La  » jagged frontier » (frontière découpée) : ou comment prédire ce que l’IA fera mieux qu’un consultant

La « jagged frontier » désigne la limite, très difficile à prédire, entre les tâches qu’une IA générative accomplit bien et celles où elle échoue. Pour les utilisateurs de l’IA, c’est un peu déroutant, car eux-mêmes peuvent facilement identifier les tâches qui sont difficiles ou faciles à réaliser pour eux.

Mais la transposition de cette limite claire à l’IA n’est pas possible en pratique. Tout se passe comme ci la frontière entre facile ou non était moins linéaire, mais ressemblait un peu à la limite mer/terre sur la côte de bretagne : une limite très découpée (jagged), et qui reste très découpée quel que soit le niveau de détail que vous analysez.

La « jagged frontier » explique pourquoi tous les consultants ne savent pas s’appuyer correctement sur l’IA

Le terme est né suite aux résultats d’une expérience universitaire auprès d’un grand nombre de consultant du Boston Consulting Group.

Publiée en working paper par la Harvard Business School le 22 septembre 2023, l’expérience a été menée par des chercheurs de Harvard, de Wharton (dont Ethan Mollick, qui a popularisé l’expression), du MIT, de Warwick et du BCG Henderson Institute.

758 consultants du BCG, environ 7 % de ses consultants, ont été répartis au hasard : sans IA, avec GPT-4, ou avec GPT-4 et une initiation au prompt.

Sur 18 tâches situées à l’intérieur de la frontière, les consultants équipés ont réalisé 12,2 % de tâches en plus, 25,1 % plus vite, avec une qualité supérieure de plus de 40 %. Sur une tâche conçue pour tomber juste à l’extérieur (une recommandation stratégique où les chiffres d’un tableur menaient à une mauvaise conclusion, que seuls des entretiens permettaient de corriger), ils ont fourni 19 points de pourcentage de réponses correctes en moins que ceux qui travaillaient sans IA.

L’IA n’a pas seulement été moins utile : elle a fait chuter gravement la performance.

Hors de son terrain, le modèle se trompe avec la même assurance, et l’utilisateur, mis en confiance, cesse de vérifier. C’est le territoire des hallucinations.

La frontière se déplace à chaque génération de modèles. Qu’elle finisse par se lisser reste en revanche un débat ouvert : les progrès demeurent inégaux d’une tâche à l’autre.

Cyborgs, centaures et self-automators

Face à cette frontière, les deux études de la HBS de 2023 et 2025 ont observé trois façons de travailler.

Les centaures, du nom de la créature mi-homme mi-cheval, se partagent le travail avec la machine : ils gardent les tâches où ils excellent et confient à l’IA celles qui se trouvent à l’intérieur de la frontière. Les centaures ont les meilleurs résultats, car cette attitude minimise les cas où ils se trompent sur les possibilités de l’IA. Les centaures sont nombreux chez les consultants séniors, qui trouvent facile de définir une stratégie à partir de données, et c’est donc une tâche qu’ils ne délèguent pas à l’IA

Les cyborgs fusionnent avec elle : ils la sollicitent à chaque étape, lui font amorcer une phrase, la corrigent, la relancent, et franchissent sans cesse la frontière dans un sens puis dans l’autre. Les cyborgs sont nombreux chez les consultants juniors, qui, par manque d’expérience, risquent de confier la définition d’une stratégie à l’IA, alors qu’ils ne voient pas que des données manquent pour valider la pertinence de cette stratégie. Néanmoins, ils ont encore des résultats corrects avec l’IA, car ils détectent parfois les erreurs ou les errements des résultats obtenus avec les IAs.

Une seconde étude, publiée en décembre 2025 par Steven Randazzo et plusieurs auteurs de la première, a suivi 244 consultants du BCG sur une même recommandation stratégique et ajouté une troisième catégorie. 60 % travaillaient en cyborgs, 14 % en centaures et 27 % en « self-automators », qui délèguent la tâche presque entière à l’IA. Les centaures ont livré les recommandations les plus justes.

Les self-automators, rapides et soignés en apparence, n’ont progressé sur aucune compétence : déléguer sans comprendre, c’est cesser d’apprendre. C’est une catégorie de consultants que l’IA rend sans aucune valeur ajoutée pour un cabinet comme le BCG.

Ce que cela change pour l’usage des IA en entreprise

Ce concept de « jagged frontier » a acquis une certaine notoriété chez ceux qui s’intéressent au futur de l’usage de l’IA et à la façon dont les différents métiers doivent s’adapter. Car les conclusions sont sans appel : aucune politique d’usage générique ne tient face à une frontière aussi floue entre ce qui marche bien et ne marche pas.

La séparation se trace tâche par tâche, avec les équipes qui font le travail, et se refait à chaque nouveau modèle. Et c’est un processus complexe qui nécessite l’intervention de spécialistes pour le moment.

Mais le principal enjeu réside dans la formation. Les centaures sont ceux qui gèrent le mieux les limites des IA : mais leur fonctionnement peut conduire à sous utiliser l’IA et donc diminuer leur productivité, ils doivent être formés à cela. Les cyborgs ont le meilleur ratio productivité/pertinence des résultats, mais doivent être accompagnés pour continuer à n’utiliser l’IA que dans les cas où elle rendra un meilleur travail qu’un humain. Et la formation est clé pour transformer des cohortes de consultants self-automators en cyborgs ou centaures éclairés.

Et c’est loin d’être simple…

Sources

• Le working paper HBS 24-013, Dell’Acqua et al., septembre 2023 (PDF)
• La version publiée dans Organization Science