Retour aux analyses

Adoption IA

La plus grande révolution de l’IA n’est pas technologique

Les études le montrent : bien utilisée, l’IA fait progresser les personnes. Pourquoi tant de programmes déçoivent, et comment piloter l’adoption autour de l’humain.

Auteur
Tomorrow Solutions
Publié le
16 novembre 2026
Lecture
10 min
La plus grande révolution de l’IA n’est pas technologique

Elle est humaine. Ce que montrent les études, ce que j'observe sur le terrain, et ce que cela change pour celles et ceux qui pilotent un programme IA.

Dans les comités de direction, une question revient de plus en plus souvent : combien de postes l'IA va-t-elle permettre d'économiser ? Certains dirigeants se demandent déjà pourquoi continuer à recruter, puisque l'IA peut faire une partie du travail.

La question est légitime sur le plan économique. Elle ne m'anime pas. Après plus de vingt ans de transformations chez Sony, Mars et Mastercard, et deux ans à accompagner l'adoption de l'IA dans de grandes organisations, j'en retiens une conviction : aucune technologie ne change durablement une entreprise si les personnes ne progressent pas avec elle.

La vraie question est donc celle-ci : que pouvons-nous devenir grâce à l'IA ?

Ce que disent les études : l'IA fait d'abord progresser les personnes

Deux études de référence éclairent ce débat mieux que bien des discours.

La première a été menée par Harvard Business School avec le Boston Consulting Group. Elle a porté sur 758 consultants, soit 7 % des consultants du cabinet. Sur des tâches représentatives de leur métier, ceux qui utilisaient l'IA ont réalisé 12,2 % de tâches en plus, 25,1 % plus vite, avec des résultats d'une qualité supérieure de 40 % (VentureBeat, Mi-3).

Le chiffre le plus intéressant n'est pourtant pas celui-là. Les chercheurs ont décrit une « frontière irrégulière » : hors de cette frontière, le résultat de l'IA n'est pas fiable, voire dégrade la performance humaine. Autrement dit, l'IA rend meilleur celui qui sait quand s'en servir et quand s'en méfier. Le jugement humain devient plus précieux (The Harvard Crimson).

La seconde étude, signée Erik Brynjolfsson (Stanford) et ses collègues du MIT, a suivi 5 179 agents de support client. L'accès à l'outil augmente la productivité de 14 % en moyenne, dont 34 % pour les débutants et les moins qualifiés, avec un effet minime sur les plus expérimentés. Les auteurs notent que le modèle diffuse les bonnes pratiques des meilleurs et aide les nouveaux à progresser plus vite. L'assistance améliore aussi la satisfaction client et la fidélité des salariés (NBER).

Ces deux études disent la même chose : bien utilisée, l'IA est d'abord un accélérateur d'apprentissage et de compétence. Elle tire les personnes vers le haut. C'est exactement l'inverse d'une logique de remplacement.

Le paradoxe : beaucoup d'outils, peu de transformation

Si l'IA rend les gens meilleurs, pourquoi tant de programmes déçoivent-ils ?

Le rapport du MIT NANDA publié en 2025 a marqué les esprits : malgré 30 à 40 milliards de dollars de dépenses des entreprises en IA générative, 95 % des organisations ne constatent aucun retour business. Les auteurs attribuent cet échec à des processus fragiles, une faible capacité d'apprentissage en contexte et un décalage avec le travail quotidien. Ils ajoutent que ces outils améliorent surtout la productivité individuelle plutôt que la performance de l'entreprise (Virtualization Review, Think Digital).

L'étude annuelle AI at Work de BCG, conduite en 2025 auprès de plus de 10 600 personnes, donne une lecture complémentaire. Plus des trois quarts des dirigeants et managers utilisent l'IA générative plusieurs fois par semaine, mais l'usage régulier des collaborateurs de terrain plafonne à 51 % (BCG).

Les leviers identifiés sont tous humains. Quand les dirigeants soutiennent clairement l'IA, la part des collaborateurs qui en ont une image positive passe de 15 % à 55 %. Seul un quart des collaborateurs de terrain disent recevoir ce soutien. Côté formation, 79 % de ceux qui ont reçu plus de cinq heures de formation sont des utilisateurs réguliers, contre 67 % pour les autres (BCG, Unleash).

Le blocage est donc rarement dans l'outil. Il est dans l'accompagnement, le sens donné au programme et la confiance des équipes.

Pourquoi la logique de remplacement fait échouer les programmes

Les équipes comprennent très vite l'intention derrière un programme. Si l'IA est présentée comme un moyen de réduire les effectifs, elles se protègent. Elles testent peu. Elles taisent ce qui ne marche pas. Elles n'apportent pas leurs vrais cas d'usage, ceux qui créeraient de la valeur. Le programme avance alors dans les reportings, beaucoup moins dans le travail réel.

La peur ne touche pas seulement les équipes. Selon BCG, la crainte de perdre son emploi à cause de l'IA est même plus forte chez les managers et les dirigeants (43 %) que chez les collaborateurs de terrain (36 %). Un programme qui laisse planer le doute sur ses intentions perd donc ses relais naturels (IT-Online).

Le calcul de postes fait aussi oublier ce que l'IA ne fait pas. Elle ne porte pas la responsabilité d'une décision. Elle ne connaît pas l'histoire d'un client, les tensions d'une négociation ou les attentes d'un régulateur. Elle ne tient pas une relation. Tout cela reste humain, et c'est souvent là que se joue la valeur.

Trois capacités que l'IA peut développer

Mon travail tient en une phrase : aider celles et ceux qui décident à devenir meilleurs grâce à l'IA, sans jamais les remplacer. Concrètement, je vois trois gains.

Plus de recul pour comprendre. Un expert noyé dans l'urgence traite les dossiers, il ne réfléchit plus. Quand l'IA prend en charge une partie de la recherche, de la veille et de la synthèse, il retrouve du temps pour le jugement, qui est la raison pour laquelle on l'a recruté. Sur le terrain, cela commence souvent par des gestes simples : résumer un fil de mails de quarante messages avant une réunion, préparer une note de synthèse à partir de trois documents, faire une première revue d'un contrat long.

Plus de lucidité pour décider. Un dossier bien résumé, les désaccords repérés plus tôt, les options posées côte à côte, les risques listés avant la réunion plutôt qu'après : la décision reste humaine, elle est mieux éclairée. La « frontière irrégulière » rappelle une condition : vérifier ce que l'IA affirme. La lucidité vient de l'alliance entre la vitesse de l'outil et l'exigence de la personne.

Plus de capacité pour agir. C'est le gain le plus sous-estimé. Dans une direction juridique que j'accompagne, des juristes sans aucun profil technique ont construit leurs propres agents : une veille contentieuse, un suivi des alertes, une synthèse des grands contrats, une veille des réformes légales. Elles s'en servent dans leur travail réel. Personne n'a été remplacé. Elles font aujourd'hui ce qu'elles ne savaient pas faire hier, et leurs collègues d'autres pays veulent maintenant les mêmes outils.

Ce dernier point compte : quand les personnes progressent, elles deviennent elles-mêmes les meilleurs ambassadeurs du programme.

Le triptyque qui fonctionne : direction, RH, IT

L'adoption de l'IA est un projet d'entreprise avant d'être un projet informatique. Ce qui marche le mieux, c'est un triptyque où chacun tient son rôle.

La direction donne le cap. Elle dit pourquoi l'organisation investit dans l'IA, ce qu'elle en attend et ce qu'elle n'en attend pas. Elle montre l'exemple en utilisant elle-même les outils. Les chiffres de BCG cités plus haut montrent à quel point ce soutien visible pèse sur l'adhésion.

Les RH portent les métiers et mettent les managers dans la boucle. Ce sont elles qui relient l'IA aux compétences, aux parcours et aux rôles de demain. Le manager est le maillon décisif : c'est lui qui autorise, encourage et valorise l'expérimentation dans son équipe.

L'IT tient la gouvernance et le cadre d'usage. Des règles claires sur les données, la sécurité et les usages autorisés ne freinent pas les équipes. Elles leur donnent la confiance nécessaire pour essayer. Dans les environnements régulés, le juridique et la conformité doivent être associés avant le déploiement, pas après.

Quand l'un des trois manque, le programme boite. Un cap sans cadre crée de l'usage sauvage. Un cadre sans cap crée de l'indifférence. Un cap et un cadre sans les managers créent des licences qui dorment.

Mesurer ce que les gens savent faire de plus

Un programme IA qui ne regarde que le nombre de connexions passe à côté de l'essentiel. Je recommande de suivre quatre niveaux, séparément :

  1. La participation : qui vient aux formations et aux sessions, par équipe et par pays.
  2. L'usage régulier : combien de jours d'usage sur une période fixe, mois après mois. Un utilisateur actif n'est pas forcément un utilisateur régulier.
  3. L'adoption : quelles méthodes, quels agents, quels gestes sont réellement entrés dans le travail quotidien, et sont partagés.
  4. L'impact : des cas concrets décrits par les personnes elles-mêmes, avec ce qui a changé dans leur travail. Derrière ces quatre niveaux, une question doit guider le pilotage : quelle capacité nouvelle l'équipe a-t-elle acquise ? Un indicateur d'usage qui n'est relié à aucune capacité nouvelle ne dit rien du retour sur investissement.

Cinq décisions pour mettre les personnes au centre

  1. Dire clairement l'intention. Écrire noir sur blanc ce que l'organisation attend de l'IA, et ce qu'elle n'en attend pas. Le silence sur les intentions est interprété comme une menace.
  2. Partir des tâches qui pèsent. Demander à chaque métier quelles tâches lui prennent le plus de temps ou d'énergie, plutôt que de présenter les fonctionnalités de l'outil.
  3. Fixer des règles d'usage simples. Une page, validée par le juridique et la conformité, que chacun peut lire en cinq minutes.
  4. S'appuyer sur des relais dans les métiers. Des personnes qui montrent ce qui marche avec leurs propres dossiers. Rien ne convainc davantage un juriste qu'un autre juriste.
  5. Suivre les capacités, pas seulement l'usage. Rendre compte aux sponsors de ce que les équipes savent faire de plus, avec des exemples réels. Chacune de ces décisions est modeste. Ensemble, elles déplacent le programme de la démonstration technique vers le travail quotidien.

Quatre questions à se poser cette semaine

  • Nos équipes savent-elles pourquoi nous déployons l'IA, et ce que cela signifie pour leur poste ?
  • Nos managers ont-ils eux-mêmes été formés, et savent-ils accompagner leurs équipes ?
  • Savons-nous combien de personnes utilisent l'IA régulièrement, et pas seulement combien ont une licence ?
  • Pouvons-nous citer trois choses que nos équipes font aujourd'hui grâce à l'IA et qu'elles ne savaient pas faire il y a six mois ? Si une réponse manque, c'est là que se trouve le prochain levier.

C'est l'humain qui va changer l'IA

On se demande souvent comment l'IA va changer l'humain. Je crois l'inverse : c'est l'humain qui va changer l'IA, à condition qu'on lui en donne les moyens.

Plus de recul pour comprendre. Plus de lucidité pour décider. Plus de capacité pour agir.

Quelle capacité nouvelle l'IA a-t-elle déjà donnée à vos équipes ?

Votre programme IA avance moins vite que prévu ? Parlons-en : regardons ensemble où l'usage bloque, et comment le remettre en mouvement.

Sources

Transformer cette analyse en décision.

Un diagnostic de 30 minutes identifie le point de friction principal de votre programme IA et le prochain checkpoint utile.

Réserver un diagnostic