Depuis vingt ans, le logiciel s’est construit autour d’une abstraction centrale : le workflow. Des CRM aux ERP, des outils no-code aux tableaux de bord internes, le paradigme dominant a toujours été le même — définir une séquence d’étapes, les relier par de la logique et faire passer les données d’un état à l’autre.
Les workflows ont mis de l’ordre dans le chaos. Ils ont transformé des opérations manuelles en systèmes reproductibles, codifié les bonnes pratiques et rendu les organisations scalables. Mais ils ont aussi imposé une contrainte de plus en plus incompatible avec la réalité du travail moderne : ils supposent que le monde est assez prévisible pour être modélisé en séquence.
Ce n’est pas le cas.
La limitation fondamentale des workflows n’est pas technique — elle est conceptuelle. Les workflows exigent que les décisions soient prédéfinies. Chaque branche, chaque condition, chaque exception doit être anticipée à l’avance. Cela fonctionne bien dans des environnements stables, où la variabilité est faible et les processus évoluent lentement. Cela se casse dans des contextes dynamiques, où l’information est incomplète, l’ambiguïté est élevée et le coût d’une logique rigide devient visible.
En pratique, ce qui se passe dans la plupart des entreprises ne correspond pas à ce que leurs workflows suggèrent. Le « vrai travail » se déroule en dehors du système — dans les fils Slack, les analyses ad hoc, les arbitrages humains et les dérogations de dernière minute. Le workflow devient l’ombre de la réalité, pas son reflet. Les équipes ne lui font pas confiance pour décider ; elles l’utilisent pour enregistrer.
Voilà le paradoxe : plus l’opération est complexe, moins le workflow est utile comme outil de décision.
Ce qui émerge en réponse à cette limitation n’est pas un meilleur constructeur de workflows. C’est une abstraction différente : les décisions.
Contrairement aux workflows, les décisions ne supposent pas un chemin fixe. Elles opèrent sur le contexte plutôt que sur la séquence. Un système de décision évalue les entrées, pondère l’incertitude et produit un résultat sans exiger que tout l’arbre des possibilités soit cartographié à l’avance. Il ne demande pas « quelle est la prochaine étape ? », mais « compte tenu de ce que nous savons maintenant, quelle est la meilleure action ? »
Ce changement est subtil, mais profond.
Dans un système piloté par les workflows, l’intelligence est encodée en amont par le concepteur. Dans un système piloté par les décisions, l’intelligence s’applique à l’exécution. Le système devient moins une orchestration d’étapes prédéfinies qu’une interprétation continue de la réalité.
Ce n’est pas qu’une distinction philosophique — elle s’ancre dans l’évolution technologique. L’essor du machine learning, des modèles probabilistes et des grands modèles de langage a rendu possible la gestion de l’ambiguïté d’une manière que la logique déterministe n’a jamais pu. Au lieu d’encoder chaque règle, nous pouvons désormais construire des systèmes qui infèrent, s’adaptent et s’améliorent avec le temps.
Prenons l’évaluation des risques dans les services financiers. Traditionnellement, elle s’implémentait comme un workflow : si revenu > X, si score > Y, si document vérifié, alors approuver. Mais le risque réel n’est pas une checklist. C’est une distribution de probabilités façonnée par des données incomplètes et évolutives. Les systèmes les plus efficaces aujourd’hui ne sont pas des workflows — ce sont des moteurs de décision qui recalibrent en continu à partir de nouvelles informations.
Ou le support client. Un workflow peut router les tickets selon des mots-clés et des catégories prédéfinies. Un système de décision, lui, comprend l’intention, l’urgence et le contexte, choisissant dynamiquement le meilleur chemin de résolution sans classification rigide.
Le schéma se répète dans tous les domaines. Là où la complexité et l’incertitude augmentent, les workflows se dégradent.
Cela ne signifie pas que les workflows disparaissent entièrement. Ils restent utiles comme échafaudage d’exécution — des moyens d’imposer une structure une fois la décision prise. Mais ils ne sont plus la couche centrale d’intelligence. Ils deviennent en aval, pas en amont.
L’implication pour la façon dont nous construisons le logiciel est considérable.
La plupart des outils d’aujourd’hui sont encore conçus comme des systèmes d’enregistrement ou de processus. Ils stockent des données et imposent des flux. Mais la prochaine génération de logiciels sera des systèmes de décision. Leur fonction principale ne sera plus de tracer ce qui s’est passé ou d’imposer ce qui devrait se passer — ce sera de déterminer ce qui doit se passer ensuite.
Cela change aussi le rôle de l’utilisateur. Au lieu de naviguer manuellement dans les processus, les utilisateurs interagiront avec des systèmes qui présentent des recommandations, expliquent les compromis et exécutent en leur nom. L’interface passe du contrôle à la collaboration.
Pour les fondateurs et les builders, c’est l’occasion de repenser des catégories longtemps tenues pour acquises. Si les workflows ne sont plus la bonne abstraction pour des opérations complexes, de nombreux produits existants reposent sur des fondations obsolètes. Les remplacer n’est pas une amélioration incrémentale — c’est redéfinir la couche centrale.
Les entreprises qui gagneront dans cette transition ne seront pas celles qui ajoutent des fonctionnalités d’IA aux workflows. Ce seront celles qui remplacent les workflows par de vrais systèmes de décision.
Parce qu’au fond, les entreprises ne tournent pas sur les processus.
Elles tournent sur les décisions.
