Shopify fait de l’IA un réflexe de travail, ce que cela change pour les entreprises

L’intelligence artificielle n’est plus, chez Shopify, un outil facultatif que l’on essaie entre deux réunions. Dans un mémo interne rendu public le 7 avril 2025, le PDG et cofondateur Tobi Lütke demande à l’ensemble de l’entreprise de faire de son usage un réflexe de travail. L’idée est directe : avant de réclamer davantage de personnel ou de moyens, les équipes doivent d’abord pouvoir expliquer pourquoi l’IA ne permettrait pas d’atteindre l’objectif visé.

Cette position est marquante parce qu’elle ne concerne pas une jeune pousse entièrement bâtie autour de l’IA. Shopify est une plateforme canadienne de commerce en ligne, utilisée par des marchands pour créer et gérer leurs boutiques. Son dirigeant ne présente pas l’IA comme une activité isolée confiée à quelques spécialistes, mais comme une compétence qui doit irriguer le travail quotidien, au même titre que les outils numériques devenus ordinaires dans les entreprises.

Le mémo de Tobi Lütke, une nouvelle attente pour tous les salariés

Le message de Tobi Lütke établit un principe : l’usage pertinent de l’IA devient une attente de base chez Shopify. Il concerne tous les niveaux de l’organisation, y compris la direction. Pour le PDG, apprendre à utiliser ces systèmes efficacement demande de la pratique, et cette pratique ne peut pas être déléguée à une seule équipe chargée de l’innovation.

La mesure la plus commentée porte sur les demandes de ressources. Lorsqu’une équipe souhaite recruter ou obtenir des moyens supplémentaires, elle doit d’abord montrer pourquoi elle ne peut accomplir son projet avec l’aide de l’IA. Il ne s’agit pas, dans ce cadre, d’affirmer que chaque poste doit être remplacé par un logiciel. Le raisonnement consiste plutôt à tester un nouveau point de départ : quels travaux peuvent être accélérés, automatisés ou mieux préparés grâce aux modèles d’IA et aux agents logiciels ?

Shopify prévoit aussi que l’usage de l’IA soit pris en compte dans les évaluations de performance et les échanges d’évaluation entre collègues. C’est une évolution importante. Une entreprise peut fournir des abonnements à des assistants conversationnels sans transformer ses pratiques. En reliant l’IA aux mécanismes de gestion et de progression professionnelle, Shopify entend faire de cette compétence un élément concret de sa culture interne.

Que signifie réellement une entreprise « IA d’abord » ?

L’expression « IA d’abord » peut facilement être mal comprise. Elle ne signifie pas que toute décision doit être confiée à une machine. Elle décrit une façon de concevoir le travail : lorsqu’un problème apparaît, l’équipe se demande en premier lieu si un système d’IA peut l’aider à analyser l’information, rédiger une première version, organiser des données, produire un prototype ou assister une relation client.

Cette approche est particulièrement visible avec les agents IA. Contrairement à un assistant conversationnel utilisé pour une question ponctuelle, un agent peut enchaîner plusieurs étapes dans un cadre défini : consulter une base de connaissances, proposer une synthèse, préparer une réponse ou effectuer une action dans un logiciel autorisé. Son autonomie reste toutefois limitée par les accès qu’on lui accorde, par les règles fixées par l’entreprise et par la vérification humaine.

Le changement est donc moins technique que managérial. Il oblige à décomposer les projets en tâches, à identifier celles qui exigent réellement un jugement humain et à rendre les processus suffisamment clairs pour qu’un outil puisse les assister. Ce travail de clarification peut déjà faire apparaître des lenteurs ou des redondances, même là où l’IA n’apporte finalement pas de solution.

Accélérer le travail ne veut pas dire automatiser aveuglément

Le mémo de Shopify insiste sur la vitesse d’exécution, notamment à travers le prototypage. Dans une entreprise numérique, une équipe peut utiliser l’IA pour rédiger des spécifications, générer une première maquette, explorer des cas d’usage ou préparer du code. Le résultat n’est pas nécessairement prêt à être mis en production, mais il peut permettre de vérifier plus rapidement si une idée mérite des investissements supplémentaires.

Pour une petite entreprise, cette possibilité est séduisante. Une équipe réduite peut préparer des fiches produit, résumer des retours clients, générer des variantes de contenus ou construire un premier support de formation sans disposer d’un grand service spécialisé. Le gain potentiel porte sur le temps de préparation et sur la capacité à tester davantage d’hypothèses.

Mais il faut éviter de confondre rapidité et fiabilité. Les modèles génératifs peuvent produire des erreurs plausibles, inventer des références, mal interpréter une instruction ou reproduire des biais présents dans leurs données d’entraînement. Dans le commerce, une description inexacte, une réponse imprudente à un client ou une recommandation mal contrôlée peut entamer la confiance plus vite qu’elle ne fait gagner du temps.

Une adoption sérieuse suppose donc de déterminer les tâches où l’IA peut proposer, et celles où un salarié doit valider ou décider. Elle suppose aussi de ne pas transmettre sans précaution des informations confidentielles à des services externes. Les données clients, les contrats, les éléments financiers et les informations stratégiques appellent des règles précises d’accès, de conservation et de contrôle.

Le recrutement et les compétences au cœur du virage

La stratégie de Shopify a une conséquence très concrète pour les salariés et les candidats : la capacité à travailler avec l’IA devient une compétence professionnelle attendue. Cela ne veut pas dire que chacun doit devenir ingénieur en apprentissage automatique. En revanche, les équipes doivent apprendre à choisir un outil, écrire une consigne compréhensible, comparer plusieurs réponses, détecter une erreur et intégrer le résultat dans un processus existant.

Ces aptitudes recouvrent plusieurs réalités. Un responsable marketing peut demander à l’IA de classer des retours clients avant de vérifier l’analyse. Un développeur peut l’utiliser pour explorer une solution technique, puis contrôler le code produit. Un conseiller peut s’appuyer sur une base documentaire enrichie par l’IA, sans laisser le système répondre seul à une réclamation sensible. Dans tous les cas, la valeur ne vient pas uniquement de l’outil, mais de la personne capable de lui donner un cadre et d’en évaluer la sortie.

Pour les managers, la difficulté est de créer un environnement où l’expérimentation est encouragée sans devenir désordonnée. Former les équipes, définir les outils autorisés, documenter les usages utiles et fixer des critères de qualité est généralement plus constructif qu’imposer l’IA sans accompagnement. La pression sur la productivité ne doit pas non plus masquer le besoin de temps d’apprentissage : utiliser ces systèmes avec discernement s’acquiert par essais, erreurs et retours d’expérience.

Crypto et blockchain : ce que le message de Shopify dit, et ne dit pas

Le thème de l’IA intéresse également l’écosystème des crypto-actifs et de la blockchain, où les promesses d’automatisation sont nombreuses. Toutefois, il convient de distinguer les sujets : le mémo de Shopify porte sur son organisation interne et n’annonce pas une stratégie crypto de l’entreprise. Il ne suffit donc pas à établir une feuille de route de Shopify pour les monnaies numériques, la finance décentralisée ou les contrats intelligents.

L’association entre IA et blockchain mérite par ailleurs d’être examinée avec précision. Un contrat intelligent est un programme exécuté sur une blockchain selon des règles prédéfinies. Il est conçu pour appliquer des conditions de façon traçable. Un modèle d’IA générative, lui, produit des résultats probabilistes à partir de données et d’instructions. Les deux technologies ne remplissent pas spontanément le même rôle.

L’IA peut aider à analyser de grands volumes de données, à détecter des anomalies ou à rendre certaines interfaces plus accessibles. Mais la faire intervenir dans des opérations financières automatisées introduit aussi des risques spécifiques : erreurs de modèle, données manipulées, décisions difficiles à expliquer et failles dans les systèmes qui relient une IA à un contrat intelligent. Une blockchain ne rend pas, à elle seule, les réponses d’une IA exactes ou sûres.

Pour les entreprises du secteur, l’enseignement transposable de Shopify n’est donc pas « automatiser davantage à tout prix ». Il est de considérer l’IA comme une capacité à tester, à encadrer et à évaluer. Dans un domaine où les erreurs de sécurité peuvent avoir des conséquences financières immédiates, la supervision humaine et les audits techniques restent indispensables.

Comment transposer cette méthode dans une entreprise ?

L’exemple de Shopify peut inspirer des organisations de toute taille, mais une copie mécanique serait risquée. Une PME, une banque, une assurance ou une entreprise industrielle ne manipulent ni les mêmes données ni les mêmes obligations. La bonne méthode consiste à commencer par des usages circonscrits et mesurables.

Quelques questions permettent de cadrer cette démarche :

• Quelle tâche répétitive absorbe le plus de temps et peut être testée sans exposer de données sensibles ?
• Quel niveau de vérification humaine est nécessaire avant qu’un résultat soit envoyé à un client, utilisé pour une décision ou intégré à un produit ?
• Quels indicateurs permettront de constater un bénéfice réel : temps gagné, baisse des erreurs, satisfaction client ou rapidité de prototypage ?
• Quels outils sont autorisés, quelles informations leur sont interdites et qui est responsable en cas d’erreur ?

Cette logique évite deux écueils. Le premier serait de déployer des assistants IA dans tous les services sans objectif concret. Le second serait de se priver de toute expérimentation par crainte des erreurs. L’enjeu n’est pas de faire croire qu’une entreprise est « augmentée » par l’IA, mais d’identifier les situations où elle améliore effectivement la qualité, la rapidité ou la capacité d’innovation.

Ce qu’il faut surveiller après le virage de Shopify

La stratégie affichée par Tobi Lütke sera observée pour une raison simple : elle rend visible une tendance qui traverse déjà les entreprises technologiques. L’IA générative passe progressivement du statut d’outil expérimental à celui de compétence demandée dans les métiers du produit, du développement, du marketing, du service client et de la gestion.

La question décisive sera celle des résultats. Shopify devra montrer que cette exigence améliore réellement sa capacité à innover et à servir les marchands, sans dégrader la qualité, la sécurité ou les conditions de travail. Il faudra également observer comment l’entreprise accompagne les salariés dans cet apprentissage et comment elle distingue un usage pertinent d’un usage simplement spectaculaire.

Pour les autres organisations, le signal envoyé est clair, mais il ne justifie ni la précipitation ni les promesses irréalistes. L’IA peut devenir un puissant levier de productivité lorsqu’elle est intégrée à des processus bien conçus. Elle reste un outil à gouverner, dont les performances doivent être vérifiées et dont les limites doivent être reconnues.