Nous n'avons pas créé Neon & Slate parce que l'IA était à la mode. Nous l'avons créé à cause d'un phénomène que nous observions depuis des années, de l'intérieur.
Après 14 ans à déployer de la technologie dans des organisations complexes (banques, grands groupes, entreprises de taille intermédiaire aux États-Unis et en Europe), nous avions vu le même schéma se répéter à chaque grande vague technologique. La courbe du possible accélérait plus vite que la capacité des organisations à l'absorber. Et l'écart entre les deux ne cessait de se creuser.
L'IA a rendu cet écart structurel.
Charlotte travaille sur l'IA depuis 2009. Clément depuis 2012. En 2017, Charlotte a bâti une entreprise de fashion tech appuyée sur l'IA et mis en place des systèmes d'IA pour BNP Paribas. En 2018, Clément a lancé une plateforme SaaS qui appliquait l'IA aux processus juridiques et parajuridiques. À l'époque, la plupart des conseils d'administration ne pensaient qu'aux tableaux de bord et à l'analytique. Dans les grandes entreprises, l'IA n'était qu'un murmure : trop futuriste, trop improbable pour que la plupart des décideurs la prennent au sérieux.
Nous l'avons prise au sérieux. Parce que nous voyions la courbe se raidir.
Neon & Slate a été créé pour combler cet écart.
Ce que nous avons vu juste très tôt
Nous avons fait trois paris avant que le marché ne nous rattrape. Les trois se sont révélés payants, et leurs effets se cumulent.
Pari n° 1 : des bâtisseurs plutôt que des conseillers.
Le marché de l'IA est inondé de présentations stratégiques. De feuilles de route. D'évaluations de maturité. De frameworks aux noms impressionnants, sans la moindre ligne de code en production derrière.
Nous avons pris le chemin inverse. Nous avons constitué un réseau de 30 ingénieurs déployés chez le client (des « forward-deployed engineers »), issus de UC Berkeley, du MIT, de Centrale et de l'École polytechnique, qui livrent des systèmes qui fonctionnent en production. Pas des prototypes. Pas des démos. Des systèmes opérationnels, au cœur d'environnements d'entreprise complexes et désordonnés, avec de vraies données, de vraies contraintes et de vrais utilisateurs.
La réalité, c'est que l'IA ne crée de la valeur que lorsqu'elle tourne. Tout ce qui précède n'est que préparation.
Pari n° 2 : la valeur se trouve dans les entreprises de taille intermédiaire.
La plupart des cabinets d'IA courent après les logos des grands groupes ou les start-up financées par le capital-risque. Nous nous sommes concentrés sur le milieu : des entreprises qui réalisent entre 50 M$ et 500 M$ de chiffre d'affaires, souvent détenues par des fonds de private equity, soumises à la même pression de transformation que les entreprises du Fortune 500, mais avec une fraction de leurs ressources.
Ces entreprises sont trop complexes pour des solutions d'IA prêtes à l'emploi. Trop contraintes en ressources pour un développement sur mesure partant de zéro. Et confrontées à une pénurie critique de talents en IA qui rend le recrutement interne presque impossible.
C'est le milieu chaotique de l'adoption de l'IA. Et c'est là que se trouvent les plus grosses opportunités de ROI, parce que le point de départ est très bas et que l'effet de levier opérationnel est très fort.
Pari n° 3 : les dirigeants non techniques sont le vrai levier.
Voici ce dont personne ne parle : le frein à l'adoption de l'IA n'est pas la technologie. Ce n'est pas le budget. Ce n'est même pas la qualité des données, même si, en général, elle laisse aussi à désirer.
Le frein, c'est que les personnes qui comprennent les processus métier (les COO, les directeurs des opérations, les directeurs financiers) ne savent pas construire avec l'IA. Et que les personnes qui savent construire avec l'IA ne comprennent pas le métier.
Notre thèse depuis le premier jour : les entreprises qui obtiendront un vrai ROI de l'IA sont celles où les dirigeants non techniques deviennent des bâtisseurs. Pas des codeurs : des bâtisseurs. Des personnes qui connaissent assez finement leurs processus pour les repenser avec l'IA, à condition d'avoir les bons outils et le bon accompagnement.
Nous avons tout conçu pour que cela arrive. Des sprints stratégiques qui se terminent par des systèmes opérationnels, pas par des slides. Des mises en œuvre en 90 jours, portées au niveau de la direction. Des formations pratiques où les dirigeants construisent leurs propres outils d'IA, et s'en servent vraiment.
Ce sur quoi nous nous sommes trompés
Nous avons sous-estimé le temps qu'il faudrait pour que les entreprises s'y intéressent. En 2019, 2020, 2021, l'IA était difficile à vendre aux dirigeants d'entreprises de taille intermédiaire. La technologie était réelle, l'urgence ne l'était pas. Nous avons passé des années à éduquer un marché qui n'était pas prêt à écouter.
Nous avons aussi surestimé la vitesse à laquelle les outils allaient mûrir. Les premières années ont été difficiles. L'infrastructure nécessaire pour déployer l'IA de manière fiable en entreprise n'existait tout simplement pas. Nous avons construit beaucoup d'échafaudages sur mesure que l'industrie a depuis transformés en produits.
Puis ChatGPT est sorti. Soudain, toutes les entreprises se sont intéressées à l'IA. L'urgence était là. Le marché avait rattrapé son retard. Et nous étions prêts, parce que nous avions passé des années à construire la force opérationnelle à laquelle les autres commençaient à peine à réfléchir.
Ce que nous voyons aujourd'hui
La vérité qui dérange : 95 % des projets pilotes d'IA générative ne dépassent jamais la phase expérimentale. 56 % des PDG déclarent ne retirer « rien » de leurs investissements en IA. Le marché est passé de « l'IA ne nous intéresse pas » à « nous avons dépensé de l'argent dans l'IA et nous n'avons rien à montrer ».
La plupart des organisations tombent dans l'un de ces deux pièges :
→ Les déploiements descendants à l'échelle de l'entreprise : des contrats de plateforme massifs, des mois d'intégration, une adoption faible. Le classique « nous avons acheté Copilot pour 5 000 personnes et 200 s'en servent ».
→ L'expérimentation par la base : des équipes isolées qui jouent avec ChatGPT, bricolent des astuces ingénieuses, affichent des chiffres d'adoption impressionnants, mais aucun résultat business mesurable.
Ce qui marche vraiment, c'est une voie médiane guidée. Un cap stratégique fixé par la direction. Une montée en capacité concrète des personnes qui font tourner l'entreprise, en finance, aux opérations, dans les ventes, au service client. Une gouvernance à l'échelle de l'entreprise, avec une capacité de construction à l'échelle de chaque individu.
C'est à cette intersection que se trouve le vrai ROI. C'est là que nous intervenons.
Pourquoi nous avons créé un pôle GEO
Une chose est devenue claire à mesure que nous approfondissions notre travail avec des clients du Fortune 500 dans la banque, la santé et le luxe : l'IA ne changeait pas seulement la façon dont les entreprises fonctionnent en interne. Elle changeait la façon dont elles sont perçues de l'extérieur.
ChatGPT, Gemini, Perplexity, Claude : ces systèmes sont désormais le premier point de contact pour des millions de consommateurs, d'investisseurs et de journalistes. Quand quelqu'un interroge un LLM sur une marque, un produit financier ou un traitement médical, la réponse qu'il obtient ne vient pas d'un communiqué de presse ou d'un site institutionnel. Elle est synthétisée à partir de ce que le modèle juge faire autorité : des fils Reddit, des articles de presse périmés, des contenus de concurrents, des messages de forum vieux de cinq ans.
Pour les secteurs où la réputation est le produit (luxe, banque, santé), c'est un problème existentiel. Et presque personne ne le mesurait.
Nous avions le bon profil pour nous y attaquer. Charlotte a passé des années chez BNP Paribas, où la surveillance de la réputation était la préoccupation numéro un. Notre travail avec des marques de luxe et des institutions financières nous avait donné des relations solides et une place au premier rang pour observer le problème : des marques qui découvraient que l'IA faisait remonter des récits dépassés, des concurrents mieux positionnés dans les réponses de l'IA, et des catégories entières redessinées par des contenus qu'aucune équipe RP n'avait jamais vus ni validés.
Le social listening et la veille médias traditionnels ne couvrent pas ce terrain. Les LLM ne fonctionnent pas comme des moteurs de recherche. Ils citent d'autres sources, se comportent différemment d'un modèle à l'autre et réagissent à d'autres signaux de contenu. Mesurer ce que l'IA dit de votre marque exige une approche fondamentalement différente : des prompts structurés sur plusieurs modèles, une analyse de sentiment par modèle, une cartographie de la chaîne des sources pour comprendre quels contenus pilotent réellement les réponses de l'IA.
Nous avons donc créé un pôle GEO (Generative Engine Optimisation, l'optimisation pour les moteurs de réponse IA), conçu spécifiquement pour les secteurs où la perception, la confiance et l'exactitude ne se négocient pas. Nous déployons des milliers de prompts structurés sur cinq grandes plateformes d'IA, nous mesurons le sentiment et la visibilité par modèle et par marché, et nous travaillons avec des coalitions sectorielles pour faire évoluer le récit à la source.
Ce n'est pas du SEO adapté à l'IA. C'est une nouvelle discipline, construite de zéro, et elle s'articule naturellement avec notre travail de mise en œuvre. Nous aidons les entreprises à intégrer l'IA dans leurs opérations, et nous les aidons à maîtriser la façon dont l'IA les présente au monde.
Où nous allons
L'IA n'est pas une vague logicielle de plus. C'est une transformation opérationnelle, et elle ne fait que commencer.
Dans les 18 prochains mois, nous voyons trois évolutions qui vont redessiner la façon dont les entreprises travaillent :
L'IA agentique passe de la démo à la production. Des processus autonomes qui tournent de bout en bout : pas des chatbots, mais des systèmes qui exécutent, vérifient et itèrent. Les entreprises qui sauront les déployer en toute sécurité dans des environnements réglementés prendront vite de l'avance.
Le rôle de CAIO (Chief AI Officer) devient indispensable. La plupart des entreprises n'ont pas l'expertise interne pour piloter en même temps la stratégie, la gouvernance et la mise en œuvre de l'IA. Le modèle du CAIO à temps partagé (des opérationnels seniors de l'IA intégrés à temps partiel dans les équipes de direction) deviendra la norme pour les entreprises de taille intermédiaire.
La réputation dans l'IA devient un sujet de conseil d'administration. Chaque marque, chaque institution, chaque entité réglementée devra surveiller et piloter la façon dont les systèmes d'IA la représentent. Le GEO passera du statut de niche à celui d'indispensable, pas seulement pour le luxe et la banque, mais pour toute organisation dont le chiffre d'affaires repose sur la confiance, l'exactitude et la perception.
Nous construisons Neon & Slate pour ce moment. Deux pôles, une seule thèse : l'IA transforme à la fois la façon dont les entreprises travaillent et la façon dont elles sont perçues. Notre pôle mise en œuvre construit des systèmes qui tiennent en production. Notre pôle GEO veille à ce que l'IA représente nos clients avec exactitude et sous un jour favorable. Les deux reposent sur les mêmes principes : une expertise pointue, des résultats mesurables, et le refus de se contenter de présentations stratégiques sans résultats en production.
Nous ne nous attendons pas à ce que le marché se stabilise. Nous nous attendons à ce qu'il accélère. Et nous avons bâti une équipe et un modèle qui avancent avec lui.