Pourquoi on a bâti un employé IA, pas un chatbot

T’as déjà engagé quelqu’un qui répond bien aux questions, mais qui fait jamais le travail? Nous non plus. Personne ferait ça. Pourtant, c’est exactement ce qu’on vend aux équipes depuis des années sous le nom d’« assistant IA » : tu poses une question, ça répond. Tu fermes l’onglet, ça oublie. Le lendemain matin, tu réexpliques tout depuis le début, au même outil, avec la même patience.

Quand on a commencé Luge, on s’est posé une question toute simple : de quoi ça aurait l’air, une IA qu’on engage comme on engage quelqu’un? Pas un outil de plus dans la pile. Un collègue. Quelqu’un qui arrive le matin, qui sait où l’équipe est rendue, pis qui avance le travail. La réponse a fini par tenir en une phrase, pis c’est devenu notre manifeste : un chatbot répond, un employé fait la job.

Un chatbot répond. Un employé fait la job.

La différence se voit dans une journée ordinaire. Demande à un chatbot de faire le suivi d’un dossier client : il va te rédiger un beau paragraphe sur l’importance du suivi client. Demande la même chose à ton collègue IA dans Luge : il ouvre le dossier, vérifie où c’est rendu, déplace la carte sur le tableau, pis prépare le message de suivi.

La différence, c’est pas l’intelligence. Les deux tournent sur le même genre de modèles. La différence, c’est la responsabilité : un employé prend une tâche pis la porte jusqu’au bout — il consulte les notes de l’équipe, met les tableaux à jour, rédige ce qui doit partir, pis rend des comptes sur ce qu’il a fait.

Pis quand il bloque, il fait ce qu’un bon employé fait : il pose une question au lieu d’inventer une réponse. Ta question apparaît dans ton bureau, tu réponds quand t’as deux minutes, pis le travail repart. Un chatbot, lui, invente. Il a pas le choix : il faut qu’il réponde du premier coup, il te reverra peut-être jamais.

Une mémoire avec des noms dessus

Un nouvel employé, tu le formes une fois. Pas à chaque conversation. C’est tellement évident qu’on le dit jamais — sauf qu’avec les outils IA, c’est exactement le contraire qui se passe : chaque session repart de zéro, pis c’est toi qui portes la mémoire à sa place.

Dans Luge, ton collègue IA se souvient. Mais on est allés un cran plus loin, parce qu’une mémoire d’équipe sans provenance, c’est une rumeur : sa mémoire est attribuée. Chaque chose qu’il apprend porte le nom de la personne qui lui a montrée.

Concrètement : quand ton collègue IA affirme que les soumissions partent toujours le jeudi, tu peux voir que c’est Julie qui lui a appris ça en mars. Si c’est plus vrai, tu corriges une fois — pis c’est corrigé pour toute l’équipe, pas juste pour ta prochaine conversation. Tu sais toujours qui a appris quoi à qui, pis quand. C’est ce qui rend la confiance possible : on fait pas confiance à une mémoire qu’on peut pas vérifier, ni à un collègue qui cite jamais ses sources.

Le brouillon avant l’envoi

On fait pas confiance à une IA qui appuie sur « envoyer » toute seule. Personne devrait.

Alors on a bâti Luge autour d’un geste que tout le monde connaît déjà : le brouillon. Quand ton collègue IA prépare une réponse à un client, tu la reçois avant qu’elle parte. Pas un « oui/non » sec devant un texte à prendre ou à laisser : un vrai brouillon, que tu corriges directement dans le texte avant d’approuver. Tu changes deux phrases, t’approuves, ça part — avec tes mots, pas les siens.

C’est le même contrat qu’avec une nouvelle recrue : au début, tout passe par toi. Elle rédige, tu relis, tu raffines. Avec le temps, les corrections raccourcissent — parce que ce que tu changes, il le remarque. Mais la porte d’approbation, elle, reste là aussi longtemps que tu la veux. C’est toi qui décides ce qui sort du bureau, pas le modèle.

Un bureau partagé, pas un onglet personnel

Les assistants IA des gros joueurs vivent dans un onglet : le tien. Ce qui s’y passe reste entre toi pis lui. Ce qu’il apprend avec toi, ta collègue en profitera jamais. C’est un choix d’architecture qui trahit la vision : ces outils-là ont été pensés pour une personne seule devant son écran.

Le travail, lui, se passe dans un bureau. Des notes que l’équipe partage. Des tableaux où les cartes avancent. Des réunions — où le preneur de notes assiste comme un participant visible, écoute, pis attribue à chaque personne ce qu’elle a dit. Ton collègue IA travaille là, dans le même bureau que tout le monde. Quand tu lui montres quelque chose, l’équipe en hérite. Quand il termine une tâche, ça paraît sur le tableau que tout le monde regarde. Quand la rencontre se tient dans un salon vocal, il était là, pis le compte rendu nomme qui s’est engagé à quoi.

Un employé qui travaillerait dans une pièce fermée où un seul collègue a la clé, ça existe pas. On voyait pas pourquoi l’IA y aurait droit.

Un prix fixe, parce que l’IA roule chez vous

Pourquoi les outils IA se vendent au jeton? Parce que chaque question que ton équipe pose passe par les serveurs de quelqu’un d’autre, pis que ce quelqu’un fait tourner un compteur.

On a pris le chemin inverse : l’IA de Luge roule sur vos machines, ou dans un cloud privé qui reste au Canada. Tes données restent chez vous — pis nous, on n’a pas de compteur à faire tourner. C’est pour ça que le prix est fixe : tu paies pour un employé, pas pour chaque phrase qu’il prononce.

Ça change plus de choses qu’on pense. Quand chaque question coûte quelque chose, l’équipe se met à rationner — on demande moins, on délègue moins, pis l’outil finit par dormir. Un salaire fixe, personne surveille le compteur avant de parler à un collègue. C’est de même qu’une équipe finit par l’adopter pour vrai.

Viens le rencontrer

Un chatbot répond. Un employé apprend, demande, travaille dans le même bureau que toi, pis te laisse le dernier mot. C’est la différence qu’on a bâtie, pis c’est celle qu’on va continuer de creuser, version après version.

Si t’es rendu à te demander de quoi ça a l’air en vrai, on a décrit ce que l’employé IA fait de ses journées. Pis les tarifs tiennent sur une page — des prix fixes, comme promis.