Du vide de la blockchain à l'IA : comment j'ai trouvé ma place

On parle beaucoup d’intelligence artificielle : les modèles, les outils, les annonces, les performances. On parle rarement du chemin qui y mène vraiment : les fausses pistes, les périodes de doute, les technologies qui fascinent sans jamais trouver leur place, et le moment où quelque chose devient enfin concret. Mon parcours, lui, ne commence pas avec ChatGPT. Il commence ailleurs, dans un univers qui m’a passionné autant qu’il m’a laissé sur ma faim : la blockchain.

Trois ans dans la blockchain, et un goût amer

Fin 2022, autour de moi, on parle cartes graphiques, minage, crypto. Je découvre la blockchain et j’y plonge avec intensité. Pendant plusieurs années, j’explore cet univers dans tous les sens : je lis, je teste, je cherche à comprendre les usages, les promesses et les limites, jusqu’à passer une certification de consultant blockchain. Sur le papier, c’est fascinant. La technologie pose de vraies questions (souveraineté numérique, propriété des données, échange de valeur sans intermédiaire, nouveaux modèles économiques), et l’univers est d’une richesse rare, techniquement comme intellectuellement.

Sauf que, dans la réalité, quelque chose ne prenait pas. J’avais souvent l’impression de parler une langue étrangère. Expliquer ce qu’est un token, une DAO ou un protocole décentralisé restait abstrait, et même avec un interlocuteur sérieux, la discussion butait toujours sur la même difficulté : comment relier tout ça au quotidien des gens ? Le contexte n’aidait pas. La souveraineté numérique est un sujet essentiel, mais il résonne encore peu dans les entreprises locales ; l’éducation financière a du retard ; les usages sont difficiles à faire comprendre. La réglementation européenne, avec MiCA, a confirmé ce que je ressentais déjà : la blockchain est une technologie majeure, mais encore loin du terrain pour la plupart des artisans, indépendants et PME que je côtoie. Il me restait une technologie incroyable, sans le bon terrain. Pas le mien, en tout cas.

Le vide après l’enthousiasme

Quand cette phase blockchain s’est essoufflée, elle a laissé un vide, et pas seulement technique : un vide de direction. J’avais passé des mois à apprendre, comprendre, imaginer des usages, et je voyais bien que ce savoir n’allait pas se transformer facilement en quelque chose d’utile et de transmissible autour de moi.

C’est dans ce vide que l’intelligence artificielle a pris de la place. Au début, je l’utilise par curiosité ; ça devient vite une habitude, puis un réflexe. GPT, Perplexity, les assistants de recherche, les outils de synthèse : tout change ma façon d’apprendre. Une question, quelques sources, une synthèse, un échange pour creuser. Là où je passais des heures à rassembler de l’information, j’avance désormais beaucoup plus vite. Mais le vrai changement n’était pas la vitesse. C’était la profondeur.

Un professeur adapté à ma façon d’apprendre

Je suis curieux, et j’ai besoin de comprendre en profondeur plutôt que de survoler. Il me faut une explication intuitive puis un exemple concret, un schéma mental puis un contre-exemple, un résumé clair puis des sources solides pour aller plus loin. C’est exactement ce que l’IA m’a apporté. Pour la première fois, j’avais en face de moi un outil capable de s’adapter à ma manière d’apprendre : poser une question simple, la reformuler, demander une analogie ou une version plus technique, revenir en arrière, tester ma compréhension, explorer un sujet voisin. Plus un moteur de recherche, mais un professeur patient et disponible, qui devenait de mois en mois plus compétent.

Cette puissance pose quand même une vraie question. On peut utiliser l’IA pour apprendre, comprendre et structurer sa pensée, ou pour éviter de penser : lui déléguer l’effort trop tôt, copier une réponse sans l’avoir comprise, produire plus vite mais apprendre moins. C’est ce qu’on appelle parfois la dette cognitive. À court terme, elle donne l’impression de gagner du temps ; à long terme, elle rend dépendant d’outils qu’on ne comprend plus vraiment. J’en ai tiré une règle simple : l’IA n’a de valeur que si elle augmente notre capacité à agir, sans remplacer notre capacité à réfléchir.

Sortir du flou : la leçon de l’agentique

En avançant dans mes expérimentations, je me suis intéressé aux agents IA. Au début, le sujet paraît presque magique : on imagine des assistants autonomes capables de chercher, décider, rédiger, organiser et envoyer, tout seuls. Mais plus on creuse, plus on comprend que la magie est rarement une bonne méthode de travail. Ce qui m’a intéressé, ce ne sont pas les agents qui promettent tout, mais les agents structurés : déterministes, prévisibles, cadrés, observables. Pas une IA à qui l’on confie vaguement une mission en espérant qu’elle se débrouille, mais un processus clair, avec ses étapes, ses règles, ses entrées, ses sorties et ses validations.

Mon regard a changé à ce moment-là. L’avenir de l’IA dans les petites entreprises ne repose pas seulement sur des assistants conversationnels généralistes, mais surtout sur des automatisations utiles, bien cadrées, branchées aux bons outils, avec de l’IA à des endroits précis du processus. Elle n’est pas toujours le centre du système ; elle est souvent un nœud intelligent dans un workflow plus large, et c’est là qu’elle devient vraiment utile.

Le vertige du mouvement permanent

Il y a tout de même un piège dans l’IA : le rythme. Les modèles changent sans arrêt, les outils apparaissent, se copient et se dépassent, et chaque semaine apporte son annonce et sa démonstration spectaculaire. On peut vite avoir l’impression de ne jamais être à jour, et ce vertige peut paralyser : on observe au lieu de faire, on attend que les choses se stabilisent, on compare les benchmarks, on regarde passer le train.

À un moment, il faut trancher. L’important n’est pas de connaître tous les outils, mais de construire quelque chose avec ceux qu’on comprend déjà. J’ai commencé à progresser le jour où j’ai quitté cette posture de spectateur, non pas en attendant la prochaine grande annonce, mais en mettant les mains dans les outils : tester, casser, recommencer, automatiser une petite tâche, comprendre pourquoi elle échoue, l’améliorer, la documenter, repartir d’un cas réel. C’est comme ça que l’automatisation est devenue mon fil rouge.

L’automatisation comme terrain concret

Tout au long de 2025, l’automatisation a pris une place centrale dans mon apprentissage. J’ai exploré les workflows, des outils comme n8n ou Make, les connexions entre services, les API, les bases de données, les formulaires, les emails, les relances, les comptes rendus. Et surtout, j’ai commencé à voir les choses autrement : derrière une tâche répétitive, il y a souvent un processus mal outillé ; derrière une perte de temps, une information qui circule mal ; derrière une surcharge administrative, une suite d’actions simples que personne n’a pris le temps de relier.

C’est ce qui rend l’IA concrète. On sort du discours général pour aller vers des cas précis : récupérer une demande client, la qualifier, générer un brouillon de réponse, créer une tâche, relancer automatiquement, produire un compte rendu, alimenter un tableau de suivi. Des choses modestes. Mais ce sont souvent elles qui changent le quotidien d’une entreprise.

Une formation qui a structuré le chaos

Fin 2025, je termine une formation de consultant IA. Elle a été dense, mais elle a joué un rôle important : elle a mis de l’ordre dans ce que j’explorais jusque-là de façon parfois chaotique. Elle m’a permis de relier plusieurs dimensions : la compréhension des modèles, la conduite d’un projet IA, l’analyse des besoins, la mise en œuvre technique, les limites et les risques, les usages métiers. Et elle m’a surtout fait voir la méthode agile autrement.

Avant, l’agile pouvait ressembler à une méthode de gestion de projet parmi d’autres. Appliquée à l’IA, elle devient presque indispensable, parce qu’un projet IA ne se pense pas comme un projet figé : on part d’un besoin, on formule une hypothèse, on teste, on observe, on ajuste, on avance par versions successives. On accepte de ne pas tout savoir au départ, à condition de mettre en place une méthode pour apprendre vite. C’est exactement ce dont les petites entreprises ont besoin : pas de grands discours ni de transformation numérique abstraite, mais un premier cas utile, mesurable et améliorable.

Le vibe coding : quand les idées deviennent visibles

Il y a eu une autre bascule : le vibe coding. Avec des outils comme Cursor, la relation au développement change complètement. On décrit une idée en langage naturel et on voit apparaître une première structure ; on demande une interface, on teste une logique, on corrige, on itère. Pour quelqu’un qui a beaucoup d’idées mais pas toujours eu les moyens de les concrétiser vite, la sensation est forte, parce que tout paraît soudain possible : un outil interne, un formulaire intelligent, un mini-CRM, un tableau de bord, un prototype métier.

Là aussi, il y a un revers. Quand le projet est simple, l’IA donne l’impression que tout va très vite ; dès que le contexte grossit (les fichiers se multiplient, les règles métier s’accumulent), il faut de la structure. Le vibe coding n’annule pas le besoin de méthode, il le rend plus important encore : sans cadrage, on génère du code fragile ; avec une méthode claire, on construit rapidement un premier outil utile. Tous mes apprentissages se rejoignaient alors : l’agentique, l’automatisation, l’agile et le développement assisté par IA pointaient dans la même direction.

Le déclic : je suis à ma place

Avec le recul, le fil conducteur est plus clair. La blockchain m’a donné le goût des grands sujets numériques, mais elle restait trop éloignée du quotidien des entreprises locales. L’IA, elle, m’a ramené au terrain : apprendre plus vite, prototyper plus vite, automatiser plus simplement, rendre visibles des idées qui seraient restées dans un carnet, à condition de l’aborder avec méthode.

Le déclic est venu de là. Je n’étais pas seulement intéressé par l’IA, j’étais à ma place dans cet univers. Parce que ce qui m’intéresse, ce n’est pas la technologie pour elle-même, mais l’instant où elle devient utile : quand quelqu’un comprend qu’une tâche subie depuis des mois peut disparaître, ou qu’une entreprise réalise qu’elle peut gagner du temps sans se transformer en startup. C’est ce chemin-là qui a donné naissance à Dclick IA.

Ce que je fais aujourd’hui avec Dclick IA

Aujourd’hui, mon objectif est simple : aider les artisans, indépendants, TPE et PME à repérer ce qui peut être simplifié, automatisé ou amélioré avec l’IA. Ça commence rarement par un outil ; ça commence par une observation. Quelles tâches reviennent en permanence, où perd-on du temps, quelles informations sont ressaisies plusieurs fois, quelles demandes clients pourraient être mieux qualifiées, quels suivis se font encore à la main ? La réponse ne se trouve pas dans une démonstration générique, mais dans les outils du client, ses habitudes, ses contraintes, ses fichiers, son quotidien.

Mon rôle n’est pas d’arriver avec une solution toute faite, mais d’aider à voir les leviers, puis de construire un premier automatisme simple, utile et mesurable : quelque chose qui n’alourdit pas le travail mais enlève une friction réelle. Parfois ça passe par de l’IA, parfois une automatisation classique suffit, et souvent la bonne réponse est un mélange des deux.

Vous n’avez pas besoin de tout comprendre pour commencer

Je n’ai pas suivi ce parcours avec un plan parfaitement défini. Je l’ai suivi parce que j’ai essayé, parce que je me suis trompé, parce que certaines technologies m’ont passionné sans trouver leur place quand d’autres ont fini par répondre à des problèmes très concrets. C’est peut-être la leçon principale : l’IA n’est pas réservée aux ingénieurs, aux grands groupes ou aux startups. Elle est accessible à celles et ceux qui acceptent de partir d’un problème réel, de tester une première solution, puis d’apprendre en avançant.

Vous n’avez pas besoin de tout comprendre pour commencer. Vous avez besoin d’un premier cas concret : une tâche répétitive, une perte de temps, un irritant quotidien, un processus qui mérite d’être simplifié. Le reste vient ensuite, pas par magie mais par méthode, et en mettant les mains dedans.

---

Envie de trouver votre premier cas concret ?

Découvrez des exemples d’automatisations concrètes pour TPE et PME, ou réservez directement votre diagnostic gratuit de 30 minutes avec un consultant IA basé à Gien.