Faut-il protéger ses connaissances de l’IA ? le dernier kilomètre de l’expertise

Deux réactions opposées circulent chez les travailleurs du savoir depuis que les modèles génératifs savent transformer des notes éparses en méthode lisible :

1. Tout verrouiller. Puisque formaliser rend copiable, autant ne jamais expliquer sa façon de travailler.
2. Tout publier, pour construire ses actifs et développer son « GEO* » avant que quelqu’un d’autre ne s’en charge.

Protéger son expertise face à l’IA se réduit à un arbitrage sur ce que vous rendez public.

Si vous me lisez de temps en temps, vous savez que je trouve cet arbitrage mal posé car il traite le savoir comme un stock fini alors que la valeur d’un expert tient à :

• sa capacité à changer d’angle ;
• à se renouveler ;
• et à maintenir la distance.

*Le GEO (generative engine optimization) désigne le travail de visibilité dans les réponses produites par les moteurs génératifs.

Trois praticiens permettent de vérifier ces trois capacités, et aucun des trois n’a perdu son métier en publiant l’intégralité de sa méthode.

Alex Osterwalder met son Business Model Canvas en téléchargement libre sur le site de Strategyzer, et sa société vend à côté toute une offre payante : un abonnement annuel à 299 dollars, des masterclasses, un bootcamp de cinq jours, du conseil, une plateforme logicielle et des conférences. Le canvas circule depuis Business Model Generation, paru en 2009.

Les auteurs du manifeste agile ont publié quatre valeurs et douze principes en 2001, avec l’autorisation de les copier librement à condition de les reproduire en entier. Le texte tient sur une page, il existe en plus de cinquante langues, et il a nourri deux décennies de formation, de certification et de conseil.

Ryan Singer publie Shape Up en lecture intégrale et gratuite sur le site de 37signals, l’entreprise qui édite Basecamp. Le livre décrit la méthode de travail complète de l’équipe, et la page annonce sans détour que l’outil a été construit pour exécuter les techniques du livre.

Ces exemples racontent la même chose : l’expertise partagée se propage mais ne fait pas le travail d’elle-même. Entre un canvas téléchargé et le modèle économique d’une entreprise précise, il reste des décisions qu’un canvas ne tranche pas, et ce sont elles qui portent la facture.

J’appelle cette distance « le dernier kilomètre de l’expertise », et elle recouvre la troisième capacité annoncée plus haut : celle de maintenir la distance. Les deux autres se lisent tout aussi bien chez ces praticiens.

Osterwalder a produit d’autres cadres après son premier canvas : Value Proposition Design, Testing Business Ideas, The Invincible Company et High-Impact Tools for Teams. Se renouveler consiste à publier le cadre suivant plutôt qu’à protéger le précédent.

Singer montre la capacité à changer d’angle. Il remplace l’estimation par l’appétit : la durée qu’une équipe accepte de consacrer à un sujet, au lieu de la durée qu’elle prévoit d’y passer. L’unité comptée change, et toute la conversation de planification change avec elle.

Cet article remonte d’abord à la source des deux cadres que ce débat convoque sans les lire, du côté de la théorie de l’information et de la psychologie cognitive. Il redescend ensuite vers vos décisions de dirigeant, de professionnel RH ou de responsable de l’innovation.

Le réflexe hérité	Ce qu’il produit	Le déplacement qui change la donne
Verrouiller ou publierProtéger son expertise face à l’IA se ramène, dans le débat courant, au choix entre garder sa méthode secrète et la rendre publique. Les deux positions traitent le savoir comme un stock qui se garde ou qui se donne.	Une valeur mal situéeLe verrouillage transforme son détenteur en passage obligé et fige sa méthode, faute de confrontation. La publication sans mécanisme de transposition laisse croire qu’un cadre lu suffit à produire un résultat.	Des capacités plutôt qu’un stockLa valeur d’un expert tient à sa capacité à changer d’angle, à se renouveler et à maintenir la distance entre un cadre publié et son fonctionnement réel. Cette distance porte un nom, le dernier kilomètre de l’expertise, et elle se mesure.

Les deux réflexes des experts quand l’IA entre dans leur métier

Face à un modèle capable de mettre en forme une méthode en quelques secondes, les experts se répartissent en deux camps :

1. Le premier verrouille et cesse d’expliquer sa façon de travailler.
2. Le second publie et transforme son savoir en actifs réutilisables.

Ces deux camps bien distincts raisonnent pourtant à partir de la même croyance implicite, et c’est elle qui mérite un examen.

Le réflexe du verrouillage et le raisonnement qui le soutient

Le verrouillage repose sur une chaîne logique courte : formaliser rend explicite, expliciter rend copiable, et copiable signifie remplaçable. Ce raisonnement tient sur la première moitié du trajet. Il s’effondre sur la seconde, parce qu’un cadre copié ne produit pas le même résultat entre des mains différentes.

Ce réflexe n’a rien d’irrationnel. L’étude de l’Apec sur les cadres et l’intelligence artificielle montre que 23 % des cadres considèrent l’IA comme une menace pour leur métier, et que 39 % y voient une opportunité et une menace à la fois. La crainte cohabite donc avec l’usage, chez les mêmes personnes, dans la même journée de travail.

Le réflexe de la publication et son angle mort

Le camp opposé publie ses cadres, ses grilles et ses vidéos, avec l’idée que la visibilité vaut protection. Ce pari fonctionne à une condition rarement formulée : le cadre publié doit laisser subsister un travail que son lecteur ne peut pas mener seul. Sans cette condition, la publication donne le résultat exact que le camp adverse redoute.

La diffusion des outils accélère la question plutôt qu’elle ne la tranche. En France, 18 % des entreprises déclaraient utiliser au moins une technologie d’intelligence artificielle en 2025, contre 10 % un an plus tôt et 6 % deux ans plus tôt. La proportion monte à 58 % pour les entreprises de 250 salariés et plus.

Le chiffre qui compte pour les métiers du savoir se trouve dans le détail sectoriel de cette même enquête : 33 % dans les activités spécialisées, scientifiques et techniques, c’est-à-dire chez les cabinets de conseil, les bureaux d’études et les professions libérales. Le secteur qui vend de l’expertise adopte l’outil deux fois plus vite que la moyenne.

L’angle mort du camp de la publication tient en une phrase : publier un cadre sans avoir identifié ce qui reste à faire après sa lecture revient à confondre un livrable avec une méthode. Le lecteur repart avec la carte et découvre que le terrain n’obéit pas à la carte.

Ce que les deux réflexes tiennent pour acquis

Les deux camps partagent un présupposé qu’aucun des deux n’énonce : le savoir serait un stock, que vous possédez ou que vous cédez. Ce présupposé rend la question binaire, donc insoluble. Il suffit de le retirer pour que le débat change de nature.

Cette bascule vaut à l’échelle individuelle et à l’échelle du cabinet. J’ai décrit ailleurs comment la valeur migre dans les métiers du savoir en rupture, vers ceux qui détiennent l’interface client et la donnée. La logique de cet article traite du même mouvement, à hauteur d’une personne plutôt qu’à hauteur d’un marché.

Pour poser correctement la question du mécanisme, il faut examiner les deux cadres que ce débat convoque en permanence sans jamais les citer : celui de la théorie de l’information et celui de la psychologie cognitive. Ces deux théories disent l’inverse de ce que leur usage courant leur attribue.

D’où vient l’idée que le savoir s’empile en niveaux

Chaque conversation sur l’IA et le savoir finit par invoquer une pyramide qui va des données à la sagesse. Ce schéma porte un nom : la hiérarchie DIKW. Il a aussi fait l’objet d’une critique académique nourrie, que presque personne ne cite, et qui change pourtant la conclusion.

La hiérarchie DIKW, son auteur et sa formulation d’origine

La hiérarchie DIKW désigne l’enchaînement données, information, connaissance et sagesse, popularisé par le chercheur en théorie des systèmes Russell Ackoff. Sa formulation de référence figure dans un texte de 1989 intitulé From data to wisdom, publié dans le Journal of Applied Systems Analysis. La version d’origine comporte une différence notable avec celle qui circule.

Ackoff distingue cinq niveaux, là où la version courante en retient quatre. Les données sont des symboles qui représentent des propriétés d’objets et d’événements. L’information est une donnée traitée pour gagner en utilité, et elle répond aux questions en qui, quoi, quand, où et combien. La connaissance se transmet par des instructions et répond à la question du comment.

Vient ensuite le niveau que la version populaire a supprimé : la compréhension, qui se transmet par des explications et répond à la question du pourquoi. La sagesse arrive au sommet, définie comme la capacité à augmenter l’efficacité, entendue comme le rapport entre l’efficience et la valeur.

L’escamotage de la compréhension dans les usages courants n’a rien d’anecdotique. Il retire précisément l’étage où se loge l’explication causale, donc l’étage que vos clients achètent quand ils vous paient. Le schéma le plus cité pour situer l’IA dans le travail intellectuel a perdu en route son niveau le plus intéressant.

Ackoff ajoute une remarque qui vieillit très bien. Il observe que l’enseignement consacre la majorité de son temps à l’information, peu de temps à la connaissance, et pratiquement aucun à la compréhension et à la sagesse. Sa conclusion tient en quelques mots : les étudiants ignorent ce qu’ils ignorent.

Ce que les chercheurs en sciences de l’information lui reprochent

La pyramide DIKW fait l’objet d’une critique académique sévère depuis une vingtaine d’années, et cette critique porte exactement sur le mécanisme que les managers lui empruntent. Deux articles de référence, parus dans le Journal of Information Science, démontent l’idée d’une montée automatique d’un niveau au suivant.

Jennifer Rowley a examiné la façon dont les manuels les plus lus articulent cette hiérarchie. Son constat, publié en 2007, tient en deux points : aucun consensus n’existe sur les processus de transformation entre les niveaux, et la sagesse reste à peine traitée dans les textes examinés. Chaque niveau se définit par le précédent, sans que personne n’explique le passage.

Martin Frické va plus loin en 2009. Il reproche à la pyramide de reposer sur l’inductivisme, cette idée qu’une accumulation de données finit par produire de l’information toute seule. Sa conclusion est catégorique : la hiérarchie DIKW devrait être abandonnée, malgré son acceptation large dans la discipline.

L’argument central de Frické intéresse directement quiconque travaille avec un modèle génératif : l’information sur la rotation de la Terre n’est pas une donnée observable, et aucun traitement de données brutes ne l’aurait produite. Frické reprend à Popper une formule utile : les observations ne se collectent pas comme des coléoptères.

Autrement dit, une hypothèse précède toujours la collecte. Quelqu’un décide quoi regarder, selon quelle question, et sur quel découpage. Cette décision se prend avant que la moindre donnée n’existe, et elle détermine tout ce qui suivra dans la chaîne.

Frické ne se contente pas de démolir, il propose des définitions de remplacement qui éclairent notre sujet. Les données deviennent chez lui tout ce qui peut être enregistré de façon sémantiquement et pragmatiquement valide. L’information devient une connaissance faible, et la sagesse la possession et l’usage d’une connaissance pratique étendue.

La sagesse au sens de Frické ne désigne aucune qualité contemplative : elle désigne un stock de connaissance pratique et la capacité à s’en servir, deux choses qui se construisent par la répétition des situations et se transmettent par le frottement.

Où se placent réellement les modèles génératifs sur cette échelle

L’usage courant place l’IA sur les deux premiers étages, les données et l’information, et réserve les étages supérieurs à l’humain. Cette répartition rassure et se révèle fausse dans les deux sens. Les modèles franchissent le niveau de la connaissance sans difficulté, et ils échouent en amont, sur la décision de départ.

Sur la connaissance au sens d’Ackoff, celle qui se transmet par des instructions et répond au comment, un modèle génératif produit aujourd’hui une réponse honorable. Demandez-lui la marche à suivre pour structurer une revue de portefeuille ou pour préparer un entretien annuel, vous obtiendrez une procédure défendable.

Le blocage se situe ailleurs, à l’endroit que Frické désigne. Le modèle ne décide pas quelle question mérite d’être posée, sur quel périmètre, ni quelles données méritent d’être collectées pour y répondre. Il traite remarquablement bien un cadrage qu’il n’a pas produit.

Cette limite n’a rien d’une propriété éternelle des machines, et je me garde de la présenter comme telle. Elle décrit un état de l’outil, observable aujourd’hui, qui tient à ce que le modèle ignore tout du contexte que vous n’avez pas écrit. L’ingénierie de contexte réduit l’écart sans jamais le refermer, puisque la part la plus décisive du contexte n’a jamais été formulée par personne.

Cette part non formulée porte un nom dans la littérature sur la connaissance organisationnelle : Ikujiro Nonaka et Hirotaka Takeuchi l’appellent le savoir tacite, et j’ai consacré un article entier à la question de savoir si le savoir tacite constitue vraiment un rempart face à l’IA. La réponse courte tient en une ligne : le tacite ne protège qu’à condition de circuler.

Ce que les experts voient et que les débutants ne voient pas

La première capacité annoncée en introduction, changer d’angle, porte un nom précis en psychologie cognitive : le tri par structure profonde. Elle vient d’une expérience de 1981 sur des problèmes de physique, elle sépare l’expert du débutant bien mieux que le volume de connaissances, et elle décrit ce qui distingue votre jugement de celui d’un modèle.

L’expérience de tri des problèmes de physique de 1981

Michelene Chi, Paul Feltovich et Robert Glaser ont demandé à deux groupes de trier vingt-quatre problèmes de physique selon la similarité de leur solution. D’un côté, huit doctorants avancés en physique. De l’autre, huit étudiants de premier cycle ayant achevé un cours de mécanique. La consigne était identique pour tout le monde.

Les débutants ont trié vite et proprement. Ils ont regroupé les problèmes de poulies ensemble, les problèmes de plan incliné ensemble, et les problèmes de ressort ensemble. Leurs piles se justifiaient parfaitement, et leur logique reposait sur les objets et les configurations décrits dans l’énoncé.

Les doctorants ont produit des piles apparemment absurdes. Un problème de poulie voisinait avec un problème de plan incliné, sans aucune ressemblance visible. Leur critère de regroupement portait sur le principe physique majeur mobilisé par la solution, la deuxième loi de Newton ou le théorème de l’énergie cinétique, indépendamment du décor de l’énoncé.

La conclusion des auteurs porte sur la représentation du problème plutôt que sur la vitesse de résolution. Experts et débutants entament leur représentation à partir de catégories différentes, et la suite du raisonnement dépend entièrement de la catégorie choisie au départ. Le tri précède la résolution et en détermine l’issue.

Les auteurs ajoutent un point souvent oublié dans les reprises de cette étude : la complétude de la représentation dépend de la connaissance attachée à la catégorie choisie, et non de la seule justesse du tri. Ranger correctement un problème ne sert à rien si la catégorie reste vide de méthodes éprouvées.

Ce point a une conséquence directe pour un cadre publié. Un lecteur qui adopte votre catégorie sans disposer du répertoire de cas qui la remplit obtient un rangement correct et un traitement approximatif. Il sait désormais nommer son problème et ignore toujours quoi en faire.

La structure de surface et la structure profonde

Cette expérience a installé une distinction devenue centrale dans l’étude de l’expertise. La structure de surface rassemble ce que l’énoncé montre : les objets, le vocabulaire et la configuration. La structure profonde rassemble le principe qui rend le problème soluble, et rien dans l’énoncé ne la désigne explicitement.

Un débutant n’est pas moins intelligent qu’un expert. Il dispose des mêmes formules et parfois d’une mémoire plus fraîche. Sa limite tient à son répertoire de situations vécues, qui ne lui permet pas encore de reconnaître qu’un problème de poulie et un problème de plan incliné posent la même question.

Le management vit exactement le même phénomène. Un conflit d’équipe, un retard de projet et une démission surprise se présentent comme trois problèmes distincts. Un dirigeant expérimenté les range parfois dans la même pile, parce qu’il reconnaît une seule cause profonde derrière trois décors différents.

C’est cette compétence de rangement qui distingue un professionnel de son remplaçant, bien plus que le volume de ce qu’il sait. J’ai développé cette différence entre le savoir accumulé et le jugement construit dans mon article sur la distinction entre expertise, expérience et excellence.

Pourquoi cette distinction décide de votre rapport à un modèle génératif

Un modèle génératif excelle au tri par structure de surface, à une vitesse qu’aucun humain n’égale. Il classe, résume et rapproche par ressemblance lexicale et sémantique. Sur la structure profonde, il devient bon dès qu’un cadre lui indique quoi chercher, et il reste médiocre quand personne ne le lui fournit.

Voilà pourquoi un cadre explicite change tout dans un dialogue avec un modèle. Vous lui donnez le critère de tri, et il construit lui-même la réponse. Un expert qui refuse de formaliser son critère de tri se prive de l’outil, sans empêcher personne d’autre de formaliser le sien.

La conséquence la plus dure concerne les débutants dans les métiers du savoir. Un jeune diplômé obtient d’un modèle une production correcte, et il ne dispose d’aucun répertoire d’expérience pour juger si cette production convient. Cette asymétrie explique une partie de la disparition des emplois juniors dans les activités intellectuelles.

L’usage réel confirme cette asymétrie. Selon l’Apec, un cadre sur deux utilise l’IA au moins une fois par semaine, une proportion en hausse de 15 points en un an, et elle monte à 62 % chez les moins de 35 ans. Ceux qui ont le moins d’expérience pour juger les résultats sont aussi ceux qui produisent le plus avec l’outil.

Cette asymétrie constitue un argument massif contre le verrouillage, et personne ne le formule ainsi. Si les seniors gardent leurs critères de tri pour eux, les juniors continuent de produire sans critère, et la qualité moyenne du travail d’un cabinet baisse pendant que sa vitesse augmente.

Du savoir explicite au savoir réincarné, ce que dit la spirale de la connaissance

La spirale de la connaissance décrit la façon dont un savoir change d’état dans une organisation. Ikujiro Nonaka et Hirotaka Takeuchi l’ont formalisée en 1995 dans The Knowledge-Creating Company, et elle comporte quatre conversions successives. La quatrième explique pourquoi publier un cadre ne suffit jamais.

Les quatre conversions portent des noms simples. La socialisation transmet du tacite à du tacite, par l’observation et le compagnonnage. L’externalisation transforme le tacite en explicite, et c’est exactement ce que produit la mise en forme d’une méthode. La combinaison assemble plusieurs savoirs explicites en un ensemble cohérent.

La quatrième conversion, l’internalisation, ramène l’explicite vers le tacite chez celui qui l’applique. Un lecteur ne détient pas votre cadre parce qu’il l’a lu. Il le détiendra le jour où il l’aura appliqué assez de fois pour reconnaître les situations sans y penser, et ce trajet lui appartient.

Cette quatrième conversion demande du temps, des essais ratés et des arbitrages sur des cas que le cadre n’a pas prévus. Elle constitue le travail réel qui reste après la publication, et le camp du verrouillage se trompe précisément parce qu’il croit ce travail contenu dans le texte publié.

La spirale de Nonaka et Takeuchi décrit ce trajet sans le mesurer. Elle nomme l’étape et laisse ouverte la question de sa longueur, de son coût et de ce qui l’allonge ou le raccourcit. C’est cette question que je propose de traiter maintenant.

Le dernier kilomètre de l’expertise

La troisième capacité annoncée en introduction, maintenir la distance, désigne l’écart entre un cadre publié et son fonctionnement dans un contexte précis. Cette portion du travail reste à faire après la lecture, elle se facture encore une fois le cadre rendu public, et elle se mesure. Voici son mécanisme.

Définition et mécanisme du cadre

Un cadre publié décrit une séquence, des critères et des pièges. Il ne décrit pas le contexte de celui qui l’applique : son histoire, ses contraintes de calendrier, ses rapports de force internes et ses cas limites. Le dernier kilomètre correspond à l’ensemble des décisions que ce contexte impose et que le cadre laisse ouvertes.

La chaîne causale tient en une phrase : plus un cadre est général, plus il voyage loin et plus son dernier kilomètre est long, donc plus son auteur reste nécessaire à ceux qui l’adoptent. Un cadre très spécifique fait l’inverse : il s’applique sans aide et ne voyage pas.

Ce mécanisme explique le paradoxe apparent de l’auteur qui publie tout. Le Business Model Canvas illustre le point : une page téléchargeable par n’importe qui, et une offre de formation et de conseil qui prospère à côté depuis plus de quinze ans. Une minorité de lecteurs applique le cadre seule et devient sa meilleure preuve, la majorité bute sur la transposition et crée la demande d’accompagnement.

La lignée de ce cadre est explicite et je préfère la donner. Il combine la limite de la pyramide DIKW identifiée par Frické, la distinction entre structure de surface et structure profonde établie par Chi, Feltovich et Glaser, et l’étape d’internalisation de Nonaka et Takeuchi. Ce qu’il ajoute à ces travaux tient en deux éléments : une unité de mesure et une condition d’usage.

Les quatre décisions qu’un cadre publié ne tranche jamais seul

Quatre familles de décisions résistent systématiquement à la publication d’un cadre, quel que soit le domaine. Elles constituent le contenu concret du dernier kilomètre, et leur identification permet de savoir ce que vous pouvez publier sans risque. Les voici dans l’ordre où elles se présentent en mission :

1. Le choix du point d’entrée. Un cadre propose plusieurs portes et le contexte en rend une seule praticable, selon qui soutient la démarche, quel budget existe et quel échec récent pèse encore sur les esprits.
2. Le traitement des cas limites. Toute organisation présente trois ou quatre situations que le cadre ne couvre pas, et leur arbitrage détermine la crédibilité de la démarche entière auprès des équipes.
3. Le seuil de renoncement. Un cadre indique rarement à quel moment il faut s’arrêter, changer d’approche ou accepter un résultat partiel, alors que cette décision engage plus que le reste.
4. La séquence politique. Qui voit quoi, dans quel ordre, et avec quel niveau de détail. Cette question ne figure dans aucun cadre publié et décide pourtant de la survie de la démarche.

Ces quatre décisions partagent une caractéristique : elles demandent des informations que personne n’a écrites. Un modèle génératif ne les trouve pas pour une raison simple : la matière première lui manque, et elle n’existe nulle part sous forme de texte.

Vous pouvez donc publier la séquence, les critères et les pièges sans perdre grand-chose. Vous conservez les quatre arbitrages ci-dessus : leur protection vient de la quantité de contextes différents que vous avez traversés.

Mesurer votre propre dernier kilomètre

L’unité de mesure du dernier kilomètre est le nombre de décisions que votre cadre laisse ouvertes, rapporté au nombre total de décisions exigées par sa mise en œuvre. Ce ratio se relève sur un déploiement réel, mené par quelqu’un d’autre que vous, à partir du seul document publié.

Le protocole tient en peu de chose : confiez votre cadre publié à une personne compétente qui ne vous a jamais vu travailler, demandez-lui de l’appliquer à une situation réelle, et consignez chaque question qu’elle vous pose. Chaque question consignée décrit un morceau de votre dernier kilomètre.

Un ratio proche de zéro signale un cadre si prescriptif qu’il ne vous laisse aucune place, donc un cadre qui vous remplace. Un ratio proche de un signale un cadre si vague qu’il ne vous qualifie pas, puisque rien dans le texte ne prouve que vous savez faire. Votre intérêt se situe entre les deux.

La condition d’usage de ce cadre est stricte : le dernier kilomètre ne se mesure que sur un cadre déjà publié et déjà appliqué par un tiers sans vous. Tant que vous gardez votre méthode pour vous, ce ratio reste inconnu, et vous ignorez donc où se trouve votre propre valeur.

Voilà le renversement que je propose : la publication constitue l’instrument de mesure de votre valeur plutôt que le risque qui la menace. Le verrouillage vous prive de l’information dont vous avez le plus besoin pour arbitrer votre carrière.

Le coût réel du verrouillage pour son propre détenteur

Le verrouillage produit trois effets que ses partisans n’anticipent pas : une charge de travail qui revient sans cesse au même endroit, une méthode qui cesse de progresser faute de confrontation, et un savoir qui disparaît le jour du départ. Ces trois effets se cumulent et s’aggravent avec le temps.

L’expert goulot et la charge qui lui revient sans cesse

Un expert qui ne formalise pas devient le seul destinataire possible d’une catégorie de demandes. Chaque fois que la situation se présente, le travail atterrit chez lui, et son agenda se remplit de tâches qu’il maîtrise depuis longtemps. Sa rareté se transforme en charge plutôt qu’en levier.

Cette position paraît confortable de l’extérieur et se révèle appauvrissante de l’intérieur. L’expert goulot passe son temps à exécuter ce qu’il sait déjà faire, et il perd les heures qui lui permettraient d’apprendre autre chose. Sa sécurité d’aujourd’hui se paie par son obsolescence de demain.

Le renversement se produit dès que la méthode circule. Trois personnes savent traiter la demande, la file se vide, et les questions qui remontent vers l’expert changent de nature. Elles portent désormais sur les cas que la méthode ne couvre pas, donc sur les quatre décisions du dernier kilomètre.

Cet expert devient alors un résolveur de problèmes. Le statut change, la charge diminue, et la valeur perçue augmente. J’ai décrit ce mouvement sous un autre angle dans mon article sur les risques d’obsolescence professionnelle.

Verrouiller ne permet pas de protéger son expertise face à l’IA

Le verrouillage échoue à protéger son expertise face à l’IA pour une raison mécanique : un cadre que personne n’applique en dehors de vous ne rencontre jamais de contexte nouveau, donc il cesse d’évoluer. Pendant ce temps, les cadres publiés par d’autres se confrontent à des dizaines de contextes et gagnent en robustesse.

La confrontation constitue le seul mécanisme connu de progression d’une méthode. Un participant d’atelier qui tord votre grille pour l’adapter à son secteur vous apprend quelque chose que vous n’auriez pas trouvé seul. Son bricolage signale un cas limite que votre cadre traitait mal.

Le verrouillage vous prive de ce flux de retours et vous laisse avec une méthode figée à la date de votre dernière mission. Dans un environnement où les outils changent tous les trimestres, une méthode figée perd sa pertinence en quelques saisons.

Reste une objection sérieuse, que je ne veux pas escamoter : certains savoirs se protègent légitimement, parce que leur divulgation détruit un avantage contractuel ou expose un client. La question de savoir quoi exposer et jusqu’où mérite un traitement à part, et je l’ai traitée dans mon article sur l’expertise face aux systèmes génératifs.

Le savoir qui part avec ceux qui partent

Le troisième coût du verrouillage se paie à l’échelle de l’organisation, au moment des départs. Un savoir jamais formalisé quitte l’entreprise avec la personne qui le portait, et aucun outil ne le reconstitue. Ce risque prend une ampleur particulière dans la décennie en cours.

Les travaux de prospective de France Stratégie et de la Dares chiffrent l’ampleur du phénomène. Le rapport Métiers 2030 estime à près de 800 000 le nombre de postes à pourvoir chaque année d’ici 2030, dont environ neuf sur dix pour remplacer des départs de fin de carrière plutôt que pour accompagner des créations nettes.

Ce chiffre décrit un flux de remplacement massif, et chaque remplacement pose la même question : qu’est-ce que le partant savait, et qui le sait encore le lendemain. Une organisation qui a laissé ses experts verrouiller leur méthode découvre la réponse trop tard.

Pour un dirigeant ou un professionnel des ressources humaines, la conclusion pratique tient en peu de mots : le verrouillage individuel se traite comme un risque organisationnel, au même titre qu’une dépendance fournisseur, et il se mesure de la même façon : par le nombre de demandes récurrentes qui n’ont qu’un seul destinataire possible.

Comment arbitrer entre formaliser, transmettre et garder pour soi

Trois approches coexistent pour traiter un savoir critique : la documentation écrite, le compagnonnage et la publication ouverte. Aucune ne domine les autres dans l’absolu, et le choix dépend de votre niveau de maturité, de votre exposition concurrentielle et de votre horizon. Voici les critères qui permettent de trancher.

Trois approches comparées selon cinq critères

Le tableau ci-dessous compare la documentation, le compagnonnage et la publication ouverte sur cinq critères opérationnels. Lisez-le comme une aide à la décision plutôt que comme un classement, puisque la plupart des organisations mûres combinent les trois sur des savoirs différents.

Critère	Documentation écrite	Compagnonnage	Publication ouverte
Coût de mise en place	Moyen, concentré sur la rédaction initiale	Élevé, étalé sur la durée du binôme	Élevé au départ, faible ensuite
Part du tacite transmise	Faible, le non formulé reste hors du texte	Forte, par observation et correction directe	Faible, identique à la documentation
Vitesse de diffusion	Rapide en interne, nulle en externe	Lente, limitée au nombre de binômes	Immédiate et sans limite de public
Retour d’usage récupéré	Rare, personne ne signale ce qui a coincé	Immédiat mais limité à un contexte	Massif et varié, issu de contextes multiples
Effet sur la valeur perçue de l’auteur	Neutre, le document circule sans son auteur	Fort en interne, invisible en externe	Fort en interne et en externe

Deux enseignements ressortent de cette comparaison : la documentation seule transmet mal, puisqu’elle laisse le tacite dehors et ne récupère presque aucun retour d’usage. Le compagnonnage transmet bien et ne passe pas à l’échelle, ce qui le rend impraticable au-delà d’une poignée de personnes.

La publication ouverte présente le profil inverse du compagnonnage : elle transmet mal le tacite et récupère énormément de retours d’usage. C’est ce flux de retours qui raccourcit progressivement votre dernier kilomètre sur les cas fréquents, et qui vous laisse le temps de travailler les cas rares.

Les signaux qui doivent guider votre arbitrage

Quatre signaux internes indiquent qu’un savoir critique a besoin d’être formalisé sans attendre, et un cinquième signal vient de vos clients. Tous se relèvent sans enquête lourde, à partir de ce que votre organisation observe déjà dans ses agendas, ses fils de discussion et ses tableaux de charge :

• Une même personne apparaît dans toutes les réunions d’un sujet, y compris celles où sa présence ne se justifie pas par son rôle.
• Les délais de traitement d’une demande varient du simple au triple selon la disponibilité d’une seule personne.
• Les nouveaux arrivants mettent plus de six mois à devenir autonomes sur une tâche que personne n’a jamais écrite.
• Un départ récent a laissé une zone d’incertitude que personne ne sait combler, et l’équipe improvise depuis.

Un signal externe complète cette liste, et il concerne surtout les indépendants et les cabinets. Si vos prospects vous demandent régulièrement comment vous travaillez avant de signer, votre absence de cadre publié vous coûte des affaires plutôt qu’elle ne vous en protège.

À l’inverse, deux situations justifient de différer la formalisation. La première concerne un savoir encore instable, que vous n’avez appliqué qu’à deux ou trois reprises et dont vous ignorez les limites. La seconde concerne un savoir dont la publication exposerait un client identifiable, quelle que soit la précaution d’anonymisation.

À quel niveau de maturité chaque approche convient

Le niveau de maturité managériale de votre organisation détermine l’approche praticable, bien plus que la nature du savoir concerné. Une démarche de formalisation lancée trop tôt produit des documents que personne n’ouvre, et lancée trop tard elle arrive après les départs.

Une organisation qui n’a jamais formalisé commence par le compagnonnage sur deux ou trois savoirs critiques, parce que cette approche ne demande aucun outil et produit un résultat visible en quelques semaines. La documentation vient ensuite, écrite par celui qui a appris plutôt que par celui qui savait.

Ce détail change tout, et il constitue la principale erreur que j’observe : un expert qui documente sa propre méthode oublie systématiquement les évidences, puisqu’elles ne lui apparaissent plus comme telles. Un apprenant qui documente ce qu’il vient de comprendre produit un texte utilisable par le suivant.

La publication ouverte arrive en dernier, quand un cadre a déjà survécu à plusieurs contextes internes. Elle suppose aussi une décision de positionnement, que vous prenez en connaissance de cause plutôt que par réflexe défensif ou par mimétisme.

Se renouveler, installer la distillation comme une pratique

La deuxième capacité annoncée en introduction, se renouveler, repose sur une compétence précise : distiller un cadre à partir de ce que vous savez déjà. Cette compétence survit à la publication de tous vos cadres, puisqu’elle produit les suivants. Voici comment l’installer sans en faire un projet d’entreprise.

Six étapes pour distiller un cadre à partir de ce que vous savez déjà

La distillation commence par un corpus de situations vécues plutôt que par une page blanche. Les six étapes ci-dessous suivent l’ordre dans lequel je les applique, et elles demandent quelques heures étalées sur deux ou trois semaines plutôt qu’un séminaire dédié :

1. Rassemblez dix situations réelles où vous avez produit un résultat dont vous êtes satisfait, sans chercher de point commun à ce stade.
2. Triez ces dix situations par la structure profonde, à la manière des doctorants de l’expérience de 1981, en rapprochant les cas dont le mécanisme se ressemble malgré des décors différents.
3. Écrivez pour chaque pile la question que vous vous êtes posée en premier, avant tout diagnostic, puisque cette question constitue le cœur du cadre.
4. Identifiez ce que vous avez délibérément ignoré dans chaque cas, car un cadre utile se définit autant par ses exclusions que par son contenu.
5. Formulez la séquence en cinq étapes maximum, avec un critère de passage entre chaque étape, exprimé en durée, en seuil ou en arbitrage chiffré.
6. Faites appliquer le cadre par quelqu’un d’autre sur un cas réel et consignez chaque question posée, ce qui vous donne la mesure de votre dernier kilomètre.

La deuxième distillation, celle qui rend le cadre vôtre

Le travail ne se termine pas à la première version du cadre. La deuxième distillation intervient après plusieurs applications, quand vous savez ce que le cadre a bien traité et ce qu’il a mal traité. Cette seconde passe produit la version qui vous distingue réellement.

Les déformations que les utilisateurs font subir à un cadre constituent la matière première de cette deuxième passe. Chaque contournement signale une contrainte de contexte que la première version ignorait, et chaque ajout signale un manque. Ces bricolages valent mieux qu’une enquête de satisfaction.

Un cadre qui a traversé deux distillations et plusieurs contextes devient difficile à copier par sa densité. Sa version publiée porte des conditions d’usage, des seuils et des exceptions que seule la pratique fournit, et un lecteur les reconnaît immédiatement comme le produit d’un vécu.

Ce que vous confiez à vos outils et ce que vous gardez pour vous

Formaliser ne signifie pas nécessairement publier. Un cadre distillé sert d’abord à vous-même, y compris dans vos échanges avec un modèle génératif, où il remplace l’approximation par un critère de tri explicite. Cette étape reste entièrement privée si vous le souhaitez.

Un modèle qui connaît vos critères de qualité, vos étapes de travail et vos exclusions produit un résultat bien plus proche du vôtre qu’un modèle laissé sans cadre. Vous récupérez du temps sur les tâches de mise en forme, et ce temps se réinvestit sur les quatre décisions du dernier kilomètre.

Cette privatisation a toutefois une limite que je signale honnêtement. Un cadre qui ne sort jamais de votre poste de travail ne reçoit aucun retour d’usage extérieur, donc il progresse lentement. Vous obtenez un gain de productivité immédiat au prix d’une stagnation de la méthode.

La question de ce que les modèles retiennent et restituent de vos publications mérite d’ailleurs un examen distinct, que j’ai mené dans mon article sur ce que les modèles de langage savent de moi et de ma marque. La réponse conditionne votre stratégie de visibilité autant que votre stratégie de protection.

Comment je peux vous aider à protéger votre expertise face à l’IA

J’interviens sur ce sujet auprès de CODIR, de directions des ressources humaines et d’équipes d’experts, avec trois formats distincts selon votre point de départ. Chacun produit un livrable exploitable plutôt qu’une prise de conscience, et chacun part de vos savoirs réels plutôt que d’un modèle théorique.

La conférence, pour déclencher le débat au bon niveau

La conférence s’adresse aux organisations où la question reste implicite, portée par quelques experts inquiets et quelques dirigeants pressés. Elle pose le mécanisme du dernier kilomètre devant tout le monde en même temps, ce qui évite les conversations parallèles et les interprétations divergentes.

Ce format convient particulièrement aux séminaires de direction et aux conventions de managers, sur un créneau de quarante-cinq à soixante minutes. Je l’articule souvent avec mon intervention sur les risques d’obsolescence professionnelle, qui traite la même question du point de vue des parcours individuels.

L’atelier de distillation, pour produire vos premiers cadres

L’atelier applique les six étapes de distillation aux savoirs réels de vos équipes, sur une journée ou deux demi-journées. Les participants repartent avec un cadre écrit, testé sur un cas réel, et avec la mesure de leur propre dernier kilomètre. Le livrable existe le soir même.

Le diagnostic, pour repérer vos dépendances avant les départs

Le diagnostic répond à une question précise : quelles demandes récurrentes de votre organisation n’ont aujourd’hui qu’un seul destinataire possible. Il se mène par entretiens et par lecture des circuits de sollicitation réels, et il produit une carte des dépendances assortie d’un ordre de traitement.

Cette carte sert ensuite de plan de travail, en commençant par les savoirs les plus critiques et les plus proches d’un départ. Elle intéresse directement les directions des ressources humaines qui pilotent une démarche de gestion des compétences, sujet que je traite aussi sous l’angle des catégories de compétences et de leur classement habituel.

En conclusion, protéger son expertise face à l’IA revient à raccourcir la distance

Le débat entre verrouiller et publier repose sur une erreur de localisation. Votre valeur se trouve dans les décisions que le texte de votre méthode laisse ouvertes.

Ce sont ces décisions qui demandent un contexte que personne n’a jamais écrit.

Cette distance, le dernier kilomètre de l’expertise, se mesure sur un cadre publié et appliqué par quelqu’un d’autre. Tant que vous gardez votre méthode pour vous, vous ignorez où se situe votre valeur, et cette ignorance vous rend plus vulnérable que n’importe quelle divulgation.

La question à vous poser ne porte donc plus sur ce que vous acceptez de montrer. Elle porte sur votre capacité à produire le cadre suivant une fois celui-ci publié, puisque cette capacité constitue la seule chose qu’un modèle ne vous prendra pas.

Protéger son expertise face à l’IA consiste à entretenir trois capacités : changer d’angle, se renouveler et maintenir la distance entre votre cadre publié et son application réelle chez un client.

Questions fréquentes sur la façon de protéger son expertise face à l’IA