Bonjour Christophe, en tant qu'expert en veille stratégique et intelligence économique, pouvez-vous nous parler de votre parcours professionnel et comment cela vous a conduit à vous intéresser à l'application de l'IA dans ce domaine?
Je suis d'abord un praticien. Depuis plus de vingt ans, j'accompagne des organisations (énergie, banque, conseil, secteur public,...) en tant que consultant et formateur en intelligence économique. Dès 2003, j'ai créé le blog Outils Froids pour faire une « veille sur la veille » et partager ainsi tout ce qui permettait d'optimiser concrètement le travail du veilleur.
Au fil de mes missions, un constat s'est imposé avec constance : la faiblesse généralisée de la fonction d'analyse. On me sollicitait pour choisir des plateformes, revoir des livrables, former à la collecte. Jamais pour améliorer l'analyse elle-même. C'est cette lacune qui m'a conduit à soutenir une thèse en décembre 2024 à l'Université de Poitiers, sous la direction du Pr. Nicolas Moinet.
Quant aux IA génératives, je ne peux pas dire qu'elle m'aient « surpris ». En 2018, j'écrivais déjà sur les deep fakes en alertant sur « la falsification par tous, pour tous et contre tous ». En 2021, je décrivais l'écosystème des technologies du faux et j'évoquais déjà les possibilités de GPT-3, un an avant son lancement public. C'est précisément le rôle du veilleur : connecter des informations disparates avant que le phénomène ne devienne évident pour tous.
Comment la méthode SOFT que vous avez développée contribue-t-elle à l'analyse critique de l'information, en particulier dans le contexte de l'utilisation de l'IA générative?
La méthode SOFT est une évolution du protocole F-T-T issu directement de mon travail de thèse. Il part d'un constat dont j'ai fait un jeu de mot : les LLM ne « raisonnent » pas, ils « résonnent ». Ils ne forment aucune croyance sur le monde, même si c'est en train d'évoluer très vite...
Face à cela, le protocole F-T-T structure la rigueur analytique. Formuler, c'est énoncer au moins deux hypothèses et une contre-hypothèse, identifier les signaux attendus, repérer les risques d'erreur. Tester, c'est confronter ces hypothèses au réel avec une posture de falsification, chercher activement ce qui pourrait les infirmer, pas seulement ce qui les confirme. Tracer, c'est rendre le raisonnement opposable : quelqu'un d'autre doit pouvoir suivre la logique, de l'étonnement initial à la conclusion.
Vous avez formé de nombreux professionnels de divers secteurs. Quels sont les défis les plus fréquents auxquels ils font face lorsqu'il s'agit d'intégrer l'IA dans leur processus de veille stratégique?
Le premier défi, c'est la fascination. Beaucoup traitent l'IA comme « un collaborateur qui fait parfois des erreurs », ce qui masque le vrai problème : on délègue du jugement à un système qui n'en possède aucun. La question n'est donc pas « comment réduire les hallucinations » mais « où peut-on légitimement remplacer l'évaluation humaine par de la complétion statistique ? »
Ensuite, il y a la paresse intellectuelle induite. Sans contexte précis, sans date de référence, sans anglage attendu, l'IA produit du générique. Elle dilue l'expertise en appliquant des principes passe-partout à des situations qui nécessitent une connaissance spécialisée.
Troisième difficulté : l'absence de cadre. Les équipes expérimentent dans leur coin, sans gouvernance, sans guide de style pour normaliser les productions, sans procédure claire sur les données sensibles. C'est un besoin qui revient systématiquement dans mes ateliers.
Et puis la majorité des usages restent cantonnés à la rédaction, à la reformulation et à la traduction. L'exploitation analytique (analyses croisées, détection de signaux plus ou moins faibles, construction de plans de veille) reste minoritaire. Peu de professionnels maîtrisent les techniques de prompting avancées.
Pourriez-vous partager un exemple concret où l'utilisation de l'intelligence artificielle a radicalement amélioré la stratégie de veille d'une organisation?
Je vais parler de mon propre cas d'usage, parce que c'est aussi un cas de recherche appliquée. J'ai tenté d'élaborer un prompt de détection de signaux qui, au lieu de produire un résumé classique, génère un « tableau d'étonnement » : une extraction structurée de tout ce qui, dans un texte, pourrait annoncer un changement non encore manifeste. Pour chaque signal, il produit la citation, l'étonnement analytique, un élément invalidant, et un horizon temporel. Bien entendu, cela est encore plus exploratoire que purement scientifique, mais les résultats sont pertinents si l'on maîtrise déjà un minimum son sujet.
Le temps de triage d'un corpus volumineux passe de plusieurs heures à quelques minutes, tandis que l'analyse approfondie gagne en rigueur grâce à certains garde-fous intégrés.
Plus largement, dans les ateliers que j'anime, on intègre l'IA à chaque étape du cycle de veille : en orientation, avec des prompts contextualisés pour affiner les besoins ; en collecte, avec la recherche sémantique de sources et la classification ; en exploitation, avec la transformation d'informations brutes en éléments pré-analysés ; en diffusion, avec l'adaptation automatique des formats selon le public. L'impact est tangible à chaque étape, à condition d'avoir posé les garde-fous méthodologiques bien sûr.
Quels conseils donneriez-vous à une entreprise qui débute dans l'exploitation de l'IA pour la veille stratégique afin de maximiser ses bénéfices tout en minimisant les risques?
D'abord, ne pas confondre amplification et substitution. L'IA est un amplificateur de compétences, pas un substitut. Elle suppose que l'expertise existe déjà, elle ne la crée pas.
Ensuite, commencer par un diagnostic honnête. Le modèle H-O-T (Humain, Organisationnel, Technologique), également tiré de ma thèse, me semble offrir une grille de lecture simple : le blocage vient-il des compétences, de la gouvernance, ou des outils ? Trop souvent, on investit dans la technologie alors que le problème est organisationnel.
Je recommande aussi une approche itérative et documentée. Tester en permanence, mais surtout garder une trace de ce qui marche et de ce qui ne marche pas, ou pas encore. Créer une bibliothèque de prompts partagée, pas pour les utiliser tels quels, mais pour donner des idées à ses collègues de ce qui est faisable. Mettre en place des retours d'expérience réguliers.
Et surtout, installer dès le départ une culture de la vérification. Former les équipes à détecter les hallucinations, à croiser systématiquement les sources, à surveiller les biais.
Selon vous, comment l'IA va-t-elle transformer le paysage de la veille stratégique dans les prochaines années?
On est en train de changer de paradigme. Ce qui arrive, ce sont des agents qui agissent à notre place, en continu. J'ai consacré deux récents articles à ce sujet, parce que je pense que c'est le basculement le plus profond depuis le passage du papier au numérique pour nos métiers.
L'idée centrale, c'est celle du « double numérique » du veilleur. Les agents de 2026-2027 ne se contenteront plus de répondre à des questions. Ils apprendront de nos habitudes, accèderont à nos fichiers, construiront session après session une représentation de plus en plus fine de nos besoins informationnels. Ce qu'on est en train de construire, souvent sans en avoir pleinement conscience, c'est une réplique fonctionnelle de notre expertise de veilleur capable de collecter, trier et pré-analyser quand on n'est pas devant l'écran. La nuit, le week-end, pendant qu'on est en réunion,...
L'agent mémorise non seulement où chercher mais comment vous cherchez. Il repère que, lorsque vous posez une question sur un brevet, vous enchaînez sur le profil de l'inventeur puis sur les citations. À terme, il anticipe la séquence et produire le résultat attendu.
Mais le plus vertigineux, c'est quand ces doubles feront équipe. Imaginez : l'agent d'un veilleur sectoriel détecte un signal inhabituel. Plutôt que d'alerter simplement son utilisateur, il transmet la détection à l'agent de l'analyste concurrentiel, qui lance une vérification croisée dans les données financières et les communiqués. Le veilleur reçoit le lendemain non pas un signal brut mais un pré-dossier contextualisé. Les protocoles techniques existent déjà : le MCP d'Anthropic pour connecter les agents aux données, l'A2A de Google pour connecter les agents entre eux. Ce n'est plus de la science-fiction même si les implémentations ne sont pas encore courantes reconnaissons-le, mais tout cela est tellement récent.
Cette puissance a sa face sombre : les mémoires de ces agents constituent une cartographie vivante des priorités stratégiques de l'organisation. Non seulement ce qu'elle sait, mais ce qu'elle ne sait pas encore et cherche à découvrir, ses intentions donc. Du point de vue du renseignement économique, c'est infiniment plus précieux qu'un document stratégique finalisé. Et il y a aussi le risque de la bulle informationnelle : si le double ne vous propose que ce qu'il sait pertinent pour vous, que devient votre capacité à détecter l'inattendu ? L'agent vous rend plus efficace sur le connu mais potentiellement aveugle sur l'inconnu. Ce sera le sujet du troisième article de cette série.
Enfin, quel conseil personnel donneriez-vous aux professionnels de l'information qui cherchent à améliorer leurs compétences en intelligence économique à l'aide de l'IA?
Mon conseil tient en une conviction : le défi du déluge informationnel n'est pas technologique, il est méthodologique et culturel.
Investissez dans une posture critique avant vos outils. Apprenez à formuler des hypothèses concurrentes, à chercher ce qui invalide plutôt que ce qui confirme. Ces compétences sont transférables quel que soit l'outil. Elles survivront à l'obsolescence de ChatGPT comme elles ont survécu à celle de Google Reader.
Pratiquez l'autoformation continue : la veille sur la veille n'a jamais été aussi nécessaire. Comme je le dis depuis vingt ans : « Parce qu'un jour sans veille est un jour sans lendemain. »
L'analyste qui suit un protocole rigoureux peut dire au décideur : « Voici mes hypothèses, voici comment je les ai testées, voici pourquoi j'ai retenu celle-ci. » C'est cette transparence qui fonde la confiance. L'IA ne change pas cette exigence mais la rend plus urgente que jamais. Et puis apprenez à accepter l'incertitude...
Pour en savoir plus : https://www.outilsfroids.net
Christophe Deschamps est un expert en veille stratégique et en intelligence économique, titulaire d'un Ph.D. Il a 22 ans d'expérience dans la formation et le conseil, ayant formé plus de 5000 professionnels. Il est chercheur associé au laboratoire CEREGE et a développé la méthode SOFT pour l'analyse critique de l'information. Il a également publié plus de 2200 articles sur Outils Froids. Christophe propose des formations sur l'intelligence artificielle générative appliquée à la veille et accompagne diverses organisations dans la mise en place de dispositifs de veille stratégique.
