Croissance responsable : aligner ambition IA et valeur durable

En 2023, McKinsey estimait que l’IA générative pourrait ajouter entre 2 600 et 4 400 milliards de dollars à l’économie mondiale chaque année. Le chiffre a fait le tour des comités exécutifs. Ce qu’il ne dit pas, c’est pour qui, à quel coût humain et environnemental, et selon quelle temporalité. Un ComEx qui pilote à partir de ce seul chiffre prend une décision incomplète, et le découvre souvent trop tard, quand les effets secondaires deviennent des crises.

La croissance que l’IA rend possible n’est pas automatiquement celle qui compte. Pour les directions générales, l’enjeu n’est pas de freiner l’ambition technologique, mais de lui donner un cadre assez robuste pour tenir dans la durée. Ce cadre a trois piliers : définir précisément ce que l’organisation veut faire croître, nommer les arbitrages réels que ce choix implique, et gouverner l’IA comme on gouverne n’importe quelle décision stratégique à effets de long terme. Cet article propose une méthode opérationnelle pour les équipes dirigeantes qui veulent avancer sans se laisser dépasser par leur propre accélération.

La valeur durable : une définition que chaque ComEx doit construire lui-même

Aucune définition universelle de la « valeur durable » ne tiendra dans la durée si elle reste abstraite. Ce qui compte pour un groupe industriel de 8 000 personnes dont la base de compétences est menacée par l’automatisation ne ressemble pas à ce qui compte pour une fondation dont la mission est la préservation de savoirs culturels. Le premier travail d’un ComEx n’est donc pas de choisir un outil IA, mais de répondre à cette question : qu’est-ce que nous voulons faire croître, et pour qui ?

Isabelle, directrice générale d’un groupe de services à la personne de 2 200 collaborateurs, raconte avoir passé deux réunions de comité de direction à cartographier les effets de bord d’un déploiement de chatbot de planification. « Nous avions calculé le gain de temps opérationnel. Nous n’avions pas calculé ce que perdaient nos coordinatrices de terrain, leur rôle de lien humain, leur légitimité auprès des familles. C’est là que nous avons compris que notre valeur n’était pas la planification optimisée, c’était la confiance. » Son groupe a finalement déployé l’outil, mais en redéfinissant le périmètre décisionnel laissé aux coordinatrices. Le projet a coûté 30 % de plus. Le taux de fidélisation des équipes a progressé de 18 points l’année suivante.

Ce type de calcul élargi, qui intègre la valeur humaine, relationnelle et réputationnelle à côté du ROI direct, est précisément ce que l’AI Now Institute appelle « algorithmic accountability » dans son rapport 2023 : la capacité d’une organisation à répondre de ses choix algorithmiques devant l’ensemble de ses parties prenantes, pas seulement devant ses actionnaires. Les directions qui s’y préparent en amont évitent les rétropédalages coûteux.

Les arbitrages cachés : ce que l’enthousiasme technologique efface du tableau de bord

Tout déploiement IA porte des arbitrages que l’organisation doit assumer explicitement ou subir implicitement. Trois arbitrages reviennent systématiquement dans les projets de transformation IA à grande échelle, et les trois sont régulièrement absents des business cases présentés aux comités exécutifs.

Le premier est l’arbitrage compétences. L’automatisation d’une tâche ne fait pas disparaître le besoin de compétences, elle le déplace. Yann LeCun, directeur scientifique de Meta AI, rappelle régulièrement que les systèmes d’apprentissage automatique actuels sont des « machines à interpolation », efficaces dans leur domaine d’entraînement et fragiles hors de celui-ci. Cela signifie que les organisations ont besoin, en parallèle de leurs déploiements IA, de développer des compétences humaines de supervision, de détection d’anomalies et de décision en situation d’incertitude, exactement les compétences que l’on cesse de cultiver quand on délègue trop vite.

Le deuxième arbitrage est environnemental. L’AI Index 2024 de Stanford indique que l’entraînement d’un grand modèle de langage peut émettre autant de CO₂ que cinq voitures sur leur durée de vie complète. Pour les organisations soumises à des engagements de reporting extra-financier, l’IA n’est pas neutre dans le bilan. Un ComEx qui ne l’inscrit pas dans sa trajectoire carbone se retrouve à arbitrer en urgence, sous pression réglementaire.

Le troisième arbitrage est celui de la concentration des données et du pouvoir décisionnel. Timnit Gebru, chercheuse en éthique de l’IA, a documenté dans ses travaux comment les systèmes d’IA tendent à reproduire et amplifier les inégalités de représentation présentes dans les données d’entraînement. Pour une DRH qui déploie un système de scoring des candidatures, ou pour un DSI qui automatise des décisions de crédit, cet arbitrage n’est pas théorique : il engage la responsabilité juridique et la réputation de l’organisation.

Thomas, directeur des ressources humaines d’un groupe bancaire de taille intermédiaire, a mis en place ce qu’il appelle un « audit des silences » avant chaque déploiement IA RH : une revue structurée des effets non comptabilisés dans le business case initial. « On demande à l’équipe projet de lister ce qu’on ne mesure pas. Ce que ça coûte en temps. Ce qu’on ne voit pas parce qu’on ne l’a jamais mesuré. Ça dure deux heures. Ça nous a évité au moins trois fois des décisions qu’on aurait regrettées. »

La gouvernance IA : une architecture de décision, pas un comité de plus

La tentation, face à la complexité des enjeux, est de créer une instance dédiée, un « AI Ethics Committee » qui viendra s’ajouter aux structures existantes. Cette réponse organisationnelle est généralement insuffisante, parfois contre-productive. Elle isole la question IA du circuit de décision stratégique réel, et elle donne une illusion de gouvernance sans en avoir la substance.

Une gouvernance IA opérationnelle repose sur quatre éléments concrets. D’abord, une cartographie des décisions : quelles décisions l’organisation délègue-t-elle à un système automatisé, lesquelles restent à des humains identifiés, lesquelles font l’objet d’une supervision hybride ? Cette cartographie doit être signée par le ComEx, pas seulement validée par la DSI. Ensuite, des critères d’arbitrage explicites : quand un projet IA est soumis au comité d’investissement, sur quels critères non-financiers sera-t-il évalué ? L’impact sur les compétences internes, l’empreinte environnementale, les effets sur les parties prenantes externes font-ils partie du dossier standard, ou restent-ils facultatifs ? Troisièmement, un mécanisme de revue périodique : les systèmes IA déployés évoluent, leurs effets aussi. Une gouvernance sans revue annuelle des déploiements actifs est une gouvernance qui se dégrade. Enfin, une ligne de remontée d’anomalie : qui dans l’organisation peut signaler qu’un système IA produit des effets non anticipés, et par quel canal ce signal remonte-t-il au bon niveau de décision ?

L’AI Act européen, entré en application progressive depuis 2024, impose précisément ce type de traçabilité pour les systèmes classés à risque élevé. Les organisations qui attendaient la contrainte réglementaire pour structurer leur gouvernance se retrouvent à construire en urgence ce que d’autres ont mis deux ans à consolider. La Stanford Human-Centered AI Initiative (HAI) documente depuis 2021 que les organisations ayant formalisé leur cadre de gouvernance IA avant tout déploiement à grande échelle reportent significativement moins d’incidents et de rétropédalages coûteux que celles qui ont procédé dans l’ordre inverse.

Le ComEx comme architecte de sens : ce que la direction générale seule peut décider

La question de la croissance responsable ne peut pas être déléguée au DSI ou au CDO, même les meilleurs. Elle relève du ComEx parce qu’elle engage ce que l’organisation veut être, pas seulement ce qu’elle veut faire. Asma Mhalla, chercheuse en géopolitique des technologies, formule cet enjeu avec précision : les technologies numériques ne sont pas des outils neutres que les organisations adoptent, elles sont des environnements qui reconfigurent les organisations de l’intérieur. Un ComEx qui ne prend pas position sur la direction de cette reconfiguration subit des choix qu’il croyait déléguer.

Concrètement, trois décisions appartiennent au niveau direction générale et ne peuvent pas être opérationnalisées sans elle. La première : définir les domaines où l’organisation refuse de déployer de l’IA, quelles que soient les gains potentiels. Cette liste négative est un acte stratégique autant qu’éthique, elle dit quelque chose de ce que l’organisation considère comme non-substituable par un algorithme. La deuxième : allouer des ressources explicites à la montée en compétences humaines en parallèle des déploiements technologiques. Pas comme obligation RH, mais comme investissement stratégique dans la capacité de l’organisation à rester souveraine sur ses propres systèmes. La troisième : accepter de mesurer ce que l’on valorise réellement, ce qui suppose d’ajouter des indicateurs non-financiers au tableau de bord du ComEx et de les traiter avec le même sérieux que le résultat opérationnel.

Eric Sadin, philosophe du numérique, parle de « gouvernementalité algorithmique » pour désigner le processus par lequel les logiques de l’automatisation colonisent progressivement les espaces de jugement humain. La résistance à cette colonisation n’est pas un rejet de la technologie, c’est la condition pour que la technologie reste au service d’une intention.

« La croissance qui compte n’est pas celle que l’on maximise, c’est celle que l’on choisit. Un ComEx qui ne pose pas cette question avant de déployer laisse l’algorithme y répondre à sa place. », La rédaction Afervescence

Vers une ambition IA qui tient dans la durée

Les organisations qui avancent le plus solidement dans leur transformation IA partagent une caractéristique : elles ont séparé la question « que peut faire l’IA pour nous ? » de la question « que voulons-nous faire croître avec l’IA ? ». La première question appartient aux équipes techniques. La seconde appartient au ComEx, et elle précède la première.

Ce travail de cadrage n’est pas un ralentisseur. Les directions qui le font en amont déploient ensuite plus vite, avec moins de frictions internes et moins de révisions douloureuses. Elles construisent des projets que les équipes comprennent et portent, parce que les arbitrages ont été nommés et assumés. Elles construisent aussi des projets que leurs partenaires, leurs régulateurs et leurs collaborateurs peuvent accompagner, parce que la direction de la croissance a été rendue lisible.

« Faire croître ce qui compte vraiment » n’est pas un slogan. C’est une discipline de gouvernance qui s’exerce avant chaque déploiement, à chaque revue de portefeuille, et dans chaque arbitrage budgétaire où une ligne IA concurrence une ligne formation ou une ligne emploi.

Pour aller plus loin, decouvrez notre accompagnement des organisations et notre approche.

Et si la prochaine décision IA de votre ComEx était aussi l’occasion de formaliser, pour la première fois, ce que votre organisation a décidé de ne jamais déléguer à un algorithme ?

#GouvernanceIA #StratégieIA #CroissanceResponsable #ComEx #TransformationIA