Management intermédiaire et IA : le maillon que la gouvernance oublie

Selon l’AI Index 2024 de Stanford, 65 % des grandes entreprises ont formalisé une stratégie IA au niveau direction. Dans le même temps, une enquête McKinsey publiée en 2023 révèle que moins de 30 % des déploiements IA atteignent leurs objectifs opérationnels au bout de dix-huit mois. L’écart entre ces deux chiffres a un nom : le management intermédiaire. Ce niveau hiérarchique, ni architecte de la stratégie ni utilisateur final, est celui que la gouvernance IA traite le moins, et qui détermine pourtant si un déploiement prend racine ou s’étiole.

L’angle mort structurel : quand la gouvernance s’arrête au COMEX

Les dispositifs de gouvernance IA que les grandes organisations mettent en place suivent un schéma reconnaissable : un comité de pilotage au niveau direction, un référent technique côté DSI, parfois un Chief AI Officer fraîchement nommé. Ces instances produisent des chartes, des principes d’usage, des roadmaps. Ce qu’elles produisent rarement, c’est un mécanisme de transmission vers les niveaux opérationnels.

Laurence Devillers, chercheuse en IA à Sorbonne Université et auteure de travaux sur la confiance humain-machine, pointe ce phénomène sous un angle précis : les organisations traitent l’IA comme un objet technique à déployer, quand elle est d’abord un objet relationnel à intégrer. La relation en question se joue dans les équipes, sous la responsabilité des managers de proximité, pas dans les slides du COMEX.

Nathalie, directrice des opérations dans un groupe de services financiers de 3 400 salariés, décrit la situation avec une clarté que les rapports d’audit n’atteignent pas : « On nous a annoncé le déploiement d’un outil d’aide à la décision pour les conseillers clients. Trois semaines après, je répondais seule à vingt questions par semaine que personne n’avait anticipées : est-ce que l’outil remplace un avis professionnel ? Que fait-on quand sa recommandation contredit notre intuition ? Qui est responsable si le client se plaint ? La gouvernance ne m’avait rien donné pour répondre à ça. »

Cette situation n’est pas une exception de terrain mal préparée. Elle est le résultat prévisible d’une architecture de gouvernance qui traite la « conduite du changement » comme une phase de communication descendante plutôt que comme un processus de coconstruction avec les niveaux intermédiaires.

La charge cognitive distribuée : ce que les outils IA ajoutent sans le dire

Un déploiement IA ne supprime pas les décisions humaines. Il en requalifie la nature et en redistribue le poids. C’est ce que les économistes du travail appellent la charge cognitive distribuée, et c’est sur les managers de proximité qu’elle pèse le plus directement.

Prenons un cas concret. Une enseigne de distribution déploie un outil de prévision de la demande assisté par apprentissage automatique. Pour le responsable de magasin, l’outil produit désormais des recommandations de commande. Il doit décider, plusieurs fois par jour, s’il suit la recommandation ou s’il l’ajuste en fonction d’éléments que l’algorithme ne capte pas : une promotion locale, une rupture chez un fournisseur concurrent, une météo atypique. Ce processus de validation active est cognitif, permanent et invisible dans les métriques d’adoption.

Timnit Gebru, chercheuse en éthique de l’IA et cofondatrice du Distributed AI Research Institute, a documenté avec précision comment les systèmes d’IA transfèrent du travail implicite vers les humains qui les supervisent, sans que cette charge soit nommée ni compensée. Ce transfert est particulièrement fort sur les managers intermédiaires, parce qu’ils sont à la jonction entre la logique de l’outil et les attentes des équipes.

Chez un opérateur télécom français, Karim, manager d’une équipe technique de douze personnes, résume : « L’outil de diagnostic réseau qu’on a intégré est performant. Mais mes techniciens me remontent leurs doutes sur certaines analyses deux ou trois fois par semaine. Je dois trancher. Ça n’existait pas avant. Ce n’est pas un problème, c’est un nouveau métier que j’exerce en plus de l’ancien, sans formation et sans reconnaissance dans mon évaluation annuelle. »

La dysfonction symétrique : silence vers le haut, pression vers le bas

Quand un manager intermédiaire n’a pas de cadre pour remonter les signaux d’alerte, deux comportements se développent en parallèle. Vers le bas, il absorbe les questions des équipes et tranche seul, ce qui amplifie sa charge et dégrade progressivement sa posture d’autorité. Vers le haut, il ne signale pas les problèmes, soit par crainte d’être perçu comme un frein au projet, soit parce qu’il ne dispose pas d’un canal formalisé pour le faire.

Cette dysfonction symétrique est documentée dans les travaux de l’AI Now Institute sur la responsabilisation algorithmique. Le rapport publié en 2023 souligne que les systèmes de gouvernance IA créent fréquemment ce qu’ils appellent des « zones grises de responsabilité » : ni la direction ni les utilisateurs finaux ne sont clairement désignés comme responsables des conséquences opérationnelles d’une décision assistée par IA, et les managers intermédiaires comblent ce vide sans filet.

Le problème n’est pas que les managers manquent de compétences techniques. Les formations à l’IA pour non-techniciens se multiplient, et leur utilité est réelle mais partielle. Ce que ces formations ne donnent pas, c’est la légitimité à contester une recommandation algorithmique devant sa hiérarchie, ni le cadre institutionnel pour le faire sans risquer d’être étiqueté comme résistant au changement.

Asma Mhalla, chercheuse en gouvernance des technologies, formule cette tension en des termes qui devraient intéresser les DRH : l’organisation ne peut pas demander aux managers de « faire confiance à l’IA » et simultanément attendre d’eux qu’ils en vérifient les résultats. Ces deux postures exigent des conditions institutionnelles différentes, et l’organisation doit choisir laquelle elle finance réellement.

Redistribution de l’autorité : ce que les organigrammes ne montrent pas encore

Les déploiements IA les plus solides que l’on observe partagent une caractéristique organisationnelle précise : ils ont formalisé un rôle de relais entre la gouvernance stratégique et le terrain. Ce rôle n’est pas toujours un poste dédié. Il peut s’incarner dans des pratiques structurées : une revue bimensuelle où les managers remontent leurs observations sur les outils, un référent métier par direction qui siège dans les instances de pilotage IA, un protocole d’escalade clair quand une recommandation algorithmique pose problème.

Ce qui distingue ces organisations, c’est qu’elles ont compris que la gouvernance IA n’est pas un dispositif de validation ex ante (avant le déploiement) mais un processus d’ajustement continu. L’OCDE, dans ses Principes sur l’IA mis à jour en 2023, insiste sur ce point : la responsabilité des systèmes IA ne se joue pas uniquement à la conception, elle se joue dans chaque cycle d’usage.

Reconfigurer l’autorité organisationnelle autour de l’IA suppose donc de revisiter trois éléments que les directions RH tendent à négliger dans les projets de transformation. Premièrement, les fiches de poste des managers intermédiaires : elles doivent nommer explicitement la responsabilité de supervision et de contestation des outils algorithmiques, sinon cette responsabilité reste invisible et non compensée. Deuxièmement, les critères d’évaluation : un manager qui remonte trois alertes fondées sur un outil IA en six mois devrait être reconnu pour sa vigilance, pas questionné sur son adhésion au projet. Troisièmement, les circuits de décision : quand un manager signale un dysfonctionnement d’outil, qui prend en charge la réponse, dans quel délai, avec quelle traçabilité ?

Ces ajustements ne nécessitent pas de refondre l’organigramme. Ils nécessitent que la direction décide que le management intermédiaire fait partie du dispositif de gouvernance, et non seulement de la cible du déploiement.

« Gouverner l’IA dans une organisation, c’est d’abord décider qui a le droit de la questionner, pas seulement qui a le pouvoir de la déployer. C’est cette distinction que font croitre ce qui compte vraiment. » La rédaction Afervescence

Vers une gouvernance IA qui inclut ceux qui l’appliquent

Les organisations qui avancent sur ce sujet ne le font pas en créant un comité supplémentaire. Elles le font en posant une question que la gouvernance classique esquive : qui, dans cette structure, a la légitimité de dire que tel outil ne fonctionne pas comme prévu, et d’être entendu sans que cela soit interprété comme un obstacle ?

Répondre à cette question change la physionomie des instances de pilotage. Un Chief AI Officer qui ne dispose pas de remontées structurées depuis les managers de terrain pilote avec des données filtrées. Un COMEX qui valide une roadmap IA sans avoir auditionné les niveaux intermédiaires valide une projection, pas un diagnostic. La Stanford HAI AI Index 2024 le documente sur un large échantillon d’entreprises : le taux d’échec des déploiements IA est corrélé non pas à la qualité technique des outils, mais à l’absence de mécanismes d’apprentissage organisationnel en cours de déploiement.

Les DG, DRH et DSI qui lisent cet article gèrent probablement en ce moment un ou plusieurs déploiements IA dont les indicateurs d’adoption semblent corrects, et dont les frictions réelles restent invisibles dans les tableaux de bord. Ces frictions ont un visage : celui des managers qui tranchent seuls, qui ne remontent pas, qui absorbent. Les rendre visibles n’est pas un projet RH annexe. C’est la condition pour que la stratégie IA produise ce qu’elle promet, et pour faire croitre ce qui compte vraiment dans vos organisations.

Pour approfondir la question du cadrage stratégique en amont des déploiements, vous pouvez consulter notre approche du cadrage et de la gouvernance IA.

Et si la prochaine revue de pilotage de votre projet IA incluait, pour la première fois, les managers intermédiaires comme contributeurs, et non comme destinataires du compte rendu ?

#GouvernanceIA #ManagementIntermédiaire #Leadership #TransformationOrganisationnelle #AdoptionIA