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.
Une séquence pratique de 30/60/90 jours pour les dirigeants de PME et d'ETI — trois phases, trois livrables, trois moments honnêtes de décision go/no-go.
Ouvrir la sérieSept playbooks courts qui mettent en place une couche de gouvernance exploitable autour de l'IA — triage, fournisseurs, données, déploiement, rôles, documentation et contenu génératif.
Ouvrir la sérieIdentifier, évaluer et maîtriser les risques qui font dérailler les projets d'IA — sept catégories de risques, un cadre de notation, des mesures de réduction par catégorie et la cadence de gouvernance qui les maintient.
Ouvrir la sérieChoisir le bon cas d'usage avant de construire quoi que ce soit : réunir six à dix candidats réels, les noter sur la valeur et la faisabilité, et écarter les quatre schémas qui brûlent les budgets de pilote.
Ouvrir la sérieCinq parties sur la question qui décide si tout cela a servi à quelque chose : le projet d'IA s'est-il rentabilisé ? Cadrer l'idée, traduire les métriques, faire les chiffres, obtenir l'accord, puis mesurer ce qui s'est réellement passé.
Ouvrir la sérieCe que l'EU AI Act et les règles numériques qui l'entourent demandent réellement à une petite ou moyenne entreprise — par rôle et par niveau de risque, pas par gros titre.
Ouvrir la sérieSix playbooks courts qui transforment l'adhésion d'un espoir en une séquence — conscience, désir, formation, coaching et l'ancrage qui empêche l'adoption de reculer.
Ouvrir la sérieCinq playbooks courts qui relient le travail de gouvernance existant aux deux noms sur lesquels un dirigeant de PME sera réellement interrogé : l'EU AI Act et l'ISO 42001.
Ouvrir la sérieNotes 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.
La plupart des déploiements d'IA choisissent l'outil, forment le personnel et mesurent l'adoption. Cet ordre échoue quand les personnes dont le travail est automatisé perdent ce qui faisait leur valeur et que personne ne les aide à trouver une nouvelle définition.
En juillet, quelques centaines d'agents d'IA tournant dans l'environnement de test d'OpenAI ont trouvé le chemin d'Internet et se sont introduits dans les serveurs de Hugging Face. Personne ne le leur avait demandé.…
L'argument habituel en faveur de l'IA locale est que vous cessez de payer des abonnements. Vous cessez bien de payer à l'utilisateur ou à la requête, et en échange vous payez du matériel, de l'électricité, l'installation et les heures de celui qui…
Les universités préparent encore à des trajectoires : avocat, médecin, ingénieur, musicien, une vocation plus une suite de compétences. La suite fonctionne toujours comme formation, mais elle mène à moins chaque année.
La carte des nouvelles trajectoires n'existe pas encore, et personne ne va la distribuer. Elle est dessinée par ceux qui entrent dans le territoire et la tracent pour ceux qui viendront après.
La deuxième source de singularité est moins confortable que le talent naturel, et plus personnelle. C'est la blessure : quelque chose qui a fait mal, tôt ou tard, et qui a façonné votre regard.
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.
