Dans le cadre de L’IA conseil, pendant des décennies, l’essentiel du conseil IT s’est appuyé sur une équation simple.
Elle était le produit d’un nombre de consultants, d’un nombre de jours et d’un taux journalier.
Ce modèle du « jour-homme » reste aujourd’hui largement utilisé dans les missions de conseil, de transformation et d’assistance technique. Mais l’arrivée de l’intelligence artificielle générative vient perturber cette logique et ia conseil évolue.
Pourquoi ? Parce que si l’IA permet à un consultant d’accomplir en deux jours ce qui nécessitait auparavant cinq jours, continuer à associer mécaniquement valeur produite et temps passé finit par créer un paradoxe : plus le cabinet devient productif, moins il peut facturer.
Derrière la question de l’IA se cache donc une transformation beaucoup plus profonde du secteur du conseil : demain, les clients achèteront-ils encore du temps de consultant ou davantage des résultats ?
Pourquoi l’IA remet-elle en question le modèle traditionnel du conseil ?
L’intelligence artificielle commence à automatiser ou accélérer une partie significative des tâches historiquement réalisées dans les cabinets : recherche documentaire, benchmark, synthèse, analyse de données, préparation de présentations, rédaction de comptes rendus ou encore production de scénarios.
Cette évolution est déjà visible dans les services professionnels. En 2025, Thomson Reuters constatait que 41 % des professionnels interrogés utilisaient personnellement des outils d’IA générative accessibles au public, contre une adoption organisationnelle encore plus limitée. Surtout, 95 % anticipaient que la GenAI deviendrait centrale dans leurs workflows dans les cinq années suivantes.
Harvard Business Review va plus loin en estimant que l’IA est susceptible de modifier directement la structure traditionnelle des cabinets. Les tâches de recherche, de modélisation et d’analyse généralement confiées aux consultants juniors peuvent désormais être partiellement automatisées, conduisant potentiellement à des équipes plus petites et plus spécialisées.
La question n’est donc plus réellement de savoir si l’IA sera utilisée dans le conseil.
Elle est de comprendre comment elle modifiera la manière dont le conseil crée, délivre et facture sa valeur.
Le paradoxe : l’IA peut rendre un cabinet plus performant… et réduire son chiffre d’affaires
Prenons volontairement un exemple simplifié.
Une mission de transformation nécessite traditionnellement :
- 5 jours de recherche et d’analyse documentaire ;
- 5 jours d’analyse et de consolidation de données ;
- 5 jours de préparation des recommandations et supports ;
- 5 jours d’ateliers, d’arbitrages et d’accompagnement du client.
Total : 20 jours de prestation.
Imaginons désormais qu’une combinaison d’outils d’IA, d’automatisation et de capitalisation interne permette de réduire les trois premières phases de 15 à 6 jours.
La mission peut désormais être réalisée en 11 jours au lieu de 20.
Pour le client, le gain est évident : délai plus court, capacité d’analyse supérieure et décisions potentiellement plus rapides.
Pour un cabinet exclusivement rémunéré au temps passé, la situation est plus ambiguë.
À périmètre identique, son innovation lui permet de produire presque deux fois plus rapidement… mais réduit mécaniquement le nombre de jours qu’il peut facturer.
C’est probablement l’une des contradictions économiques majeures auxquelles les sociétés de conseil devront répondre dans les prochaines années.
Gartner estime déjà que les modèles traditionnels de tarification peuvent devenir un frein à la captation de la valeur créée par les services augmentés par l’IA et observe un déplacement progressif de la tarification du travail vers la valeur et les résultats.
La vraie question devient alors :
un consultant qui résout un problème deux fois plus rapidement crée-t-il deux fois moins de valeur ?
Évidemment, pas nécessairement.
Du temps passé au résultat obtenu
Le modèle historique du conseil valorise essentiellement un input :
Combien de personnes et combien de jours faut-il mobiliser ?
L’IA pourrait pousser progressivement le marché vers une logique davantage centrée sur les outputs et surtout les résultats :
Quel problème allons-nous résoudre et quel résultat pouvons-nous obtenir ?
Cette transformation commence déjà à être assumée par les plus grands acteurs du secteur.
Bob Sternfels, dirigeant de McKinsey, expliquait début 2026 dans la Harvard Business Review que son cabinet évoluait d’un modèle historiquement centré sur le conseil et la facturation de services vers une approche davantage fondée sur les résultats, avec la définition d’un business case conjoint et un partage plus important de la responsabilité sur les résultats obtenus.
Il ne s’agit pas simplement d’une évolution tarifaire.
Il s’agit d’une nouvelle définition de ce que le client achète.
Hier
Le client pouvait acheter 10 consultants × 80 jours.
Demain
Il pourrait davantage acheter :
- une migration réalisée avant une date déterminée ;
- une diminution du nombre d’incidents ;
- une amélioration mesurable de la disponibilité d’un SI ;
- une réduction du temps de traitement d’un processus ;
- une automatisation d’une activité ;
- une amélioration de la qualité de données ;
- une capacité opérationnelle transférée aux équipes internes.
Le consultant n’est alors plus rémunéré uniquement pour être présent et produire.
Il l’est davantage pour résoudre.
Le TJM va-t-il réellement disparaître ?
Probablement pas.
Annoncer la disparition pure et simple du TJM serait trop simpliste.
Certaines missions se prêtent très bien à une facturation liée au résultat. D’autres beaucoup moins.
Prenons un programme de transformation SI complexe.
Un cabinet pourrait théoriquement s’engager sur une réduction de 30 % des incidents ou sur un respect strict du calendrier.
Mais le résultat dépend également :
- des décisions prises par le client ;
- de la disponibilité de ses équipes ;
- de la qualité de son système existant ;
- de ses fournisseurs ;
- de contraintes réglementaires ;
- de modifications du périmètre ;
- ou encore d’événements impossibles à maîtriser par le cabinet.
Un résultat n’est pas toujours directement attribuable à un prestataire.
C’est pourquoi la transformation du secteur pourrait plutôt conduire à la coexistence de plusieurs modèles.
| Modèle | Ce que le client achète | Exemple |
|---|---|---|
| TJM / régie | Temps et expertise | Un PMO senior intégré à un programme pendant six mois |
| Forfait | Périmètre et livrables | Audit SI et roadmap de transformation |
| Managed service | Capacité continue | Pilotage ou supervision d’une activité |
| Outcome-based | Résultat mesurable | Réduction d’un délai ou d’un niveau d’incidents |
| Hybride | Expertise + performance | Forfait fixe complété par une part variable liée à des KPI |
Le modèle hybride pourrait notamment devenir intéressant pour les environnements complexes.
Une partie de la rémunération garantit les moyens, l’expertise et l’exécution du projet.
Une autre dépend d’indicateurs convenus avec le client.
Cela permet d’aligner davantage les intérêts sans transférer artificiellement tous les risques vers le cabinet.
L’IA transforme également la pyramide traditionnelle du conseil
Le deuxième bouleversement concerne l’organisation même des cabinets.
Le conseil repose historiquement sur une structure pyramidale :
Partners → Managers → Consultants → Juniors.
Cette organisation fonctionne notamment parce qu’une partie importante de la production peut être confiée à des profils juniors : recherche, collecte d’informations, benchmark, analyses, présentations ou documentation.
Or ce sont précisément certaines des tâches sur lesquelles l’IA progresse le plus rapidement.
Harvard Business Review décrit ainsi l’émergence possible d’un modèle de cabinet plus resserré, parfois présenté comme un « obélisque » plutôt qu’une pyramide, avec moins de couches organisationnelles et davantage de profils capables de combiner expertise métier, relation client et maîtrise des outils d’IA.
Cela fait apparaître une nouvelle question stratégique :
Si l’IA réalise une partie du travail des juniors, comment former les seniors de demain ?
Car les tâches aujourd’hui automatisables ont également une fonction d’apprentissage.
Faire un benchmark, analyser des données, construire des modèles ou rédiger des synthèses permet progressivement au consultant de comprendre les métiers, développer son esprit critique et reconnaître les situations atypiques.
Supprimer ces étapes sans repenser la formation pourrait créer un problème à moyen terme :
des professionnels capables d’utiliser des outils extrêmement puissants, mais disposant de moins d’expérience pour juger leurs résultats.
C’est pourquoi l’enjeu ne sera probablement pas seulement de former des consultants à « utiliser l’IA ».
Il faudra surtout développer plus rapidement leurs capacités à :
- cadrer un problème ;
- formuler les bonnes hypothèses ;
- challenger une réponse ;
- comprendre les contraintes métier ;
- arbitrer ;
- communiquer avec un décideur ;
- assumer une recommandation.
La valeur se déplace de la production d’information vers la capacité de jugement.
Et cette dernière reste beaucoup plus difficile à automatiser.
L’information devient abondante, le jugement devient rare
C’est sans doute l’évolution la plus importante.
Pendant longtemps, une partie de la valeur du conseil provenait de sa capacité à réunir rapidement :
- des données ;
- des benchmarks ;
- des méthodes ;
- des experts ;
- des analyses difficiles d’accès.
L’IA réduit progressivement le coût d’accès à une partie de cette information.
Produire un benchmark préliminaire, analyser plusieurs centaines de documents ou explorer différents scénarios devient beaucoup plus accessible.
Mais disposer de davantage d’informations ne signifie pas nécessairement prendre de meilleures décisions.
Au contraire, lorsque les possibilités deviennent infinies, la capacité à sélectionner, hiérarchiser et arbitrer devient encore plus importante.
C’est ici que la proposition de valeur du conseil peut évoluer.
Demain, un client paiera peut-être moins volontiers plusieurs journées uniquement pour obtenir une analyse qu’une IA peut produire rapidement.
Mais il continuera à rechercher une expertise capable de répondre à des questions telles que :
Quelle hypothèse est réellement crédible ?
Quel risque sommes-nous prêts à accepter ?
Quelle décision devons-nous prendre maintenant ?
Comment transformer cette recommandation en réalité opérationnelle ?
Comment embarquer les équipes autour de cette transformation ?
L’IA peut augmenter considérablement la capacité d’analyse.
Elle ne supprime pas la nécessité de prendre des responsabilités.
Du consultant « producteur » au consultant « orchestrateur »
Cette évolution pourrait progressivement modifier le rôle du consultant lui-même.
Sa valeur reposera moins sur sa seule capacité à produire des livrables et davantage sur sa capacité à orchestrer plusieurs dimensions :
Expertise métier + IA + données + méthode + parties prenantes + exécution.
Prenons l’exemple d’un programme de transformation d’un système d’information.
L’IA peut potentiellement accélérer :
- l’analyse documentaire ;
- la qualification d’incidents ;
- certains tests ;
- la rédaction de comptes rendus ;
- la génération de tableaux de bord ;
- la consolidation des risques.
Mais elle ne remplace pas automatiquement :
- l’arbitrage entre deux directions ;
- la compréhension des contraintes politiques d’une organisation ;
- une négociation avec un fournisseur ;
- la décision de reporter une migration ;
- l’identification d’un risque insuffisamment documenté ;
- l’accompagnement du changement.
Le consultant devient donc moins un producteur d’informations qu’un orchestrateur de décisions et d’exécution.
Un autre paradoxe : l’IA pourrait créer davantage de conseil, pas moins
On peut ici rapprocher cette évolution d’un concept économique plus ancien : le paradoxe de Jevons.
Au XIXᵉ siècle, l’économiste William Stanley Jevons observe que l’amélioration de l’efficacité d’utilisation du charbon ne provoque pas nécessairement une baisse de sa consommation. Parce qu’il devient plus rentable à utiliser, de nouveaux usages apparaissent et la consommation totale peut finalement augmenter.
Appliqué au conseil, le raisonnement mérite d’être posé.
Supposons que l’IA divise par cinq le coût d’analyse d’un scénario stratégique.
Une entreprise peut choisir d’en profiter pour dépenser cinq fois moins.
Mais elle peut également choisir de tester :
- cinq stratégies différentes ;
- dix scénarios de migration ;
- davantage de marchés ;
- davantage de risques ;
- davantage de configurations organisationnelles.
L’IA pourrait donc réduire le coût unitaire du conseil tout en augmentant la quantité de décisions pouvant bénéficier du conseil.
Cela remet en question une équation souvent entendue :
IA = moins de consultants.
Une autre trajectoire est possible :
IA = davantage de problèmes économiquement accessibles au conseil.
La question devient alors moins celle du volume de travail que celle de la capacité des cabinets à se repositionner sur les nouveaux usages créés par cette baisse du coût de l’analyse.
Vers une nouvelle équation de la valeur du conseil
Le modèle historique pourrait être résumé ainsi :
Valeur ≈ expertise × temps
Mais dans un environnement où une partie importante de la production peut être augmentée par la technologie, cette équation devient moins pertinente.
Une nouvelle logique pourrait émerger :
Valeur = expertise × technologie × exécution × impact
L’intelligence artificielle devient alors un multiplicateur.
Deux cabinets disposant d’expertises équivalentes peuvent obtenir des performances très différentes selon leur capacité à :
- capitaliser sur leurs connaissances ;
- exploiter leurs données ;
- automatiser les bonnes tâches ;
- industrialiser certaines méthodes ;
- sécuriser l’utilisation de l’IA ;
- intégrer ces outils dans les processus clients.
Le débat ne portera donc bientôt plus uniquement sur :
« Utilisez-vous l’intelligence artificielle ? »
Mais sur :
« Quelle valeur supplémentaire votre organisation est-elle capable de produire grâce à elle ? »
Le constat est d’autant plus important que les entreprises commencent déjà à attendre cette transformation de leurs prestataires. Dans l’étude 2025 de Thomson Reuters, 57 % des clients interrogés souhaitaient que leurs prestataires externes utilisent l’IA générative, alors même qu’une grande partie d’entre eux ignorait encore si elle était réellement utilisée.
Mesurer l’IA autrement que par le nombre d’heures économisées
Une autre erreur serait de réduire la valeur de l’IA au temps économisé.
« Nous avons gagné 200 heures grâce à l’IA » constitue un indicateur intéressant, mais incomplet.
Le véritable ROI peut aussi se mesurer par :
- la réduction des délais ;
- l’amélioration de la qualité ;
- la diminution du nombre d’erreurs ;
- une meilleure satisfaction client ;
- une accélération du time-to-market ;
- une augmentation du chiffre d’affaires ;
- une meilleure capacité de décision.
Les travaux de Thomson Reuters montrent d’ailleurs que les organisations disposant d’une stratégie IA formalisée et reliée à leurs objectifs métier mesurent davantage de retombées économiques que celles procédant par initiatives isolées. Les organisations dotées d’une stratégie structurée étaient notamment 1,9 fois plus susceptibles de constater une croissance de revenus liée à l’IA.
L’enjeu n’est donc pas uniquement :
Combien d’heures l’IA nous fait-elle économiser ?
Mais :
Qu’est-ce que ces heures économisées nous permettent désormais d’accomplir ?
Le véritable enjeu pour les cabinets de conseil
Le risque principal n’est peut-être finalement pas que l’intelligence artificielle remplace les consultants.
Il est que les cabinets continuent à vendre exactement la même chose alors que la technologie transforme profondément la manière dont cette valeur est produite.
Les organisations capables de faire évoluer simultanément :
leurs méthodes,
leurs compétences,
leurs outils,
leur organisation
et leurs modèles économiques
pourraient disposer d’un avantage important.
L’IA ne signifie donc pas nécessairement la fin du conseil.
Elle oblige plutôt le secteur à répondre à une question qu’il pouvait jusqu’ici éviter :
Qu’est-ce qu’un client paie réellement lorsqu’il achète du conseil ?
- Du temps ?
- Une expertise ?
- Un livrable ?
- Une prise de décision ?
- Une réduction du risque ?
- Ou un résultat ?
Pendant longtemps, le jour-homme a constitué une unité suffisamment simple pour répondre indirectement à cette question.
L’intelligence artificielle pourrait obliger le secteur à y répondre beaucoup plus précisément.
Et c’est peut-être là que se situe la véritable transformation.
FAQ
L’intelligence artificielle va-t-elle remplacer les consultants ?
L’IA devrait davantage transformer les tâches réalisées par les consultants que supprimer entièrement leur rôle. Les activités de recherche, synthèse, documentation et certaines analyses sont particulièrement automatisables. Les compétences liées au cadrage, au jugement, à la relation client, à la conduite du changement et à l’exécution restent centrales.
L’IA va-t-elle faire disparaître le TJM dans le conseil ?
Le TJM devrait continuer à exister, notamment pour les missions où le périmètre ou le résultat sont difficiles à déterminer à l’avance. En revanche, l’IA devrait accélérer le développement de modèles au forfait, à la performance ou hybrides lorsque les résultats peuvent être objectivement mesurés.
Qu’est-ce que l’outcome-based pricing ?
L’outcome-based pricing consiste à relier tout ou partie de la rémunération d’un prestataire aux résultats obtenus plutôt qu’uniquement au nombre de jours ou d’heures travaillés. Cela nécessite généralement des indicateurs, une situation initiale et des responsabilités clairement définies.
Pourquoi l’IA remet-elle en question le jour-homme ?
Parce que l’IA permet d’effectuer certaines tâches beaucoup plus rapidement. Dans un modèle strictement fondé sur le temps passé, un gain de productivité peut donc réduire la facturation alors même que la prestation délivrée devient plus performante.
Quelles compétences deviendront essentielles pour les consultants ?
La maîtrise des outils d’IA sera importante, mais elle ne suffira pas. Le cadrage des problèmes, la compréhension métier, l’esprit critique, l’interprétation des résultats, la gestion des parties prenantes, la prise de décision et la conduite du changement devraient prendre encore davantage de valeur.
Quel sera le rôle des cabinets de conseil à l’ère de l’IA ?
Leur rôle pourrait progressivement évoluer de la production d’analyses et de livrables vers l’orchestration de transformations : combiner expertise humaine, intelligence artificielle, données et capacité d’exécution afin d’obtenir des résultats mesurables pour leurs clients.
Sources
