L'ex-président de Tesla : les agents IA remplacent les déploiements ERP de 12 mois

Comment un vétéran de Tesla déploie des agents IA en entreprise

Jon McNeill a été président de Tesla lors de sa croissance fulgurante, passant de 4 à 40 000 employés, travaillant directement aux côtés d’Elon Musk sur tout, de la philosophie de recrutement aux opérations commerciales. Depuis, il a fondé et cédé cinq startups, et dirige aujourd’hui une société qui applique l’IA agentique à l’optimisation de la supply chain — un domaine où les déploiements ERP traditionnels prennent 9 à 12 mois.

Sur les agents IA qui remplacent les consultants : La dernière entreprise de McNeill a recruté l’équipe qui avait bâti la plateforme de supply chain propulsée par le ML de Tesla (vers 2017) et l’a reconstruite avec de l’IA agentique. Le résultat est saisissant : “Their agents could go in and understand the work rules of that ginormous platform within hours and then design a system and a workflow within hours.” (Leurs agents pouvaient s’immerger dans les règles de travail de cette énorme plateforme en quelques heures, puis concevoir un système et un flux de travail en quelques heures.) Ils ont récemment intégré l’une des plus grandes plateformes de livraison de courses du pays — un projet qui prendrait normalement près d’un an avec des systèmes ERP classiques.

Sur la question du travail IA vs travail humain : Les animateurs ont interrogé McNeill sur la possibilité que la main-d’œuvre IA remplaçant la main-d’œuvre humaine fasse en sorte que même les nouvelles entreprises ne créent plus d’emplois humains. Sa réponse franche : “I haven’t heard the case for why we do that is compelling enough.” (Je n’ai pas encore entendu d’argument convaincant pour expliquer pourquoi nous ferions cela.) Il cite l’analogie du tableur — les gratte-ciel des années 1950 remplis de calculateurs humains ont été remplacés par les tableurs numériques, mais ces immeubles ne sont pas vides pour autant. Les logiciels de tableur ont rendu possible la valorisation des dérivés, les marchés d’options, la syndication de prêts — des milliers de milliards de capitalisation boursière que personne n’avait anticipés.

Sur le parallèle avec les numéros 1-800 : La métaphore la plus vivante de McNeill pour illustrer la disruption par l’IA vient de l’histoire des télécoms. Quand les autocommutateurs électroniques ont remplacé 800 000 téléphonistes humains dans les années 1970, l’inquiétude était bien réelle. Mais les appels longue distance gratuits ont rendu possible les numéros verts, qui ont créé toute l’industrie des centres d’appels : “A few years into the 1980s, there were now millions of people employed in call centers. Hundreds of software firms that were created.” (Au début des années 1980, des millions de personnes travaillaient dans des centres d’appels. Des centaines d’entreprises logicielles avaient été créées.) Sa première startup en faisait partie.

Sur les modèles IA comme couche d’outillage : Plutôt que de parier sur quelle société d’IA remportera la course aux modèles, McNeill voit les hyperscalers (OpenAI, Google, Anthropic, xAI) comme des bâtisseurs d’infrastructure — comparables aux navigateurs web à l’ère d’Internet. “We’re getting really excited like we did about Netscape and Internet Explorer… but what you really want to be looking at is what businesses are going to get built on top of this tooling.” (On s’enthousiasme comme on le faisait pour Netscape et Internet Explorer… mais ce qu’il faut vraiment regarder, c’est quelles entreprises vont être construites sur cette couche d’outillage.)

Sur la sélection des talents chez Tesla : Sans être spécifiquement lié à l’IA, la philosophie de recrutement de McNeill éclaire directement la façon d’évaluer les talents à l’ère de l’IA. La méthode d’Elon : creuser très profond sur un vrai problème, pour déterminer si le candidat a réellement accompli le travail ou s’il s’appropriait les résultats de son équipe. McNeill a depuis adopté cette approche — présenter un problème actuel et évaluer la curiosité, la profondeur analytique et la capacité à simplifier la complexité en quelques minutes.

5 enseignements de l’ancien président de Tesla sur l’IA et l’entreprise

• Les agents IA compriment les délais de déploiement par plusieurs ordres de grandeur - Ce qui prenait 9 à 12 mois avec un ERP traditionnel se fait désormais en quelques jours avec des systèmes agentiques qui apprennent les flux de travail clients de façon autonome
• Chaque révolution technologique crée davantage de PIB et d’emplois - McNeill ne peut citer aucune avancée technologique dans l’histoire qui ait entraîné une baisse du nombre total d’emplois
• Les effets de second ordre concentrent la valeur - L’effet de premier ordre (destruction d’emplois) est visible ; les opportunités entrepreneuriales qui en découlent ne le sont pas, mais elles sont toujours plus importantes
• Les modèles IA sont la couche d’outillage, pas le business - Comme les navigateurs ont rendu possible Facebook et Airbnb, les modèles IA permettront les vrais business qui n’ont pas encore été imaginés
• Humains + IA : la formule gagnante actuelle - Des experts en supply chain utilisant l’IA comme un « exosquelette » — l’expertise métier pour juger ce que les agents rapportent, puis les réorienter si besoin

Ce que cela signifie pour les organisations propulsées par l’IA

L’histoire de supply chain de McNeill est la preuve la plus claire à ce jour de l’IA agentique en entreprise : des experts métier maniant des agents IA pour livrer en quelques jours des résultats que les systèmes legacy mettent un an à atteindre. Le modèle — expert + agent > chacun seul — s’applique directement à la façon dont les organisations devraient aborder l’adoption de l’IA. N’éliminez pas vos experts ; donnez-leur une infrastructure agentique qui multiplie leur production par 10.