Demandez à une salle remplie de consultants, d’analystes ou de responsables marketing s’ils ont utilisé l’IA pour créer leur dernière présentation, et vous obtiendrez beaucoup de formulations prudentes. *« J’ai utilisé quelques outils d’IA pour la recherche. »* *« Elle m’a aidé à établir un plan. »* Personne ne dit *« L’IA a écrit la première version de la diapositive quatorze »*, même quand c’est exactement ce qui s’est passé. Il y a un écart entre l’étendue de l’utilisation de l’IA dans une présentation et l’admission que chacun en fait — et c’est cet écart qui raconte vraiment l’histoire, pas les outils en eux-mêmes.

J’ai observé cela se dérouler avec des personnes qui créent des présentations pour vivre. L’utilisation de l’IA est réelle. Le silence qui l’entoure l’est tout autant, et cela n’a pas vraiment à voir avec la technologie en elle-même.

Le chiffre que tout le monde veut et que personne n’a

Voici la partie inconfortable : il n’existe pas de chiffre net et vérifiable pour *« quel pourcentage de présentations d’entreprise sont écrites à l’IA »*. Aucune entreprise ne publie ce critère, et la plupart ne le souhaiteraient pas. Ce que nous avons, ce sont des chiffres d’adoption au sein d’organisations individuelles, et ils sont suffisamment élevés pour expliquer pourquoi un nombre rond comme *« un tiers de toutes les présentations »* semble plausible, même sans une seule source qui le prouve.

McKinsey a développé une plateforme d’IA interne appelée Lilli spécifiquement pour aider aux tâches que le personnel junior assurait auparavant, y compris la création de diapositives PowerPoint à partir d’une consigne et l’ajustement du ton pour correspondre au style du cabinet. Plus de 75 % des environ 43 000 employés de la firme l’utilisent désormais chaque mois. C’est le cas d’une seule entreprise, qui rend compte d’elle-même, avec tous les incitations à faire paraître le chiffre avantageux. Mais c’est aussi un point de données qui n’existait pas il y a trois ans, et ce n’est pas une exception — c’est un aperçu de ce qui se produira une fois qu’un outil d’IA sera intégré directement dans le logiciel que les gens ouvrent en premier, plutôt que de rester dans un onglet de navigateur séparé.

Pourquoi *« J’ai utilisé l’IA pour la recherche »* fait tant de travail

Une chose que j’ai remarquée en participant à des revues de présentations : les gens sont parfaitement à l’aise pour admettre que l’IA les a aidés à réfléchir. Ils sont beaucoup moins à l’aise pour admettre que l’IA les a aidés à écrire. Cette distinction ne correspond pas à ce qui s’est réellement passé pendant le processus de rédaction — elle correspond à ce qui semble sûr à dire à voix haute dans une pièce où quelqu’un pourrait demander *« alors, qu’est-ce que vous avez vraiment contribué ? »*

La réponse honnête, pour beaucoup de présentations, est : la structure et le jugement. Quelles diapositives soutiennent l’argument, ce qui est coupé, si l’histoire tient sous la première objection d’un client. Ce sont des travaux réels. Mais ce sont des travaux qui ont lieu après qu’un brouillon existe, et de plus en plus, c’est le brouillon lui-même que personne ne veut revendiquer comme ayant été réalisé sans aide.

La partie que tout le monde omet : les brouillons d’IA créent du travail de révision, pas du temps libre

C’est ici que l’histoire devient moins flatteuse pour l’IA, et c’est le détail que la plupart des articles *« L’IA vous fait gagner des heures »* passent sous silence. Une enquête menée en 2025–2026 auprès d’environ 3 200 cadres et employés de grandes entreprises, basée sur des travaux de terrain de Hanover Research et citée par un éditeur de logiciels de présentation, a révélé que seulement 14 % des employés voient un effet net positivement constant en utilisant l’IA dans PowerPoint une fois le temps de correction pris en compte. La même analyse, s’appuyant sur les recherches sur la productivité de Workday, a conclu que plus d’un tiers de la valeur générée par l’IA est à nouveau perdue en corrigeant, affinant et réécrivant ce qu’elle a produit.

Cela redéfinit toute la question *« L’IA écrit X % des présentations »*. Une diapositive générée par l’IA puis entièrement reconstruite par un humain n’est plus vraiment *« écrite à l’IA »* — mais elle n’est pas non plus *« purement écrite par un humain »*, et il n’y a pas de ligne nette où l’une s’arrête et l’autre commence. Le chiffre d’environ 30 % qui est évoqué dans les conversations informelles est probablement plus proche de *« L’IA a touché le premier brouillon »* que de *« Les mots de l’IA ont survécu jusqu’à la version finale »*. Ce sont deux affirmations très différentes, et les confondre est exactement comment le silence commence — personne ne veut surestimer le crédit d’un outil qui a ensuite été principalement réécrit, donc la solution la plus simple est de ne pas en parler.

Où cela se manifeste réellement dans la création de présentations

Les équipes qui gèrent bien cette situation ne sont pas celles qui cachent l’utilisation de l’IA — ce sont celles qui ont cessé de considérer *« L’IA a touché ceci »* comme la question intéressante et ont commencé à considérer *« l’argument tient-il ensemble ? »* comme la seule qui compte. Ce n’est pas une idée nouvelle ; c’est la même discipline qui sous-tend la manière dont les cabinets de conseil structurent les arguments de leurs diapositives, bien avant que l’IA générative n’existe pour rédiger la première version. Un plan généré par l’IA doit tout de même passer le même test qu’un plan écrit par un humain : peut-on le réduire aux seuls titres des diapositives et lire un argument cohérent, de haut en bas ?

Là où l’IA mérite vraiment sa place, c’est en plaçant une structure approximative sur la page assez rapidement pour qu’une personne puisse consacrer son temps à éditer l’argument plutôt qu’à fixer une diapositive vide. Là où elle coûte silencieusement plus qu’elle n’en sauve, c’est lorsque la sortie est traitée comme terminée plutôt que comme une première version — des puces denses et génériques qui nécessitent le même travail de révision qu’un premier brouillon de présentation de levée de fonds, le genre de travail couvert dans ce qui distingue une présentation de levée de fonds financée d’une présentation ignorée. L’IA est bonne pour remplir une diapositive de texte. Elle est bien moins performante pour savoir quelles mots l’audience a vraiment besoin de voir, ce qui est le même jugement qui compte lorsque vous décidez ce qu’il faut supprimer d’une diapositive chargée de données dès le départ.

Le problème d’admission n’a pas vraiment à voir avec l’IA

En écartant l’angle technologique, il s’agit d’un vieux schéma au travail qui porte un nouveau costume. Les gens n’ont jamais aimé admettre qu’ils ont utilisé un modèle, emprunté une structure ou fait rédiger la première version par quelqu’un d’autre — pas parce que c’est malhonnête, mais parce que *« J’ai tout construit de zéro »* semble toujours plus impressionnant que *« J’ai édité quelque chose qui m’a fait gagner 70 % du chemin rapidement »*. L’IA a simplement agrandi l’écart entre ces deux récits et renforcé la tentation de les brouiller.

Les présentations qui résistent à un examen rigoureux ne sont pas celles où personne n’a utilisé l’IA. Ce sont celles où quelqu’un a été prêt à examiner le brouillon de l’IA de manière critique, à supprimer ce qui ne méritait pas sa place et à reconstruire l’argument jusqu’à ce qu’il puisse survivre à être lu comme une simple liste de titres. Que cette première version vienne d’une consigne ou d’une page blanche importe beaucoup moins que quelqu’un ait réellement fait cette deuxième partie.