AI-мания ломает корпоративные решения: стратегии на миллиарды пишут без ChatGPT

L'essai du consultant Nik Suresh, « AI Mania Is Eviscerating Global Decision-Making », sur la manière dont l'engouement pour l'intelligence artificielle détruit la prise de décision dans les grandes entreprises, est devenu viral sur Hacker News et est parvenu au développeur Simon Willison le 19 juillet 2026. La thèse centrale de Suresh : des stratégies d'IA à des milliards de dollars sont souvent rédigées par des dirigeants qui n'ont eux-mêmes jamais ouvert ChatGPT.

Une stratégie à 2 milliards de dollars sans ChatGPT

Nik Suresh, qui conseille de grandes entreprises, cite un cas extrême : un dirigeant a avoué n'avoir jamais utilisé ChatGPT ni aucun autre outil d'IA — juste après avoir publié une stratégie technique pour une organisation générant plus de 2 milliards de dollars de revenus, entièrement construite autour de l'IA. L'essai s'appuie sur des témoignages anonymes que des ingénieurs et des managers, au sein d'entreprises « surexcitées », confient à l'auteur.

«

Dans un cas extrême, un dirigeant a avoué n'avoir jamais utilisé ChatGPT ni aucun outil d'IA de toute sa vie — juste après avoir préparé une stratégie technique pour une organisation générant plus de 2 milliards de dollars de revenus, entièrement construite autour de l'intelligence artificielle. » — Nik Suresh, essai « AI Mania Is Eviscerating Global Decision-Making »

Principales histoires citées par Suresh :

• Une stratégie d'IA pour plus de 2 milliards de dollars de revenus, rédigée par une personne sans avoir formulé une seule requête à un modèle
• Des « classements par tokens » — des indicateurs qui incitent les employés à multiplier les requêtes à l'IA
• Des affirmations de clients sur des gains de productivité de « 100 fois » que personne n'ose contester
• Des ingénieurs qui font tourner l'IA sur des tâches sciemment absurdes, juste pour cocher une case

Pourquoi personne ne conteste le battage médiatique

Le silence tient à la peur de perdre un contrat, pas seulement au marketing. Suresh a demandé à un dirigeant sceptique d'un fournisseur pourquoi des promesses absurdes sont répétées sans opposition. La réponse ne portait pas sur le « bruit commercial » : les dirigeants côté client avaient eux-mêmes publiquement affirmé des gains de productivité de 100 fois.

«

Si quelqu'un du côté du fournisseur disait qu'un tel gain est invraisemblable, cela saperait l'autorité du dirigeant client, serait perçu comme une attaque — ou une hérésie — et pourrait entraîner la résiliation du contrat d'entreprise. » — extrait de l'essai de Nik Suresh

La logique est simple : faire capoter un contrat d'entreprise pour un différend qui n'affecte pas la mission de la société est un moyen rapide de se faire licencier. C'est pourquoi une évaluation honnête du retour sur investissement de l'IA devient défavorable à toutes les parties de l'accord en même temps — au fournisseur comme au client.

Ce qui se passe du côté des ingénieurs

La pression du battage médiatique se répercute vers le bas et se transforme en simulacre de travail. Un ingénieur a décrit comment, dans une entreprise dotée d'un « classement par tokens », il extrait une copie parallèle d'un dépôt Go fonctionnel et ordonne à l'IA de le réécrire entièrement dans le langage Zig — pendant qu'il s'occupe lui-même d'une autre tâche — simplement pour gonfler formellement l'indicateur et garder son poste.

Ce scénario est la conséquence directe d'indicateurs qui mesurent l'activité, et non le résultat. Lorsqu'un KPI est lié au nombre de tokens dépensés plutôt qu'à du code fonctionnel, les employés se mettent rationnellement à gaspiller des ressources pour rien : le système récompense le volume de requêtes au modèle, pas les bénéfices qu'elles apportent.

Ce que cela signifie

Le problème ne réside pas dans les modèles eux-mêmes, mais dans la manière dont les organisations prennent leurs décisions sous la pression d'une mode. Lorsqu'une stratégie à 2 milliards de dollars est rédigée sans expérience, que la critique est sanctionnée par la perte d'un contrat et que les indicateurs récompensent la dépense de tokens — l'entreprise finit par optimiser le battage médiatique, pas le résultat. L'essai de Suresh rappelle qu'une conversation adulte sur le retour réel de l'IA continue, pour l'instant, de perdre face à la peur de passer pour un sceptique.