GM licencie son IT pour l'IA : pourquoi c'est un piège pour les PME/ETI françaises

L'annonce de General Motors cette semaine a fait l'effet d'un coup de tonnerre dans le monde de l'industrie : le constructeur automobile licencie des centaines de collaborateurs de son département IT pour recruter massivement des profils avec des compétences en intelligence artificielle. Pour un dirigeant de PME ou d'ETI, le message semble limpide et la tentation de l'imiter, immense. Pourtant, je suis convaincu que copier cette stratégie sans discernement est le chemin le plus court vers l'échec.

Cette décision n'est pas anodine. Quand un acteur historique comme GM bouge, tout le secteur regarde. La pression de suivre le mouvement est énorme. Mais derrière l'effet d'annonce se cache une réalité bien plus complexe que le simple remplacement de l'ancien par le nouveau. Analysons ensemble le piège et la bonne manière de l'éviter.

Ce que tout le monde voit : La tentation du "Grand Remplacement"

Sur le papier, la stratégie de GM paraît d'une logique implacable. Une entreprise centenaire prend acte que les compétences qui ont fait sa force hier ne sont plus celles qui garantiront son succès demain. Le message est brutal mais puissant : l'IT traditionnelle est morte, vive l'IA.

Le signal fort d'un géant de l'industrie

Si cette annonce venait d'une startup de la Silicon Valley, personne n'y prêterait vraiment attention. Mais elle émane de General Motors, un pilier de l'économie réelle. Pour un dirigeant d'ETI industrielle en France, le parallèle est facile à faire. On se dit que si un groupe de cette taille et de ce secteur juge nécessaire de restructurer son IT aussi durement, c'est qu'il y a urgence. La peur de rater le coche devient alors un moteur de décision puissant, et souvent irréfléchi.

Une lecture superficielle et dangereuse

La conclusion que beaucoup tirent est la suivante : "Mon équipe IT passe son temps à gérer des serveurs, à maintenir un ERP vieillissant et à répondre à des tickets de support. Ils ne comprennent rien à l'IA. Je dois donc m'en séparer pour embaucher des experts qui, eux, sauront me projeter dans le futur." Cette vision binaire est extrêmement réductrice. Elle oppose les "anciens" qui maintiennent l'existant aux "modernes" qui créent de la valeur, sans voir que les deux sont les deux faces d'une même pièce. L'innovation ne se construit pas sur un terrain vague, mais sur des fondations existantes et solides.

Ce qui va mal se passer : Le projet IA déconnecté du réel

Le vrai danger de cette approche est de créer une fonction IA en silo, totalement déconnectée des réalités opérationnelles de l'entreprise. En pensant acheter le futur, on se coupe de l'historique et du présent, ce qui rend tout projet concret quasiment impossible à déployer.

L'illusion des compétences interchangeables

Regardons de plus près les profils que GM recrute, cités dans la dépêche : "AI-native development, data engineering and analytics, cloud-based engineering". Ce ne sont pas des poètes du prompt. Ce sont des bâtisseurs d'infrastructures. L'ingénieur data construit les autoroutes pour acheminer les données de vos systèmes (ERP, CRM) vers les modèles d'IA. L'ingénieur cloud prépare le terrain pour que ces modèles puissent tourner à grande échelle. Ce sont des évolutions du métier de l'IT, pas sa négation. GM ne remplace pas son IT, il la fait monter en gamme. Le piège est de croire qu'un expert en modèles de langage peut, à lui seul, construire ces fondations. C'est faux.

Le coût caché de la perte de connaissance métier

Prenons un exemple concret. Une ETI de 300 personnes dans l'agroalimentaire. Son responsable informatique, en poste depuis 15 ans, a mis en place tout le système de traçabilité des lots. C'est un système complexe, avec ses particularités, mais il fonctionne et il est vital pour l'entreprise. Le CODIR décide de le remplacer par un jeune data scientist pour développer une IA de prédiction des ventes. Première réunion, le data scientist demande : "Où puis-je trouver les données de production et de vente des 5 dernières années, propres et structurées ?". Silence radio. La seule personne qui maîtrisait parfaitement les arcanes de la base de données n'est plus là. Le projet vient de prendre six mois de retard, le temps de faire de l'archéologie informatique.

L'échec de l'intégration : l'IA en bocal

Imaginons que par miracle, le projet avance. Le modèle est développé, il fonctionne bien sur un ordinateur portable avec des données d'exemple. Maintenant, il faut le mettre en production. C'est là que les problèmes commencent. L'IA doit s'intégrer à l'ERP pour récupérer les commandes en temps réel. Elle doit respecter la politique de sécurité de l'entreprise. Elle doit être accessible via le système d'authentification existant. Toutes ces contraintes, votre ancienne équipe IT les connaissait par cœur. La nouvelle équipe, elle, les découvre. Chaque étape devient un obstacle, et le projet finit par être abandonné, jugé "trop complexe à intégrer". L'IA reste une belle démo dans un bocal, sans jamais avoir touché l'opérationnel.

Le réflexe à avoir : Intégrer l'IA, pas remplacer l'IT

La bonne approche n'est pas la rupture, mais l'évolution. Il ne s'agit pas de jeter le bébé avec l'eau du bain, mais de renforcer et de faire évoluer les compétences que vous avez déjà en interne.

Action 1 : Réaliser un audit de compétences, pas un organigramme

Plutôt que de regarder les intitulés de poste, regardez les gens et leurs aptitudes. Votre gestionnaire de réseau est peut-être un excellent logicien qui adorerait se former à l'automatisation. Votre spécialiste ERP a une connaissance fine de vos processus métier qui est de l'or pour un projet IA. Cartographiez les compétences réelles et les appétences de votre équipe. C'est votre véritable capital de départ. Vous identifierez ainsi les personnes à former en priorité et les quelques profils externes qui viendront compléter ce noyau dur.

Action 2 : Investir dans la formation sur les fondations

N'envoyez pas tout le monde dans des formations génériques sur l'IA. Ciblez les investissements sur la "plomberie" : le cloud, la gestion des données et les APIs. Ce sont les trois piliers sur lesquels repose 80% de la réussite d'un projet d'IA en entreprise. Former vos équipes à ces technologies est bien plus rentable à long terme que de recruter une star de l'IA qui ne saura pas comment se connecter à vos systèmes. C'est un investissement pour rendre votre entreprise "IA-ready".

Action 3 : Construire des équipes hybrides pour les premiers projets

Le succès vient de la collaboration. Pour vos premiers cas d'usage, créez des équipes projet mixtes. Mettez ensemble un responsable métier (par exemple, le directeur commercial), votre référent IT le plus pertinent, et si besoin, un consultant IA externe. Le premier définit le besoin et la valeur, le second assure la faisabilité technique et l'intégration, et le troisième apporte l'expertise spécifique. Cette triangulation garantit que le projet est à la fois pertinent, réalisable et que la connaissance est progressivement transférée en interne.

En conclusion, la décision de GM est un signal qu'il faut écouter, mais surtout bien interpréter. Ce n'est pas un appel à licencier votre DSI. C'est un rappel urgent de la nécessité d'investir dans l'évolution de votre fonction informatique. Le plus grand risque aujourd'hui n'est pas de ne pas avoir d'expert IA, c'est de perdre ceux qui connaissent votre entreprise.

Avant de signer quoi que ce soit sur ce sujet, fais valider ta démarche. Audit IA gratuit 14 jours — on regarde ensemble.

— Keyvan, fondateur d'Alohria