Aller au décryptage
Décryptages
Illustration conceptuelle : une cité orientale imaginaire où des équipes et des robots transforment des flots de documents en blocs lumineux, au bord d’une baie dominée par une ville futuriste

JLPDÉCRYPTAGE DÉCRYPTAGE STRATÉGIQUE

ANALYSE INDÉPENDANTE / ENTREPRISE & INTELLIGENCE ARTIFICIELLE

NAIJM — De la promesse de l’IA à l’obligation de résultat

Une intelligence artificielle peut accélérer un traitement sans réduire la facture, automatiser une étape sans désengorger le service, produire davantage sans améliorer la marge.

Naijm · Octobre 2026

Lire le décryptage

Une intelligence artificielle peut accélérer un traitement sans réduire la facture, automatiser une étape sans désengorger le service, produire davantage sans améliorer la marge. Naijm, dirigée par Oussama Ammar, entend intervenir dans cet écart entre capacité technique et résultat économique. Son pari associe compréhension des métiers, exploitation durable des systèmes et rémunération partiellement liée aux gains. L’intérêt du projet tient à cette continuité. Sa crédibilité dépendra d’une question plus exigeante que celle du fonctionnement d’un logiciel : quelle valeur le client conserve-t-il, à quel coût et pendant combien de temps ?

L’IA se diffuse. La valeur ne suit pas toujours.

L’AI Index 2026 de Stanford rapporte que 88 % des organisations interrogées déclaraient utiliser l’IA dans au moins une fonction en 2025. Ce chiffre mesure sa diffusion, pas sa rentabilité. Dans une autre enquête, publiée le 8 juillet 2026, seuls 11 % des dirigeants interrogés dans l’enquête McKinsey situaient leur organisation au stade de la réinvention de ses modes de fonctionnement. Le panel, recruté pour représenter plusieurs degrés de maturité, ne permet pas d’extrapoler cette proportion à l’ensemble des entreprises.

Le passage de l’usage à la valeur dépend de ce qui change autour de l’outil : circuits de validation, accès aux données, répartition des décisions. Une capacité nouvelle peut rester économiquement marginale si elle s’insère dans une organisation qui continue de fonctionner comme avant.

Naijm propose de partir des opérations les plus coûteuses, comme le recouvrement ou le traitement des sinistres, puis de les reconstruire en logiciels qu’elle exploite. Le pari d’Oussama Ammar se distingue moins par la possession d’un modèle d’IA que par la volonté de faire de la compréhension des métiers, de l’exécution et de la preuve financière les véritables actifs de l’entreprise.

Ce que les algorithmes ignorent du travail réel

Dans un service de recouvrement, reconnaître un montant et une échéance ne suffit pas à décider d’une relance. Il faut comprendre les litiges, les engagements commerciaux et les exceptions que les équipes gèrent parfois sans les formaliser. L’expérience des salariés contient une partie des règles que le logiciel devra respecter.

Naijm revendique cette coopération entre connaissance du métier et ingénierie. Dans son essai technique du 27 octobre 2026, l’entreprise insiste sur le travail qui subsiste après une réponse automatisée : vérification, correction, transmission.

L’enjeu est précis : éviter de déplacer la charge plutôt que de la réduire. Une automatisation qui accélère la saisie mais multiplie les contrôles peut améliorer un indicateur local tout en alourdissant le processus complet. La connaissance du métier sert autant à choisir ce qu’il faut automatiser qu’à reconnaître ce qui doit rester soumis au jugement humain.

Cette coopération suppose aussi de clarifier le devenir des tâches et des personnes : demander aux salariés de transmettre leur expertise sans expliquer la réorganisation peut fragiliser l’accès au savoir dont dépend le projet.

La production ajoute une autre épreuve. Les dossiers arrivent incomplets, les règles évoluent, les modèles se trompent. Naijm affirme construire, exploiter et améliorer les systèmes après leur déploiement. Ce prolongement expose le prestataire aux conséquences de ses choix techniques. Il exige aussi que les équipes clientes sachent détecter une anomalie, reprendre la main et maintenir le service. Former ces équipes fait donc partie de l’investissement ; les rendre dépendantes d’une intervention permanente en compromettrait le rendement.

Illustration conceptuelle : autour d’une table, un dirigeant expose une démarche à des experts et à un robot ; des panneaux translucides relient expertise métier, données, IA et résultats
Illustration éditoriale conceptuelle — JLPDécryptage

La valeur ne se mesure pas en économies annoncées

La rémunération annoncée associe un fixe, destiné à financer l’équipe, et une part variable liée à la valeur mesurée. Les références de départ, les modalités de mesure et les honoraires au succès doivent être convenus avant l’intervention. Ce schéma partage le risque sans le transférer entièrement : le client contribue au financement du travail, indépendamment de la part variable. Les publications consultées ne précisent ni le taux de partage des gains ni les clauses couvrant un résultat insuffisant. Le principe commercial laisse donc ouvertes des questions importantes de répartition du risque.

Dans sa présentation, Ammar avance une ambition de 20 à 30 % d’économies sur une opération coûtant 100 millions de dollars. C’est un objectif déclaré, dont la période de référence n’est pas précisée, et non une performance vérifiée.

Pour comprendre l’écart entre économies brutes et valeur nette, prenons une hypothèse entièrement distincte de tout contrat Naijm. Sur une année, un processus coûte initialement 100 millions de dollars. Sa transformation permet d’en économiser 20. Si le déploiement, l’exploitation, la supervision et le fixe ajoutent quatre millions, puis la rémunération variable trois millions, le client conserve treize millions, avant autres effets éventuels. Chaque dépense doit être comptée une seule fois, sur un périmètre et une durée cohérents.

Cette distinction vaut aussi pour le temps libéré. Des heures économisées ne deviennent pas automatiquement des dépenses supprimées. Leur valeur dépend d’une réaffectation productive, d’un recrutement évité ou d’une capacité supplémentaire effectivement utilisée. Une économie comptable, un gain de productivité et une amélioration du service appellent des preuves différentes. Les confondre peut transformer une estimation séduisante en décision d’investissement décevante.

Illustration conceptuelle : une machine ornementale transforme des tâches manuelles et des systèmes hérités en économies, nouveaux revenus et actifs logiciels
Illustration éditoriale conceptuelle — JLPDécryptage

Avant le résultat, la méthode de preuve

La référence de départ constitue le premier engagement économique du projet. Un coût total diminue aussi quand l’activité recule. Une comparaison pertinente doit donc corriger les variations de volume et de complexité, tout en conservant un niveau de service comparable.

L’attribution des gains est tout aussi délicate. Une baisse des coûts peut accompagner une réorganisation, une renégociation fournisseur ou une évolution du marché. Un déploiement progressif ou la comparaison avec une activité similaire peuvent aider à distinguer les contributions, sans supprimer toutes les incertitudes. La méthode doit permettre de discuter le résultat, y compris lorsqu’il déçoit.

Le partage des économies peut rapprocher les intérêts du client et du prestataire ; il ne garantit pas leur convergence. Une mesure centrée sur la dépense pourrait récompenser une automatisation qui augmente les erreurs ou reporte le travail sur les clients. Les honoraires variables devraient donc dépendre également d’exigences de qualité vérifiables. Le taux de reprise humaine et le coût des incidents renseignent davantage que la seule vitesse d’exécution.

Le site actuel de Naijm inclut aussi la création de revenus dans sa proposition. Ce périmètre élargit le potentiel et complique la preuve : une vente supplémentaire dépend rarement d’un seul outil. Pour apprécier la valeur créée pour le client, la marge additionnelle importe davantage que le chiffre d’affaires attribué au système.

Le pari d’Oussama Ammar : grandir sans diluer la responsabilité

Pour Naijm, le défi entrepreneurial sera d’obtenir des résultats reproductibles sans recommencer intégralement chaque projet. L’immersion et l’adaptation peuvent produire un avantage commercial ; elles mobilisent aussi des compétences rares. Si chaque contrat exige une équipe durablement dédiée, la croissance dépendra des recrutements autant que des ventes.

La viabilité du modèle suppose alors de réutiliser des composants et des méthodes sans standardiser abusivement les métiers. Elle dépend aussi du calendrier financier : les salaires et le déploiement précèdent potentiellement l’encaissement des gains partagés. Le fixe atténue ce décalage ; il ne permet pas, à lui seul, de juger la rentabilité du prestataire.

La réussite dans une organisation bien équipée ne garantit pas davantage le même rendement ailleurs. La qualité des données, la stabilité des procédures et la disponibilité des équipes déterminent le coût de l’intervention. Démontrer la répétition du modèle exigera de distinguer ce qui tient à la méthode de ce qui dépend d’un client particulièrement favorable.

Pour le client, l’exploitation prolongée pose une question de maîtrise. Pouvoir auditer le système, récupérer ses données et organiser une transition vers un autre opérateur contribue à la valeur de l’investissement. Un service devenu indispensable mais impossible à remplacer peut absorber demain une partie des économies obtenues aujourd’hui.

Les sources publiques consultées décrivent la proposition de Naijm, mais ne fournissent pas de cas client suffisamment détaillé pour vérifier une économie nette dans la durée. Cette limite documentaire ne démontre aucun échec. Elle situe l’étape suivante : publier des résultats avec leur point de départ, leurs coûts complets et leur qualité de service. La reproductibilité ne sera établie qu’en retrouvant cette discipline sur plusieurs opérations.

Illustration conceptuelle : depuis une terrasse, une équipe observe une cité parcourue de canaux où se succèdent stratégie, exécution, gouvernance, audit et valeur de long terme
Illustration éditoriale conceptuelle — JLPDécryptage

La preuve appartient aussi au client

Le cas Naijm pose une question qui dépasse son devenir : comment acheter de l’intelligence artificielle lorsque la capacité technique progresse plus vite que la connaissance de son rendement ? La réponse suppose d’expliciter les hypothèses, de rendre visibles les coûts et d’attribuer les responsabilités. Elle exige des clients capables de mesurer autant que des prestataires capables de construire. Le savoir humain conserve ici une fonction économique centrale : définir ce qu’est un travail bien fait et reconnaître ce qu’une amélioration change réellement. Naijm sera jugée sur sa capacité à rendre cette exigence praticable, puis reproductible. À terme, la preuve la plus solide d’une IA sera un résultat que son client pourra défendre sans l’aide de celui qui la vend.

SOURCES ET MÉTHODE

  1. Stanford HAI — AI Index 2026, Economy (nouvel onglet)
  2. McKinsey — From adoption to impact, 8 juillet 2026 (nouvel onglet)
  3. Oussama Ammar — Présentation de Naijm (nouvel onglet)
  4. Naijm — Site officiel (nouvel onglet)
  5. Naijm — Manifeste (nouvel onglet)
  6. Naijm — Publication du 27 octobre 2026 (nouvel onglet)

Note éditoriale. Les objectifs avancés par Naijm ne sont pas des résultats audités. Le calcul financier est un scénario pédagogique indépendant. Aucune citation directe du documentaire n’est attribuée sans transcription.