L'IA ne remplacera pas votre équipe. Ni votre management.

Cette semaine, trois CEOs et deux partners de fonds m’ont posé la même question : comment scaler avec l’IA ?

J’ai répondu la même chose à chaque fois. Et j’ai déçu à chaque fois.

Parce que ce n’est pas la bonne question.

Main de chef d’orchestre au-dessus de lignes convergentes, une touche de teal

L’IA réduit le coût d’exécution. Pas le coût de la confusion.

Depuis dix-huit mois, c’est la même musique dans toutes les boards et tous les comex où je passe : il faut s’IA-ifier, il faut des agents, il faut Claude Code, Cursor, n8n. Comme si la prochaine release d’un outil allait régler dix années de pilotage approximatif.

Elle ne réglera rien.

L’IA réduit le coût d’exécution. Elle ne réduit pas le coût de la confusion stratégique. Et ce n’est presque jamais l’exécution qui tue les scale-ups. C’est ce qu’il y a au-dessus.

N’importe quel humain compétent — n’importe quel agent IA correctement déployé — peut délivrer dans un système opérationnel propre : direction nette, KPIs honnêtes, boucles de feedback assez courtes pour rattraper les écarts avant qu’ils ne deviennent des fractures. Si le cadre tient, l’exécution suit. Toujours.

Là où ça casse, ce n’est presque jamais sur le terrain. C’est en amont. Quand le business modèle ne tient pas le plan vendu à la levée. Quand les KPIs poussent dans un sens et la stratégie dans un autre. Quand le monitoring détecte la dérive avec trois trimestres de retard. Là, aucun stack IA ne sauve la boîte. L’IA va simplement industrialiser le problème — plus vite, à plus grande échelle, avec de plus beaux dashboards.

Un multiplicateur ne transforme pas le chaos en excellence. Il l’accélère.

Sortlist : ce que j’ai compris six mois trop tard

Sortlist, c’était de 4 à 100 personnes en quelques années, 9 pays, €10M d’ARR, trois M&A. Sur le papier, une histoire de marketplace, de SEO, d’algorithmes de matching. Dans la réalité, l’histoire d’un système opérationnel qui s’est mis à craquer dès qu’on a accéléré.

Les outils, on les a tous essayés. CRM différents, BI différentes, méthodologies de vente différentes. Tout marchait à peu près tant que le système global tenait. Tout cassait dès qu’il se déréglait — peu importe la qualité des outils, peu importe la qualité des gens.

Le moment le plus dur de ma carrière n’a pas été le plan de licenciement après la Series B. Ça, c’est lourd, mais c’est une décision opérationnelle, on la prend, on l’assume. Le moment le plus dur, ça a été de comprendre, six mois trop tard, où était la cause racine.

On avait des problèmes people visibles. L’appât du gain post-levée avait attiré des mercenaires : des CV brillants, venus pour le ride et l’equity, pas pour le projet. Le middle management était jeune, mal armé pour scaler une organisation qui avait doublé en douze mois. Tout ça était vrai.

Mais ce n’était pas la cause racine. Le vrai sujet, c’était le pricing. On était sur un modèle Pizza Buffet — un abonnement à prix fixe, des clients qui consommaient à des intensités complètement différentes, et une équation économique qui ne suivait plus la courbe de croissance qu’on avait vendue. Le passage d’un modèle Pizza Buffet à un modèle Paid to Value aurait dû précéder la Series B, pas la suivre. J’ai raconté la découverte du problème dans cet article, et le repricing forcé qui a fini par sauver la boîte là.

Une fois cette équation cassée, le système entier devenait incontrôlable. Les KPIs commerciaux poussaient à signer plus vite et plus large — exactement ce qu’il ne fallait pas faire. Le monitoring détectait les dérives trop tard parce que la métrique pivot — la valeur réellement délivrée par client — n’était pas mesurée. Dans ce cadre, n’importe quelle équipe aurait dérapé. Junior ou senior. Brillante ou moyenne. Motivée ou mercenaire. Pas parce que les gens étaient mauvais. Parce que le terrain de jeu ne tenait plus debout.

C’est la leçon que je n’avais pas digérée à l’époque, et que je ressers à chaque CEO de scale-up qui m’écoute aujourd’hui : on ne scale pas une boîte. On scale ce qu’elle est déjà. Si l’équation est saine, on scale sain. Si elle est fausse, on scale l’erreur. Plus on met de carburant — cash, talents, IA — plus la dérive devient irrattrapable.

Un multiplicateur ne corrige rien

Le contexte 2026 est clair. Les agents IA travaillent désormais en parallèle des humains sur des process entiers. La productivité par tête bouge structurellement. J’ai des clients où un dev senior tourne avec quatre agents Claude Code en parallèle et livre dix fois plus qu’il y a deux ans. Ce n’est pas du marketing. C’est du log Git.

Mais voilà le piège : un multiplicateur multiplie ce qu’il y a déjà. Pas zéro. Pas du bruit. Pas une équation business cassée.

Sur une boîte alignée — purpose clair, KPIs propres, North Star partagée, équipe qui sait pourquoi elle se lève — l’IA fait du x10. Parfois du x100. C’est massif et probablement durable. Sur une boîte sans purpose, sans alignement, sans système — l’IA fait aussi du x10. Mais sur la dérive. Sur le burn. Sur la confusion. Vous obtenez exactement le même déclin, simplement accéléré, avec un dashboard qui flatte le board jusqu’à la fin du runway.

L’IA ne décide pas pourquoi votre boîte doit exister. Anthropic n’a pas externalisé sa mission de sécurité à un LLM ; ce sont Dario et Daniela Amodei qui l’ont posée, qui se sont battus pour la structure légale qui la protège — Public Benefit Corporation avec un Long-Term Benefit Trust — et qui licencient ceux qui la trahissent. Comparez ça à OpenAI, dont la mission a été modifiée six fois en neuf ans, le mot safely finalement retiré au moment du repositionnement for-profit. Vous pouvez préférer l’une ou l’autre — peu importe. Le point est ailleurs : un purpose se révèle dans la structure légale, dans la roadmap, dans qui on garde et qui on remercie. Pas dans la home page.

L’IA ne définira pas non plus les valeurs qui vous feront refuser un client toxique le mois où vous avez besoin de cash. Elle ne ressentira pas l’urgence de protéger une équipe quand un actionnaire pousse pour une coupe brutale. Elle ne portera pas la responsabilité existentielle d’un projet qu’on défend pendant cinq ans. Elle exécute. Dans un cadre qu’un humain a posé.

Et surtout, l’IA ne crée pas le mindset — cette texture indéfinissable qui fait qu’une équipe va à l’extra mile au lieu de cocher des cases. Le mindset ne sort pas d’un prompt. Il sort d’un management qui a transmis une direction, recruté les bonnes personnes, viré les autres au bon moment, et tenu la ligne quand c’était dur.

Le système qui rend une boîte scalable, en trois étages

Si je devais résumer en un schéma ce qui sépare une boîte qui scale d’une boîte qui scale ses erreurs, ça tient en trois étages — et l’ordre compte.

Un — Le purpose. Pas le slogan. La réponse honnête à : si on disparaît demain, qui s’en plaint sincèrement, et pourquoi ? L’exemple canonique reste Apple — challenge the status quo. Pas inventé en 2002 pour habiller “Think Different”. Déjà là dans les choix produit, dans le refus du compromis sur le design, dans la façon dont Jobs recrutait. La campagne a juste rendu visible ce qui existait déjà dans l’ADN. Si la réponse à la question, c’est “nos investisseurs perdraient de l’argent”, vous n’avez pas de purpose. Vous avez un cap-table.

Deux — La traduction en cap. Le purpose se traduit en un chiffre que tout le monde, du CEO au stagiaire, lit pareil. C’est la North Star — concept formalisé par Sean Ellis, l’inventeur du growth hacking. L’illustration la plus pédagogique reste Airbnb : leur North Star, c’est nights booked. Pas le GMV. Pas le nombre d’utilisateurs. Une nuit réservée, c’est un hôte qui a publié une annonce de qualité, un voyageur qui a fait confiance à un inconnu, un échange qui s’est concrétisé. Toute la marketplace tient dans ce chiffre. Test cruel : si dix personnes de votre boîte donnent neuf North Star différentes, vous n’avez pas un problème de stratégie. Vous avez un problème de leadership.

Trois — La discipline d’exécution. Au quotidien, l’OKR reste le framework le plus solide pour aligner verticalement une organisation. Inventé par Andy Grove chez Intel, importé chez Google par John Doerr en 1999 quand la boîte avait 40 personnes, toujours en place vingt-cinq ans plus tard. Le nom du framework importe peu. Ce qui compte, c’est la discipline qu’il exige — et que la plupart des comex n’ont pas : la capacité de dire non à 80% des bonnes idées du trimestre, et le courage de noter ses Key Results honnêtement à la fin (zone rouge à 70%, pas à 30%).

Quand les trois étages tiennent, voilà ce qui se passe : un commercial junior à Madrid sait pourquoi son deal de cette semaine compte pour la roadmap produit du Q3. Un ingénieur backend à Bruxelles sait quel KR business son sprint sert. Tout le monde rame dans le même vecteur, parce que tout le monde voit le même cap.

Ce n’est pas un kick-off avec une boîte de croissants. C’est un système.

Échelle en trois niveaux avec l’étage central en teal

Ce que les fonds de PE manquent

À tous les partners de PE qui me lisent : votre due diligence est biaisée. Et le coût de ce biais est en train d’augmenter.

Vous passez 80% de votre temps de DD sur le marché, l’unit economics, le cap-table, la concurrence. Vous passez 20% sur l’équipe — et souvent ce 20% se résume à un check des CV du comex et un dîner avec le CEO. Dans la quasi-totalité des deals que j’ai vu mal tourner — y compris certains des miens — la cause racine était structurelle : un business modèle qui ne tenait pas, une unit economics fragile, des hypothèses de marché trop optimistes. Mais ce qui a transformé un problème détectable en désastre, c’est l’équipe en place : sa capacité — ou son incapacité — à voir le problème à temps, à le nommer, à le corriger avant qu’il ne devienne irrattrapable.

C’est là que se joue le delta entre une boîte qui pivote et une boîte qui s’effondre. Et l’IA va creuser ce delta, pas le combler.

Trois tests qu’on intègre de plus en plus dans les missions de fractional advisory que je fais avec des fonds belges et français. Aucun ne demande plus d’une journée. Tous valent plus qu’un mois de modélisation financière.

Un — Audit du système, pas des CV. Demandez à voir les OKR du dernier trimestre. S’ils dorment dans un Notion dont personne ne se souvient, vous savez. Demandez à un manager middle quelle est la North Star. Si sa réponse diverge de celle du CEO, vous savez. Demandez quand le dernier mauvais performer a été géré. Si la réponse dépasse six mois, vous savez.

Deux — Capacité de recrutement au-dessus du niveau actuel. Une scale-up qui ne sait pas recruter au-dessus d’elle-même est une scale-up qui plafonne. Demandez les cinq derniers recrutements seniors. Combien sont restés dix-huit mois ? Combien étaient au niveau ? Qui a porté le recrutement personnellement — un cabinet, ou le CEO ? Une boîte saine a un CEO qui passe 25 à 30% de son temps en recrutement. Pas en sourcing — en évaluation, en closing, en onboarding.

Trois — Test de transmission. Asseyez-vous une heure avec trois managers middle, sans le CEO. Demandez-leur ce que la boîte essaie de faire dans cinq ans, et comment leur fonction y contribue. Trois réponses cohérentes, énergiques et différentes par l’angle : vous avez un asset. Trois réponses corporate qui pourraient s’appliquer à n’importe quelle boîte du portefeuille : vous achetez une coquille avec un beau deck.

Ajoutez à ça quelques signaux faibles qui ne mentent jamais. Comment le CEO parle de ses sorties d’équipe — avec dignité ou avec rancœur. Comment le board prépare ses meetings — la veille au soir ou le matin même. À quel niveau de l’organisation la mauvaise nouvelle remonte au CEO — directement, ou filtrée par trois couches. Le management se lit dans ces détails-là, pas dans le slide d’org chart.

Ce que je crois vraiment

La prochaine décennie ne sera pas gagnée par les boîtes qui ont le meilleur stack IA. Elle sera gagnée par celles qui auront construit un système opérationnel assez clair pour qu’humains et agents puissent y délivrer sans dérailler — et qui auront recruté les humains capables de faire évoluer ce système quand le marché change. Le reste, c’est de la technologie.

L’IA ne remplacera pas votre purpose. Elle ne remplacera pas la conviction qui fait refuser un mauvais client. Elle ne remplacera pas le manager qui annonce une mauvaise nouvelle à son équipe avec dignité. Elle ne remplacera pas l’arbitrage stratégique fait à 23h après une journée trop longue. Elle exécutera. Vite, fort, à grande échelle. Mais le cadre — direction, valeurs, alignement, discipline — reste à vous.

L’IA est un multiplicateur. Le levier reste le même qu’il y a vingt ans : un purpose qui tient debout, un cap lisible par tous, une discipline d’exécution réelle, et des humains qui ont choisi de se battre pour ça.

Recrutez mieux. Managez mieux. Alignez mieux.

Le reste, l’IA s’en charge.

Thibaut Vanderhofstadt est co-fondateur de Sortlist — leader européen de la mise en relation B2B, présent dans plus de 140 pays. Après douze ans en tant que CEO et deux opérations de M&A, il accompagne aujourd’hui des fondateurs SaaS, des scale-ups B2B et des fonds de private equity sur leurs enjeux de management, d’alignement et de unit economics via MetSaaS. Réserver un diagnostic →