J'aide les organisations sans équipe IA interne à transformer des expérimentations dispersées en outils réellement utilisés : choisis pour leur valeur, vérifiés pour la conformité, et mesurés après coup.
Pendant vingt ans, j'ai bâti et dirigé mes propres entreprises en ligne : produit, marketing, acquisition, support client, finances.
Je construis avec l'IA, je ne me contente pas de conseiller. Ces trois dernières années, j'ai livré une application mobile, une activité e-commerce et une plateforme B2B, toutes bâties avec l'IA. Quand je recommande un outil, je l'ai généralement testé moi-même, souvent face à une alternative open source que vous pourriez posséder plutôt que louer.
J'ai déjà traversé ce genre de bascule. La BI d'entreprise pendant l'éclatement de la bulle internet, le web des débuts, le mobile, et l'IA aujourd'hui. Chaque bascule m'a forcé à reconstruire ce que je vendais et ma façon de travailler. Je sais ce que ce changement procure de l'intérieur, et j'ai passé dix ans à accompagner des personnes une à une.
Ce que ce fil conducteur donne en pratique dépend de ce dont une mission a réellement besoin. Parfois, c'est animer des ateliers d'adoption de l'IA où les équipes repartent avec quelque chose qu'elles ont construit, pas seulement une démo regardée. Parfois, c'est bâtir des bibliothèques de cas d'usage et des guides de prompts calés sur la façon dont une équipe travaille vraiment, plutôt que des modèles génériques. Souvent, c'est du coaching individuel ou en petit groupe — aider les gens à dépasser l'inconfort du changement, ce qu'une décennie à accompagner des personnes dans de grandes transitions de vie m'a appris n'est presque jamais un problème technique. Et il y a toujours une part de traduction : transformer ce que l'IA peut et ne peut pas faire en un langage sur lequel le leadership peut agir, sans hype ni jargon.
Le fil commun n'est pas une liste de services figée. C'est le fruit de vingt-cinq ans passés à cerner ce qu'une situation donnée exige vraiment — puis à le mettre en œuvre.
Depuis 2024, je construis avec l'IA pour établir ce qui marche en pratique. Ces trois produits ont été conçus, construits et exploités par une seule personne, en bootstrapper, avec une contrainte constante : garder les coûts aussi bas que possible. À mesure que l'IA transforme la façon de travailler, l'agilité et la maîtrise des coûts comptent plus que l'effectif, et ces expériences ont testé jusqu'où un constructeur seul peut aller avec un budget minimal.
Une plateforme d'habilitation à l'IA qui applique l'IA à la création et à la croissance d'entreprise. Dans chacun des quatre piliers (Branding, Marketing, Ventes, Partenariats), des questionnaires assistés par l'IA structurent la réflexion stratégique du dirigeant, et les réponses sont transformées en plan de stratégie. Une couche d'exécution avec tâches et suivi garantit la mise en œuvre de chaque plan. La plateforme inclut aussi un moteur d'acquisition pour des campagnes d'e-mails personnalisées. L'intégralité du code a été écrite avec des agents de codage IA sous ma direction.
omegapraxis.comUne partie du travail a consisté à établir ce que coûte réellement le développement avec l'IA — et ce qu'il expose. Les builds se sont faits dans un éditeur de code standard avec un agent de codage IA open source, sur une gamme de modèles, des modèles frontières aux moins coûteux et ouverts, comparés sur le coût, la qualité et l'exposition des données. Les modèles frontières se sont révélés trop chers pour une construction bootstrappée ; en associant chaque tâche au modèle le moins cher qui lui convient, le développement piloté par des agents est devenu accessible à un petit budget. Certaines fonctionnalités de modèles ouverts ont été testées en local, mais un agent de codage entièrement auto-hébergé exige un investissement en infrastructure disproportionné pour un constructeur individuel. Pour les organisations qui traitent des données sensibles, je recommande d'associer le modèle à la sensibilité des données et de la tâche : modèles hébergés à bas coût pour le travail non sensible, modèles ouverts auto-hébergés là où la confidentialité l'exige.
Des playbooks structurés, étape par étape, pour intégrer l'IA aux flux de travail réels — adoption, gouvernance, risques et conformité. Les playbooks sont en anglais.
A practical 30/60/90-day sequence for SMB and mid-market leaders — three phases, three deliverables, three honest go/no-go moments.
Open seriesSeven short playbooks that put a workable governance layer around AI — triage, vendors, data, rollout, roles, documentation, and generative content.
Open seriesIdentify, assess, and control the risks that derail AI projects — seven risk categories, a scoring framework, per-category mitigations, and the governance cadence that keeps it running.
Open seriesChoose the right use case before you build anything: gather six to ten real candidates, score them on value and feasibility, and rule out the four patterns that burn pilot budgets.
Open seriesFive parts on the question that decides whether any of it mattered: did the AI project pay for itself? Screen the idea, translate the metrics, do the numbers, get it approved, then measure what actually happened.
Open seriesWhat the EU AI Act and the digital rules around it actually ask of a small or mid-sized company — by role and risk tier, not by headline.
Open seriesSix short playbooks that turn buy-in from a hope into a sequence — awareness, desire, training, coaching, and the reinforcement that keeps adoption from sliding back.
Open seriesFive short playbooks that connect the existing governance work to the two names an SMB owner will actually be asked about: the EU AI Act and ISO 42001.
Open seriesNotes sur l'adoption de l'IA, la conduite du changement, et ce qui fonctionne vraiment quand les organisations tentent d'intégrer l'IA au travail quotidien. Les articles et playbooks sont en anglais.
Most AI rollouts choose the tool, train the staff, and measure adoption. That order fails when the people whose work is automated lose what made them valuable and nobody helps them find a new definition.
In July, a few hundred AI agents running inside OpenAI's test environment found their way onto the internet and broke into Hugging Face's servers. Nobody told them to.…
The usual pitch for local AI is that you stop paying subscriptions. You do stop paying per user or per request, and in exchange you pay for hardware, electricity, setup and the hours of whoever…
Universities still prepare people for paths: lawyer, doctor, engineer, musician, a calling plus a sequence of skills. The sequence still works as training, but it leads to less each year.
The map of the new paths does not exist yet, and nobody is going to hand it out. It gets drawn by people who walk into the territory and put it on the map for whoever comes next.
The second source of uniqueness is less comfortable than natural talent, and more personal. It is the wound: something that hurt, early or late, and shaped how you see.
Ouvert aux missions d’adoption de l’IA, d’habilitation et de coaching.
Vous voulez que l’IA serve vraiment, sans équipe dédiée ni gros budget. Je travaille en atelier d’un à trois jours, en sprint d’adoption de 90 jours, ou comme direction IA à temps partagé. On commence par un premier échange pour voir si c’est utile.
Si vous recrutez pour un rôle d’adoption de l’IA, d’habilitation ou de coaching, ou si vous bâtissez une équipe qui a besoin de quelqu’un capable de faire le pont entre les capacités de l’IA et la préparation humaine, j’aimerais échanger avec vous.
