IA en entreprise : pourquoi l’adoption est d’abord un enjeu de leadership

À Prague, l’intervention de Tracy Sheen au 73e Congrès mondial de la FCEM a mis en lumière une confusion encore fréquente. Mettre des outils d’intelligence artificielle entre les mains des collaborateurs ne signifie ni qu’ils sont réellement adoptés, ni que l’entreprise est en train de se transformer. Entre gouvernance, compétences et création de valeur, le véritable enjeu se situe désormais dans la capacité des dirigeants à organiser cette transition.

Par Pascale Caron

Beaucoup d’entreprises pensent avoir commencé leur transformation par l’intelligence artificielle parce qu’elles ont donné accès à ChatGPT, Copilot ou à d’autres outils génératifs à leurs collaborateurs. C’est l’une des confusions les plus importantes du moment. Mettre un outil à disposition crée une possibilité. Encore faut-il que les salariés comprennent pourquoi ils l’utilisent, ce qu’ils peuvent lui confier, les limites qu’ils doivent respecter et la manière dont cette technologie s’insère dans leur travail.

Lors de la deuxième journée du 73e Congrès mondial de la FCEM à Prague, Tracy Sheen, fondatrice d’UnusualComms en Australie, a replacé cette question sur le terrain du leadership. Son intervention ne cherchait pas à démontrer la puissance d’un nouveau modèle. Elle interrogeait plutôt la capacité des organisations à absorber une technologie dont les usages évoluent plus vite que leurs structures internes. Ce déplacement est essentiel : l’enjeu n’est plus seulement de disposer de l’IA, mais de savoir ce que l’organisation veut en faire, dans quel cadre et avec quelles compétences.

Accès, adoption, capacité organisationnelle et transformation

Je propose de distinguer quatre niveaux. Le premier est l’accès : l’entreprise met les outils à disposition. Le deuxième est l’adoption : les collaborateurs commencent réellement à les utiliser. Le troisième est la capacité organisationnelle : l’entreprise développe les compétences, les règles, les processus et la gouvernance permettant d’utiliser l’IA de manière cohérente. Le quatrième est la transformation : ces nouvelles capacités modifient effectivement la manière de travailler, de décider et de créer de la valeur.

Cette grille n’est pas celle de Tracy Sheen ni celle de l’AI Act. C’est une lecture stratégique que je tire de ces échanges. Elle permet de comprendre pourquoi une entreprise peut disposer de centaines de licences d’IA générative sans avoir réellement transformé son organisation. Quelques collaborateurs expérimentent intensément, d’autres restent prudents, certains développent leurs propres méthodes et les managers ne disposent pas toujours d’une vision consolidée des usages. L’IA est présente, mais l’entreprise n’a pas encore appris à travailler avec elle.

GIST: commencer par le cadre, pas par l’outil

Tracy Sheen structure son approche autour d’un framework appelé GIST, pour Guardrails, Intent, Strategy, Practical Training. Sur son site officiel, elle insiste sur le fait que l’ordre compte : les garde-fous viennent d’abord, puis l’intention, la stratégie et enfin la formation pratique. L’idée est simple : une adoption durable ne peut pas reposer uniquement sur l’enthousiasme individuel ou sur la disponibilité d’un nouvel outil.

Les Guardrails définissent ce que l’organisation autorise et ce qu’elle refuse. Quelles données peuvent être utilisées ? Quelles informations doivent rester internes ? Quels résultats nécessitent une revue humaine ? Qui assume la responsabilité finale lorsque l’IA se trompe ? Un cadre clair n’est pas nécessairement une couche bureaucratique supplémentaire. Il peut au contraire permettre aux collaborateurs d’expérimenter sans devoir improviser eux-mêmes les limites de leur usage.

L’Intent oblige ensuite à revenir à une question souvent négligée : pourquoi voulons-nous utiliser l’IA ? Le point de départ ne devrait pas être le modèle disponible, mais le problème à résoudre, la capacité à créer ou l’expérience à améliorer. La Strategy organise alors les arbitrages : quels usages méritent d’être développés, quels risques sont acceptables, quelles compétences doivent être renforcées et quels processus doivent réellement évoluer ? Enfin, Practical Training rappelle qu’une politique ne devient opérationnelle que lorsque les équipes savent quoi faire concrètement dans leur métier.

Former avant d’exiger

L’un des messages les plus pertinents de l’intervention concerne les compétences. Les collaborateurs reçoivent de nouveaux outils, mais les attentes peuvent augmenter immédiatement : produire plus vite, automatiser certaines tâches, raccourcir les délais ou intégrer l’IA dans des activités jusque-là réalisées manuellement. Si l’organisation n’accompagne pas cette évolution, une technologie censée réduire la charge de travail peut devenir une nouvelle source de pression.

Former ne signifie pas seulement apprendre à rédiger de meilleurs prompts. Il faut comprendre les capacités des outils, leurs limites, les risques liés aux données, la nécessité de vérifier certaines productions et les responsabilités associées aux décisions. Un dirigeant, un recruteur, un commercial, un ingénieur ou un communicant n’ont ni les mêmes usages ni les mêmes risques. La maîtrise de l’IA doit donc être adaptée aux rôles et au contexte.

Ce que l’AI Act change déjà en Europe

Cette question dépasse désormais la seule bonne pratique managériale. L’article 4 de l’AI Act européen impose aux fournisseurs et aux déployeurs de systèmes d’IA de prendre des mesures pour développer la maîtrise de l’IA, ou AI literacy. Cette obligation concerne leur personnel ainsi que les personnes qui utilisent ces systèmes pour leur compte. Cette obligation doit tenir compte des connaissances techniques, de l’expérience, de la formation et du contexte d’utilisation. Depuis la modification introduite par le règlement européen 2026/1744, le texte précise également qu’il n’est pas demandé aux entreprises de garantir un niveau déterminé de maîtrise pour chaque individu.

Cette nuance est importante. L’AI Act n’impose pas un cursus uniforme ni un certificat identique pour tous les salariés. Il demande en revanche aux organisations concernées de prendre des mesures adaptées. La Commission européenne recommande d’abord d’assurer une compréhension générale de l’IA dans l’organisation. Elle préconise ensuite d’identifier le rôle de l’entreprise comme fournisseur ou déployeur, d’évaluer les risques liés aux systèmes utilisés et d’adapter les actions de sensibilisation ou de formation à ces éléments.

Il faut également éviter un autre raccourci : l’AI Act n’impose pas une supervision humaine identique pour tous les usages de l’intelligence artificielle. Les obligations spécifiques de supervision prévues aux articles 14 et 26 concernent les systèmes classés à haut risque. À la suiteÀ la suite du Digital Omnibus de 2026, les principales obligations applicables aux systèmes de l’annexe III entreront en vigueur à partir du 2 décembre 2027. Elles concernent notamment certains usages dans l’emploi, l’éducation, la biométrie ou les infrastructures critiques. du Digital Omnibus de 2026, les principales obligations applicables aux systèmes de l’annexe III, notamment certains usages dans l’emploi, l’éducation, la biométrie ou les infrastructures critiques, s’appliqueront à partir du 2 décembre 2027. Les systèmes à haut risque intégrés dans certains produits réglementés relevant de l’annexe I suivent un calendrier allant jusqu’au 2 août 2028. Pour les dirigeants, le message est donc double : ne pas sous-estimer le cadre réglementaire, mais ne pas non plus transformer tout usage de l’IA en procédure de conformité disproportionnée.

Gagner du temps n’est pas encore créer de la valeur

L’autre apport intéressant de cette réflexion concerne la productivité. L’intelligence artificielle est souvent évaluée par le temps qu’elle permet d’économiser. Une tâche réalisée en trois heures peut désormais l’être en une heure. Deux heures semblent avoir été gagnées. Mais que devient cette capacité ? Si elle est immédiatement remplacée par davantage de tâches similaires, l’entreprise a amélioré un indicateur d’efficacité sans nécessairement transformer son activité.

La question stratégique devient alors : que voulons-nous faire du temps libéré ? Il peut être réinvesti dans la relation client, la réflexion, l’innovation, le développement commercial, le management ou la prise de décision. Dans cette perspective, l’IA ne sert plus seulement à faire plus vite. Elle permet de redéployer l’attention humaine vers les activités où l’expérience, le jugement et la relation produisent davantage de valeur. Une entreprise peut obtenir des gains de productivité sans modifier son modèle. La transformation commence lorsque les gains technologiques changent la manière dont les ressources sont utilisées et dont les décisions sont prises.

L’IA comme médiateur entre différentes façons de penser

Tracy Sheen a également évoqué un usage moins souvent discuté. Elle explique s’en servir pour faciliter la communication avec des interlocuteurs dont la manière de raisonner diffère de la sienne. Ce témoignage doit être présenté comme une expérience personnelle, pas comme une propriété démontrée de l’IA. Il ouvre néanmoins une piste intéressante pour les organisations.

Les difficultés de collaboration ne proviennent pas toujours d’un désaccord de fond. Un ingénieur, un dirigeant, un financier ou un créatif peuvent regarder le même problème avec des langages et des représentations différents. Un système d’IA peut aider à reformuler une idée, à changer son niveau de détail ou à la traduire dans le vocabulaire d’un autre métier. Dans le cas de la neurodiversité, cette fonction de médiation mérite également d’être explorée avec prudence. Nous parlons beaucoup de l’IA comme outil d’automatisation. Nous parlons encore relativement peu de son potentiel comme soutien à la circulation des idées et, peut-être, à l’intelligence collective.

Le jugement humain change de rôle

Plus les systèmes deviennent performants, plus une autre question apparaît : qui valide leurs résultats et dans quelles situations ? Une réponse médiocre est relativement facile à remettre en cause. Une réponse très convaincante mais incorrecte peut être plus difficile à détecter. L’expertise ne disparaît donc pas avec l’automatisation. Elle change de fonction. Il ne s’agit plus seulement de produire une réponse, mais de savoir la questionner, l’évaluer, la contextualiser et parfois la refuser.

Cette évolution est particulièrement importante dans les environnements où les décisions affectent des personnes, des droits, des ressources ou des processus critiques. Elle ne signifie pas que chaque usage de l’IA doit être soumis à une validation lourde. Elle signifie que le niveau de contrôle doit être proportionné au risque, à l’impact et au contexte. C’est précisément l’un des principes structurants d’une gouvernance responsable de l’IA.

Le leadership se déplace vers la capacité à apprendre

Le rôle du dirigeant ne consiste plus à identifier chaque nouveau modèle qui apparaît sur le marché. Il consiste à créer un environnement dans lequel l’organisation peut apprendre sans perdre le contrôle de ses données, de ses responsabilités et de ses priorités. La technologie évolue trop rapidement pour qu’une stratégie soit fondée sur une liste figée d’outils. Elle doit plutôt reposer sur des principes de décision. Quels problèmes voulons-nous résoudre ? Quelles données pouvons-nous utiliser ? Quels résultats devons-nous mesurer ? Quel niveau de risque acceptons-nous ? Quelles compétences voulons-nous conserver ou développer en interne ?

C’est ici que la méthode GIST rejoint une évolution plus large des stratégies d’entreprise. L’avantage compétitif ne viendra probablement pas durablement du simple accès aux modèles, puisque ces capacités se diffusent rapidement. Il pourrait davantage dépendre de la capacité des organisations à les intégrer, à construire leurs propres compétences, à mesurer les résultats et à modifier leurs processus lorsque l’expérimentation démontre une véritable création de valeur. L’adoption devient alors une compétence collective plutôt qu’une somme d’usages individuels.

Les femmes doivent participer aux décisions qui façonnent l’IA

Le contexte de l’intervention, consacrée au nouveau leadership féminin, donne enfin une dimension supplémentaire à cette réflexion. La question n’est pas seulement de savoir si les femmes utilisent suffisamment les outils d’intelligence artificielle. Si elles veulent réellement participer à la transformation de l’économie par l’IA, elles doivent être présentes là où se prennent les décisions. Cela concerne la gouvernance, les investissements, le développement des compétences, la conception des métiers et l’allocation de la valeur créée.

Utiliser une technologie et participer à sa gouvernance correspondent à deux niveaux de pouvoir différents. Le premier consiste à savoir travailler avec l’outil. Le second permet de décider de la place qu’il occupera dans l’organisation. Les femmes doivent donc être présentes parmi les utilisatrices et les entrepreneures qui expérimentent l’IA. Elles doivent aussi participer aux équipes qui définissent les règles, choisissent les investissements, évaluent les risques et décident de ce qui doit ou non être automatisé.

De l’usage à la transformation

Demander aux entreprises si elles utilisent l’intelligence artificielle devient progressivement insuffisant. La véritable interrogation est désormais la suivante : leur organisation a-t-elle appris à travailler avec elle ? A-t-elle défini son intention, ses règles et ses priorités ? Ses collaborateurs disposent-ils des compétences nécessaires ? Les gains de temps sont-ils convertis en valeur ? Les responsabilités restent-elles compréhensibles lorsque l’automatisation augmente ?

L’IA fournit une nouvelle capacité technologique. Elle ne définit ni la stratégie, ni la culture, ni les usages que l’entreprise souhaite en faire. Ces choix restent humains. C’est précisément pour cette raison que l’adoption de l’intelligence artificielle est, avant toute chose, un enjeu de leadership.