Asset-Based Consulting : pourquoi le conseil ne se vendra bientôt plus au temps passé
Par David Bellaïche, fondateur d’Althéa
Il y a quelques mois, un directeur financier m’a posé une question que je n’oublierai pas. Nous étions en fin de soutenance, le cadrage était validé, la charge estimée, le planning posé. Il a regardé la ligne « diagnostic des processus » — quarante jours-homme — et il a dit :
« David, je vous fais confiance. Mais expliquez-moi une chose. Vos équipes utilisent l’IA, vous me l’avez dit vous-même il y a dix minutes. Alors pourquoi est-ce que je paie encore quarante jours pour un livrable que votre outil produit en trois ? »
Il n’y avait aucune agressivité dans sa voix. C’était une vraie question. Et c’est, je crois, la question à laquelle aucun cabinet de conseil ne coupera en 2026.
Nous y avons répondu, et plutôt bien, parce que nous savions déjà quoi répondre. Mais je suis sorti de cette réunion avec une conviction renforcée : la profession est en train de vivre une rupture qu’elle sous-estime encore largement. Non pas parce que l’IA remplacerait les consultants — je ne crois pas une seconde à ce scénario. Mais parce que l’IA rend structurellement intenable la manière dont le conseil se vend depuis cinquante ans.
Et la sortie de crise porte un nom : l’Asset-Based Consulting.
Le modèle du conseil a une faille de conception
Prenons le problème par l’économie, c’est toujours plus honnête.
Le modèle historique du conseil tient dans une équation d’une simplicité désarmante :
Chiffre d’affaires = Effectifs × Taux journalier × Taux d’occupation
Trois leviers, trois seulement. On grandit en recrutant, on améliore la marge en montant les prix ou en remplissant mieux les plannings. C’est propre, c’est lisible, ça fonctionne depuis un demi-siècle. Toute l’industrie — les pyramides d’effectifs, les grades, les modèles de staffing, les indicateurs de pilotage — est construite sur cette équation.
Elle a pourtant une propriété redoutable, que nous avons collectivement choisi d’ignorer : elle punit la productivité. Chaque fois qu’un cabinet devient plus efficace, il gagne moins d’argent sur la même mission. Un cabinet qui divise par deux le temps de production d’un livrable divise par deux le revenu associé — sauf à monter ses prix, ce que le marché n’accepte jamais spontanément.
Tant que les gains restaient marginaux — 5 %, 10 % par an, absorbés par la montée en gamme des missions —, la contradiction était gérable. Elle ne l’est plus.
McKinsey a communiqué sur son assistant interne, Lilli : 72 % de ses 45 000 collaborateurs l’utilisent, avec un gain de 30 % du temps consacré aux tâches de recherche et d’analyse. Les estimations sectorielles vont plus loin encore et évaluent à près de 80 % la part du travail d’analyste junior techniquement automatisable aujourd’hui.
Trente pour cent. Quatre-vingts pour cent. Ce ne sont plus des gains marginaux, ce sont des chocs. Et face à un choc de cette ampleur, un cabinet n’a que trois issues :
Première issue : baisser les prix à périmètre constant. C’est la voie de la destruction de valeur. On rend au client la totalité du gain de productivité, on entre dans une course au moins-disant, et on finit par ne plus pouvoir financer l’investissement qui a créé le gain. C’est un puits sans fond.
Deuxième issue : faire semblant. Garder la pyramide, garder les jours-homme, utiliser l’IA en interne pour améliorer discrètement les marges, et espérer que le client ne fasse pas le calcul. C’est, disons-le, la stratégie majoritaire du marché aujourd’hui. Elle a l’élégance du court terme et la fragilité de tout ce qui repose sur l’asymétrie d’information. Mon directeur financier, lui, avait fait le calcul.
Troisième issue : changer d’unité de vente. Ne plus vendre du temps, mais un actif, un usage, un résultat. Décorréler ce que l’on facture de ce que l’on consomme.
C’est cette troisième voie qu’on appelle l’Asset-Based Consulting. Et ce n’est pas une idée neuve.
En octobre 2013 — il y a treize ans — Clayton Christensen, Dina Wang et Derek van Bever publiaient dans la Harvard Business Review un article resté fameux : Consulting on the Cusp of Disruption. Ils y annonçaient la modularisation inévitable du conseil et citaient déjà McKinsey Solutions comme le signal avant-coureur d’une industrie en train de transformer son savoir en produit.
Beaucoup, à l’époque, ont trouvé la thèse exagérée. Treize ans plus tard, force est de constater qu’ils avaient raison — il leur manquait simplement le déclencheur. Ce déclencheur, c’est l’IA générative et agentique.
L’Asset-Based Consulting : de quoi parle-t-on exactement (et de quoi ne parle-t-on pas)
La définition la plus claire est celle qu’en donne IBM : un modèle économique du conseil dans lequel les cabinets s’appuient sur des outils, des technologies et des méthodes propriétaires pour délivrer leurs solutions plus efficacement.
Concrètement, un actif, dans un cabinet de conseil, cela peut être :
- un référentiel de processus métier, construit sur des centaines de projets et enrichi en continu
- une méthodologie codifiée, avec ses livrables types, ses points de passage, ses critères de décision
- un benchmark propriétaire, alimenté par les missions réalisées
- un accélérateur : matrice de choix de solution, patrimoine de cas de test, kit de conduite du changement
- un outil de diagnostic automatisé qui produit en heures ce qui prenait des semaines
- un modèle d’apprentissage automatique ou un agent IA métier qui analyse, propose, alerte
- une plateforme vendue en abonnement, qui continue à servir le client après la fin de la mission
Le point commun de tous ces objets ? Ils se déploient sans consommer proportionnellement de temps-homme. C’est précisément ce que l’équation historique du conseil ne sait pas faire.
Ce que l’Asset-Based Consulting n’est pas
Je veux être très clair sur ce point, parce que c’est là que beaucoup se trompent — et parce que c’est là que se joue la crédibilité de la démarche.
L’ABC, ce n’est pas devenir éditeur de logiciel. Un cabinet qui se rêve en éditeur devient généralement un mauvais éditeur : il n’a ni le modèle de financement, ni la roadmap produit, ni les équipes de support. J’ai vu plusieurs de ces tentatives. Elles finissent en outils orphelins, maintenus par personne, vendus par des consultants qui n’y croient plus.
L’ABC, ce n’est pas remplacer le consultant par l’outil. L’actif ne fait pas les arbitrages politiques d’un comité de direction, il ne désamorce pas la résistance d’une DRH, il ne sent pas quand une transformation va casser. Il traite le répétable pour que l’humain se concentre sur le singulier. C’est un déplacement, pas une substitution.
L’ABC, ce n’est pas non plus la standardisation généralisée. La vraie question n’est jamais « ai-je un actif ? », mais « quelle part de ma mission est industrialisable, et que fais-je du temps ainsi libéré ? »
L’Asset-Based Consulting, c’est du conseil dont la delivery est outillée. Rien de plus, rien de moins. Mais ce « rien de plus » change absolument tout dans l’économie du métier.
Ce que fait vraiment le marché : beaucoup d’argent, peu de bascule
Regardons les faits, sans complaisance.
Les grands cabinets ont massivement investi
Depuis 2023, les Big 4 et les grands cabinets de stratégie ont engagé plus de 10 milliards de dollars dans l’intelligence artificielle : 2 milliards pour KPMG dans une alliance avec Microsoft, 2 milliards pour Deloitte, 1,4 milliard pour EY dans sa plateforme LLM propriétaire EYQ, 1 milliard pour PwC devenu l’un des plus gros clients entreprise d’OpenAI. À quoi s’ajoutent QuantumBlack et Lilli chez McKinsey, AI Refinery et son catalogue d’agents sectoriels chez Accenture, et la plateforme Consulting Advantage d’IBM Consulting — sans doute la formalisation la plus aboutie du modèle ABC aujourd’hui.
Le cas du BCG est particulièrement parlant. En avril 2026, le cabinet a publié un chiffre d’affaires 2025 de 14,4 milliards de dollars, en croissance de 7 %. Mais surtout : plus de 40 % de ce chiffre d’affaires provient désormais des activités IA et technologie, avec une croissance de 25 % sur l’IA, et près de 4 000 collaborateurs dédiés au développement de workflows IA. Le BCG ne vend plus seulement du conseil : il vend Auto AI, Retail AI, Deep Customer Engagement AI — des plateformes sectorielles propriétaires.
Voilà pour le mouvement. Indiscutable.
Mais le modèle économique, lui, n’a presque pas bougé
Un rapport de référence publié début 2026 pose le diagnostic sans ménagement : des milliards dépensés, mais la vieille pyramide persiste. Chez McKinsey, environ 25 % seulement des honoraires sont liés à des résultats mesurés ; les trois quarts restants restent facturés à l’effort. Autrement dit : les cabinets ont industrialisé leur production, pas leur facturation. Ils captent le gain de productivité en marge interne, sans changer la promesse faite au client.
C’est intenable à moyen terme, pour une raison simple : cela suppose que le client ne pose pas la question. Or il la pose. De plus en plus souvent, de plus en plus précisément.
Un autre signal, plus discret mais plus profond, mérite l’attention. Au Royaume-Uni, les recrutements de jeunes diplômés se sont effondrés dans les grands cabinets : −29 % chez KPMG, −18 % chez Deloitte, −11 % chez EY, avec une chute de 44 % en un an des offres d’emploi junior. La base de la pyramide se rétracte — conséquence directe de l’automatisation du travail d’analyse. Le modèle pyramidal devient un losange : peu de juniors, beaucoup de seniors, et un levier machine à la place du levier humain d’exécution.
En France, un marché lucide mais très peu outillé
L’étude Syntec Conseil sur 2025 et les perspectives 2026 dresse un portrait que je trouve, en tant que praticien, remarquablement juste — et un peu inquiétant.
Le marché du conseil en stratégie s’est contracté de 1,5 % en 2025 et anticipe un rebond prudent de 2 % en 2026, porté par les offres combinées conseil + IA/data + capacités technologiques. Côté facturation, le forfait représente déjà 56 % des missions et les modèles hybrides progressent de 5 % en 2023 à 9 % en 2025. Le mouvement est engagé.
Mais voici les trois chiffres qui, à mes yeux, résument tout :
- 23 % seulement des missions intégraient une évaluation d’impact en 2025 (25 % attendus en 2026)
- 80 % des cabinets n’ont aucune méthodologie standardisée de mesure d’impact
- 76 % n’ont pas formé leurs équipes à cette mesure
Lisons cela lentement. Le marché français bascule vers le forfait et l’engagement. Il dit vouloir vendre de la valeur plutôt que du temps. Et trois cabinets sur quatre n’ont ni la méthode, ni les outils, ni les équipes formées pour mesurer cette valeur.
C’est dans cet écart entre le discours et la capacité réelle que se joue, je crois, la recomposition du marché des trois prochaines années. Dernier signal, cohérent avec le reste : pour 2026, les cabinets français anticipent une bascule des recrutements vers les profils seniors (41 %) au détriment des juniors (37 %). Le losange, là aussi.
Le renversement : l’IA ne consacre pas les géants, elle consacre les spécialistes
J’en viens à ma conviction principale, et elle va à rebours de ce qu’on entend habituellement.
Le récit dominant est le suivant : l’IA exige des investissements colossaux, donc elle va concentrer le marché, donc les cabinets de taille intermédiaire vont être écrasés entre les géants technologiques d’un côté et les boutiques ultra-spécialisées de l’autre.
Je pense que c’est faux. Et que c’est même exactement l’inverse qui est en train de se produire.
La barrière à l’entrée s’est effondrée
Jusqu’en 2022, industrialiser une offre de conseil coûtait très cher : des équipes produit, des développeurs, des cycles de dix-huit à vingt-quatre mois pour sortir un outil, et autant pour l’améliorer. Seuls les cabinets capables d’immobiliser des centaines de millions pouvaient s’y risquer. L’Asset-Based Consulting était, de fait, une barrière à l’entrée qui protégeait les plus gros.
L’IA générative a inversé cette barrière en trois ans. Construire un accélérateur, un agent de recette, un moteur d’analyse de processus, un simulateur de business case — cela se compte désormais en semaines. Le coût marginal de la mise en actif d’une connaissance a été divisé par un ordre de grandeur.
La matière première a changé de nature
Et c’est là que tout se joue. Si le code devient une commodité — et il le devient — alors la valeur se déplace vers ce que le code ne sait pas produire : la connaissance métier profonde, contextualisée, éprouvée.
Un modèle de langage sait écrire du code. Il ne sait pas quels sont les quatorze pièges d’une bascule de paie sur un périmètre multi-conventions. Il ne sait pas pourquoi tel éditeur SIRH est excellent sur la gestion des temps et décevant sur le pilotage de la masse salariale. Il n’a pas vu trois cents projets.
Cette connaissance-là, elle est dans les cabinets spécialisés. Pas dans les modèles.
C’est un renversement complet de la hiérarchie des ressources rares. Hier, l’avantage allait à celui qui pouvait payer les développeurs. Aujourd’hui, il va à celui qui a la matière à codifier. Et en matière de profondeur métier, un cabinet de 250 experts sectoriels dispose souvent d’un gisement plus exploitable qu’un généraliste dix fois plus gros — parce que sa matière est homogène, cohérente, accumulée sur les mêmes sujets pendant des années.
Ajoutez à cela l’agilité. Transformer une intuition métier en actif opérationnel demande, dans un cabinet de taille intermédiaire, une décision et quelques semaines. Dans une organisation de 400 000 personnes, cela demande un comité d’investissement, une validation juridique, une roadmap groupe et un arbitrage de portefeuille. La vitesse est redevenue un avantage compétitif décisif — et elle n’a jamais été le point fort des géants.
Où en êtes-vous vraiment ? Une échelle de maturité en cinq niveaux
Le mot « actif » devient un mot-valise : tout le monde en revendique, presque personne ne définit ce qu’il met derrière. Je propose donc une échelle de maturité en cinq niveaux, qui a le mérite de rendre la conversation vérifiable. Elle nous sert en interne ; elle peut servir à d’autres.
Niveau 1 — Codifié. Le cabinet dispose de référentiels, de méthodologies écrites, de bibliothèques de livrables, de benchmarks. Le savoir est capitalisé et transmissible. L’unité de vente reste le jour-homme. Prérequis : de la discipline documentaire.
Niveau 2 — Accéléré. Le cabinet dispose de templates, de matrices de décision, de kits de conduite du changement, de patrimoines de cas de test réutilisables. Le temps de production baisse réellement. L’unité de vente devient le forfait. Prérequis : une capitalisation systématique, pas opportuniste.
Niveau 3 — Outillé. Le cabinet a développé ses propres outils : diagnostics automatisés, simulateurs, plateformes de recette. Il ne réutilise plus des documents, il exécute du logiciel. Prérequis : une capacité de développement interne.
Niveau 4 — Augmenté. Des agents IA métier et des modèles d’apprentissage automatique produisent de l’analyse, détectent des anomalies, génèrent des livrables. L’unité de vente se dédouble : forfait + licence ou abonnement. Prérequis : une équipe data science interne et une gouvernance de l’IA.
Niveau 5 — Engagé. Le service est suffisamment outillé et prédictible pour être vendu au résultat. Le cabinet partage le risque et la valeur. Prérequis : une maîtrise fine du risque et une assiette de mesure incontestable.
Mon observation, après vingt ans dans ce métier : la grande majorité des cabinets français opèrent aux niveaux 1 et 2, et communiquent comme s’ils étaient au niveau 4. Les chiffres Syntec le confirment de manière assez brutale — on ne peut pas être au niveau 5 quand 80 % du marché n’a pas de méthodologie de mesure d’impact.
L’écart entre le niveau réel et le niveau revendiqué est, aujourd’hui, le principal risque de crédibilité de notre profession.
Ce que l’Asset-Based Consulting change concrètement
Basculer vers ce modèle n’est pas un projet d’outillage. C’est une transformation qui touche trois dimensions simultanément — et si l’on n’en traite qu’une, on échoue.
La delivery : du levier junior au levier machine
Dans le modèle pyramidal, la rentabilité vient du levier : un associé, quelques managers, beaucoup de juniors. Ce levier est en train de disparaître, pour deux raisons convergentes : l’automatisation de la production analytique, et la rétraction du vivier junior lui-même.
Le remplacer par un levier machine n’est pas neutre : il faut repenser la composition des équipes, l’encadrement — un manager qui pilote trois consultants et six agents ne fait pas le même métier — et surtout le contrôle qualité, car un actif qui se trompe se trompe à l’échelle, ce qui n’était jamais le cas d’un junior.
C’est aussi une bonne nouvelle sur la qualité. Le vieux procès fait au conseil — « la qualité dépend de qui vous nous envoyez » — trouve enfin une réponse structurelle. Quand la méthode est outillée, la qualité devient reproductible. Le client n’achète plus le bon consultant, il achète un système dont la performance est stable.
Le pricing : sortir progressivement du jour-homme
C’est le sujet le plus difficile, et celui où l’on reconnaît les cabinets qui basculent vraiment de ceux qui font de la communication.
La trajectoire est en réalité assez balisée, et elle se parcourt par étapes :
Le forfait d’abord — déjà 56 % du marché français. C’est le premier étage : le cabinet assume le risque de charge, donc il a intérêt à s’outiller. Le forfait est le régime naturel de l’Asset-Based Consulting.
L’abonnement ensuite, quand l’actif continue de servir après la mission : mise à jour des référentiels, accès à une plateforme, maintien en condition opérationnelle d’un agent. C’est ce qui transforme une logique de projet en logique de relation continue — avec un effet majeur sur la récurrence du chiffre d’affaires.
Le partage de valeur enfin, pour les périmètres où l’on sait mesurer. C’est le niveau 5. Il exige trois conditions non négociables : une assiette de mesure acceptée par les deux parties, une maîtrise réelle du risque, et une solidité financière suffisante pour porter le décalage de trésorerie.
Une remarque de praticien : ne promettez jamais du niveau 5 sur une offre qui est au niveau 2. C’est le meilleur moyen de perdre à la fois de l’argent et la confiance du client. La progression sur l’échelle doit précéder la promesse commerciale, jamais l’inverse.
Les talents : le consultant « product-minded », et la question que personne ne pose
Le consultant de demain ne se distinguera plus par sa capacité à produire une analyse — la machine le fait plus vite. Il se distinguera par trois choses : poser le bon problème, exercer son jugement sur ce que produit la machine, et capitaliser — sortir d’une mission en se demandant systématiquement ce qui mérite de devenir un actif. Cette dernière compétence est nouvelle et ne se décrète pas : elle s’organise, avec du temps dédié et une reconnaissance dans l’évaluation. Un cabinet qui demande à ses consultants de capitaliser « en plus » de leur mission n’obtiendra rien.
Et puis il y a la question que presque personne ne pose, et qui me préoccupe sincèrement.
Si les juniors ne font plus l’analyse, comment forme-t-on les seniors de 2035 ?
Le métier s’apprend en faisant. On acquiert le jugement en ayant construit trois cents modèles, en s’étant trompé, en ayant vu un directeur général démonter une hypothèse en deux questions. Si l’IA absorbe 80 % du travail d’analyse junior, la marche d’apprentissage disparaît — et avec elle, à dix ans, le vivier de seniors capables du jugement qu’on prétend leur réserver.
Je n’ai pas de réponse définitive, mais une conviction : le cabinet qui en aura une disposera, dans cinq ans, d’un avantage compétitif et employeur considérable. Cela passera sans doute par une exposition plus précoce des juniors au client, par un apprentissage fondé sur la critique de ce que produit la machine plutôt que sur sa production, et par des parcours plus courts mais plus denses. C’est un chantier ouvert chez nous, et que je ne considère pas comme refermé.
Chez Althéa : nous ne découvrons pas ce modèle, nous le pratiquons depuis 2007
Je n’aime pas les tribunes qui décrivent un monde que leur auteur n’habite pas. Je vais donc être précis — y compris sur ce que nous ne savons pas encore faire.
Althéa, c’est 250 consultants et 28 millions d’euros de chiffre d’affaires en 2024, sur les transformations RH, Finance, Achats et Supply Chain. Notre signature tient en trois mots : méthodologie conseil, solutions SI, expertise métier. Nous l’avons construite parce qu’elle était la condition pour tenir nos engagements sur des projets complexes. Je réalise aujourd’hui qu’elle est aussi, très exactement, la matière première de l’Asset-Based Consulting : un actif de conseil a besoin des trois — la méthodologie pour structurer, le SI pour outiller, le métier pour être juste. Un actif construit sans profondeur métier est un gadget qui ne survit pas à sa deuxième mission.
Premier repère chiffré : plus de 56 % de nos missions sont vendues au forfait. Nous sommes donc déjà, sur la majorité de notre activité, dans une logique d’engagement de résultat plutôt que de vente de jours. Mais le forfait n’est que le premier étage. Voici ce qu’il y a au-dessus.
Le Livre Blanc Paie & Gestion des Temps : dix-neuf ans de capitalisation
Nous avons commencé à le développer en 2007. Dix-neuf ans plus tard, il n’a jamais cessé d’être enrichi, mission après mission, et il s’apprête à intégrer ses premiers agents IA.
C’est notre référentiel de la paie et de la gestion des temps : la connaissance accumulée sur des centaines de projets, structurée, maintenue, opposable. Il est utilisé sur la totalité de nos missions de ce type, et il est la principale raison pour laquelle nous allons plus vite que le marché sur ces sujets.
Mais le signal le plus intéressant ne vient pas de nous — il vient de nos clients. Ils nous demandent tous de pouvoir continuer à l’utiliser après la mission, et acceptent de le payer en mode SaaS pour outiller le quotidien de leurs propres gestionnaires.
Voilà, très concrètement, ce qu’est un actif : quelque chose que le client veut garder quand les consultants sont partis. Et voilà ce qui fait passer un cabinet du niveau 2 au niveau 4 de l’échelle — le passage d’un patrimoine documentaire à un service facturé à l’usage.
Je souligne l’année, 2007, parce qu’elle dit quelque chose d’important : nous n’avons pas attendu l’IA générative pour comprendre que la connaissance devait être capitalisée dans un objet plutôt que dans des têtes. L’IA accélère un mouvement engagé il y a dix-neuf ans.
Performance RH et Performance DAF : le succès fees, depuis toujours
Notre offre Performance RH — recouvrement des IJSS, indemnités de prévoyance, optimisation des charges sociales — est facturée au succès. Le client ne paie que sur la valeur récupérée. Elle s’est depuis élargie à une offre Performance DAF, incluant notamment l’optimisation de la C3S.
Nous y avons déployé plusieurs agents IA. Le premier automatise le recouvrement des IJSS : il accélère le traitement et, surtout, il maximise le montant effectivement récupéré. Dans un contexte où le cash est redevenu le sujet numéro un de nos clients, l’impact est immédiat et se mesure en euros sur leur trésorerie.
J’insiste sur la logique, parce qu’elle est le cœur du modèle : nous n’utilisons pas l’IA pour facturer moins de jours. Nous l’utilisons pour récupérer plus d’argent, plus vite, pour le client. Et comme nous sommes payés au succès, notre intérêt et le sien sont strictement alignés. Chaque point de productivité gagné par l’agent est de la valeur créée pour les deux parties. C’est très exactement ce que le modèle du jour-homme ne saura jamais faire.
C’est du niveau 5, et nous le pratiquons depuis des années. Je le dis sans forfanterie mais avec fermeté : nous ne découvrons pas ce modèle avec l’IA. Nous savons ce qu’il exige — en rigueur de mesure, en maîtrise du risque, en discipline opérationnelle.
Skill Based Organisation : deux mois au lieu d’un an
Construire le référentiel de postes et de compétences d’une direction métier prend habituellement un an. Avec ce constat, systématique, qu’à la livraison le référentiel n’est déjà plus d’actualité. Certains se reconnaîtront.
Notre offre Skill Based Organisation (SBO) le construit en deux mois maximum, quelle que soit la direction concernée. Cette performance ne vient pas d’une méthode plus rapide : elle vient d’un Harness IA — une chaîne d’agents spécialisés qui travaillent ensemble sous le contrôle de nos consultants.
Mais le vrai saut n’est pas là. Il est dans ce que le Harness permet ensuite : projeter ce référentiel en y intégrant l’impact de l’IA sur les métiers de la direction, et construire ainsi son Target Operating Model à trois ans, avec le plan de route pour y arriver.
Prenons un cas concret, que je vois se rejouer chez la plupart de nos clients. Une direction financière continue de recruter des comptables avec la même fiche de poste qu’il y a deux ans. Or tout le monde sait — et surtout tout le monde sent — qu’elle aura besoin d’un tiers de comptables en moins, et que le tiers restant devra intégrer l’IA dans son quotidien, dans son mindset, dans sa manière d’analyser les résultats. Le référentiel projeté rend cette réalité visible, chiffrée, discutable. Et il structure ensuite tout le reste : plans de recrutement, plans de formation, dispositifs d’évaluation, processus.
Enfin — et c’est là que le modèle change vraiment de nature — nous laissons le Harness au client après la mission, pour qu’il puisse rejouer régulièrement ses scénarios au fil du déploiement de son plan de route et de l’évolution réelle de ses équipes.
Nous ne livrons plus un référentiel. Nous livrons une capacité à le maintenir vivant.
Aide au choix de solution : quand nous cannibalisons notre propre offre
C’est l’exemple dont je suis le plus fier. C’est aussi le plus inconfortable.
Nous réalisons plus de quarante missions d’aide au choix de solution par an, et nous le faisons depuis vingt et un ans. Notre offre historique, vendue au forfait, couvre toute la chaîne : cadrage, construction du cahier des charges à travers huit à vingt ateliers de deux heures selon la complexité, animation complète de l’appel d’offres, analyse des réponses en parallèle du client, recadrage des offres pour qu’elles répondent réellement au besoin, organisation et animation des soutenances, dossier de choix complet et préconisation, puis préparation à la négociation.
Sur ce dernier point, l’accumulation compte plus que la méthode : après vingt et un ans et plusieurs centaines d’appels d’offres, nous savons à combien les deals se signent réellement et où porter l’effort de négociation. Nous faisons régulièrement gagner à nos clients entre 20 et 40 % du budget global. Ce chiffre-là, aucun agent ne le produit : il vient d’une mémoire de marché.
Nous utilisons évidemment l’IA sur ces missions — pour challenger les offres, comparer les grilles de chiffrage, analyser les contrats. Mais il reste beaucoup d’humain et, disons-le, de touché de balle, pour aboutir à un choix éclairé puis bien négocié.
Et pourtant. Début 2026, nous avons lancé AI Select : une offre d’aide au choix trois fois moins coûteuse pour le client, réalisée à 80 % par des agents.
Il n’y a plus d’ateliers. Notre agent Vibe by Althéa interroge oralement les différentes parties prenantes, challenge leurs réponses — toujours à l’oral —, et consolide l’ensemble des domaines du cahier des charges. Le résultat est ensuite revu, challengé et amélioré par un consultant senior d’Althéa. Mais 80 % du travail a été produit par les agents, et beaucoup plus vite — le seul facteur limitant devenant la disponibilité des parties prenantes métier et DSI.
Le chiffre qui résume tout. Sur un compte de complexité organisationnelle moyenne, notre aide au choix classique représente une charge de 40 jours, vendue au forfait. La même mission en AI Select : 15 jours. Toujours au forfait.
Soixante-deux pour cent de moins. Sur notre propre offre. Vendue par nous.
Vous vous souvenez du directeur financier du début de cet article, et de sa question sur les quarante jours ? La voilà, la réponse honnête. Elle n’a pas été confortable à construire et elle ne l’est toujours pas à assumer en interne. Mais je préfère de très loin cannibaliser mon offre moi-même plutôt que de laisser quelqu’un d’autre le faire à ma place.
Et pour être tout à fait transparent : cette offre fait réfléchir un certain nombre de nos clients. C’est précisément le but.
En interne : nous nous appliquons à nous-mêmes ce que nous vendons
Un cabinet qui vend l’industrialisation à ses clients sans se l’appliquer à lui-même n’est pas crédible très longtemps.
En septembre, nous mettons à disposition de l’ensemble de nos business managers un Harness complet : sourcing, prospection, préparation des rendez-vous, production des propositions. Ils utilisent déjà des outils d’IA au quotidien ; la différence, cette fois, c’est qu’il ne s’agit plus d’outils épars mais d’un environnement d’agents packagé et cohérent.
Un Harness équivalent, dédié aux consultants et à leurs tâches quotidiennes, est en cours de finalisation.
Où nous en sommes vraiment : douze mois pour basculer
Maintenant, l’honnêteté.
Toutes nos offres ne sont pas au niveau 5. Certaines y sont depuis des années — Performance RH, Performance DAF. D’autres sont au niveau 4 — SBO, AI Select, le Livre Blanc. Et d’autres, il faut le dire, sont encore au niveau 2 : de bons accélérateurs, des kits bien faits, mais pas encore de véritables actifs.
Nous nous sommes fixé douze mois pour faire basculer l’ensemble de nos offres au niveau 4 ou 5. C’est exigeant. C’est atteignable, parce que le mouvement n’a pas commencé cette année : il est engagé depuis le premier Livre Blanc, en 2007. Mais nous devons accélérer — et j’assume de le dire publiquement, c’est aussi une manière de nous y obliger.
Les garde-fous : ce que l’Asset-Based Consulting ne doit pas devenir
Un modèle qui n’a pas de limites explicites est un modèle dangereux. Quatre points de vigilance me paraissent non négociables.
La standardisation appliquée au singulier. L’actif crée de la valeur sur ce qui est répétable. Il en détruit sur ce qui est unique. Un cabinet qui, pour rentabiliser son outil, force tous ses clients dans le même moule trahit la promesse même du conseil. La discipline consiste à savoir dire : sur cette partie de votre problème, nous avons un actif ; sur celle-là, nous n’en avons pas, et c’est tant mieux.
La propriété intellectuelle et les données clients. Entraîner un modèle sur les données d’un client pour mieux servir le suivant est juridiquement encadré et déontologiquement délicat. La ligne doit être posée dès le contrat, expliquée, et tenue. C’est un sujet où la confiance se perd une seule fois.
La conformité et la souveraineté. RGPD, AI Act, exigences sectorielles, hébergement des données : nos clients grands comptes et publics ne peuvent transiger, et nous non plus. La souveraineté n’est pas un argument marketing, c’est un critère d’architecture.
Le désapprentissage. J’y reviens parce que c’est, à mes yeux, le risque le plus sérieux et le moins traité. Un cabinet qui automatise sans repenser ses parcours de formation prépare sa propre pénurie de compétences à dix ans.
Six questions à poser à votre cabinet — ou à vous-même
Que vous soyez client du conseil ou dirigeant d’un cabinet, voici les six questions qui, aujourd’hui, séparent le discours de la réalité :
1. Sur cette mission, quelle part est industrialisable — et qu’avez-vous prévu de faire du temps ainsi libéré ?
2. Vos actifs sont-ils des documents ou du logiciel ? La différence entre un template et un outil est la différence entre le niveau 2 et le niveau 3.
3. Comment mesurez-vous l’impact de vos missions ? Si la réponse est « nous n’avons pas de méthodologie standardisée », vous êtes dans les 80 %.
4. Sur quelles offres êtes-vous prêt à vous engager sur un résultat ? Et depuis combien de temps le faites-vous réellement ?
5. Si vos juniors ne font plus l’analyse, comment formez-vous vos seniors de 2035 ?
6. Et la plus dure : avez-vous déjà lancé une offre qui cannibalise l’une des vôtres ? C’est le test le plus simple pour savoir si un cabinet a réellement basculé — ou s’il se contente d’en parler.
Pour conclure
Le conseil ne va pas disparaître. La demande de jugement, d’arbitrage, de courage dans la décision n’a jamais été aussi forte — et aucune machine ne la satisfera.
Ce qui va disparaître, c’est la facturation du temps comme mesure de la valeur. Elle a servi cinquante ans, elle a structuré une industrie entière, et elle est en train de devenir le principal obstacle à l’innovation de cette industrie. Un modèle qui punit la productivité ne survit pas à un choc de productivité de 30 %.
L’Asset-Based Consulting n’est pas une mode. C’est la réponse structurelle à cette contradiction. Et contrairement à ce qu’on entend, il ne favorise pas mécaniquement les plus gros : il favorise ceux qui ont de la matière métier à codifier et l’agilité pour le faire vite. C’est une bonne nouvelle pour les cabinets spécialisés. C’en est une aussi pour les clients, qui vont enfin pouvoir acheter de la valeur plutôt que des jours.
À condition de le faire honnêtement : en nommant son niveau de maturité réel, en posant ses limites, et en acceptant de vendre à 15 jours ce qu’on vendait 40. C’est là que tout se joue, et c’est là que la plupart s’arrêteront.
Ma citation préférée, que je ressers à mes équipes plus souvent qu’elles ne le voudraient, dit à peu près tout de ce qui se joue en ce moment dans notre métier :
« Innover, ce n’est pas avoir une nouvelle idée, mais arrêter d’en avoir une vieille. »
La vieille idée, ici, c’est le jour-homme. Il est temps.
David Bellaïche est le fondateur d’Althéa, cabinet de conseil en management de 250 consultants spécialisé dans les transformations RH, Finance, Achats et Supply Chain.
Sources
- Clayton Christensen, Dina Wang, Derek van Bever, « Consulting on the Cusp of Disruption », Harvard Business Review, octobre 2013
- IBM Think, « What is asset-based consulting? »
- Forrester, « The Future Of AI Consulting Services Is Disruptively Bright »
- Forrester, « From People To Products: Software-Powered Consulting »
- « 2026 Consulting’s AI Revolution Update: Billions Spent, But the Old Pyramid Persists », Future of Consulting
- Étude Syntec Conseil, bilan 2025 et perspectives 2026 (via Consultor)
- Communiqué de résultats BCG, avril 2026
