L'espace de travail IA pour consultants : slides, frameworks et recherche au rythme d'un partner

Ce que l'IA remplace réellement sur une mission

Le travail de conseil n'est pas un seul métier. En une semaine, vous structurez un problème, interviewez des parties prenantes, nettoyez un extrait de données, construisez une storyline, rédigez les pages, et défendez la recommandation. Ces tâches récompensent des comportements de modèle complètement différents, ce qui explique pourquoi un abonnement IA unique donne toujours l'impression d'être utile à 70 pour cent et frustrant à 30 pour cent.

Le cadrage honnête est le suivant : l'IA ne produit pas la réponse sur une mission. Elle vous fait gagner les deux heures nécessaires pour obtenir un premier brouillon de quelque chose que vous savez déjà construire, et elle repère l'écart que vous auriez trouvé jeudi si vous aviez eu plus de temps. Utilisée ainsi, elle vaut plusieurs heures par semaine. Utilisée comme une machine à réponses, elle produit exactement le rendu générique que les partners ont appris à repérer. L'exemple le plus rentable sur une mission est le compte rendu d'appel, qui a son propre workflow dans comment résumer des réunions avec l'IA.

Voici le routage sur lequel la plupart des consultants finissent par se poser après quelques semaines :

Tâche	Meilleur modèle	Pourquoi
Structuration de problème, arbres de décision, 2x2	GPT	Suit des contraintes structurelles explicites, tient la logique MECE, renvoie des hiérarchies propres
Titres de slides et storyline	Claude	Écrit dans un registre humain, résiste aux adjectifs de remplissage, garde un fil argumentatif cohérent
Résumé exécutif et email client	Claude	Meilleur pour le contrôle du ton et pour dire des choses difficiles avec diplomatie
Veilles marché et concurrentielles	Gemini	Le plus solide sur le matériel web récent avec des sources vérifiables
Lecture de longs documents et de transcriptions	Gemini	Fenêtre de contexte de 1M tokens, si bien qu'un rapport annuel de 120 pages tient en une seule passe
Extraction de données vers des tableaux ou du JSON	GPT	Le plus fiable sur des formats de sortie stricts que vous pouvez coller dans Excel
Vérification de bon sens d'une recommandation	N'importe quel modèle que vous n'avez pas utilisé pour la rédiger	Un second modèle est le red team le moins cher que vous exécuterez jamais

Pas besoin de mémoriser tout ça. La version pratique est : rédigez la structure dans GPT, rédigez la prose dans Claude, faites la recherche dans Gemini, et vérifiez la logique finale dans un modèle qui ne l'a pas écrite.

Workflow 1 : générer des frameworks qui ne sont pas génériques

Demander "un framework pour ce problème client" renvoie un Porter's Five Forces avec le nom du client collé dedans. La solution consiste à donner au modèle l'ensemble de contraintes qu'un manager vous donnerait : la décision que le client prend réellement, les axes autorisés à compter, et ce qui a déjà été écarté.

Prompt : arbre de décision

Vous structurez un problème pour une mission de conseil. Décision du client : [la décision spécifique, par exemple "consolider trois centres de distribution régionaux en un seul"]. Construisez un arbre de décision MECE, sur trois niveaux de profondeur. Le niveau 1 doit être les 3 à 5 questions qui, une fois répondues, résolvent la décision. Pour chaque feuille, indiquez l'analyse requise et la source de données nécessaire. N'incluez pas de branches que nous ne pouvons pas tester avec les données disponibles. Signalez toute branche dont la réponse est probablement déjà connue.

Prompt : un 2x2 qui mérite sa place

Proposez trois matrices 2x2 candidates pour ce problème. Pour chacune, nommez les deux axes, expliquez ce qu'une position dans chaque quadrant impliquerait pour le client, et indiquez la décision unique que la matrice permet de trancher. Rejetez toute paire d'axes qui reformule la même variable. Puis recommandez-en une et expliquez pourquoi les deux autres sont plus faibles ici. Contexte : [collez vos notes de situation].

Prompt : tester un framework que vous avez déjà construit

Voici un framework que j'ai construit : [coller]. Jouez le rôle d'un engagement manager sceptique. Identifiez les branches qui se chevauchent, les branches manquantes, les branches qui ne peuvent pas être analysées dans le temps disponible, et tout endroit où la structure présume la réponse. Ne le réécrivez pas. Listez uniquement les problèmes.

Le dernier est le prompt à plus forte valeur de cette page. Les modèles sont bien meilleurs pour critiquer une structure que pour l'inventer, et une passe de critique prend 30 secondes. Faites passer votre propre framework dedans avant de l'apporter en revue de manager, pas après.

Workflow 2 : une narration de deck qui survit à une revue de partner

Le mode d'échec des slides écrites par IA n'est pas la grammaire. C'est que chaque titre est un sujet plutôt qu'une affirmation. "Vue d'ensemble du marché" est un sujet. "La catégorie a crû de 11 pour cent tandis que notre client a perdu 3 points de part, entièrement porté par le canal du discount" est une affirmation, et un deck d'affirmations se lit comme une réflexion plutôt que comme un rapport.

Prompt : la storyline d'abord, les pages ensuite

Construisez une storyline horizontale pour un deck client. Situation : [2 phrases]. Complication : [2 phrases]. Question que le client se pose : [1 phrase]. Preuves dont je dispose : [puces]. Recommandation : [1 phrase]. Renvoyez 8 à 12 titres de slides, chacun une affirmation complète avec un sujet et un verbe, qui se lisent en séquence comme un argument unique. Aucun libellé de sujet. Après les titres, listez toute affirmation pour laquelle je n'ai pas encore de preuve.

Cette dernière instruction est celle qui vous sauve. Elle vous donne une liste des manques de preuve avant de construire les pages, exactement la liste qu'un partner générerait de toute façon en revue.

Prompt : rédiger la page

Rédigez le contenu du corps de cette slide. Titre : [coller le titre]. Données à l'appui : [coller les chiffres ou constats]. Public : [par exemple "le COO et deux rapports directs, opérationnellement compétents, sceptiques envers les consultants"]. Contraintes : trois points de soutien maximum, chacun sous 20 mots, aucun adjectif qui ne peut être mesuré, aucune affirmation qui dépasse les données fournies. Ajoutez un "et alors" en une ligne pour le client.

Prompt : la passe de ton

Réécrivez ceci pour correspondre à l'échantillon de voix. Gardez chaque chiffre et affirmation identiques. Retirez toute phrase qui apparaîtrait sans changement dans un deck destiné à un autre client. Échantillon de voix : [coller deux paragraphes d'un deck que votre partner a apprécié]. Brouillon : [coller].

L'échantillon de voix compte plus que n'importe quelle instruction sur le ton. Deux paragraphes de l'écriture réelle de votre cabinet feront plus bouger le résultat qu'un paragraphe d'adjectifs décrivant le son que vous voulez obtenir.

Avant d'envoyer quoi que ce soit, faites passer le deck par le test inverse : collez vos titres dans une nouvelle conversation et demandez Quel est l'argument défendu ici, et quel en est le maillon le plus faible ? Si le modèle ne peut pas reformuler votre argument, le client ne le pourra pas non plus.

Workflow 3 : des veilles marché réellement citables

La recherche est l'endroit où l'IA est à la fois la plus utile et la plus dangereuse sur une mission. Un chiffre de taille de marché fabriqué avec assurance qui atteint un deck client est un problème de carrière, pas un désagrément. La discipline est simple : utilisez un modèle connecté au web, exigez des sources, et traitez chaque chiffre comme non vérifié jusqu'à ce que vous ayez ouvert la source vous-même.

Prompt : veille de catégorie

Recherchez le marché de [catégorie]. Renvoyez : (1) des estimations de taille de marché des 24 derniers mois, chacune avec l'organisme publicateur, l'année et l'URL ; (2) les 5 à 8 plus gros acteurs avec tout chiffre de revenu ou de part de marché publiquement rapporté ; (3) les changements matériels des 12 derniers mois, c'est-à-dire entrées, sorties, levées de fonds, acquisitions et changements réglementaires ; (4) les deux ou trois forces structurelles les plus susceptibles de changer le paysage concurrentiel dans les 24 prochains mois. Quand les sources sont en désaccord, montrez les deux chiffres plutôt que de les moyenner. Marquez comme NON VÉRIFIÉ tout ce que vous ne pouvez pas sourcer.

Prompt : décorticage de concurrent

Construisez un décorticage de positionnement de [concurrent]. Couvrez : la proposition de valeur déclarée dans leurs propres mots, les segments cibles, la tarification là où elle est publique, les canaux de distribution, les changements récents de produit ou de messaging avec dates, et les thèmes de plaintes clients visibles dans les avis publics. Citez chaque affirmation. Séparez ce qui est déclaré par l'entreprise de ce qui est observé par des tiers.

Prompt : lire le long document

Lisez ce document et extrayez uniquement ce qui compte pour [la décision du client]. Renvoyez un tableau avec : l'affirmation, la référence de page ou de section, et si elle soutient, contredit, ou est neutre par rapport à l'hypothèse selon laquelle [énoncer l'hypothèse]. Puis listez les trois choses dans ce document qui vous surprennent le plus par rapport aux normes du secteur.

Le dernier prompt explique pourquoi une grande fenêtre de contexte compte dans ce métier. Charger un rapport annuel entier, un dossier réglementaire complet, ou un ensemble de 15 transcriptions d'entretiens et poser une question sur l'ensemble est une capacité réellement différente de résumer une page à la fois. Gemini 3.7 Flash lit un contexte de 1M tokens sur Whizi, soit environ 2 000 pages de texte, ce qui en fait le choix par défaut pour cette passe.

Pour un tour d'horizon plus approfondi du sourcing et de la vérification, voir le guide sur l'IA pour la recherche marché.

Confidentialité client : que faut-il anonymiser avant de coller

Chaque consultant pose cette question avant le deuxième prompt, et la réponse honnête comporte deux parties. Whizi n'entraîne pas ses modèles sur vos conversations, et la politique de traitement des données de chaque fournisseur est consultable avant que vous n'activiez ce modèle. Cela couvre la plateforme. Cela ne couvre pas votre accord client, qui est généralement plus strict que n'importe quelle politique fournisseur et qui est le document qui vous régit réellement.

L'habitude qui fonctionne consiste à retirer l'identité sans retirer la structure. Le raisonnement de l'IA n'a pas besoin du nom du client pour être utile, et le retirer ne vous coûte rien :

• Remplacez les noms du client et des concurrents par des jetons : Client A, Concurrent B, Région 1.
• Arrondissez ou indexez les chiffres. "Chiffre d'affaires indexé à 100 en 2023, 94 en 2025" préserve toute la forme analytique.
• Retirez les noms, emails et titres des transcriptions d'entretiens avant de les téléverser. Les rôles suffisent, et ce sont les rôles que l'analyse utilise.
• Gardez hors de tout outil IA, y compris celui-ci, tout ce qui est couvert par une clause de NDA spécifique, des données personnelles, ou de l'information non publique matérielle.
• Si la mission est sous restrictions renforcées, vérifiez avec l'équipe risque de votre cabinet avant la mission, pas après.

Un prompt anonymisé est généralement un meilleur prompt de toute façon. Se forcer à décrire la situation en termes structurels retire les détails incidents qui diluaient l'attention du modèle.

Pourquoi un seul espace de travail bat trois abonnements ici

L'avantage spécifique sur une mission n'est pas le prix, bien que l'arithmétique soit réelle : ChatGPT Plus, Claude Pro et Google AI Pro tournent autour de $20 chacun, environ $60 par mois, contre $29.99 pour Whizi Pro, et un message Claude Sonnet 5 consomme 10 crédits sur les 2 000 que Pro porte chaque mois, si bien qu'un deck entier de passes de titres entame à peine l'allocation. Les indépendants ressentent une version plus vive de cette arithmétique, développée dans les outils IA pour freelances. Le véritable avantage est que le contexte survit au changement de modèle. Vous téléversez l'extrait de données du client, structurez le problème avec GPT, rédigez la storyline avec Claude, et tirez le contexte marché avec Gemini, le tout dans un seul fil qui se souvient de ce qui a précédé. Faire de même sur trois produits signifie réexpliquer la mission trois fois et garder l'historique des versions dans sa tête.

La comparaison côte à côte est le second avantage, et elle correspond directement à la façon dont la qualité du conseil est jugée. Faire passer le même résumé exécutif dans deux modèles et garder le meilleur paragraphe est une habitude de deux minutes qui relève sensiblement le plancher de ce que vous envoyez. Elle réduit aussi la réaction "ça sonne comme de l'IA", car vous livrez le meilleur rendu pour chaque section plutôt que le style maison d'un seul modèle étiré sur tout un document.

Le troisième est la passe de red team. Demandez à un modèle qui n'a pas rédigé la recommandation d'argumenter contre elle : Défendez le cas le plus solide selon lequel cette recommandation est fausse. Que faudrait-il pour que la conclusion opposée tienne ? Ce qu'il trouve, le CFO du client l'aurait trouvé aussi.

Ce que l'IA ne fera pas pour vous

Elle ne vous dira pas ce que le client veut réellement, ce qui est généralement différent de ce que dit l'appel d'offres et ne s'apprend que dans la salle. Elle ne saura pas que le COO qui doit mettre en œuvre votre recommandation a bloqué la même idée il y a deux ans. Elle ne portera aucune responsabilité pour un chiffre, si bien que chaque chiffre qui atteint une page est le vôtre à vérifier.

Elle est aussi faible sur ce pour quoi les consultants sont payés spécifiquement : le jugement en information incomplète avec des conséquences réputationnelles. Un modèle vous donnera volontiers une réponse assurée à partir de preuves ténues, car la confiance est bon marché pour lui et coûteuse pour vous. Traitez chaque résultat comme le premier brouillon d'un analyste bien informé, produit par quelqu'un qui n'a jamais rencontré le client et ne peut pas être blâmé.