Comme tout un chacun, j’explore le potentiel de l’IA, avec un focus particulier sur mon domaine d’expertise : le lean à l’échelle. J’ai donc écouté avec attention le webinaire du Lean Enterprise Institute « Lean AI : a new way to learn, practice and apply lean thinking”. Vous en trouverez une synthèse ci-dessous.

Le webinaire a commencé par la démonstration d’un « outil de coaching par l’IA », leanplayground.ai, développé par Art Smalley, figure de référence dans le monde du lean. Le résultat est bluffant mais tout le monde reste un peu sur sa faim. En effet, l’IA agit comme un consultant lean six sigma qui développe de son côté une analyse, avec peu d’interactions avec les acteurs du processus et qui délivre, in fine, un plan d’actions solide à beaucoup de points de vue mais difficilement appropriable par le terrain. On y perd clairement deux bénéfices du lean : l’exercice de réflexion des opérationnels sur leurs processus et la valeur ajoutée du gemba.

La préconisation des intervenants n’est donc pas d’utiliser l’IA pour faire de la résolution de problème mais de s’en servir comme d’un sparring partner pour approfondir la réflexion de celui ou ceux qui portent le problème, dans une modalité nouvelle de formation : l’interaction avec l’IA.

Synthèse du webinaire

L’IA comme simulateur lean : accélérer l’apprentissage sans perdre l’essence

Depuis trente ans, le Lean Enterprise Institute explore comment transmettre l’esprit du lean au-delà des usines Toyota. Les ouvrages de John Shook (Learning to See, Managing to Learn) ou d’Art Smalley (Four Types of Problems) ont permis de rendre visible et accessible ce qui était autrefois implicite. Tous deux insistent sur un point fondamental : le lean n’est pas seulement une méthode de production, mais une discipline d’apprentissage par la résolution de problèmes.

Aujourd’hui, une nouvelle question se pose : l’intelligence artificielle, et en particulier les modèles de langage comme ChatGPT, peut-elle contribuer à cette mission ? Peut-elle aider les organisations à apprendre plus vite, à former davantage de personnes à la résolution de problèmes, à amplifier le rôle du coach lean ?
C’est précisément ce qu’ont exploré John Shook, Art Smalley et Tyson Ortiz lors d’une discussion récente. La conversation, enrichie des réactions de nombreux praticiens, éclaire la manière dont l’IA pourrait s’articuler avec les fondements du lean.

La résolution de problèmes, discipline centrale

Dès ses débuts chez Toyota, Art Smalley a été plongé au cœur de ce qui fait la singularité du Toyota Production System : apprendre à résoudre des problèmes en temps réel, sur la ligne d’assemblage. À travers le 5 pourquoi et le A3 de résolution de problèmes, il a découvert non pas des outils administratifs, mais des structures de pensée destinées à entraîner la logique des ingénieurs et opérateurs. La finalité, comme le répète souvent John Shook, n’est pas de produire des documents, mais de développer des personnes capables de raisonner par elles-mêmes.
Dans Managing to Learn, Shook a mis en scène ce processus sous la forme d’un dialogue entre un manager et un ingénieur. Le mentor n’apporte pas de réponses toutes faites, il guide par ses questions, obligeant l’apprenant à rendre visible son raisonnement et à le confronter à la réalité du gemba. C’est cette dynamique qui constitue l’essence du lean : une discipline intellectuelle qui se construit par la pratique et par le coaching.

L’apport possible de l’intelligence artificielle

Le problème auquel Toyota a toujours été confrontée, et qui se pose encore plus dans les entreprises qui adoptent le lean, est la rareté des coachs. Comment transmettre cette discipline à grande échelle quand on ne dispose pas d’assez de mentors ? Dans le Kentucky, au lancement de l’usine, Toyota avait pu déployer un formateur pour dix opérateurs, un luxe que peu d’organisations peuvent s’offrir.

C’est ici qu’Art Smalley a vu un rôle potentiel pour l’IA. Son idée n’était pas de remplacer les sensei, mais de créer un “simulateur lean”, un outil d’entraînement permettant à chacun de pratiquer plus souvent, de se confronter à des questions exigeantes, et d’obtenir un retour immédiat.

En soumettant un 5 pourquoi ou un A3 à un modèle d’IA enrichi de contenus fiables, Art a découvert que la machine pouvait produire des retours étonnamment proches de ceux de ses coachs japonais. Trop vague ? L’IA demande de préciser les faits. Trop général ? Elle pousse à détailler les causes physiques. Trop orienté blâme ? Elle interroge le processus. Les questions sont neutres, insistantes, et toujours orientées vers la logique des faits.

Une pédagogie amplifiée

La valeur de l’IA, vue ainsi, n’est pas de fournir des solutions mais de créer les conditions d’un apprentissage plus intensif. L’apprenant peut répéter ses essais, se tromper, reformuler, et recevoir un feedback constant. L’équipe, réunie en obeya, peut projeter son A3 et utiliser l’IA comme un coach neutre, capable de poser les questions que personne n’ose exprimer. Même les sensei expérimentés peuvent y trouver un bénéfice, en confrontant leur propre feedback à celui de la machine, et en évitant ainsi la routine.

Les participants à la discussion en ligne ont souligné combien cette logique pouvait élargir la portée du coaching. Pour l’un d’entre eux, l’IA devient un “co-pilote” qui multiplie la capacité d’un sensei à toucher cent étudiants plutôt que cinq. Un autre participant parle d’un véritable “gymnase intellectuel”, un lieu d’entraînement pour muscler son raisonnement avant de le confronter au terrain. Mais Jeffrey Liker insiste sur un risque majeur : la résolution de problèmes est par nature collective. Utilisée derrière un écran, sans dialogue réel, l’IA pourrait appauvrir l’expérience au lieu de l’enrichir.

John Shook propose une métaphore parlante : l’IA est au lean ce que le simulateur de vol est à l’aviation. On ne devient pas pilote sur simulateur, mais on y gagne en pratique, en répétition, en sécurité. L’IA peut jouer ce rôle de terrain d’entraînement pour les problématiques lean, sans jamais remplacer le gemba, qui demeure le lieu de vérité.

Les limites et les risques

Les intervenants et les praticiens sont lucides sur les dangers. D’abord, l’IA n’a pas de gemba. Elle ne voit pas la réalité, elle ne fait que réagir à ce qu’on lui fournit. Ensuite, elle n’a pas l’intuition humaine : la question fulgurante qui débloque une situation complexe reste l’apanage d’un sensei. Enfin, elle peut encourager la paresse intellectuelle si on l’utilise comme une béquille plutôt que comme un miroir.

Les verbatim montrent également une inquiétude forte : ne pas déresponsabiliser les opérateurs ni réduire leur sentiment de propriété. Comme le formule un des participants : “nous ne voulons pas que les leaders résolvent tout derrière un ordinateur”. Un autre rappelle que le véritable enjeu n’est pas d’aller plus vite mais de préserver la profondeur du raisonnement et l’engagement des équipes.
Un autre risque est celui de la dilution : nourrir l’IA de contenus superficiels produira un “lean fast-food”, bureaucratique et sans substance. Jeffrey Liker insiste sur le rôle essentiel d’institutions comme le LEI pour garantir la qualité et éviter que l’IA ne se nourrisse de contenus déformés.

Une continuité, pas une rupture

Au terme de leur échange, les trois intervenants convergent vers une conclusion claire : l’IA peut servir le lean, mais seulement si elle reste au service de son essence. Elle n’a pas vocation à remplacer le coaching humain, mais à l’amplifier. Elle ne dispense pas d’aller sur le gemba, mais peut préparer à y aller mieux armé. Elle n’écrit pas l’A3 à la place de l’apprenant, mais l’aide à clarifier sa pensée.

Comme le résume John Shook : “L’A3 est un processus, pas un document.” L’IA ne doit pas devenir une fabrique d’A3 automatiques. Utilisée avec discernement, elle peut au contraire devenir un formidable simulateur lean, démocratisant l’apprentissage et permettant à davantage de personnes d’acquérir plus vite les réflexes de la résolution de problèmes.

Marie-Pia Ignace