Le leadership inclusif, condition d’une IA bien adoptée

Soixante-dix pour cent des projets de transformation technologique échouent à produire la valeur attendue, selon les travaux publiés par le cabinet McKinsey Global Institute. Dans la majorité des cas documentés, la technologie elle-même n’est pas en cause. Ce qui cède, c’est le lien entre la décision de déployer et les personnes chargées d’utiliser. Pour l’IA, ce constat prend une acuité particulière : les outils d’intelligence artificielle exigent un ajustement continu des pratiques, une capacité à questionner ses propres méthodes de travail, et une confiance suffisante pour signaler ce qui ne fonctionne pas. Aucun de ces trois éléments ne se décrète par note de service. Ils naissent, ou meurent, dans la manière dont les dirigeants conduisent le changement.

Le leadership inclusif désigne une posture de gouvernance précise : celle qui intègre les collaborateurs concernés aux décisions qui les concernent, avant que ces décisions soient prises. Ni consultation de façade, ni co-construction permanente qui paralyse. Une architecture délibérée de participation, calibrée selon les enjeux. Appliquée à l’IA, cette posture change le taux d’adoption réelle. Elle change aussi la qualité de ce qui est adopté.

L’adoption fantôme : quand les indicateurs mentent

Marie-Laure, directrice des opérations dans un groupe logistique de taille intermédiaire, a vécu ce que les chercheurs de l’AI Now Institute appellent le déploiement de surface. Son organisation a équipé 340 collaborateurs d’un outil d’optimisation d’itinéraires dopé à l’IA. Les licences étaient actives. Les tableaux de bord affichaient un taux d’utilisation de 78 %. Sur le terrain, ses équipes avaient développé un contournement systématique : elles entraient les données requises par l’outil pour satisfaire les reportings, puis planifiaient les tournées selon leurs propres jugements, forgés par dix ans d’expérience locale. L’IA tournait en fond de scène. Personne ne s’en servait vraiment.

Ce phénomène d’adoption fantôme est structurellement prévisible quand les équipes opérationnelles n’ont pas été associées au choix de la solution, à la définition de ses paramètres ni à l’identification de ses limites. La chercheuse Timnit Gebru, cofondatrice du Distributed AI Research Institute, souligne que les biais les plus coûteux dans les déploiements d’IA ne sont pas algorithmiques : ils sont organisationnels. Ils reflètent les angles morts de ceux qui ont décidé sans consulter ceux qui savent.

Pour un DG ou un ComEx, l’enjeu n’est pas seulement éthique. Il est économique. Un outil qui n’est pas utilisé tel qu’il a été conçu ne produit pas les gains de productivité qui justifiaient l’investissement. Il génère en revanche un surcoût de friction : temps de contournement, perte de confiance dans les initiatives futures, désengagement des collaborateurs les plus qualifiés, ceux qui ont d’autres options.

La participation en amont : architecture plutôt que bonne intention

Associer les équipes ne signifie pas soumettre chaque décision technique à un vote collectif. Les organisations qui ont obtenu des taux d’adoption élevés sur leurs déploiements d’IA ont en commun une architecture participative structurée en trois temps distincts.

Premier temps : l’identification des cas d’usage par les métiers eux-mêmes, avant toute sélection de solution. Karim, data scientist dans une mutuelle régionale, décrit ce moment comme déterminant : « On a passé six semaines à interviewer les gestionnaires de sinistres. Pas pour leur expliquer l’IA, pour comprendre où leur travail résistait. Les cas d’usage qu’on avait imaginés en central ne correspondaient à rien de ce qu’ils vivaient. » Cette phase amont a réduit de moitié le périmètre du projet initial. Elle a aussi multiplié par trois l’adhésion au déploiement, mesurée six mois après la mise en production.

Deuxième temps : la participation à la définition des critères de qualité de l’output. Les collaborateurs qui utilisent un outil d’IA au quotidien développent rapidement une capacité à détecter les erreurs que les équipes techniques ne voient pas depuis les métriques de performance. Les intégrer à la boucle de feedback dès les phases pilotes transforme leur posture : ils deviennent co-responsables du résultat plutôt que simples utilisateurs finaux.

Troisième temps : la reconnaissance explicite de leur expertise dans le fonctionnement du système. Gary Marcus, chercheur en sciences cognitives et critique rigoureux des limites actuelles des grands modèles de langage, rappelle que l’IA générative reste fondamentalement dépendante du jugement humain pour détecter ses propres hallucinations. Cette dépendance n’est pas provisoire : elle est structurelle. En faire une architecture de travail reconnue, et non une tolérance accordée aux récalcitrants, change la nature du contrat entre l’organisation et ses équipes.

Le rôle du DRH : de la formation à la reconfiguration des parcours

La tentation des directions des ressources humaines face à l’IA est de répondre par du volume de formation. Des heures de e-learning, des certifications internes, des modules « IA pour tous » déployés sur LMS. Ces initiatives ne sont pas inutiles. Elles sont insuffisantes si elles ne s’accompagnent pas d’une reconfiguration des parcours et des critères de reconnaissance.

Sophie, DRH d’un groupe industriel de 2 800 personnes, a tiré cette leçon après 18 mois d’un programme de montée en compétences IA techniquement solide : « Les collaborateurs qui avaient suivi les formations et développé une vraie maîtrise des outils ne se sentaient pas plus légitimes pour peser sur les décisions d’usage. On avait formé sans redistribuer le pouvoir de contribuer. » La formation sans modification des circuits de décision produit des individus compétents qui n’ont pas de canal pour faire valoir leur compétence. Leur frustration devient un facteur de turnover.

Le rapport AI Index 2024 publié par le Stanford Human-Centered Artificial Intelligence institute documente que les organisations où les équipes disposent d’une voie formelle pour remonter les dysfonctionnements des outils d’IA obtiennent des gains de performance 40 % supérieurs à celles où cette voie n’existe pas. La corrélation n’est pas surprenante : un outil amélioré en continu par ceux qui l’utilisent surpasse durablement un outil figé dans sa version de déploiement.

Pour les DRH, le leadership inclusif se traduit en actes concrets : intégrer la contribution aux projets IA dans les critères d’évaluation annuelle, créer des rôles de référents métier-IA dotés de temps dédié, et modifier les organigrammes de projet pour que les opérationnels siègent, avec voix délibérative, aux comités de gouvernance des outils.

Gouvernance et confiance : ce que les instances de pilotage doivent rendre lisible

La philosophe et essayiste Asma Mhalla, dont les travaux portent sur les rapports entre technologie et pouvoir, formule un diagnostic applicable directement à la gouvernance d’entreprise : la confiance dans les systèmes algorithmiques ne se décrète pas, elle se construit par la lisibilité des règles du jeu. Quel critère l’outil optimise-t-il réellement ? Qui a décidé de ce critère ? Comment un collaborateur peut-il contester une recommandation qui lui semble erronée ?

Ces questions ne sont pas théoriques. Elles se posent concrètement dans tout déploiement d’IA qui touche à l’organisation du travail, à la planification, à l’évaluation de la performance ou à la sélection des dossiers prioritaires. Quand les réponses ne sont pas accessibles, les collaborateurs comblent le vide par des hypothèses, généralement moins favorables que la réalité. La défiance s’installe non parce que l’outil est mauvais, mais parce que son fonctionnement reste opaque.

L’OCDE, dans ses Principes sur l’IA adoptés en 2023 et révisés depuis, insiste sur la nécessité de mécanismes de transparence et de recours adaptés au contexte d’usage. Pour les directions générales et les conseils d’administration, cela se traduit par une obligation de conception : les outils d’IA déployés en interne doivent embarquer, dès leur spécification, les modalités par lesquelles les utilisateurs peuvent comprendre les décisions prises et les contester. Cette exigence n’est pas une contrainte réglementaire additionnelle. C’est une condition de la confiance organisationnelle.

Les DSI et CDO qui prennent en charge cette dimension dès la phase d’appel d’offres, en exigeant des fournisseurs des standards d’explicabilité documentés et des interfaces de feedback opérateur, transforment une contrainte abstraite en avantage concret : leurs déploiements génèrent moins de résistance, moins d’incidents, et des cycles d’amélioration plus courts.

« Faire croître ce qui compte vraiment, dans un déploiement d’IA, c’est reconnaître que la valeur ne réside pas dans l’outil mais dans la capacité collective à l’orienter. » La rédaction Afervescence

Vers un leadership qui mesure ce que l’adoption produit réellement

Les organisations qui réussissent leurs déploiements d’IA sur la durée ne sont pas nécessairement celles qui ont les budgets les plus élevés ni les solutions les plus sophistiquées. Ce sont celles dont les dirigeants ont accepté de modifier leur propre posture : passer de l’annonce du déploiement à la responsabilité de ses effets réels sur les équipes et sur les pratiques.

Ce passage exige trois déplacements concrets. Premièrement, mesurer l’adoption par ses effets sur la qualité du travail produit, non par le taux de connexion aux outils. Deuxièmement, intégrer dans les reportings exécutifs les remontées des équipes opérationnelles sur les dysfonctionnements et les angles morts des systèmes déployés. Troisièmement, traiter les refus d’usage non comme des résistances à surmonter mais comme des signaux à analyser : un collaborateur qui contourne un outil d’IA a souvent une raison valide que l’architecture technique n’a pas anticipée.

Le leadership inclusif n’est pas une posture additionnelle réservée aux moments de crise sociale. C’est le cadre dans lequel les décisions technologiques produisent ce qu’elles promettent. Sans ce cadre, les outils s’accumulent. Les pratiques, elles, ne changent pas.

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

Et si le prochain comité de pilotage de votre déploiement IA intégrait, à égalité de voix, les opérationnels qui l’utilisent chaque jour ?

Questions fréquentes