La manie de l'IA sabote les décisions en entreprise : des stratégies à plusieurs milliards rédigées sans avoir ouvert ChatGPT

L'essai du consultant Nik Suresh, « AI Mania Is Eviscerating Global Decision-Making », consacré à la façon dont l'emballement autour de l'intelligence artificielle sabote la prise de décision dans les grandes entreprises, a circulé sur Hacker News avant d'arriver chez le développeur Simon Willison le 19 juillet 2026. La thèse centrale de Suresh : les stratégies IA à plusieurs milliards de dollars sont souvent rédigées par des dirigeants qui n'ont eux-mêmes jamais ouvert ChatGPT.

Une stratégie à 2 Md$ sans ChatGPT

Nik Suresh, qui conseille de grandes entreprises, cite un cas extrême : un dirigeant a reconnu n'avoir jamais utilisé, de toute sa vie, ni ChatGPT ni aucun autre outil d'IA. Il venait pourtant de publier la stratégie technique d'une organisation réalisant plus de 2 Md$ de chiffre d'affaires, entièrement bâtie autour de l'IA. L'essai repose sur des témoignages anonymes que des ingénieurs et des managers de sociétés « surexcitées » ont confiés à l'auteur.

«

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

Les principaux épisodes rapportés par Suresh :

• une stratégie IA pour une entreprise à plus de 2 Md$ de chiffre d'affaires, rédigée par une personne n'ayant jamais soumis la moindre requête à un modèle ;
• des « classements de tokens » : des indicateurs qui incitent les salariés à multiplier les appels à l'IA ;
• des clients qui annoncent une hausse de productivité « de 100 fois » sans que personne n'ose la contester ;
• des ingénieurs qui lancent l'IA sur des tâches manifestement absurdes, pour la forme.

Pourquoi personne ne conteste le battage

Le silence tient à la peur de perdre un contrat, pas seulement au marketing. Suresh a demandé à un dirigeant sceptique d'un éditeur pourquoi des promesses absurdes étaient répétées sans objection. La réponse n'avait rien à voir avec du « bruit commercial » : les dirigeants côté client avaient eux-mêmes annoncé publiquement une productivité multipliée par 100.

«

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

La logique est simple : faire capoter un contrat d'entreprise pour débattre d'un point qui n'affecte pas la mission de la société, c'est le meilleur moyen de se faire licencier. Une évaluation honnête du retour sur investissement de l'IA devient donc défavorable à toutes les parties à la fois, le fournisseur comme le client.

Ce qui se passe chez les ingénieurs

La pression du battage descend dans la hiérarchie et se transforme en simulacre de travail. Un ingénieur raconte que, dans son entreprise dotée d'un « classement de tokens », il télécharge une copie parallèle d'un dépôt Go de production et ordonne à l'IA de le réécrire entièrement en Zig, pendant qu'il s'occupe d'autre chose. Le but : alimenter la métrique pour la forme et garder sa place.

Ce scénario découle directement d'indicateurs qui mesurent l'activité, et non le résultat. Quand un KPI est indexé sur le nombre de tokens consommés plutôt que sur du code qui fonctionne, les salariés se mettent rationnellement à gaspiller les ressources : le système récompense le volume d'appels au modèle, pas leur utilité.

Ce que cela signifie

Le problème ne vient pas des modèles eux-mêmes, mais de la manière dont les organisations décident sous la pression de la mode. Quand une stratégie à 2 Md$ est écrite sans la moindre expérience de l'outil, que la critique est sanctionnée par la perte d'un contrat et que les indicateurs récompensent la consommation de tokens, l'entreprise optimise le battage, pas le résultat. L'essai de Suresh rappelle qu'une discussion adulte sur le retour réel de l'IA perd, pour l'instant, face à la crainte de passer pour un sceptique.