Récemment, la Harvard Business Review a publié un article intitulé « To Succeed with AI, You've Got to Nail the Basics ».
L'argument : plutôt que de vous inquiéter de savoir si vous adoptez l'IA assez rapidement, concentrez-vous sur cinq principes fondamentaux : la centricité client, l'attention portée au processus, l'engagement à agir selon les faits, une philosophie d'amélioration continue, et la reconnaissance que la qualité passe par les gens.
Relisez cette liste. Vous remarquez quelque chose?
Ce sont des principes Lean. Réétiquetés, renumérotés, remballés pour un auditoire d'affaires, mais des principes Lean.
La conclusion discrète d'un article de la Harvard Business Review, c'est que la fondation dont les organisations ont besoin pour réussir l'adoption de l'IA est la même fondation dont elles ont besoin pour à peu près tout le reste. Le Lean est cette fondation depuis Taiichi Ohno et Deming dans les années 1950 et 1960. Aujourd'hui, l'IA est simplement la plus récente couche par-dessus.
C'est le fil conducteur de chaque article de cette série.
Tout ça repose sur une seule fondation :
Vous devez savoir comment améliorer un processus sans l'IA avant que l'IA ne vous soit vraiment utile.
Les organisations sans cette fondation vont dépenser beaucoup d'argent pour finir par faire les mauvaises choses plus rapidement.
Les organisations avec cette fondation peuvent utiliser l'IA pour étendre le travail à valeur ajoutée qu'elles n'avaient pas la capacité de faire auparavant. C'est la différence entre l'IA comme amplificateur d'un bon processus et l'IA comme bruit coûteux.
Ce qui m'amène au point implicite dans chaque article : voilà pourquoi la formation Lean compte toujours.
Pas parce que c'est traditionnel. Pas parce que c'est un titre de compétence.
Pas parce que ça fait bien sur un curriculum vitae.
Parce que c'est la discipline qui fait en sorte que l'investissement technologique porte fruit.
L'analyse 2026 de McKinsey sur les écarts de compétences en IA dans les opérations a révélé qu'environ le tiers seulement des entreprises manufacturières sondées avaient déployé une solution d'IA à l'échelle de leur réseau, et la raison numéro un citée pour cet écart était le manque de compétences des talents. Pas le budget. Pas les outils. Les compétences.
Les compétences que cible McKinsey sont, selon mon expérience, des compétences Lean avec une couche numérique :
Ce sont exactement les capacités que nos clients les plus performants bâtissent depuis des années, bien avant l'arrivée de l'IA.
Si vous bâtissez déjà la capacité Lean dans votre organisation, continuez. Vous bâtissez la fondation dont l'IA a besoin.
Si vous n'avez pas commencé, le fait que l'IA soit maintenant partout est le meilleur argument pour commencer avec le Lean dès maintenant, non pas malgré le moment de l'IA, mais justement à cause de lui.
Les organisations qui tireront le plus de l'IA en 2026 et au-delà sont celles qui savent déjà comment améliorer un processus sans elle. Les autres seront en train de bâtir des chatbots par-dessus des formulaires brisés, de rédiger des consignes pour des processus qui ne devraient même pas exister, et de se demander pourquoi leur investissement en IA ne porte pas fruit.
Mais qu'en est-il des compétences techniques comme l'ingénierie des données, l'ingénierie de consignes, l'évaluation de modèles ou la conception de systèmes agentiques? Bon point. Le Lean est la fondation, pas la pile complète.
L'argument n'est pas que le Lean remplace ces compétences. C'est que sans la pensée Lean, ces compétences sont appliquées aux mauvais problèmes. Une nouvelle capacité technique n'ajoute de la valeur que lorsqu'elle repose sur la bonne fondation.
Maîtrisez d'abord les bases. Puis maîtrisez-les encore. Ensuite, ajoutez l'IA, là où elle aide vraiment.
À retenir :