optimiser, et sommes-nous prêts à en assumer les conséquences ?
