Développer un coach en leadership IA qui rende le véritable coaching en leadership évolutif et accessible à tous, c’est plus difficile qu’il n’y paraît – et ça nous a appris bien plus que prévu.
En collaboration avec l’ETH Zurich, on a développé l’ETH Companion : un coach en leadership IA qui s’appuie exclusivement sur des sources scientifiques et accompagne plus de 3000 cadres de l’ETH. Voici les enseignements sincères qui en découlent.
L’ETH Zurich – Une recherche de niveau mondial
L’ETH Zurich est l’une des universités de recherche les plus prestigieuses au monde. Depuis sa fondation en 1854, elle est synonyme d’excellence scientifique dans les domaines des sciences naturelles, de la technologie, de l’ingénierie et des mathématiques.
Avec plus de 13 000 collaborateurs issus d’environ 120 pays, l’ETH n’est pas seulement une institution suisse, mais un acteur mondial dans les domaines de l’éducation et de la recherche. Ceux qui y travaillent évoluent dans un environnement international extrêmement complexe, avec des exigences en matière de leadership et de prise de décision à la hauteur de ce contexte.
C’est exactement là qu’intervient l’ETH Companion.
Ce qui rend ce coach IA vraiment spécial
Au départ, la question n’était pas d’ordre technique, mais stratégique : comment rendre accessible un coaching en leadership de haute qualité à des milliers de cadres sans investir des sommes colossales dans des programmes de coaching individuels ? Le coaching classique en tête-à-tête ne s’adapte pas à grande échelle. Le coaching numérique, si.
La clé réside dans la qualité de la base de connaissances. L’ETH Companion puise exclusivement ses informations dans des articles fiables rédigés par des psychologues de l’ETH. Pas de contenu provenant de sources Internet aléatoires – uniquement du contenu scientifiquement validé, développé par l’ETH pour l’ETH.
Et ce n’est pas une mince différence. Un programme de coaching en leadership personnalisé coûte rapidement plusieurs centaines de milliers de francs par an – si on veut sérieusement développer le leadership à grande échelle. L’ETH Companion répond exactement à ce besoin : un coaching en leadership scientifiquement fondé, accessible à tout cadre, à tout moment.
Le but n’est pas de créer un chatbot. Il s’agit de créer un outil qui accompagne les cadres face à de vrais défis – en s’appuyant sur des approches qui fonctionnent parce qu’elles sont scientifiquement prouvées.
Ça a l’air simple, mais c’est conceptuellement exigeant. Il faut clarifier très tôt : quels contenus vont être intégrés ? Qui les sélectionne ? Comment s’assurer que le coach reste dans le cadre défini ?
Ces questions doivent être résolues avant même d’écrire une seule ligne de code.
Définir le MVP est plus difficile que le construire
Le moment le plus difficile du projet n’était pas technique : c’était la définition du MVP (Minimal Viable Product).
Qu’est-ce qui doit y figurer ? Qu’est-ce qui viendra plus tard ? Où se situe la frontière entre « assez bon pour être testé » et « trop brut pour montrer une réelle valeur » ? Ces discussions prennent plus de temps que prévu – mais elles sont décisives.
On a travaillé avec l’équipe de l’ETH lors d’ateliers de définition du périmètre, créé des user stories et construit le framework étape par étape. Ça en valait la peine – mais ça prend du temps qu’il faut prévoir.
Un conseil clair : commence petit, puis fais évoluer. Dans le MVP, concentre-toi sur l’essentiel, vérifie que ça marche – et n’ajoute des fonctionnalités supplémentaires qu’ensuite. Ce que tu n’as pas clarifié dans le MVP te coûtera deux fois plus cher plus tard.
Les tests utilisateurs révèlent ce que les documents ne montrent jamais
Le plus beau moment de tout le projet s’est produit pendant les entretiens de tests utilisateurs.
On a vu comment les cadres interagissaient avec le Companion – et leur enthousiasme était palpable. Ça valide non seulement le produit, mais aussi toutes les décisions prises en amont.
Mais les tests utilisateurs nous ont aussi fourni des informations concrètes dont on ne disposait pas auparavant :
- Comment les cadres formulent leurs questions – et ce que ça implique pour la conduite de l’entretien par le coach
- Où le dialogue devenait trop générique et avait besoin de plus de profondeur
- Quels points d’entrée sont intuitifs – et lesquels ne le sont pas
Sans cette phase, le produit aurait été moins bon. Aucun document, aucun test interne ne remplace les interactions réelles.
La sécurité n’est pas une option
Un audit de sécurité faisait partie du processus de développement – et c’était la bonne décision.
Pour un outil basé sur des situations de leadership sensibles et destiné à être utilisé par des milliers de cadres, la sécurité n’est pas un plus. C’est une obligation.
Prévois-le dès le début – pas comme dernière étape juste avant le lancement.
Ce qui compte vraiment : une intégration à long terme, pas une utilisation à court terme
Peu après le lancement, l’attention se porte naturellement sur la question suivante : les utilisateurs sont-ils satisfaits des réponses ?
C’est légitime – mais c’est voir trop court. La véritable vision de l’ETH Companion est autre : le coach de leadership IA doit devenir à long terme une partie intégrante du quotidien professionnel et améliorer durablement la qualité des décisions des cadres.
Et cette vision va encore plus loin : ce qui a été conçu aujourd’hui pour les cadres de l’ETH doit être disponible demain pour les grandes entreprises en dehors de l’ETH – en tant que solution évolutive pour les organisations qui prennent le développement du leadership au sérieux, sans pour autant investir des centaines de milliers de francs dans des programmes de coaching individuels.
C’est une autre échelle. Et elle nécessite d’autres indicateurs que « L’IA a-t-elle donné une bonne réponse aujourd’hui ? »
Ce qu’on a livré – et ce qui va suivre
Le résultat, c’est un coach de leadership IA fonctionnel et stable, avec une conception bien pensée, qui est utilisé de manière productive. Ce qui vient après le lancement est tout aussi important que le lancement lui-même.
On travaille au développement continu par sprints – parce qu’un outil IA de ce type n’est pas un projet achevé, mais un produit vivant.
Ce que tu peux en retenir
Si tu prévois un projet similaire, voici les enseignements qui comptent vraiment :
- La différenciation passe par le contenu, pas par la technologie – la qualité de la base de données scientifiques et l’orientation claire du coach font toute la différence.
- Commence petit, puis fais évoluer – définis par écrit la portée du MVP, valide-la, puis étends-la.
- Les tests utilisateurs ne sont pas facultatifs – planifie-les comme une véritable étape, pas comme une case à cocher à la fin.
- La sécurité et l’évolutivité doivent être prises en compte dès le début, pas après coup.
Tu te demandes à quoi pourrait ressembler concrètement l’automatisation IA dans ton entreprise ? C’est exactement ce à quoi on se consacre chaque jour.
