L’IA verticale surpasse le statu quo du conseil

Le mirage du conseil AI-First

Au cours des 18 derniers mois, les plus grands cabinets de conseil du monde se sont empressés de se repositionner comme leaders de l’IA. McKinsey a intégré plus de 12 000 agents d’IA dans ses workflows internes. Accenture a restructuré l’ensemble de son activité autour des « Reinvention Services ». EY a lancé une plateforme d’IA de 1,4 milliard de dollars pour réorganiser ses offres de conseil, de fiscalité et d’audit. KPMG a introduit son cadre « Trusted AI » pour traiter les questions de gouvernance et de conformité éthique de l’IA dans les secteurs régulés. Deloitte s’est associé à NVIDIA pour développer des accélérateurs d’IA verticale destinés aux clients des secteurs santé, services financiers et énergie, tandis que PwC a intégré des assistants GenAI spécifiques à chaque industrie dans ses offres juridiques, fiscales et de supply chain.

En surface, ces initiatives suggèrent que les cabinets de conseil évoluent avec audace. En réalité, ils se réfugient derrière un rideau d’automatisation générique.

Ce qui est aujourd’hui vendu comme une « transformation pilotée par l’IA » n’est trop souvent qu’un outillage horizontal et superficiel : agents qui résument des notes, génèrent des présentations, rédigent des textes génériques et réduisent le temps consacré aux tâches à faible valeur ajoutée. Mais ce ne sont pas des leviers de transformation. Ce sont des pansements de productivité.

Et ils passent à côté de l’essentiel.

Complexité spécifique au domaine et à forts enjeux

Dans les industries fortement régulées et profondément spécialisées — santé, pharma, MedTech, services financiers, énergie — les problèmes que l’IA doit résoudre ne concernent pas le gain de temps sur des mémos.

Ils concernent :

• la cartographie de paysages de remboursement complexes
• la navigation parmi les critères HTA et de passation des marchés à travers les géographies
• l’établissement de benchmarks prix-performance pour des milliers de SKU
• l’identification de leviers d’accès au marché à travers les économies émergentes
• l’interprétation des risques provenant d’évidences cliniques ou réglementaires en évolution

Cela exige une IA qui comprenne les workflows spécifiques au domaine, la nuance réglementaire, la terminologie scientifique et le signalement économique. En bref : IA verticale.

Le piège de l’IA horizontale

Qu’est-ce que l’IA horizontale ?

L’IA horizontale fait référence à des plateformes et agents à usage général, entraînés sur de grands ensembles de données intersectoriels — typiquement conçus pour gérer des tâches largement applicables. Celles-ci incluent la synthèse de documents, les interfaces de chatbot, la génération de diapositives, la transcription de réunions et les assistants de type copilote intégrés dans des suites de productivité. Bien que puissants en termes d’utilité large, ces systèmes sont optimisés pour des tâches de connaissance générale plutôt que pour des défis spécifiques à un domaine. Ils fonctionnent bien dans des rôles de support tels que la rédaction, l’assistance au codage ou l’automatisation des flux de travail dans le marketing, les RH ou l’informatique — mais commencent à montrer leurs limites lorsque des compétences approfondies dans un domaine, un contexte réglementaire ou une logique spécifique à une industrie sont requises.

Ils fournissent :

• Création de contenu plus rapide
• Génération de code
• Automatisation des tâches administratives
• Recherche de connaissances

Mais ils manquent de :

• Ontologies industrielles
• Cadres réglementaires
• Intégration aux systèmes hérités
• Curation de données haute-fidélité
• Raisonnement spécifique au domaine

Le résultat ? Des démonstrations rapides, des résultats décevants.

Pourquoi ce n’est pas suffisant

Pour un CCO d’une entreprise mondiale de MedTech cherchant à entrer sur un marché européen contraint par le remboursement, un assistant basé sur ChatGPT n’est pas une solution. Ils ont besoin de :

• Cartes de preuves HTA (Health Technology Assessment) au niveau des pays — cadres structurés qui évaluent l’efficacité clinique, le rapport coût-efficacité et l’impact plus large des technologies médicales, des médicaments et des interventions au sein de systèmes de santé spécifiques ; ces cartes aident les fabricants et les payeurs à naviguer dans les exigences locales, les conditions de remboursement et les seuils de preuve à travers les marchés.
• Règles d’approvisionnement localisées et logique des acheteurs — couvrant la manière dont les appels d’offres sont publiés, évalués et attribués au sein de systèmes nationaux ou régionaux spécifiques, y compris les formules de pondération des prix, les classifications de remboursement, les contrats-cadres et les pratiques discrétionnaires propres aux systèmes de santé, aux ministères ou aux autorités d’achat.
• Simulation des prix et de la deman de à travers les Groupes Homogènes de Malades (GHM) — un système de classification utilisé pour regrouper les patients par diagnostic, traitement et utilisation des ressources, couramment appliqué dans les régimes de remboursement hospitalier.

L’IA horizontale ne peut pas fournir cela. L’IA verticale le peut.

L’essor — et la menace — de l’IA verticale

Qu’est-ce que l’IA verticale ?

L’IA verticale désigne des systèmes conçus spécifiquement pour un secteur, entraînés sur des données, une logique, une terminologie et des flux de travail propres à ce secteur. Contrairement aux plateformes génériques qui automatisent les boîtes mail ou assistent lors de la prise de notes de réunion, l’IA verticale agit comme un prolongement cognitif de vos meilleures équipes — un cerveau spécialisé dans un domaine qui renforce la réflexion stratégique, l’évaluation des risques et l’exécution commerciale. Ces systèmes génèrent des gains exponentiels non pas en économisant quelques minutes sur des tâches administratives, mais en libérant des millions en valeur grâce à une tarification plus intelligente, un accès au marché plus rapide et une prise de décision alignée sur les preuves.

Ces systèmes :

• Imitent les experts du domaine, et non les assistants de bureau
• Comprennent réellement comment fonctionne l’achat public en MedTech
• Prédissent la pression sur les prix dans les marchés pharmaceutiques à partir de signaux politiques
• S’intègrent dans les logiciels spécifiques au secteur (ERP, CRM, plateformes réglementaires)

Exemples sur le marché

• Santé & Pharma : L’Agentic AI de Vamstar suit et classe les preuves, automatise les réponses aux appels d’offres, cartographie les évolutions de la commande publique mondiale et permet la planification de l’accès au marché en temps réel.
• Juridique : Harvey.ai travaille avec des cabinets d’avocats de premier plan pour rédiger, auditer et simuler des contrats—en utilisant des modèles entraînés sur la jurisprudence, la logique juridictionnelle et les données transactionnelles.
• Services financiers : MosaicML alimente des agents de prévision spécifiques au domaine pour la construction de portefeuilles et la détection de signaux de risque—intégrés aux systèmes internes de conformité.
• Retail & Biens de grande consommation (CPG) : des modèles d’IA entraînés sur la vélocité des SKU, les données de tarification au niveau des magasins et les promotions régionales afin de prévoir la performance à travers des chaînes d’approvisionnement complexes.

Le delta de performance

Les études montrent que les systèmes d’IA verticale offrent :

• Une mise en valeur 3x plus rapide par rapport aux plateformes génériques
• Une précision des tâches supérieure de 30–80 % dans les workflows spécialisés
• Un taux d’adoption 50 % plus élevé parmi les utilisateurs non techniques
• Un ROI tangible en quelques mois—contre la fatigue des pilotes dans les systèmes génériques

Le point aveugle de l’industrie du conseil

Ce que font les cabinets

Les cabinets de conseil :

• Forment les consultants juniors à utiliser des assistants d’IA génériques
• Intègrent des copilotes prêts à l’emploi dans leurs livrables
• Commercialisent des « labs » d’IA qui reconditionnent des outils open source
• Construisent des présentations sur l’IA tout en continuant à facturer à l’heure

Ce dont les clients ont réellement besoin

Les clients ne recherchent pas le battage médiatique autour de l’IA. Ils veulent :

• Des stratégies d’entrée sur le marché plus rapides, rendues possibles par de vraies données
• Des outils capables de donner du sens à des systèmes internes fragmentés
• Des insights prédictifs adaptés à leurs règles métier
• Des agents qui comprennent les subtilités de la conformité, de la tarification et des achats

Et, point crucial : ils veulent une IA qui ait du sens dans leur contexte, pas dans le vôtre.

Le pivot stratégique requis

Pour survivre à cette perturbation, les cabinets de conseil doivent fondamentalement recâbler la manière dont ils construisent, positionnent et délivrent des solutions d’IA. Ils doivent aller au-delà de l’expérimentation avec des outils d’IA génériques et, à la place, canaliser leurs ressources vers l’ingénierie de systèmes verticaux, conscients du contexte. Cela commence par le réaffectation des investissements loin des bacs à sable d’IA et des laboratoires de preuve de concept au profit d’infrastructures verticales d’IA évolutives qui s’alignent sur les points de douleur centraux des clients. Cela signifie former des partenariats profonds — ou acquérir des startups — qui possèdent des ensembles de données propriétaires, des cartographies réglementaires et des ontologies spécifiques à l’industrie. Leurs équipes internes doivent être formées non seulement à solliciter un modèle de langage, mais aussi à naviguer avec confiance et précision dans des workflows complexes en santé, services financiers ou approvisionnement industriel. Et enfin, le modèle de valeur du conseil lui-même doit évoluer : le succès futur dépend de la liaison des livrables à des résultats commerciaux tangibles, et non au volume d’heures facturables. Les cabinets doivent passer de la vente d’intrants à la garantie de résultats, en prouvant la valeur par le ROI, et non par le nombre de diapositives.

Et surtout, ils doivent remplacer la modélisation des processus par une véritable intelligence décisionnelle. C’est là que réside désormais la valeur.

Conclusion : Les cabinets de conseil doivent devenir des facilitateurs verticaux — ou s’effacer

L’IA n’est pas en train d’arriver pour les consultants. Elle est déjà là. Et le manuel de conseil fait de sagesse packagée et de diapositives de processus perd de son effet de levier.

Les cabinets qui prospéreront à l’ère de l’IA sont ceux qui :

• Construisent des systèmes enracinés dans la logique des soins de santé, de la finance, des chaînes d’approvisionnement et de la réglementation
• Livrent des agents formés au domaine qui agissent comme des partenaires, pas comme des stagiaires
• Guident les clients à travers la transformation des capacités — pas seulement l’acquisition de technologies

Il ne s’agit pas de se prémunir pour l’avenir. Il s’agit de rester pertinent aujourd’hui.

Dans un monde où les entreprises d’IA verticale livrent déjà des solutions plus intelligentes, plus rapides et plus abordables, le conseil traditionnel a deux choix :

Devenir le facilitateur de l’intelligence spécifique à l’industrie. Ou être remplacé par elle.