Vingt ans de conseil en stratégie, puis dix à construire les technologies qui le bousculent. Je repense aujourd’hui à ces moments décisifs avec des clients, à ces idées trouvées au milieu de la nuit, et je me demande : et si la GenAI avait été là ? Le récit d’un métier en pleine mutation, par quelqu’un qui l’a connu tel qu’il était et voit ce qui arrive.
Amsterdam, un soir de pluie
Un vol tardif vers Schiphol, la pluie sur le tarmac, et une due diligence sur le saumon fumé qui ne tenait qu’à un fil.
Notre centre de documentation n’avait rien sur le secteur. Des acteurs non cotés, peu d’informations publiques, des données de marché rares. Nous pouvions décliner, au risque de froisser le fonds d’investissement, ou accepter et lancer l’équipe dans trois semaines d’hypothèses fragiles.
Ce soir-là, lors d’une réunion européenne des Principals, la conversation s’est détendue. Un collègue a évoqué une ancienne mission et un détail troublant sur l’alimentation des poissons, qui avait changé sa lecture du secteur. Ce seul souvenir nous a donné l’angle d’attaque. J’ai appelé l’associé. Nous avons pris la mission, et nous avons bien fait.
Aucune procédure ne nous avait sauvés. C’était la chance, une conversation à bâtons rompus et une bonne mémoire, autour d’un verre de vin et d’un plateau de fromages.
Ce que cette soirée a révélé
Pendant des années, les cabinets de conseil ont vanté leur « savoir de classe mondiale » et leurs « benchmarks de référence ». En réalité, ce savoir vivait dans des têtes, des présentations, des mails, des comptes rendus et la mémoire de gens qui passent leur vie dans les avions. Quand ils s’en vont, des secteurs entiers s’effacent en silence de la mémoire du cabinet.
Les clients attendent des bases de données et des benchmarks internes des réponses instantanées. Les bons consultants, eux, apportent du jugement, le sens des analogies et l’art de relier des faits épars pour dessiner un chemin cohérent. Ce qui a toujours manqué, c’est un moyen, à l’échelle du cabinet, de faire fructifier ce jugement dans la durée.
Ce qui change en 2025 : la GenAI
Lilli, l’assistant de McKinsey, traiterait plus de 100 000 documents et serait sollicité 17 fois par semaine par 70 % des collaborateurs. BCG revendique 18 000 GPT internes qui puisent dans les travaux passés. Les cabinets qui investissent sérieusement dans la GenAI ne cherchent pas seulement à gagner en productivité : ils tentent de régler le problème de mémoire qui hante le conseil depuis des décennies.
Mais entre la promesse et la pratique, l’écart reste grand. Les obstacles techniques sont nombreux, et la technologie change presque tous les jours. Bâtir une mémoire collective qui fonctionne vraiment, au-delà des démos spectaculaires, suppose de résoudre des problèmes qui sont loin d’être réglés.
La réalité technique
Sur le papier, c’est séduisant : des systèmes qui lisent tout ce que produit le cabinet (slides, tableurs, PDF, wikis, messageries, code, portails de recherche, enregistrements de réunions) et permettent de le retrouver, sources à l’appui. En pratique, c’est plus brouillon. Vous avez dit RAG ?
Les approches actuelles tentent de combiner recherche sémantique, mots-clés, entités et chronologie, tout en respectant les droits d’accès de chaque projet. Des agents essaient d’enchaîner les étapes d’un vrai travail : rassembler les éléments, arbitrer les contradictions, extraire des tableaux, faire les calculs, vérifier chaque affirmation à la source. Dans les faits, ces systèmes butent souvent sur la précision, les hallucinations et la complexité brute du savoir réel d’un cabinet.
Le casse-tête de l’architecture
Les cabinets les plus avancés expérimentent ce qu’on pourrait appeler une « architecture de mémoire » : des systèmes qui ne se contentent pas de stocker l’information, mais cherchent à relier les idées d’un projet à l’autre, et dans le temps. Le principe tient en trois couches, même si la mise en œuvre s’avère ardue :
Couche 1 : tout capter, en continu
Collecter l’information de façon organisée et systématique paraît simple, jusqu’au premier contact avec la réalité des données d’un cabinet : échanges avec les clients mêlés à la stratégie interne, méthodes maison voisinant avec des études publiques, modèles périmés conservés à côté des réflexions en cours. Tout capter correctement, sans créer un cauchemar de conformité, reste un problème ouvert.
Couche 2 : repérer les analogies, faire les liens
Des agents qui parcourent les bases de connaissances en quête de rapprochements se heurtent à une difficulté de fond : savoir quel contexte leur donner. Quand un laboratoire pharmaceutique bute sur une question réglementaire, le système doit-il faire remonter des solutions venues de l’automobile ? De la banque ? Des rapprochements qui paraissent évidents à un humain se révèlent étonnamment difficiles à automatiser de façon fiable.
Couche 3 : anticiper
L’ambition de systèmes capables d’anticiper les tendances de marché, les besoins des clients et les mouvements des concurrents reste largement un vœu pieux. Passer de la recherche d’information à une véritable capacité de prévision pose des défis techniques considérables, et le risque de prédictions aussi assurées que fausses est élevé.
Sur le terrain
Les pionniers découvrent que bâtir une mémoire collective efficace oblige à résoudre plusieurs problèmes difficiles à la fois :
- Une architecture pensée d’abord pour la confidentialité, qui cloisonne chaque client tout en permettant d’apprendre d’une mission à l’autre
- Un contrôle qualité qui distingue les méthodes éprouvées des hypothèses d’un jour
- Une mise à jour continue des enseignements à mesure que les marchés évoluent, sans perdre le fil de l’histoire
- Des mécanismes de reconnaissance qui récompensent le partage du savoir tout en protégeant l’avantage concurrentiel
Ça vous rappelle quelque chose ? Évidemment. Dès qu’il s’agit de retrouver du savoir, le premier chapitre s’appelle gouvernance des données.
La technologie avance vite, les organisations beaucoup plus lentement. Nombre de cabinets se retrouvent coincés entre la promesse de systèmes de connaissance dopés à l’IA et la réalité d’une mise en œuvre laborieuse.
Ce qui marche vraiment
Certains usages donnent déjà des résultats encourageants, même si la grande ambition reste hors de portée :
- Des recherches plus rapides dès le premier jour d’une mission, même si le contrôle qualité reste manuel.
- Un accès plus rapide aux travaux passés, quand le système parvient à les retrouver et à les faire remonter.
- Moins de temps perdu à réinventer les grilles d’analyse de base, à condition d’avoir un classement et une gouvernance dignes de ce nom.
- Des réunions clients mieux préparées, grâce à un accès plus simple à l’historique.
À la mi-2025, les gains sont plus progressifs que spectaculaires, et la mise en œuvre demande une attention de tous les instants, à mesure qu’évoluent la technologie et les besoins des organisations.
Retour à Amsterdam
Si nous avions disposé à l’époque d’une version même rudimentaire de ces systèmes, les travaux passés sur l’alimentation du saumon seraient peut-être remontés plus vite qu’au détour d’une conversation entre la poire et le fromage. Bon, le « peut-être » porte beaucoup de poids dans cette phrase.
La technologie n’aurait pas décidé à notre place d’accepter la mission. Le jugement, les relations humaines et le flair du marché auraient continué de peser lourd.
Et maintenant ?
La plupart des cabinets cherchent encore comment s’y prendre. La technologie avance vite, les obstacles d’organisation sont bien réels, mais attendre n’est pas une option.
Ceux qui progressent avancent pas à pas : ils choisissent des usages précis, construisent la gouvernance des données en chemin, disent clairement ce qui est possible aujourd’hui et conçoivent leurs systèmes en pensant à ce qui le sera demain.
Dans un métier où le savoir s’accumule sur des décennies, même une mémoire collective imparfaite vaut mieux que les hasards d’une conversation autour d’un verre. La question n’est pas de savoir si votre cabinet finira par y arriver. Elle est de savoir si vous apprenez pendant que la fenêtre est encore ouverte.
Construire le conseil de demain suppose de mieux se souvenir de ce qu’on a appris hier. La technologie avance vite, mais le vrai défi est humain : faire de ce que chacun apprend un avantage pour tous.