Comment mesurer l'adoption de l'IA dans un cabinet de conseil ?

La bonne métrique n'est pas 'heures de formation suivies' ni 'formations complétées'. C'est le WAU par siège : nombre de consultants ayant une session active de plus de 15 minutes par semaine sur les outils IA autorisés, divisé par l'effectif total. Cap Numerik propose les seuils suivants à J+30 : moins de 30% signale un problème d'adoption, 30 à 60% une adoption partielle, plus de 60% une bonne adoption, plus de 80% un succès. Chez Wakam, la cible affichée est de 70% WAU et 90% MAU.

Qu'est-ce qu'un AI Champion et comment le choisir ?

Un AI Champion est un référent interne dont le rôle est d'ancrer l'usage IA dans les workflows réels de l'équipe. Il ne suffit pas d'un seul : il en faut deux, aux rôles complémentaires. L'AI Owner tient la stack technique (Dust, ChatGPT Enterprise, agents, prompts, backlog). L'AI Ambassador est un senior légitime métier qui porte l'usage dans les revues de deals, valide les workflows, gère la résistance des associés.

Combien de temps faut-il pour déployer l'IA dans un cabinet de 25 consultants ?

Comptez 90 jours pour un déploiement propre, découpés en trois blocs de 30 jours. Jours 0 à 30 : diagnostic, deux champions nommés, six workflows sélectionnés, cadrage AI Act. Jours 30 à 60 : déploiement au 25, rituel hebdo, mesure d'usage par siège. Jours 60 à 90 : industrialisation, extension au delivery client. Chez Wakam (250 salariés), 70% d'adoption a été atteinte en deux mois.

Pourquoi la majorité des formations IA en cabinet échouent-elles ?

Trois raisons dominantes. Un, contenu générique déconnecté des workflows réels du cabinet. Deux, mesure de succès basée sur les heures suivies et non sur l'usage réel post-formation. Trois, absence de champions internes qui portent la traduction en pratique. Cap Numerik documente une adoption à 4 semaines de 80 à 85% en format pratique, contre 25 à 35% en format théorique.

Quels workflows IA faut-il imposer en priorité aux consultants ?

Six workflows à imposer, à ROI documenté : rédaction de proposal commerciale, synthèse de documents clients, wiki interne interrogeable, minute de call, benchmark concurrentiel, tableau de bord de mission. Chez CMI, la rédaction de proposals a gagné 60 à 70% de temps, la synthèse de documents 50%. Tout le reste (recherche libre, brainstorm, écriture générique) reste optionnel les 90 premiers jours.

Comment gérer la résistance des consultants seniors face à l'IA ?

La résistance senior n'est pas idéologique, elle est statutaire : un associé qui a bâti sa réputation sur son jugement expert perçoit l'IA comme une menace de commoditisation. La réponse n'est pas la formation, c'est l'implication en tant qu'AI Ambassador. Un senior qui co-conçoit les workflows imposés et signe la note de gouvernance ne résiste plus, il porte.

Adoption IA cabinet conseil : plan 90 jours

TL;DR

Un plan d’adoption IA en cabinet de conseil se joue en 90 jours autour de trois leviers : deux champions internes aux rôles antagonistes (AI Owner technique + AI Ambassador senior métier), six workflows imposés à ROI documenté, et une seule métrique, le WAU par siège. Wakam a atteint 70% d’adoption sur 250 salariés en deux mois [source: https://www.zenml.io/llmops-database/enterprise-scale-ai-agent-deployment-in-insurance]. CMI revendique 95% d’adoption sur ~100 consultants avec une trentaine d’agents et 30 à 40 euros par siège par mois [source: https://www.consultor.fr/articles/cmi-jusqua-70-de-temps-gagne-grace-a-des-agents-ia]. Cap Numerik chiffre à 70% le taux d’échec des projets IA en entreprise, attribué à l’adoption et non à la technologie [source: https://cap-numerik.fr/blog/resistance-ia-entreprise-embarquer-equipes]. Depuis le 2 août 2026, le régime complet de l’EU AI Act est enforceable en Europe [source: https://www.orrick.com/en/Insights/2025/11/The-EU-AI-Act-6-Steps-to-Take-Before-2-August-2026].

Key Takeaways

Le WAU par siège est la seule métrique d’adoption qui compte. Les seuils de lecture Cap Numerik : <30% problème structurel, 30-60% adoption partielle, >60% bonne adoption, >80% succès [source: https://cap-numerik.fr/blog/resistance-ia-entreprise-embarquer-equipes].
Deux champions sont nécessaires, jamais un seul. L’AI Owner tient la stack (Dust, ChatGPT Enterprise, backlog d’agents), l’AI Ambassador porte la légitimité métier.
Six workflows imposés maximum les 90 premiers jours. Chez CMI, la rédaction de proposals a gagné 60 à 70% de temps, la synthèse de documents 50% [source: https://www.consultor.fr/articles/cmi-jusqua-70-de-temps-gagne-grace-a-des-agents-ia].
La formation par la pratique produit 80-85% d’adoption à 4 semaines, contre 25-35% en théorique [source: https://cap-numerik.fr/blog/resistance-ia-entreprise-embarquer-equipes].
Ne pas copier les Big 4. McKinsey opère environ 12 000 agents IA en production selon la senior partner Kate Smaje [source: https://www.consultor.fr/articles/dossier-special-comment-les-cabinets-utilisent-les-agents-ia] : un cabinet de 25 consultants n’a ni le budget ni la structure pour ce modèle.
La conformité AI Act tient en 2 pages signées par le managing partner et l’AI Ambassador à J+30, à condition d’être vraie et de vivre. Voir la note de gouvernance IA Act pour cabinet SMB.

Adoption IA en cabinet de conseil : le plan 90 jours qui tient

Un associé m’appelle en juin. Trente consultants, deux practices, une souscription ChatGPT Enterprise depuis huit mois. La question : “on a l’outil, on a fait la formation, et je vois toujours les mêmes cinq personnes qui l’utilisent tous les jours. Les autres ont ouvert le compte trois fois et sont revenus à leurs habitudes. Qu’est-ce qu’on rate ?”

Ce qu’ils rataient : ils n’avaient pas de plan d’adoption. Ils avaient un plan d’achat. Ce n’est pas la même chose.

Selon Cap Numerik, 70% des projets IA en entreprise échouent, non pas à cause de la technologie mais à cause de l’adoption [source: https://cap-numerik.fr/blog/resistance-ia-entreprise-embarquer-equipes]. Pour un cabinet de conseil de 15 à 50 consultants, la mécanique est encore plus dure : la production repose entièrement sur le temps facturable, la moindre friction sur un outil nouveau se paye immédiatement.

Le plan 90 jours, en cinq étapes :

Semaine 1-2 : nommer deux champions internes aux rôles antagonistes (AI Owner technique + AI Ambassador senior légitime).
Semaine 3-4 : geler six workflows imposés à tout le cabinet, refuser les autres.
Semaine 5-8 : déploiement au 25, rituel hebdo, mesure d’usage hebdomadaire par siège.
Semaine 9-12 : extension au delivery client, note de gouvernance AI Act, revue des agents.
Jour 90 : audit d’adoption WAU par siège supérieur à 70%, ou reset.

Ce qui suit détaille chacun de ces cinq blocs, en s’appuyant sur des cabinets qui ont vraiment déployé (CMI, Wakam, McKinsey), sur l’étude terrain Harvard/BCG sur 758 consultants, et sur les limites réelles de l’exercice.

Pourquoi la plupart des programmes d’adoption IA en cabinet échouent

Un programme d’adoption IA échoue quand il traite l’IA comme un outil à installer plutôt que comme un workflow à imposer. Trois causes reviennent, dans cet ordre.

Un, la formation théorique déconnectée du workflow. Mankova Consulting argumente que 80% des initiatives de formation IA en PME échouent parce que le contenu est générique et non contextualisé [source: https://mankova-consulting.com/blog/former-15-collaborateurs-a-lia-en-3-mois-sans-embaucher-de-formateur-la-methode-des-champions-internes]. C’est le titre de leur méthode, pas une statistique benchmark, mais l’observation colle : dès qu’on montre à un consultant une démo générique sur ChatGPT, il repart, retourne à sa slide, et ne rouvre pas l’outil. La formation par la pratique, elle, produit selon Cap Numerik 80 à 85% d’adoption à quatre semaines, contre 25 à 35% en format théorique classique [source: https://cap-numerik.fr/blog/resistance-ia-entreprise-embarquer-equipes].

Deux, un seul champion pour tout porter. Le pattern classique : on désigne “le techie du cabinet” comme référent IA. Il connaît les outils, il fait des démos, il est content. Sauf qu’il n’a pas la légitimité pour imposer un workflow à un partner qui facture 2500 euros la journée. Le déploiement stagne. Chez Cap Numerik, une PME métallurgie de 90 salariés a atteint 75% d’adoption en 8 semaines avec 6 ambassadeurs internes ; sans eux, le même déploiement plafonnait à 30% après 3 mois [source: https://cap-numerik.fr/blog/resistance-ia-entreprise-embarquer-equipes]. DécisionIA documente le même mécanisme : les early adopters internes sont le vecteur principal de diffusion de l’IA, car ils traduisent la promesse générique en cas d’usage crédible aux yeux de leurs pairs [source: https://decisionia.com/role-early-adopters-internes-diffusion-ia-entreprise/].

Trois, la mauvaise métrique. “Formations complétées”, “prompts échangés”, “coût par siège”. Aucune de ces mesures ne dit si l’outil a changé le travail. La seule métrique qui compte, c’est le WAU par siège : combien de consultants ouvrent l’outil au moins une fois par semaine, sur un workflow réel de mission ou de commercial. On y revient plus bas.

Les deux champions internes : AI Owner et AI Ambassador

Un AI Champion est un référent interne dont la fonction est d’ancrer l’usage IA dans les workflows réels du cabinet. Il en faut deux, jamais un. Les rôles ne sont pas hiérarchiques, ils sont antagonistes par construction.

Rôle	AI Owner (technique)	AI Ambassador (senior légitime)
Profil	Consultant senior ou manager, appétence technique, à l’aise avec Dust ou API	Associé ou senior manager avec 5+ ans de mandat, écouté en comité
Temps alloué	20% ETP les 90 premiers jours	5 à 10% ETP, focus sur les rituels et revues
Tient	Stack Dust ou ChatGPT Enterprise, backlog d’agents, prompts partagés, wiki interne	Légitimité métier, revue des workflows imposés, gestion de la résistance senior
Livrable typique	Cartographie des 30 agents prioritaires, guide prompts, log d’usage par siège	Note de gouvernance IA signée, retour sur cas client, animation du comité IA
KPI personnel	WAU par siège, temps d’agent, nombre de workflows migrés	Taux de partners actifs, présence en revue de deal, cas clients référencés

L’Owner sans l’Ambassador, c’est un labo sans clientèle interne. L’Ambassador sans l’Owner, c’est une note de vision non exécutée. Les cabinets qui déploient vite (CMI, Wakam) ont ces deux rôles distincts, même quand ce sont deux personnes qui se sont réparti le mandat après coup.

Chez Wakam, les auteurs de l’étude nomment explicitement le facteur de succès : sponsoring exécutif fort et habilitation des collaborateurs métier à construire leurs propres agents. 40 des 136 agents déployés en deux mois ont été construits par l’équipe AI Engineering ; les 96 autres ont été montés par les métiers eux-mêmes [source: https://www.zenml.io/llmops-database/enterprise-scale-ai-agent-deployment-in-insurance]. Cette bascule ne se produit que si un Owner met à disposition la stack et si un Ambassador donne le feu vert culturel.

Jours 0 à 30 : diagnostic, workflows imposés, cadrage AI Act

Le premier mois est un mois de choix, pas de déploiement. Il produit trois livrables : une cartographie des tâches douloureuses, une liste de six workflows imposés, une note AI Act de deux pages.

Semaine 1-2. Diagnostic et nomination des champions. Deux entretiens de 30 minutes avec chaque consultant : sur quelles trois tâches passe-t-il le plus de temps ? Où perd-il en qualité par manque de temps ? Où a-t-il déjà essayé un LLM et abandonné ? On cartographie 15 à 20 tâches douloureuses, on les regroupe en familles. En parallèle, on nomme l’AI Owner et l’AI Ambassador, avec lettre de mission écrite. Sans cet écrit, le rôle s’évapore au premier pic de charge.

Semaine 3-4. Sélection des six workflows imposés. C’est l’étape que les cabinets sautent, et c’est celle qui distingue les 20% qui tiennent des 80% qui échouent. On sélectionne six workflows, pas plus, et on impose leur usage. Pas “on encourage”. On impose. Le reste (recherche libre, brainstorm, écriture d’article) reste autorisé mais non priorisé. La sélection s’appuie sur trois critères : temps gagné mesurable, réutilisabilité entre missions, indépendance vis-à-vis d’un client spécifique.

Cadrage AI Act la même semaine. Depuis le 2 août 2026, selon Orrick, le régime complet de l’EU AI Act est enforceable en Europe : obligations de transparence Article 50, obligations sur les modèles GPAI, sanctions calibrées par le règlement [source: https://www.orrick.com/en/Insights/2025/11/The-EU-AI-Act-6-Steps-to-Take-Before-2-August-2026]. Pour un cabinet, cela veut dire trois choses concrètes : classifier chaque outil IA par niveau de risque, préciser le rôle du cabinet (déployeur, provider), et documenter l’usage professionnel du contenu généré par IA destiné à un client. Une note de deux pages signée par l’AI Ambassador et le managing partner suffit à J+30, à condition d’être vraie et de vivre.

Jours 30 à 60 : déploiement au 25 et rituel hebdo

Le mois deux est le mois où l’outil rencontre le terrain. C’est là que l’usage décolle ou meurt.

Le déploiement synchrone. Une matinée bloquée pour les 25 consultants. Pas de “chacun se connecte quand il peut”. L’AI Owner installe, l’AI Ambassador ouvre par un cadrage de 20 minutes sur les six workflows imposés. On fait tourner les six ateliers de 45 minutes en trois vagues, workflow par workflow, sur un cas réel de chaque consultant. À la fin de la matinée, chaque personne a produit un livrable sur son propre dossier, pas sur un exemple générique. C’est le format que Cap Numerik documente comme produisant 80 à 85% d’adoption à quatre semaines [source: https://cap-numerik.fr/blog/resistance-ia-entreprise-embarquer-equipes].

Le rituel hebdo, 30 minutes le vendredi. L’Owner projette le tableau des usages par siège, l’Ambassador partage un cas client de la semaine (“j’ai fait tourner l’agent proposal sur le deal X, voici ce qui a marché, voici ce qui a raté”). Un consultant volontaire présente un usage nouveau. Fin. Le rituel n’est pas négociable. Il est le seul mécanisme qui empêche l’usage de se réduire à 3 personnes techies.

La mesure d’usage par siège dès la semaine 5. Les logs Dust ou ChatGPT Enterprise donnent nativement le nombre de sessions par utilisateur et par semaine. L’Owner remplit un tableau simple : nom du consultant, WAU (session hebdo supérieure à 15 minutes sur un workflow imposé), workflow le plus utilisé, dernier usage. Les seuils de lecture, tirés de Cap Numerik : moins de 30% signale un problème d’adoption, 30 à 60% une adoption partielle, plus de 60% une bonne adoption, plus de 80% un succès [source: https://cap-numerik.fr/blog/resistance-ia-entreprise-embarquer-equipes]. Pour aller plus loin sur la construction du tableau, voir le détail des KPI adoption IA en cabinet.

Un signal important à ce stade : la résistance passive. Un consultant qui a ouvert son compte deux fois puis plus rien, c’est un signal de résistance qui ne se dit pas. On le traite en entretien 1:1 avec l’AI Ambassador, pas en réunion.

Jours 60 à 90 : industrialisation, gouvernance et delivery client

Le mois trois est un mois de consolidation, pas de nouveauté. Il verrouille les workflows qui ont pris, formalise la gouvernance, et ouvre prudemment le periphery du delivery client.

Industrialisation des workflows qui marchent. On regarde les six workflows imposés, on ne garde que ceux avec un WAU par siège supérieur à 60% et un gain de temps mesuré. Les autres sont retirés du périmètre imposé sans état d’âme. En parallèle, l’Owner ouvre un backlog d’agents nouveaux, proposés par les consultants eux-mêmes. C’est là que le modèle Wakam se transpose : la majorité des agents utiles (96 sur 136) n’est pas construite par le référent, elle est construite par les métiers [source: https://www.zenml.io/llmops-database/enterprise-scale-ai-agent-deployment-in-insurance].

Gouvernance formalisée. La note AI Act de J+30 devient un vrai document de gouvernance : cartographie des systèmes IA en usage, classification de risque, engagements de transparence Article 50 (mention du recours à l’IA sur les livrables destinés au public quand pertinent), conservation des logs, politique de non-envoi de données client hors périmètre SOC 2 et RGPD [source: https://www.orrick.com/en/Insights/2025/11/The-EU-AI-Act-6-Steps-to-Take-Before-2-August-2026]. Un comité IA mensuel, 45 minutes, revue des incidents, cas clients, backlog. Signé par le managing partner.

Extension au delivery client, prudemment. À J+60, le cabinet peut commencer à intégrer l’IA dans le livrable client visible. C’est ici que l’étude Harvard/BCG devient utile à relire. Sur 758 consultants BCG, dans la frontière IA (tâches où l’outil est adapté), les gains sont importants : 12,2% de tâches en plus, 25,1% plus vite, 40% de qualité perçue en plus. Hors frontière, l’usage de l’IA fait chuter le taux de bonnes réponses de 19 points [source: https://www.hbs.edu/faculty/Pages/item.aspx?num=64700]. Un livrable stratégique complexe pour un client CAC 40 n’est pas dans la frontière. Un support de deal, une synthèse documentaire, une note de benchmark, souvent oui. L’AI Ambassador arbitre.

Audit adoption à J+90. WAU par siège supérieur à 70% sur les workflows imposés, gouvernance signée, trois cas clients référencés. Si oui, on passe en phase 2 (agents métier, extension). Si non, on ne rajoute rien : on refait le diagnostic sur les workflows qui n’ont pas pris, on renomme éventuellement l’Owner ou l’Ambassador, on repart pour 30 jours de consolidation.

La métrique qui compte : WAU par siège, pas heures de formation

Le WAU par siège est le nombre de consultants ayant une session active de plus de 15 minutes par semaine sur un outil IA autorisé, divisé par l’effectif total. C’est la seule bataille de mesure qui vaut d’être menée en interne. Le détail du calcul et des seuils est repris dans le guide KPI adoption IA cabinet conseil.

Un dirigeant de cabinet demande souvent : “combien de nos consultants ont été formés ?”. Mauvaise question. La bonne question est : combien ouvrent l’outil une fois par semaine, sur un workflow qui a du sens pour leur mission actuelle ?

Chez Wakam, 70% d’adoption ont été mesurés en deux mois sur 250 salariés [source: https://www.zenml.io/llmops-database/enterprise-scale-ai-agent-deployment-in-insurance]. C’est le résultat obtenu. Séparément, la cible affichée par la direction est de 70% d’usage hebdomadaire et 90% d’usage mensuel. Deux métriques distinctes, pas un amalgame : l’adoption est le fait d’avoir ouvert au moins une fois, le WAU est le fait de revenir chaque semaine, le MAU le fait de revenir chaque mois.

Chez CMI, le taux d’adoption revendiqué sur les outils dédiés est de 95%, avec une trentaine d’agents pour environ 100 consultants et un coût de 30 à 40 euros par consultant par mois [source: https://www.consultor.fr/articles/cmi-jusqua-70-de-temps-gagne-grace-a-des-agents-ia]. Le vrai signal n’est pas le 95%, c’est le prix : à 30 euros par siège, si l’usage n’est pas hebdomadaire, l’outil se paye tout seul avec deux propositions gagnées de plus par an.

Une note sur la vitesse d’apprentissage : l’Anthropic Economic Index de mars 2026 documente que les utilisateurs Claude à plus de 6 mois d’ancienneté ont un taux de succès environ 10 points supérieur à leurs conversations, effet brut avant contrôles complets (l’écart se réduit à quelques points quand on compare à tâche strictement identique) [source: https://www.anthropic.com/research/economic-index-march-2026-report]. Traduction pratique pour un cabinet : les gains de productivité s’accumulent avec les mois, pas avec les formations. C’est un argument de plus pour le WAU comme métrique.

Les six workflows à imposer (et ceux qu’il faut refuser au départ)

Les six workflows imposés sont les six cas d’usage à ROI documenté que tout consultant du cabinet doit avoir intégrés à son travail à J+60. Cette liste n’est pas exhaustive : c’est un point de départ observé chez les cabinets qui déploient bien.

Workflow	Ce qu’il fait concrètement	Gain temps documenté	Difficulté
1. Rédaction de proposal commerciale	Génération du plan, sections méthodologie, cas de références, personnalisation client	60 à 70% chez CMI (proposals seniors passent de 4-5h à 2h) [source: https://www.consultor.fr/articles/cmi-jusqua-70-de-temps-gagne-grace-a-des-agents-ia]	Basse
2. Synthèse de documents clients	Résumés structurés de decks 120-200 slides, notes de comité, rapports d’audit	50% chez CMI [source: https://www.consultor.fr/articles/cmi-jusqua-70-de-temps-gagne-grace-a-des-agents-ia]	Basse
3. Wiki interne interrogeable	Recherche conversationnelle dans les cas passés, méthodologies, benchmarks du cabinet	Non chiffré publiquement, mais forte réutilisation	Moyenne (nécessite RAG)
4. Minute de call automatique	Transcription structurée d’un call client, extraction actions et décisions	Non chiffré, mais économise 30 à 45 min par call	Basse
5. Benchmark concurrentiel	Extraction structurée d’infos publiques sur N acteurs, synthèse comparative	Non chiffré, mais divise par 3 à 5 le temps d’un benchmark de 20 acteurs	Moyenne
6. Tableau de bord de mission	Compilation hebdo automatique des livrables, statuts, risques d’une mission complexe	Non chiffré, économise le rituel PM du vendredi	Moyenne

Les chiffres de gain proviennent du cas CMI documenté par Consultor quand ils sont chiffrés, sinon ils sont marqués comme non publiés.

Ce qu’il faut refuser dans les 90 premiers jours, même quand un consultant motivé le demande : agents de coaching personnel, générateurs d’articles LinkedIn, prompts de brainstorm ouvert, outils d’analyse d’image en freestyle, extensions Chrome IA non validées, connexions Zapier vers des SaaS non homologués. Pas parce que ces usages sont mauvais, mais parce qu’ils dispersent le signal WAU et compliquent la note AI Act. On y reviendra après J+90.

Ce qu’il ne faut pas copier des Big 4

Un piège classique : le managing partner lit un article sur McKinsey ou Bain, et veut “faire pareil”. C’est une erreur de scaling.

Chez McKinsey, la senior partner Kate Smaje revendique environ 12 000 agents IA en production [source: https://www.consultor.fr/articles/dossier-special-comment-les-cabinets-utilisent-les-agents-ia]. Chez Bain, Arthur D. Little, PMP Strategy, les initiatives sont sérieuses et documentées. Toutes ces stratégies ont un point commun : elles reposent sur des équipes AI Engineering dédiées, sur des dizaines de personnes en gouvernance, sur des budgets à sept chiffres.

Un cabinet de 25 consultants n’a rien de cela. Vouloir “faire le même déploiement en plus petit” est le meilleur moyen d’échouer. Trois différences structurelles à garder en tête :

La granularité des agents. Un Big 4 peut se permettre de construire 30 agents ultra-spécialisés pour 30 sous-métiers. À 25 consultants, on veut 6 workflows partagés, réutilisables par tous. La spécialisation vient après.

La gouvernance. Une charte IA de 40 pages écrite par le legal d’un Big 4 est inutilisable pour un cabinet SMB. Une note de 2 pages, revue mensuellement, signée par le managing partner et l’AI Ambassador, vaut mille fois mieux. Le rapport HBS 26-036 montre par ailleurs que 60% des consultants opèrent en mode “Cyborg” (fusion continue avec l’IA), seulement 14% en “Centaur” (division stricte) [source: https://www.hbs.edu/ris/Publication%20Files/26-036_e7d0e59a-904c-49f1-b610-56eb2bdfe6f9.pdf]. La bonne gouvernance n’est pas “quand utiliser l’IA”, c’est “quand ne pas lui faire confiance”, et ça s’apprend en pratique, pas en charte.

Le rythme. Les Big 4 déploient sur 18 à 24 mois. Un cabinet de 25 n’a ni le budget ni la patience. 90 jours pour verrouiller l’adoption, puis 6 mois pour industrialiser sur des cas clients. Pas l’inverse.

Prochaine étape pratique

Si vous êtes managing partner ou COO d’un cabinet de 15 à 50 consultants et que ce plan vous parle, la première action à faire cette semaine, sans budget, sans achat, ne prend que 45 minutes.

Ouvrez votre outil actuel (ChatGPT Enterprise, Anthropic Claude, Notion AI, Dust) et sortez la liste des sessions par utilisateur des 30 derniers jours. Calculez le WAU par siège de votre cabinet. Si vous êtes sous 30%, vous avez un problème d’adoption structurel, pas un problème d’outil. Si vous êtes entre 30 et 60%, vous avez un problème de workflows imposés. Si vous êtes au-dessus de 60% mais que les gains ne sont pas visibles dans les projets, vous avez un problème de métrique de sortie.

Dans les trois cas, la prochaine étape est la même : nommer deux champions, geler six workflows, mesurer une seule chose.

Vous avez déjà tenté un plan d’adoption qui a raté ? Dites-moi en commentaire ce qui a bloqué. Les patterns d’échec se ressemblent tous, mais les racines sont rarement les mêmes.