Lab / Expérience
Pulse
Une expérience de diagnostic organisationnel par la voix.
L’expérience
En finir avec le questionnaire.
Pulse reprend un diagnostic organisationnel éprouvé, resté enfermé plus de vingt ans dans un programme DOS, et remplace son questionnaire par un entretien vocal condensé. Au lieu de remplir un long formulaire, un dirigeant parle pendant environ 40 minutes avec un agent qui pose 25 questions et creuse pour obtenir du contexte quand une réponse le demande. La conversation est ensuite évaluée de deux façons : par un modèle de langage qui lit ce qui a été dit, et par le moteur déterministe de la méthode d’origine.
Tout a commencé par un hackathon d’un week-end organisé par mon cher ami Mo Sersouri : d’abord, mon ami Stephan a percé le vieux code, et j’ai conçu le temps d’un week-end ce que pourrait être la nouvelle expérience. Il s’est passé beaucoup de choses depuis, et Pulse est maintenant en ligne, en alpha sur invitation. Nous avons mené les entretiens nous-mêmes, puis testé avec un petit groupe témoin de participants externes. Les diagnostics ont tenu la route.
La thèse, en une ligne : en finir avec le questionnaire, faire émerger des insights, et peut-être se passer complètement du consultant. L’idée de départ était de démocratiser l’accès à ce type d’évaluation pour n’importe quelle entreprise de taille moyenne, sans le coût d’une mission lourde. Et surtout :
Un entretien vocal condensé, évalué par-dessus un moteur déterministe, peut faire ressortir ce que les gens n’écrivent pas : ce qu’ils évitent, la façon dont ils hésitent, ce qu’ils révèlent sans le vouloir.
Le point de départ
Une méthode testée des centaines de fois.
La méthode a plusieurs décennies et avait été testée des centaines de fois avant que je n’y touche. Tout a commencé quand l’associé gérant de l’un des plus grands cabinets comptables au monde a commandé un système expert pour diagnostiquer le côté non financier d’une entreprise : stratégie, structure, culture, leadership. Un cabinet de développement organisationnel a passé plus de dix ans à le construire et à le valider. Les questionnaires et leurs résultats ont été testés dans plus de 100 bureaux, auprès de plus de 1 000 clients, dans cinq pays.
Todd Wheeler, le consultant derrière Management Insight, a fait vivre cette méthode. Son processus était simple à décrire et difficile à faire passer à l’échelle : envoyer à chaque répondant un long questionnaire tiré d’une banque de 164 questions (assez profonde pour mener une évaluation de niveau 1, 2 ou 3 selon les besoins de la mission), passer les réponses dans le programme de notation, puis s’appuyer sur son propre jugement pour décider de ce que le rapport devait dire et de la façon de le restituer. Le cadre place une organisation sur un cycle de vie en 8 étapes, de Launch à Stall, nomme le moteur de croissance et la crise majeure qui accompagnent son étape, et lit sa culture, sa stratégie, sa structure, son style de leadership et son risque.
La logique de notation, elle, était enfermée depuis plus de vingt ans dans un vieux programme DOS : des fichiers de script propriétaires, des archives compressées, la même logique qui tournait depuis la fin des années 1980.
Puis est venu le hackathon. Mo l’a appelé Days of Future Past, avec cette accroche : « le même génie, sans disquette ». Le temps d’un week-end, mon ami Stephan a fait le travail d’archéologie qui a débloqué le logiciel DOS d’origine : ouvrir les fichiers hérités, décoder les scripts de notation et refaire tourner le programme sous émulation. Il me l’a transmis, et j’ai pris l’autre moitié : concevoir ce que cette expérience pourrait être pour un répondant aujourd’hui, puis la construire de zéro. Le dimanche venu, nous avions un agent vocal qui posait des questions avec un rendu vraiment haut de gamme (et un coût à l’avenant sur ElevenLabs), un modèle qui évaluait les réponses à partir du cadre récupéré, et un rapport à l’écran. Pulse est né de ce week-end. Todd était bluffé, et pensait qu’on devait foncer.
La thèse
En finir avec le questionnaire, et plus encore.
Un questionnaire capte ce que les gens acceptent de cocher. Une conversation capte leur façon de penser. Alors, au lieu de transposer le formulaire à l’écran, nous l’avons remplacé.
Nous avons retenu 25 questions, chacune avec sa propre relance, conçues pour obtenir des réponses longues, naturelles et instinctives. Ensemble, elles couvrent le terrain du questionnaire d’origine, condensé en un entretien d’environ 40 minutes. L’agent pose la question, écoute, et ne creuse pour obtenir plus de contexte que lorsqu’une réponse est mince. Une version courte de 8 questions (environ 10 minutes) existe pour deux raisons : faciliter les tests, et faire tourner l’offre gratuite.
Cela soulevait trois questions auxquelles cette expérience voulait répondre :
- Un entretien de 40 minutes peut-il tourner à grande échelle, de façon rentable ? Le temps du consultant était le goulot d’étranglement. Avec un agent vocal, la question devient celle de l’économie unitaire.
- Quarante minutes, est-ce la bonne cible ? C’est déjà une forte compression du processus d’origine. Mais un agent vocal change l’arbitrage entre la profondeur avec une seule personne et l’étendue sur toute une équipe.
- La voix, la parole et le calibrage des émotions, évalués par-dessus un moteur déterministe, font-ils ressortir des insights qui restent invisibles sur le papier ? C’est le cœur de la thèse.
Moderniser la méthode
Garder les concepts, réécrire les mots.
Nous avons gardé les concepts et réécrit les mots. La règle directrice était actualisé pour aujourd’hui, vérité intacte : les étapes, les cultures et les dimensions restent ; tout ce qui n’avait de sens que dans un bureau de 1987 disparaît.
J’ai repris la banque de questions d’origine, item par item. Sur 164 items d’origine, 118 ont été reformulés dans une langue parlée et naturelle, 27 ont été supprimés et 12 fusionnés. Les questions sur les secrétaires et les tiroirs de classement n’avaient plus rien à diagnostiquer ; la gestion des archives physiques est devenue des questions sur les données et l’infrastructure numérique. Nous avons ajouté 35 nouveaux items pour ce que l’original ne pouvait pas voir : l’adoption de l’IA, le travail à distance et distribué, la sécurité psychologique, la raison d’être et les modèles d’affaires de plateforme. Aux 11 types de culture d’origine se sont ajoutés trois types modernes : Mission-Driven, Platform/Network et Community-Led.
Les informations de base comme l’effectif, l’âge et le chiffre d’affaires ne sont plus demandées sous forme de cases à cocher. Elles sont déduites de la façon dont les gens décrivent leur entreprise dans la première minute.
Ce qui existe aujourd’hui
Un produit qui fonctionne, pour trois publics.
Pulse est un produit qui fonctionne, avec trois publics, chacun avec sa propre interface.
Derrière l’entretien se trouve un back-end complet, pas une démo. Un consultant ou une organisation a son propre espace de travail, configuré via un court parcours d’accueil qui bifurque selon le public. On y crée des missions, on constitue une liste de répondants avec des liens personnels ou des QR codes, et on suit chaque personne de « pas commencé » à « en cours » puis à « évalué ». Les rapports individuels arrivent au fur et à mesure. Une fois que suffisamment de personnes ont parlé, un rapport de groupe les compare : là où l’équipe est d’accord, là où elle diverge, un playbook pour chaque divergence, et un ordre du jour pour la réunion de restitution. Les rapports s’exportent en PDF. Les comptes sont sur invitation, avec des invitations de parrainage et des plafonds d’utilisation. En dessous tournent un pipeline de notation asynchrone qui peut relancer n’importe quel entretien sans risque, et une console opérateur pour les comptes, les coûts et les échecs.
Une règle de conception façonne chaque rapport : chaque affirmation cite les propres mots du répondant, affichés à côté du point qu’ils étayent, pour que n’importe quel lecteur puisse vérifier une conclusion en quelques secondes. Lire un exemple de rapport (en anglais).
L’alpha est sur invitation. Les comptes sont créés à la main, chacun avec un petit plafond d’évaluations et quelques invitations de parrainage, et chaque nouveau compte reçoit une mission d’exemple fictive, pour que le produit ait du sens avant que quiconque n’enregistre un mot.
| Qui | Ce qu’il fait | Ce qu’il obtient |
|---|---|---|
| Répondant | Ouvre un lien sur son téléphone, répond à un court questionnaire d’accueil, puis parle avec l’agent : 8 questions (Lite) ou 25 (Full) | Un rapport qui commence par la version courte (où il en est, le risque principal, par où commencer), puis lit son étape de croissance, sa culture, son leadership et sa stratégie, nomme des schémas dans sa façon de parler, et se termine par le plus grand risque, un plan à 90 jours et des points à vérifier |
| Consultant | Crée une mission, envoie des liens ou des QR codes par répondant, suit qui a commencé | Un rapport de groupe construit autour de la divergence : là où l’équipe ne voit pas la même organisation, un playbook par alerte, et un ordre du jour de restitution |
| Opératrice (moi) | Fait tourner l’alpha : invitations, plafonds, coûts, échecs, nouvelles notations | Une console qui fonctionne sur des identifiants, des compteurs et des messages d’erreur, jamais sur le contenu des transcriptions |
Architecture
Chaque entretien est évalué deux fois, puis consolidé pour l’équipe.
La couche vocale se remplace derrière un simple flag. Tout ce qui suit la transcription tourne dans l’app Pulse sur Vercel, avec Supabase Postgres comme système de référence, et Claude qui assure à la fois la notation et la correspondance avec le questionnaire d’origine.
Comment fonctionne PulseD’un répondant sur son téléphone à une restitution d’équipe.
Fais défiler sur le côté pour voir tout le schéma.
Chaque entretien est évalué deux fois
Question 1
Un entretien de 40 minutes peut-il tourner à grande échelle, de façon rentable ?
Oui sur le papier, environ 5 à 6 fois moins cher que la voie managée, et pratiquement prêt à être activé. La surprise, c’était l’endroit où se trouve le coût. La notation par l’IA est presque gratuite. Les minutes de voix, non.
La notation coûte quelques centimes. Sur 23 notations journalisées en production, un rapport individuel a consommé en moyenne environ 4 000 tokens en entrée et 2 150 en sortie, soit à peu près 0,04 $ au prix catalogue. La seconde passe, déterministe, ajoute environ 0,04 $. Un rapport de groupe pour toute une équipe coûte environ 0,07 $.
La voix coûte des dollars. Sur une plateforme managée d’agents vocaux, un entretien de 40 minutes revient à environ 0,11 à 0,16 $ la minute tout compris, soit 4,40 à 6,40 $ par entretien. Pire, les forfaits vendent la simultanéité par paquets de minutes mensuels. La demande dans le conseil a la forme inverse : un mois creux, puis 2 000 minutes en une semaine quand une mission démarre.
L’auto-hébergement ramène un entretien de 40 minutes à environ 0,75 à 1,00 $Coût total par entretien de 40 minutes, estimation basse à haute, par plateforme vocale. Le carré marque le point médian.
Source : Pulse ADR 002, pages de tarifs des fournisseurs et estimations calculées, juillet 2026.
Ce que nous avons choisi. Mo, un ami cher et collaborateur du projet, aussi passionné de voix que moi, a commencé à construire un pipeline vocal open source (orchestration Pipecat, transport LiveKit) précisément pour que nous puissions quitter la plateforme managée, et potentiellement comme infrastructure partagée pour toutes nos expériences d’agents vocaux. Je l’ai forké et je le fais tourner sur un serveur que j’exploite déjà. Je l’ai comparé à sept alternatives. La transcription ne pèse presque rien. Le coût du modèle qui mène l’entretien est divisé par environ 5 grâce au prompt caching, passant d’à peu près 1,10 $ à 0,20 $ par entretien. Total calculé : environ 0,75 à 1,00 $ par entretien de 40 minutes, soit 40 à 70 $ pour un mois de mission à 50 entretiens, au lieu de 220 à 320 $.
Où ça en est. Le pipeline est construit, déployé, sécurisé et a passé ses smoke tests, et l’app bascule dessus avec un simple flag. La plateforme managée reste branchée en permanence comme solution de repli. Il reste l’étape où je suis la plus lente : choisir la voix. La voix de l’intervieweur fait partie du produit, et je suis exigeante. Dès qu’une voix remporte l’audition, le chiffre de 0,75 $ cesse d’être un modèle et devient une mesure.
La minute la moins chère est celle qu’on ne prononce jamais. Sortir les questions d’accueil de la conversation et réduire la formule d’accueil d’environ 50 mots à 15 a fait gagner du temps sur chaque session, sans exception.
Question 2
Quarante minutes, est-ce la bonne cible ?
Quarante minutes, c’est déjà le grand gain : cela remplace un long questionnaire plus l’analyse d’un consultant. La question ouverte est de savoir si ce doit être la norme, ou si des entretiens courts avec beaucoup de personnes en disent parfois plus. La version courte a été construite pour les tests et l’offre gratuite, mais les données qu’elle a produites sont instructives.
Quelques premiers constats :
- Le format court ne fonctionne que si chaque question mérite sa place. Un audit a montré que la version à 8 questions notait cinq dimensions du leadership sans poser une seule question sur le leadership. Remplacer une question d’échauffement sur le chiffre d’affaires par une question sur la responsabilité a comblé le manque sans allonger la durée.
- Le constat précieux, c’est le désaccord, et le désaccord demande de l’étendue. Un PDG qui voit une organisation en croissance confiante pendant que le responsable de l’ingénierie décrit une coordination qui se délite, voilà l’insight pour lequel un client paie. Un seul entretien approfondi ne peut pas le produire. Dix entretiens courts, si.
Il y a pourtant une vraie tension. Le moteur déterministe a besoin de profondeur : un entretien long lui fournit environ 120 items exploitables, un court environ 30, trop peu pour le faire tourner tout court. La réponse provisoire est donc un mélange plutôt qu’un remplacement : des entretiens courts sur toute l’équipe pour la divergence, la version longue pour la ou les deux personnes dont la lecture ancre le diagnostic, et à terme un questionnement adaptatif qui ne creuse que là où les réponses se contredisent.
| Entretiens vocaux réels | Durée médiane (entretiens terminés) | Durée prévue |
|---|---|---|
| Lite (8 questions) | 5,1 min | Environ 10 min |
| Full (25 questions) | 18,3 min (le plus long : 43,8) | Environ 40 min |
Question 3, le cœur de la thèse
La voix et l’émotion, par-dessus une notation déterministe.
La couche langage est construite et fonctionne. Calibrer la voix elle-même, c’est la couche suivante.
Première passe : évaluer le langage, pas les affirmations
La règle : « évaluer ce que le langage démontre, pas ce que le répondant affirme croire ». La première passe lit donc bien plus que le contenu d’une réponse : les mots choisis, les contractions, les hésitations, les mots de remplissage et les autocorrections, les silences, « je » contre « nous », le passé employé pour raconter une croissance, la voix passive autour de l’échec, et les sujets abordés spontanément ou évités. Chaque constat doit citer les propres mots du répondant, pour que toute conclusion puisse être vérifiée en quelques secondes.
C’est là qu’un formulaire devient aveugle. Dans notre groupe de test, un fondateur a dit clairement qu’il prenait toutes les décisions, puis s’est tu deux fois quand on l’a interrogé sur une décision difficile et sur un échec récent. Le rapport a noté sa capacité de décision comme « affirmée mais contredite », et a signalé que personne d’autre ne pouvait réellement décider. Sur le questionnaire, ce fondateur aurait simplement coché « tout à fait d’accord ».
Les rapports répartissent aussi les éléments entre ce que le répondant a déjà nommé, ce qui est un angle mort (signal présent mais jamais reconnu), et ce qui n’est pas du tout sur le radar. Les angles morts sont généralement la partie la plus utile.
Deuxième passe : vérifier avec la notation d’origine
Ensuite, la même conversation est évaluée selon la méthode d’origine. Un modèle fait correspondre ce qui a été dit aux items du questionnaire d’origine, et le moteur à somme pondérée récupéré note ces réponses de façon déterministe. Quand les deux passes concordent, la confiance augmente. Quand elles divergent, la divergence elle-même est présentée comme un signal.
Est-ce que ça a marché ?
Nous avons d’abord mené les entretiens nous-mêmes, avec toutes les personnes prêtes à tester sur leur propre entreprise, puis avec un petit groupe témoin de participants externes. Les diagnostics ont tenu la route : les gens ont reconnu leur organisation. Sur notre jeu d’évaluation, chaque rapport contient 7 à 8 éléments de preuve cités, et après plusieurs séries de modifications des prompts, les 5 cas d’évaluation ont tous conservé la même étape principale et la même culture.
Une réserve, en toute honnêteté. Quand nous avons rejoué les deux cas de référence du programme d’origine dans le moteur récupéré, les verdicts ne se sont pas entièrement reproduits. Les causes probables : des questions descriptives que nous ne notons pas encore, des fichiers de pondération propres à chaque secteur que nous n’avons pas décodés, et une étape de correspondance de profils plutôt qu’une simple somme. Tant que ce n’est pas résolu, le panneau déterministe est étiqueté indicatif dans chaque rapport, et l’écart est consigné dans un test connu pour échouer, pour que toute correction se signale d’elle-même.
Ensuite : calibrer la voix elle-même
Aujourd’hui, l’hésitation est captée telle qu’elle apparaît dans la transcription : pauses, mots de remplissage, phrases interrompues. Ce que nous ne mesurons pas encore, c’est le son : le ton, la hauteur, le débit, l’énergie. Maîtriser le pipeline vocal (Question 1), c’est ce qui ouvre cette porte, parce que l’audio et le timing de chaque tour de parole passent par notre propre serveur. Le plan, dans l’ordre :
- Le timing d’abord. Latence de réponse, durée des pauses et débit de parole à chaque tour. Peu coûteux, et sans modèle.
- Calibrer par rapport à la personne, pas sur une échelle universelle. Utiliser les questions d’échauffement comme référence propre à chaque répondant, puis signaler les écarts sur les relances sensibles : pouvoir, échec, responsabilité.
- Rattacher la manière de dire à ce qui est dit. Chaque citation s’accompagne de la façon dont elle a été dite : avec assurance, ou après une longue pause.
- La voix comme indice, jamais comme verdict. Le moteur déterministe reste la référence. La couche vocale augmente ou diminue la confiance et signale les contradictions. Elle ne note jamais personne à elle seule.
- Prouver que ça aide. Revue à l’aveugle : les gens préfèrent-ils les rapports avec la couche vocale, et les contradictions signalées se confirment-elles lors du suivi ?
Les garde-fous passent en premier : consentement explicite à l’analyse de la manière de parler, aucun audio brut conservé par défaut, aucune inférence de caractéristiques protégées, et aucune présentation en « détecteur de mensonges ». Le but est de calibrer, pas de juger.
Les décisions jusqu’ici
Chacune a sacrifié quelque chose.
Trois décisions ont fait l’objet d’un dossier d’architecture formel ; les autres sont des règles permanentes dans le code. Chacune a sacrifié quelque chose.
| Décision | Pourquoi | Ce que ça a coûté |
|---|---|---|
| Évaluer chaque transcription deux fois : modèle de langage plus moteur déterministe de 1987 | Une seule passe est une boîte noire ; deux passes rendent visibles l’accord et le désaccord | Un second appel au modèle par rapport, et un moteur qui s’est révélé ne pas correspondre à sa propre vérité terrain |
| Chaque constat doit citer les mots du répondant | Rend chaque diagnostic vérifiable en quelques secondes et garde le modèle honnête | Des sorties plus longues ; un rapport de groupe a dépassé sa limite de tokens en pleine réponse avant que le plafond ne soit relevé |
| Figer le modèle de notation ; tout changement relance une validation sur 5 cas | Des versions différentes du modèle notent différemment, et deux versions figées ont été retirées par le fournisseur en quelques mois | Plus lent pour adopter de nouveaux modèles |
| Les webhooks répondent instantanément ; la notation tourne en arrière-plan, peut être relancée sans risque, et une tâche de rattrapage récupère les sessions bloquées | Un entretien de 40 minutes ne doit jamais être perdu à cause d’un timeout | Plus d’états à gérer (en pause, abandonné, en échec, évalué) |
| La méthodologie vit dans la base de données, pas dans le code | Questions, cultures et modules peuvent évoluer sans déploiement | Le prompt de l’agent vocal doit être synchronisé à la main, un point faible connu |
| L’entretien court est la version par défaut sur chaque point d’entrée public | La version longue était trop longue pour du trafic froid | Le moteur déterministe ne peut pas tourner sur les entretiens courts |
| Les rapports de groupe commencent par la divergence, pas par le consensus | « Vous ne voyez pas la même organisation », c’est le constat qui vaut d’être payé | Il faut plusieurs répondants par mission avant qu’il dise quoi que ce soit |
| ADR 001 : comptes sur invitation, via des liens de connexion remis à la main | Permettre à de vrais testeurs de travailler dans des espaces isolés sans construire d’abord une infrastructure e-mail | Invitations manuelles ; ne passe pas à l’échelle au-delà d’une alpha |
| ADR 002 : auto-héberger le pipeline vocal ; garder la plateforme managée comme repli permanent | Un coût par entretien 5 à 6 fois plus bas, et l’accès à l’audio brut | Un second système à exploiter ; la bascule n’attend plus que le choix de la voix |
| La console opérateur fonctionne par référence, jamais par contenu | En tant qu’opératrice, je ne devrais pas pouvoir lire les diagnostics confidentiels des autres clients | Le support et le débogage doivent se contenter des identifiants, des temps et des messages d’erreur |
La suite
D’abord, la plus petite étape qui prouve quelque chose.
Dans l’ordre de ce qui débloque quoi.
- Bascule de la voix. Choisir la voix (la partie difficile, pour moi), faire tourner un entretien court de bout en bout sur le pipeline auto-hébergé, basculer les entretiens courts, observer, puis basculer les longs. Débloque un coût par entretien mesuré et l’accès à l’audio.
- Reconstituer le moteur déterministe. Décoder les propres fichiers de pondération du programme d’origine, noter les questions descriptives que nous ignorons aujourd’hui, et gérer les variantes sectorielles, jusqu’à ce que les cas de référence d’origine se reproduisent. Débloque une référence sur laquelle il vaut la peine de calibrer.
- Calibrer la voix, une fois 1 et 2 en place : signaux de timing, puis références par personne, puis manière de dire rattachée aux citations, puis une revue à l’aveugle avec des consultants (voir la Question 3).
Ce que je ne sais pas encore
Les plus grandes questions ouvertes ne sont pas techniques.
- Est-ce seulement un business ? Qui paie (consultants, équipes de direction, RH), pour quoi, et à quelle fréquence ?
- Où vont le diagnostic et le développement du leadership maintenant que l’IA est partout ? Si chaque dirigeant a un coach IA dans sa poche, un diagnostic ponctuel compte-t-il encore, ou devient-il quelque chose de continu ?
- Peut-il apporter de la valeur immédiatement ? Un diagnostic ne vaut que ce qu’il change. Le vrai enjeu, ce sont des insights exploitables qu’une équipe peut utiliser dès la semaine où ils arrivent, pas un rapport qu’on range dans un tiroir.
- Est-ce que ça s’étend au bonheur des employés ? C’est un espace d’enquêtes très encombré. Par expérience, une enquête de type Qualtrics fait ressortir les grands thèmes, mais je suis convaincue qu’on laisse énormément de choses sur la table : le pourquoi derrière un score, et tout ce que les gens ne taperont jamais dans une case. Une courte conversation vocale avec chaque employé pourrait l’atteindre.
- Comment ça tient en volume. Nos propres entretiens et un petit groupe témoin externe ont fonctionné. Des centaines d’organisations de tous secteurs, toutes prêtes à parler ouvertement de pouvoir et d’échec à un agent, c’est un autre test.
- Si calibrer la voix apporte des insights ou juste du bruit. Si la revue à l’aveugle dit que ça n’aide pas, c’est aussi un résultat.
- Jusqu’où un cadre né dans les années 1980 peut s’étendre à des organisations avec des équipes à distance et de l’IA dans leurs flux de travail. Les questions et les types de culture modernisés sont un début, pas la réponse définitive.
Ce dont je suis sûre est plus restreint : un agent vocal peut mener une conversation de diagnostic structurée, la notation coûte quelques centimes, chaque affirmation peut être rattachée aux mots qui l’ont produite, et le résultat le plus précieux, c’est l’endroit où une équipe de direction n’est pas d’accord avec elle-même.
Cette expérience a été passionnante. Si tu as des idées sur la méthode, le business, ou la direction que prend ce domaine, j’adorerais les entendre.
Parle-moi
Des idées sur la méthode, le business, ou la direction que prend ce domaine ? J’adorerais les entendre.