« Dans le métier de conseil, la valeur va se déplacer vers des analyses plus pointues»

Propos recueillis par La lettre de l’IA, le 9 janvier 2026, auprès de Guy-Philippe Goldstein, enseignant à l’École de guerre économique et advisor chez PwC sur les enjeux cyber et l’IA. Guy-Philippe Goldstein intervient également auprès de l’IFACI (Institut Français de l’Audit Interne et du Contrôle Interne), et contribue ponctuellement à des travaux prospectifs pour des institutions publiques.  

« Guy-Philippe, en quelques mots : ton parcours, ton activité, ta spécialité aujourd’hui ? »

Je suis enseignant à l’École de guerre économique, où je travaille sur les questions de cyberpuissance. Je suis aussi advisor chez PwC sur les questions cyber et, depuis cette année, sur l’IA et la manière dont elle va transformer la production de valeur et les façons de travailler. J’ai également d’autres activités de conseil, notamment avec l’Institut français de l’Audit Interne et du Contrôle Interne: j’y ai beaucoup travaillé sur le cyber, et depuis l’année dernière sur l’IA. Enfin, j’interviens ponctuellement auprès de certaines instances publiques dans le secteur défense sur des sujets prospectifs, mais aussi sur des expérimentations mobilisant l’IA à partir de sources ouvertes.

« Concrètement, dans tes missions de conseil, utilises-tu l’IA comme outil ? »

Oui — et pas seulement pour mon activité de conseil “en propre” (recherches, études de marché, etc.), mais aussi pour des clients, dans le cadre de projets lancés l’année dernière. On parle ici d’IA générative, c’est-à-dire des grands modèles de langage proposés par OpenAI (ChatGPT), Anthropic (Claude), Google (Gemini) ou Mistral en France.

J’ai mené trois projets ces derniers mois. Le premier portait sur l’usage de l’IA pour aller plus loin dans la prospective géopolitique, pour une instance publique du secteur de la défense. Le deuxième, pour l’IFACI, visait à outiller les auditeurs et contrôleurs internes : on a monté un “grand défi”, avec plusieurs équipes, de niveaux et d’âges variés, encadrées pour développer des assistants IA utiles à leur activité. Le troisième, toujours pour l’IFACI, consistait à transformer des documents formels (guides, référentiels…) en nouveaux contenus : podcasts, vidéos, serious games, mini-quiz, avec une approche quasi industrielle grâce à l’IA.

« L’IA, c’est un vrai avantage… ou trop souvent un gadget marketing ? »

C’est une différence énorme. On change d’ordre de grandeur à la fois sur la qualité des travaux et sur la vitesse d’exécution.

Mais ça reste un outil qui demande de la supervision humaine, surtout sur des sujets de recherche “de pointe”. L’IA se comporte, dans une certaine mesure, comme un bon junior — un junior confirmé — qu’il faut encadrer : “c’est intéressant, creuse cet angle”, “donne-moi plus de détails”, etc. Et, au passage, cela révèle souvent quelque chose de très classique dans le management : si le résultat n’est pas à la hauteur, le problème vient parfois moins de l’exécutant que du manque de précision de l’instruction initiale. L’IA force donc le manager à clarifier, à affûter, à être plus précis.

Parce que, dans un travail intellectuel, on démarre rarement avec une vision à 100 %. On est plutôt à 60–70 %, on garde une marge pour rebondir sur ce qu’on découvre. Il faut un dialogue itératif : on reçoit des réponses, on affine, on réoriente, on approfondit.

« Est-ce le revers de la médaille : si l’IA fait le travail d’un bon junior, est-ce que ça ne va pas casser l’emploi junior ? »

C’est une question économique très compliquée. Oui, on voit un premier mouvement : dans certains secteurs (informatique, banque…), l’idée “immédiate” est de se dire : “si ça remplace des tâches d’entrée de carrière, je réduis ou je ne remplace pas”. Mais il faut mettre cela en perspective : on observe aussi des ajustements liés à des sur-recrutements passés — l’exemple d’Amazon illustre ce type de correction après une période de croissance très forte des effectifs.

Surtout, il y a deux bémols importants.

Le premier est un bémol de moyen terme : les entreprises vont vite comprendre qu’avec l’IA, elles peuvent faire encore plus… et que leurs concurrents aussi. Résultat : la compétition pousse tout le monde à accélérer, à aller plus loin. C’est une logique proche du paradoxe de Jevons : augmenter l’efficacité crée parfois… plus de demande, plus d’usages, plus d’activités. Au final, on peut se retrouver dans quelques années avec toujours un besoin de staffing, parce que la chaîne de valeur “explose” et que les attentes montent.

Le deuxième bémol est plus sociologique : si l’entreprise ne fait pas un effort organisé (formation, accompagnement, cadre d’usage), les premiers à s’emparer naturellement des LLM seront les early adopters — plutôt 18–30 ans, diplômés, et, malheureusement, un peu plus hommes que femmes. Si l’on “écrème” trop vite cette tranche, on risque aussi de se priver des forces les plus spontanément motrices sur ces outils, au moment même où l’entreprise doit produire de nouveaux services. À court terme, on peut donc voir une baisse du recrutement junior, tandis que le recrutement senior resterait élevé ; à moyen terme, certaines organisations pourraient regretter d’avoir licencié trop vite des jeunes profils.

« Si tout le monde a accès aux mêmes outils, est-ce qu’on ne risque pas un nivellement par le bas ? Des services tous identiques, dépendants de l’IA ? »

Tout dépend d’un point clé : est-ce qu’on maintient un cadre de compétition ? Si la concurrence reste forte, le client cherchera le meilleur service, et il y aura toujours de la spécialisation et de la différenciation — par la qualité, les prix, l’adéquation au besoin.

Et ce qu’on observe dans certaines études (2023–2024), c’est plutôt une égalisation par le haut : la productivité augmente en général, et l’amélioration se fait surtout chez les moins performants, qui rattrapent les meilleurs. Pour un dirigeant, c’est un signal positif : on obtient un niveau plus homogène, tiré vers le haut.

Sur la question de la séniorité, on voit aussi quelque chose d’intéressant : dans la Silicon Valley, l’enjeu n’est pas seulement d’avoir assez d’ingénieurs — parce que beaucoup développent désormais avec des LLM — mais d’avoir des managers seniors capables de comprendre finement le besoin client, d’identifier où se trouve la valeur, et de piloter le couple produit-marché. Cette capacité “métier” prend de la valeur.

« Est-ce qu’on parle d’une vraie révolution ? Comparable au PC, à Internet… ou d’une rupture différente ? »

Il y a encore des débats d’économistes sur l’ampleur des gains de productivité des vagues précédentes. Mais, d’un point de vue management, plus on dispose d’information, plus on prend des décisions informées — et, en général, meilleures.

Sur l’IA, on voit déjà des poches de productivité très fortes, notamment dans la programmation. Le National Bureau of Economic Research a parlé d’un gain moyen d’environ 25 % (en s’appuyant sur plusieurs études). Mais chez les développeurs les plus agiles avec ces outils, on observe des ordres de grandeur bien supérieurs, avec des témoignages de gains allant jusqu’à des facteurs 2, 5, parfois 10 sur certaines tâches : ce qui prenait des semaines peut se faire en quelques heures.

Il y a néanmoins deux limites.

La première est organisationnelle : si l’entreprise freine l’adoption, ou si elle n’encadre pas (formation minimale, bonnes pratiques), ça ne prend pas — en particulier dans les secteurs plus traditionnels.

La seconde est structurelle : un projet n’est pas “une tâche”, c’est un ensemble de tâches coordonnées dans le temps. Jusqu’à récemment, aucune machine ne savait vraiment gérer cela. Mais les évolutions sont rapides : un think tank de la Silicon Valley, METR, observe que la capacité des LLM à gérer des tâches plus longues et enchaînées — en équivalent “temps humain” — doublerait environ tous les sept mois. Un premier point d’étape (première moitié de 2025) situait l’équivalent autour d’une heure ; les modèles plus récents monteraient déjà à 4–5 heures, ce qui ressemble à une accélération quasi exponentielle.

« Donc on est vraiment sur une révolution ? »

Oui. Une forme de révolution industrielle accélérée.

« Et ton métier, dans 2 ans, 5 ans, 10 ans : le conseil, il devient quoi ? »

Le métier de conseil va beaucoup se transformer — c’est une opinion personnelle, mais je la vois en trois dimensions.

D’abord, la valeur va se déplacer vers des analyses plus poussées, plus pointues, parce qu’on peut désormais les produire. Dans un projet de prospective mené pour une instance publique du secteur défense (2024–début 2025), l’arrivée de modules de type Deep Research a provoqué un changement brutal : qualité, enchaînements possibles, capacité à cartographier des opinions d’experts, à structurer des scénarios, à estimer des “quote-parts” de probabilité… Ce qui paraissait très difficile début 2024 devient faisable, et relativement automatisable.

Ensuite, la façon de livrer le conseil va changer. Le deck de slides, le mémo, la restitution classique : tout cela peut être décliné en podcasts, vidéos, formats plus engageants, voire en mini serious games générés à la volée. Le fond de la réflexion reste, mais ses modes de diffusion se multiplient.

Enfin, il y a un troisième mouvement : former et accompagner les clients pour qu’ils deviennent eux-mêmes producteurs de services avancés. On l’a fait avec des équipes d’auditeurs et de contrôleurs internes : création d’assistants IA pour produire des matrices risques/contrôles, des logigrammes de décision, des plans de travail de mission… et, dans certains cas, avec une utilisation directe en mission, pas seulement en “projet”.

« Donc le conseil a de beaux jours devant lui ? »

Oui — tant qu’on utilise son imagination et qu’on accompagne la transformation. Tous les métiers peuvent avoir de beaux jours, à condition de pousser le curseur plus loin dans l’analyse, dans le rendu… et dans la capacité à aider les clients à devenir acteurs de leur propre production d’analyse.

« Dernière question : si à ta place j’avais eu une IA en face de moi, les réponses auraient été différentes ? »

L’IA est à ton service — c’est à la fois un avantage et un défaut. Si tu sais précisément ce que tu attends, tu l’auras. Si tu n’es pas sûr, tu ne l’auras pas. En revanche, si tu mets en place un dialogue, tu finis souvent par obtenir ce que tu cherchais “un peu”.

Et si tu avais une copie parfaitement conforme de Guy-Philippe Goldstein en face de toi — avec l’expérience et l’incarnation — on n’y est pas encore, mais je peux l’imaginer dans cinq ou dix ans : oui, tu aurais probablement eu à peu près le même dialogue que celui qu’on vient d’avoir.