Ce que les 25 000 agents d’IA de McKinsey disent de ton futur job

McKinsey vient de faire quelque chose que tu ne peux pas ignorer si tu travailles dans le conseil, l’IT ou la transformation. Bob Sternfels explique que la firme “se remodèle rapidement autour de l’intelligence artificielle” et qu’elle compte désormais 60 000 “employés” : 40 000 humains et environ 25 000 agents d’IA, avec l’ambition qu’à horizon dix-huit mois, chaque collaborateur soit épaulé par au moins un agent. Ces agents sont bien plus que de simples gadgets conversationnels, mais des assistants capables de décomposer un problème, de bâtir un plan et de commencer à agir sans attendre la prochaine réunion de cadrage.

​Imagine la scène très concrètement. Tu arrives chez un client avec ton équipe, quelques profils seniors, quelques profils plus juniors, des outils plus ou moins rodés. En face, une équipe McKinsey qui ressemble à la tienne, à un détail près : derrière chaque consultant, il y a un ou plusieurs agents qui ont déjà digéré des montagnes de données internes et externes, proposé des scénarios alternatifs, simulé des impacts financiers et esquissé des plans de déploiement avant même le début de la réunion. En dix-huit mois, McKinsey est passé de “quelques milliers” d’agents à environ 25 000, intégrés dans son quotidien, avec un objectif très explicite : faire en sorte que chaque humain soit “enabled” par au moins un agent, c’est-à-dire accompagné en permanence d’un copilote qui travaille pendant qu’il dort, qu’il est dans le train ou qu’il discute avec le client. À partir du moment où ton concurrent raisonne en “humains + flotte d’agents autonomes” et que toi tu raisonne encore en “ETP humains par projet”, le différentiel de productivité cesse d’être théorique et devient structurel.

​Ce que je trouve encore plus intéressant, c’est que ce basculement technologique s’accompagne d’un glissement silencieux du modèle économique. McKinsey ne se contente pas d’optimiser la production de slides et de livrables : la firme commence à s’éloigner de son modèle historique d’advisory facturé au temps passé pour se rapprocher d’une logique où elle co-construit avec ses clients des business cases, puis contribue à “underwriter” les résultats attendus. En langage simple, on passe de “je te vends un rapport et un plan d’action” à une forme de contrat de performance : on s’accorde sur la valeur à créer, sur le timing des vagues de valeur, sur les charges complètes à mettre en face – amortissements, coûts de run, masse salariale – et sur les conditions de réussite, puis on partage le risque sur l’atteinte réelle des outcomes. Dans ce cadre, les agents ne sont plus un gadget LLM à la mode, mais un moyen d’exécution au service du tROI : ils réduisent les délais d’analyse, accélèrent la conception et l’ajustement des plans, fiabilisent les métriques de suivi et donnent enfin suffisamment de densité factuelle pour parler le langage de l’EBITDA, du payback, de la NPV et du coût du retard avec un CEO ou un CFO.

​ Au cœur de cette transformation se trouve QuantumBlack, une entité de 1 700 personnes qui pilote l’ensemble des initiatives IA de McKinsey;  initiatives qui représentent déjà environ 40 % du travail de la firme.  Dit autrement, presque la moitié du business McKinsey est directement structurée autour de l’IA, des données et des agents, un véritable moteur de performance. Quand je parle de Directoire de Performance, c’est exactement ce type de fonction que j’ai en tête : un centre de gravité qui relie les données, les opérations, la finance et les métiers dans un même flux, qui arbitre les investissements sur la base d’un tROI transversal, du coût du retard et de la NPV plutôt que sur le ressenti ou la politique interne, et qui mesure la performance à travers plusieurs boucles : chronométrage (lead time, WIP), validation financière (EBITDA, payback, autofinancement des vagues), métriques business (qualité, rétention, conversion) et perception (NPS interne, indice de confiance, ressenti des collaborateurs). La différence, c’est que McKinsey joue ce rôle chez ses clients et pour lui-même, alors que, dans beaucoup d’entreprises, ce rôle n’existe tout simplement pas encore en interne.

​Cette mutation change aussi profondément le visage du consultant… et, par extension, celui du DSI. Alex Singla, senior partner de McKinsey & Company et le leader mondial de QuantumBlack, AI by McKinsey,résume le mouvement en une phrase : McKinsey cherche des personnes qui ont la capacité d’être à la fois d’excellents consultants et d’excellents technologues, puis les forme pour qu’ils deviennent réellement les deux. Sur une piste d’escrime, le bon tireur n’est ni un pur technicien obsédé par le geste, ni un pur stratège coupé du terrain : il doit lire son adversaire, sentir le rythme, choisir le bon moment, tout en gardant une base technique solide. Ici, c’est la même chose : le profil qui fera la différence est celui qui comprend le métier et le P&L, sait formuler un problème de façon exploitable par des agents, est capable de challenger les résultats des modèles en comprenant la qualité et les limites des données. En plus, il orchestre une micro-unit de performance autour de lui : quelques humains, quelques agents, des cas d’usage bien choisis, un tROI clair et assumé. C’est exactement ce que j’appelle le collaborateur augmenté : on ne te demande plus de tout faire à la main, on te demande de savoir diriger un petit écosystème humain-machines au service de la performance.

​Pour une Direction de la Performance – ou une DSI qui veut le devenir – cette évolution appelle trois mouvements très concrets. Le premier consiste à changer de type de roadmap : il s’agit de sortir de la traditionnelle roadmap projet IT, longue liste d’initiatives avec des jalons et des diagrammes de Gantt que plus personne ne lit vraiment, pour construire une roadmap de performance qui commence par la promesse business : “voici ce que je vais te faire gagner dans ton P&L sur trois ans, trimestre par trimestre, en vagues d’EBITDA”, puis d’y accrocher seulement ensuite les projets, les investissements IA, les agents et les équipes comme des moyens au service de ce flux de valeur. Le deuxième mouvement est de changer de métriques en adoptant une logique de boucles d’orchestration : le temps (lead time, WIP, coût du retard), la finance (EBITDA, NPV, capacité d’autofinancement), les résultats opérationnels (qualité, rétention, conversion) et enfin la perception (NPS interne, niveau de confiance des équipes). Dans cette grille, l’IA et les agents sont des leviers que l’on positionne là où ils améliorent ces dimensions de manière tangible.

​Le troisième mouvement, peut-être le plus difficile politiquement, consiste à changer de contrat avec le reste de l’organisation. Tant que tu te présentes comme un centre de coûts, tu seras traité comme tel. Il faut basculer vers une posture de contrat de performance : “voici la valeur que la Direction de la Performance va créer, sur quel timing, avec quels niveaux de charges complètes – amortissements, run, masse salariale – et dans quelles conditions de succès”, en intégrant explicitement la contribution des agents et des équipes humaines. Mécaniquement, les discussions budgétaires n’ont plus du tout la même saveur quand tu arrives avec ce type de proposition sur la table.

​On peut toujours lire l’annonce de McKinsey comme un joli storytelling sur l’IA, un peu plus spectaculaire que les autres parce qu’il y a un gros chiffre – 25 000 agents – dans le titre. Mais si tu prends un pas de recul, tu vois autre chose : un acteur dominant de ton secteur est en train de modifier simultanément sa structure de coûts (en introduisant massivement des agents qui prennent une part croissante du travail de back-office), son modèle de revenus (en passant du conseil classique au co-engagement sur des outcomes via des business cases partagés) et son modèle d’organisation (avec un “QuantumBlack” qui pilote déjà environ 40 % du travail autour de l’IA). Quand quelqu’un qui joue à ce niveau déplace ces trois curseurs en même temps, il ne “surfe” pas sur un buzzword : il redéfinit les règles du jeu.

​La vraie question, du coup, n’est pas de savoir si l’IA va “prendre des jobs de consultants” ou “remplacer des DSI”. La vraie question, c’est : qui, dans ton entreprise, va prendre le rôle que McKinsey est en train de prendre chez ses clients ? Qui va se proposer comme architecte d’un directoire de performance augmenté, capable d’orchestrer humains, agents, données et partenaires autour d’un contrat de performance clair et assumé ? 

Quand un acteur dominant modifie en même temps sa structure de coûts, son modèle de revenus et son organisation, il dessine une norme. Une norme où le cœur de la performance est hybride, orchestré, et assumé. Pour un DSI qui vise ce rôle, la vraie question n’est plus “faut-il faire de l’IA”. C’est : comment prendre en interne la place que McKinsey est en train de prendre en externe.