À la fin de l’épisode précédent, j’avais laissé une question ouverte :
Peut-on rendre le travail de création soutenable ?
Depuis trois mois, je tente d’y répondre en construisant un Production OS avec une IA. J’appelle ainsi un système qui permettrait à une seule personne de porter un projet de création, de la conception à la production.
Je ne cherche pas à vérifier une théorie, ni à confirmer les promesses de l’intelligence artificielle. Je veux simplement savoir, par l’expérience, jusqu’où une telle organisation peut tenir.
Au départ, je regardais surtout les capacités de l’IA. Je voulais savoir ce qu’elle pouvait faire à ma place. Trois mois plus tard, je me rends compte que la vraie question était ailleurs. Elle ne concerne pas les performances de la machine, mais la place de chacun dans le travail.
Quelles tâches peuvent être confiées à l’IA ? Lesquelles doivent rester humaines ? C’est autour de cette frontière que le système a commencé à prendre forme.
Préparer un dossier, structurer un budget, analyser un appel à projets, rechercher des informations, organiser des idées ou élaborer une première trame : autant de tâches qui peuvent être structurées. Et elles gagnent souvent à l’être.
En revanche, rencontrer un partenaire financier, construire une relation de confiance, écouter ce qui se joue sur le terrain, faire évoluer un projet au contact des personnes… rien de cela ne s’automatise.
Les professionnels du mécénat le rappellent souvent : un soutien n’est pas une transaction, c’est une relation.
De cette expérience est née une répartition du travail très simple. Le terrain, c’est moi. La mise en données, c’est l’IA. Avec une conséquence immédiate : une information trouvée en ligne reste une donnée morte tant qu’elle n’a pas été confrontée au réel. Le prochain épisode sera consacré à cette organisation concrète. Mais avant cela, une autre découverte s’est imposée.
Je pensais qu’une fois le système en place, il suffirait de le laisser fonctionner. Ce n’est pas ce qui s’est produit. Au contraire.
Sur des échanges courts, l’IA est précise. Mais lorsque les projets se multiplient et que les conversations s’allongent, quelque chose change. Elle finit par accorder davantage de crédit au fil des échanges qu’à l’état réel des projets. Elle rouvre un dossier déjà classé, oublie une méthode pourtant décidée ensemble ou croit devoir recréer un document qui existe déjà. J’ai d’abord pris cela pour des erreurs ponctuelles. Puis j’ai compris qu’il s’agissait d’un comportement récurrent.
C’est à ce moment-là que le principe du Human-in-the-loop a pris tout son sens. Au début, j’y voyais une forme de contrôle : vérifier ce que faisait l’IA. Aujourd’hui, je le comprends autrement. Ce n’est pas un dispositif de surveillance.
C’est une manière d’organiser la coopération. L’humain vérifie ce que l’IA laisse échapper ; l’IA révèle les angles morts de l’humain. Chacun rend l’autre plus fiable.
Une autre idée s’est effondrée au passage. Je croyais que ces vérifications deviendraient moins fréquentes à mesure que nous apprendrions à travailler ensemble. C’est l’inverse qui s’est produit. Plus les projets s’accumulent, plus cette vigilance devient nécessaire. Non parce que l’IA serait moins performante, mais parce qu’un système complexe demande davantage d’attention qu’un système simple.
On présente souvent l’IA comme un outil de productivité. C’est sans doute vrai.
Pourtant, ce n’est pas ce que ces trois mois m’ont le plus appris. Ce qu’ils ont rendu visible est d’un autre ordre. L’IA ne remplace pas l’humain. Elle éclaire ce qui, dans le travail, ne peut justement pas lui être délégué.
Construire un système de création soutenable ne consiste donc pas à chercher une IA toujours plus performante. Il s’agit d’apprendre à organiser une collaboration où chacun connaît son rôle et ses limites.
C’est le premier principe que j’ai découvert en construisant ce Production OS.
Image : Yoo · photographie · 2026