Pourquoi l’IA ressemble d’abord à un programme informatique
Quand une entreprise lance un programme IA, le réflexe est connu. On choisit un outil, on négocie des licences, on active des comptes, on forme quelques équipes. C’est le chemin classique d’un déploiement logiciel.
Ce réflexe se comprend. Un outil comme Microsoft 365 Copilot arrive par l’IT, qui maîtrise l’environnement, la sécurité et le calendrier. Et les résultats se mesurent vite : un nombre de licences, un taux d’activation.
Dans beaucoup de cas, ces chiffres rassurent plus qu’ils n’informent. Une licence activée ne dit rien de ce qui a changé dans le travail.
Ce que cette lecture oublie
Installer un outil ne transforme pas automatiquement le travail. Un logiciel classique remplace une façon de faire par une autre. L’IA générative ouvre un champ d’usages : chacun l’emploie pour des tâches différentes, avec des résultats variables. C’est à l’organisation de décider où elle a sa place.
Les études récentes pointent un écart entre l’ambition et l’action. Dans l’étude de Roland Berger auprès de 472 dirigeants, 62 % des personnes interrogées anticipent une transformation majeure ou radicale de leur modèle opérationnel sous l’effet de l’IA. Seuls 38 % ont commencé à agir. Par ailleurs, 59 % estiment que leur direction n’est pas suffisamment préparée.
Ce sont des résultats déclarés, sur un échantillon précis, sans portée universelle. Mais ils décrivent un climat que beaucoup de comités de direction reconnaîtront : la conviction que quelque chose change, et la difficulté de savoir par où commencer.
L’IA transforme le système de travail
L’IA touche les processus, les décisions, les rôles, les compétences et les indicateurs de performance. Prenons un exemple générique : une direction juridique qui utilise l’IA pour analyser des contrats. Le gain ne tient pas à l’outil. Il tient à la répartition de la relecture, à ce que l’on vérifie à la main, à celui qui répond du résultat.
Le Work Trend Index 2026 de Microsoft va dans ce sens. Il repose notamment sur une enquête auprès de 20 000 utilisateurs professionnels de l’IA dans dix pays. Selon ses résultats, 19 % se trouvent dans une situation où les capacités individuelles et la préparation de l’organisation se renforcent mutuellement. 31 % connaissent un désalignement.
Je lis ce constat avec prudence : c’est une enquête d’éditeur, pas une preuve de cause à effet. Mais elle rappelle qu’un collaborateur à l’aise avec l’IA, dans une organisation qui n’a rien prévu, peut se retrouver à travailler seul dans son coin.
Le piège d’un programme porté uniquement par la technologie
Un programme piloté uniquement par l’IT risque de produire des licences et des pilotes, mais peu d’usage réel. Ce n’est pas un reproche fait à l’IT. Elle fait ce qu’on lui demande : déployer, sécuriser, soutenir.
Le problème vient du fait que personne d’autre ne s’approprie le sujet. Les métiers attendent que l’outil arrive. Le juridique est consulté tard, pour valider. Les ressources humaines découvrent que rôles et compétences bougent. Les pilotes se multiplient, sans critère pour choisir ceux à généraliser.
Les responsabilités à répartir autrement
Le métier doit définir les résultats attendus et les situations dans lesquelles l’IA apporte une valeur concrète. Personne d’autre ne peut le faire. Un service client ou une direction financière sait où elle perd du temps, où la qualité varie, où une décision traîne.
L’IT, la sécurité, le juridique, les ressources humaines et les métiers doivent construire ensemble les conditions d’adoption. Chacun apporte sa pièce :
- L’IT assure la plateforme, les accès et l’intégration
- La sécurité et la conformité fixent ce qui est permis, et sur quelles données
- Le juridique clarifie les responsabilités et les risques
- Les ressources humaines traitent les compétences, les rôles et l’accompagnement
- Les métiers portent les résultats attendus
Le World Economic Forum, à partir des contributions de plus de 450 dirigeants, identifie cinq conditions de passage à l’échelle : responsabilité humaine, refonte du modèle opérationnel, développement des compétences, confiance par la transparence et expérimentation disciplinée.
Comment passer du déploiement à l’usage réel
Je propose quatre gestes, simples à énoncer et exigeants à tenir :
- Choisir peu de situations de travail, chacune avec un sponsor métier qui dit quel résultat il attend
- Fixer ensemble les règles : données autorisées, validation humaine, responsabilité
- Traiter chaque pilote comme une expérience, avec une question, une durée et un critère pour généraliser ou arrêter
- Suivre le changement dans le travail, pas seulement l’activité de l’outil
Le dernier geste est décisif. La réussite doit se mesurer par les changements obtenus dans le travail, pas seulement par le nombre d’utilisateurs activés. Selon le cas d’usage, cela peut être le délai de traitement d’un dossier, la qualité d’une première version ou le temps libéré pour des tâches à plus forte valeur.
La question que les dirigeants doivent désormais poser
Plutôt que « combien de personnes ont accès à l’outil ? », je propose de demander : qu’est-ce qui a changé dans notre façon de travailler, et qui en répond ?
Si la réponse est floue, le problème n’est probablement pas technique. C’est une question de décision, de rôles et de mesure. Elle se règle au niveau de la direction, avant d’ajouter des licences ou de lancer un nouveau pilote.
Vous avez un programme IA qui avance moins vite que prévu ? Parlons-en pour identifier ce qui bloque, réaligner les parties prenantes et remettre l’adoption en mouvement.
Sources
- The AI-First Organization, Roland Berger, 3 juillet 2026
- 2026 Work Trend Index Annual Report: Agents, human agency, and the opportunity for every organization, Microsoft, 5 mai 2026
- Organizational Transformation in the Age of AI: How Organizations Maximize AI's Potential, World Economic Forum, en collaboration avec Accenture, 16 mars 2026