L’écueil de la mise en œuvre de l’IA

À l’ère de l’IA, le principal défi ne réside plus dans l’invention elle-même, mais dans la mise en œuvre : la capacité à traduire des renseignements en transformations durables dans le fonctionnement concret d’une entreprise.

Historiquement, toutes les grandes ères technologies finissent toujours par atteindre un stade où le facteur limitant n’est plus la technologie en elle-même, mais le système dans lequel elle s’inscrit. L’électricité n’a pas transformé les économies jusqu’à ce que les usines soient repensées pour l’utiliser. Internet n’a pas stimulé la productivité jusqu’à ce que les entreprises repensent leurs processus en fonction des flux de travail numériques plutôt qu’en se contentant d’ajouter des sites web à des opérations analogiques. C’est maintenant au tour de l’IA d’avoir atteint ce même point d’inflexion.

Le phénomène auquel nous assistons ne découle pas d’un manque d’expérimentation. Les entreprises et les institutions publiques lancent des projets pilotes et des démonstrations de faisabilité à un rythme effréné, pourtant, trop d’initiatives s’enlisent en raison de leurs systèmes hérités, de leurs processus rigides et des structures de gouvernance conçues pour un monde avant l’IA. Lorsque l’architecture centrale de l’entreprise reste inchangée, l’IA devient alors purement décorative, une fine couche d’intelligence appliquée à des flux de travail dont la conception ne permet pas d’intégrer des données continues.

Dans de nombreuses entreprises, l’IA fonctionne toujours comme un revêtement plutôt que comme une refonte. Des équipes déploient des copilotes pour accélérer des tâches isolées, tandis que les systèmes plus vastes qui les entourent demeurent inchangés. Cela se traduit par une efficacité incrémentielle plutôt que par une véritable transformation.

La conséquence est équivoque : les bénéfices de l’IA sont profondément inégaux. Certaines entreprises commencent à constater de véritables gains de productivité, des prises de décision accélérées et de nouvelles manières de créer de la valeur. D’autres en revanche risquent de perdre du terrain au fur et à mesure que l’IA reste cantonnée à des projets pilotes jamais déployés à grande échelle, ce qui creuse l’écart de performance entre les premiers utilisateurs et les retardataires. Une nouvelle fracture numérique se fait jour au sein de chaque secteur.

Par ailleurs, cette fracture distingue de plus en plus les entreprises capables de se réorganiser autour de la technologie de celles qui se contentent d’expérimentations marginales, tandis que la concurrence avance sur le plan opérationnel.

L’IA en tant qu’infrastructure

Pendant des décennies, la technologie a souvent été gérée comme une succession de projets : un élément à déployer, à optimiser puis à remplacer. Trop souvent, des entreprises lancent un chatbot, automatisent un flux de travail ou pilotent un outil d’IA générative dans un coin de l’entreprise, sans modifier les systèmes sous-jacents et les modèles opérationnels.

Mais l’IA ne fonctionne pas de cette manière. Elle ne se comporte pas comme un outil indépendant, mais comme un système de structure du travail. Une fois qu’elle est intégrée aux flux de travail, les décisions ne sont plus prises uniquement à vitesse humaine ; l’information circule différemment ; les équipes se réorganisent autour de données en temps réel. Les processus qui dépendaient autrefois de plusieurs niveaux de coordination deviennent des systèmes plus rapides et plus autonomes. L’IA influence tout à la fois la prise de décision, les flux de travail, les talents, la gouvernance et la responsabilité.

Ainsi, les entreprises qui considèrent l’IA comme une infrastructure se restructureront en conséquence. En revanche, celles qui la considèrent comme une expérience resteront coincées dans une stase, se demandant pourquoi les gains qu’on leur avait promis ne prennent jamais forme, tandis que leurs concurrentes font de ces mêmes technologies de nouveaux postes de recettes et de nouveaux modes de fonctionnement.

Avec le temps, le fossé entre ces entreprises se creuse. Dès lors qu’une entreprise a restructuré ses processus autour de la technologie, chaque nouvelle capacité peut être déployée plus vite et à un coût marginal moindre. Et plus les organisations s’adaptent rapidement, plus il devient difficile pour les institutions, plus lentes par nature, de les rattraper.

La dimension humaine au cœur de l’IA

L’aspect le plus incompris de la mise en œuvre de l’IA reste sans doute sa relation avec les personnes.

Trop souvent, elle est considérée comme une alternative aux capacités humaines. Mais en plus d’être réductrice, cette approche est stratégiquement erronée. Le futur n’est pas une question de remplacer sa main-d’œuvre, mais de la renforcer. Dans l’avenir vers lequel nous nous dirigeons, les humains travailleront aux côtés de systèmes d’IA. Dans les restaurants, les magasins, les usines et les entrepôts, les humains se concentreront sur le jugement, la créativité et l’empathie, tandis que les systèmes intelligents se chargeront de la rapidité, du déploiement et de la répétition.

La principale transformation, c’est que l’IA modifie la structure du travail en lui-même. Les emplois sont de plus en plus décomposés en tâches (certaines automatisées, certaines accélérées, certaines élevées au rang de formes de contribution plus stratégiques et plus créatives). Lorsqu’elle est bien faite, cette évolution peut permettre aux individus de grimper dans la chaîne de valeur, mais seulement à condition que les entreprises repensent les postes, les indicateurs de performance et les parcours professionnels en fonction de cette nouvelle réalité.

L’histoire montre que les principaux virages technologiques affectent d’abord les tâches, les flux de travail et les structures organisationnelles avant de constater tous les effets sur l’emploi et la productivité. Au fur et à mesure que les entreprises s’adaptent, les rôles et les compétences évoluent et de nouvelles formes de valeur émergent. Dès lors, les entreprises qui réussissent sont celles qui considèrent cette évolution comme une responsabilité du leadership et qui investissent suffisamment tôt pour aider leur main-d’œuvre à s’adapter.

C’est là que la mise en œuvre revêt un aspect profondément culturel. Elle exige un leadership qui considère l’adoption de l’IA comme une transformation du travail en lui-même, pas seulement comme un exercice de réduction des coûts. Elle appelle également un investissement dans la formation, la réaffectation des compétences et la redéfinition des rôles, afin que les humains et les systèmes intelligents puissent collaborer efficacement.

Les dirigeants qui considèrent principalement l’IA comme une manière de réduire leur effectif risquent non seulement de susciter des réactions hostiles de leurs collaborateurs, de leurs clients et des législateurs, mais aussi de gaspiller la principale opportunité de cette époque : libérer le potentiel humain en éliminant les tâches fastidieuses et en valorisant la contribution propre aux humains.

Le coût d’une mise en œuvre défaillante

À l’ère de l’IA, une mise en œuvre défaillante a des conséquences bien au-delà d’une simple perte d’efficacité. Elle se traduit par des gains de productivité inégaux d’un secteur à l’autre, creuse le fossé entre les entreprises capables de se moderniser et les autres, et renforce ainsi les avantages structurels pour celles qui évoluent avec détermination et les nouveaux acteurs dans un monde axé sur les données.

Elle crée par ailleurs des frictions économiques et sociales, car une partie de la main-d’œuvre avance pendant qu’une autre reste dans l’incertitude. La transition se fait rarement sans heurt, et les entreprises comme les individus s’adaptent nécessairement à des rythmes différents.

Avec le temps, ces fractures se creusent. La compétitivité devient concentrée plutôt que partagée. Le progrès est plus difficile à entretenir lorsqu’une minorité d’entreprises, de secteurs ou de régions se détachent du reste. C’est pour cette raison que j’estime que le véritable risque de l’IA n’est pas son évolution trop rapide, mais notre capacité trop lente à l’assimiler.

Si les entreprises échouent dans la mise en œuvre de l’IA, il ne s’agit plus de « disruption » provoquée par d’autres, mais de perte de pertinence auto-infligée par des entreprises qui ont choisi de ne pas moderniser les systèmes qui lient l’innovation au fonctionnement réel du travail.

Une autre conception du leadership

Alors que les dirigeants prévoient le prochain chapitre de leur entreprise, la question n’est pas de savoir s’ils peuvent continuer à innover. Il apparaît bien que les budgets d’innovation, les annonces des laboratoires et les démonstrations de faisabilité ne manquent pas.

La vraie question, c’est de savoir s’ils sont capables de passer à l’action, s’ils sont prêts à se lancer dans le travail de modernisation, d’intégration et de conception axé sur l’humain, plus difficile et moins prestigieux.

À l’ère de l’IA, le leadership ne sera plus défini par des déclarations ambitieuses, mais par une discipline opérationnelle, par une capacité à transformer des données en résultats et par une volonté de rebâtir les systèmes de manière à ancrer un progrès durable.

Les dirigeants qui sauront se montrer à la hauteur de cet enjeu seront ceux qui considéreront l’IA comme une raison de repenser le fonctionnement de leur entreprise et de leur main-d’œuvre. À l’inverse, ceux qui hésiteront parleront encore d’innovation même lorsque leurs décisions les plus compétitives auront déjà été prises à leur place.

L’innovation est peut-être le premier chapitre de l’histoire, mais c’est la mise en œuvre qui en écrit la conclusion.