L’adoption de l’intelligence artificielle s’accélère, mais sa maîtrise exige des compétences, des méthodes et du temps. Les entreprises et organisations sont incitées à déployer en toute urgence des outils d’IA toujours plus puissants avant d’avoir préparé les salariés à les utiliser efficacement. La priorité n’est aujourd’hui ni de ralentir artificiellement l’adoption de l’IA (régulations) ni d’exiger que tous les salariés sachent développer des agents (une hérésie). Il faut distinguer la vitesse de diffusion des nouveaux outils de la capacité réelle à en tirer profit. La sensibilisation, la formation et l’accompagnement sont des conditions de cette appropriation.
Thèmes : Transformation numérique, IA générative.
En synthèse
- L’adoption de l’IA s’accélère, mais les gains de productivité restent incertains. Les bénéfices varient selon les usages, les entreprises et leur capacité à transformer les processus de travail.
- L’IA ne supprime pas le travail, elle en déplace une partie. La vérification des contenus et la supervision des agents mobilisent du temps, multiplient les arbitrages et augmentent la charge cognitive.
- L’IA risque d’accentuer la fracture numérique entre les salariés. Ceux qui maîtrisent les outils et les méthodes progressent, tandis que les autres peinent à suivre, faute de compétences et d’accompagnement.
- La pression concurrentielle et médiatique pousse les entreprises à adopter l’IA dans la précipitation. Cette course à la nouveauté entretient des attentes irréalistes et risque d’alimenter la défiance des salariés.
- L’acculturation, la formation et l’accompagnement sont les conditions d’une adoption durable. L’enjeu n’est pas de déployer toujours plus d’agents, mais de développer les compétences nécessaires pour en tirer des bénéfices réels.
Il y a encore une semaine, nous pensions que Google et Mistral étaient largués dans la course à l’IA, et que les progrès de Claude allaient nous permettre de détecter toutes les failles de sécurité restantes. Et puis Google est revenu dans la course avec un nouveau modèle surpuissant (Gemini 4 Carbon is the new #1 on the Artificial Analysis Intelligence Index), de même que Mistral avec une version open source de son dernier modèle (Mistral’s Le Chonk is now a top open model for coding, ranking alongside Codex GPT-6.1 Terra), tandis que des hackers ont tranquillement détourné plus de 6 milliards de $ en moins d’1/2 heure (North Korea Steals USD 6.36 Billion From Binance in the Largest Hack in History).
Les semaines passent et se ressemblent : des modèles génératifs toujours plus perforants et toujours plus accessibles, pour le meilleur et pour le pire. Faut-il s’en réjouir ? Personne ne se pose cette question, car l’urgence est de déployer au plus vite le dernier modèle accompagné d’une flotte d’agents intelligents. Pour faire quoi au juste ? Nous ne savons pas, nous ne nous en préoccupons plus, car l’important est d’aller vite.
Comme vous avez très certainement pu le constater, le « train de l’IA » accélère, mais monter à bord ne signifie pas savoir où aller, ni comment le conduire.
Une adoption rapide, mais des promesses encore loin d’être tenues
Selon une enquête de la BCE auprès de salariés de onze pays, la part des utilisateurs de l’IA au travail passe de 26 % en 2024 à 52 % en 2026. Une progression spectaculaire de l’adoption, mais qui est inégale selon les profils et les usages : AI adoption and the productivity promise: what workers report.
L’IA devait nous libérer d’une partie de notre travail (les tâches à faible valeur ajoutée) et produire ainsi rapidement des gains d’efficacité, mais la réalité est plus contrastée : si l’IA génère effectivement des gains individuels sur certaines tâches, nous ne constatons pas de gains organisationnels sans une refonte des habitudes de travail et des processus (cf. Les modèles de frontière sont des démonstrateurs techniques, pas des solutions universelles).
Un constat que l’on retrouve de l’autre côté de l’Atlantique avec cette étude du cabinet Apollo qui confirme que l’on ne constate pas encore de gains apportés par l’IA hors du secteur technologique : No Signs of AI Payoff Outside the Tech Sector.
Ceci étant dit, la promesse de l’IA est tenace, car certains constatent tout de même des gains de productivité globaux, notamment la Banque Européenne d’Investissement avec une étude portant sur plus de 12.000 entreprises européennes et américaines pour lesquelles il a été constaté un gain de 4% de productivité suite à l’adoption de l’IA, avec des bénéfices concentrés dans les moyennes et grandes entreprises, particulièrement celles qui ont investi dans de nouveaux outils, dans la gouvernance des données ou dans la formation : AI adoption, productivity and employment: Evidence from European firms.
Comme moi, vous devez ans doute être perdu dans cette bataille de chiffres, sans réellement savoir si l’IA est oui ou non un progrès pour les salariés. Dans la mesure où nous manquons encore de recul, je pense que la meilleure réponse est : « faut voir, ça dépend ». La dure réalité est qu’avec l’IA générative, nous entrons dans la « Pente de la désillusion » de la courbe d’adoption technologique popularisée par le cabinet Gartner. Ce n’est d’ailleurs pas un hasard si ce même cabinet est très discret sur la dernière édition de son Hype Cycle for Artificial Intelligence, mais beaucoup plus prolixe sur le Hype Cycle for Agentic AI.
L’une des explications de la désillusion, du décalage entre promesse et résultats, tient au coût humain et organisationnel de la supervision du travail des IA.
La face cachée de la productivité : supervision et surcharge cognitive
Je pense ne rien vous apprendre en écrivant qu’avec l’IA générative, nous n’avons pour le moment fait que déplacer le travail : si les modèles génératifs sont effectivement capables de générer des contenus, du code ou des rapports entiers, la relecture, la correction et la validation prennent du temps. Et encore, je ne parle même pas de la supervision des agents. Pour que la question des gains d’efficacité soit tranchée, les coûts de vérification et de supervision doivent entrer dans le calcul du gain net.
Et dès que l’on se penche sur cet aspect, la promesse de l’IA « magique » s’effondre. Ainsi, une étude du cabinet G2 nous confirme que 45 % des utilisateurs déclarent que les corrections des contenus générés et la supervision des agents IA absorbent plus du quart des gains de productivité attendus. De plus, 46 % observent des coûts d’exploitation supérieurs aux prévisions, tandis que dans une autre étude, 31 % des sondés déclarent au moins six heures hebdomadaires de surveillance des agents (Brit workers waste nearly six hours a week ‘botsitting’).
Tout ceci crée une évidente désillusion, mais surtout un sentiment de défiance vis-à-vis des chatbots et agents qui donnent l’impression d’augmenter la charge de travail plutôt que de la diminuer : Botsitting, botshitting : quand l’IA crée plus de travail qu’elle n’en supprime. Il en résulte un cap psychologique à franchir pour les salariés sceptiques ou hésitants : Crossing the Agentic Chasm.
Il y a donc le problème de la confiance (dans la qualité ou la véracité des contenus générés), mais aussi celui de la charge cognitive. Ainsi, les utilisateurs avancés constatent qu’exploiter plusieurs agents en même temps (superposer les tâches) multiplie les contrôles et les micro-décisions à prendre, ce qui augmente considérablement la fatigue et la dispersion de l’attention : When Using AI Leads to “Brain Fry”.
Rien de surprenant puisque notre cerveau n’est pas multi-tâches, il n’est pas câbler pour l’être, ce qui peut mener à un surmenage pour ceux à qui on demande d’assumer la responsabilité de plusieurs collaborateurs remplacés par des agents pas si autonomes. La mésaventure de Meta en est une belle illustration, puisque les salariés se sont rebellés contre la volonté du fondateur de remplacer une partie de la main-d’œuvre par des agents : Mark Zuckerberg had a bold plan to replace Meta staff with AI, Here’s how it imploded.
Autre illustration intéressante : celle de Bank of America où l’utilisation d’agents IA pour détecter des failles de sécurité dans leur système d’information a ont conduit à de nombreuses embauches pour pouvoir encadrer ce vaste chantier (Bank of America hired 1,000 contractors to patch software flaws exposed by Anthropic’s Mythos).
De tout ceci, nous pouvons tirer la conclusion que les gains de productivité apportés par l’IA se heurtent à un goulot d’étranglement qui n’avait pas été anticipé : automatiser la production de contenus et de code s’accompagne d’autant d’arbitrages dont la compréhension et la résolution requiert des humains qui ont du mal à suivre la cadence. Le maillon faible n’étant plus la production, mais la validation, la capacité de jugement devient déterminante : The judgment bottleneck: Balancing AI and human speeds in strategy.
Là où ça se complique, c’est quand ces exigences de supervision ne touchent pas de la même façon les salariés familiarisés avec le numérique et les autres.
Une fracture qui se creuse entre les salariés
La dette numérique est un sujet récurent sur ce blog que j’ai exploré récemment à travers le prisme de l’IA générative et des agents :
L’innovation technologique avance à un rythme effréné, mais l’adoption de l’IA générative par les entreprises et le grand public reste lente et chaotique. Le déficit de compréhension nourrit la méfiance : plus les modèles génératifs progressent, plus la défiance et le rejet se renforcent.
La fracture numérique est un problème que personne ne peut ignorer
La compétence décisive ne sera plus de prompter, mais de superviser. Les salariés devront savoir transformer une activité en système de décisions et d’actions vérifiables. Mais la dette numérique limite fortement l’adoption de l’IA. Ainsi, sans culture informatique et numérique, les usages de l’IA resteront superficiels et les gains économiques largement théoriques.
L’IA agentique va faire émerger une nouvelle élite numérique
Nombreux sont les patrons qui martèlent que tout le monde doit « se mettre à l’IA ». Un voeux pieux dans la mesure où les systèmes d’IA pouvant apporter de réels gains de performance (les agents autonomes) requièrent des connaissances et des compétences que les salariés ne peuvent développer spontanément. C’est un peu comme de dire : « Avec la part croissante des ventes en Chine tout le monde doit se mettre au mandarin ». OK, mais c’est une langue très pointue avec une culture complexe qui ne peut pas être apprise en quleques semaines ou mois.
Sans surprise, l’OCDE considère ainsi le manque de compétences comme un frein important à l’adoption de l’IA, particulièrement dans les PME. Mais le problème est plus profond, car les besoins ne se limitent pas à la programmation : maîtrise numérique, compréhension des données, évaluation critique des réponses et capacité à les utiliser dans son contexte métier sont autant de compétences nécessaires à une utilisation intensive et maîtrisée des agents.
Artificial Intelligence is often discussed in terms of technological breakthroughs, algorithms and investment figures. Yet as AI continues to transform workplaces, one of the decisive factors in whether economies will benefit from this shift may not be the technology itself, but the skills of the people using it.
As AI is raising the skills bar, it is shifting demand toward higher-level skills, with over half of employers in manufacturing and finance reporting an increased need for highly educated workers.
Many firms are investing in retraining and upskilling their workforce, and more than half of workers using AI report receiving employer-funded training. This investment pays off: workers who receive training are more likely to report positive outcomes from AI adoption, including better job performance and improved working conditions.
J’ai déjà eu l’occasion de vous l’expliquer (Les chantiers préalables à votre transformation agentique), et je le répète : l’auto-formation peut éventuellement fonctionner pour quelques salariés motivés et déjà à l’aise avec le numérique, mais ne constitue pas, à elle seule, une stratégie crédible pour développer des compétences homogènes dans toute une organisation.
C’est une bonne chose de le savoir ou de le reconnaitre, mais ça ne règle pas le problème, car avec la sortie de chaque nouveau modèle ou de nouvel outil, la pression augmente aussi bien pour les salariés que pour les dirigeants : la crainte d’être dépassé l’emporte sur la raison et alimente une injonction à adopter l’IA dans la précipitation (Des limites de la capacité d’absorption du marché avec l’IA).
Ce n’est pas le premier article où j’alerte sur ce phénomène, mais j’ai vraiment l’impression de parler dans le vide, car la pression médiatique et concurrentielle crée une urgence qui est considérée comme saine, comme un stimulant pour forcer l’adoption, mais qui provoque surtout un sentiment inverse : un rejet masqué, comme aux débuts de la transformation numérique.
Acculturation et formation : les conditions d’une adoption durable
Comme expliqué plus haut, nous sommes aujourd’hui dans une situation ubuesque où l’on attend de salariés qui savent à peine se servir d’un ordinateur qu’ils se mettent à développer et encadrer leur propre flotte d’agents IA. J’ai bien conscience que la période est critique et que les entreprises ont l’obligation d’améliorer leur compétitivité, mais ça ne veut pas dire que tous les salariés sont volontaires et prêts à le faire grâce à l’IA.
Mais alors, pourquoi s’infliger ça ? Encore une fois, car la pression médiatique et économique est trop forte : plus personne n’a les idées claires, même les personnes en responsabilités finissent par succomber à la promesse de gains de performances de l’IA.
Le brouhaha médiatique se traduit forcément par une injonction à adopter l’IA en urgence et à coder des agents, même pour des salariés sans formation informatique. Ce qui est un non-sens, mais personne ne veut ou n’ose remettre en question l’adoption urgente de l’IA, car qui peut se permettre de faire l’impasse sur une nouvelle technologie qui semble si prometteuse (entreprises, organisations ou salariés) ?
Comme le dit fort justement William Gibson : « Le futur est déjà là, mais il est inégalement réparti ». L’idée sous-jacente de cette punchline qui s’adapte si bien à l’IA est que les capacités technologiques disponibles (les modèles génératifs et services) ne sont pas des capacités effectivement partagées par tous les salariés. Mais dans la mesure où personne ne peut se permettre de faire du « slow marketing » ou du « slow accounting », il faut s’aligner sur la vitesse du marché, le fameux « Takt Time » dont nous semblons savoir perdu le contrôle.
Non, l’IA n’est pas magique, ça vous l’aviez déjà compris, mais il faut continuer à la rappeler pour forcer la mise en perspective de cette course effrénée.
L’enjeu n’est plus seulement de démontrer qu’un agent peut accomplir une tâche, mais qu’il peut soutenir un processus métier de manière fiable, contrôlable et économiquement pertinente. Mais cette démonstration exige une pédagogie rigoureuse :
- Acculturer pour faire comprendre les possibilités réelles, les limites, les risques et les catégories d’outils (chatbots, agents, orchestrateurs, superviseurs, assistants).
- Former aux usages métier pour apprendre à formuler une intention, préciser le contexte, vérifier les résultats, protéger les données, et surtout choisir les tâches où les agents IA créent le plus de valeur tout en minimisant l’effort et le risque.
- Accompagner les déploiements pour pouvoir définir les responsabilités, organiser la supervision, mesurer les gains nets (temps gagné moins temps de contrôle), ajuster les processus et partager les bonnes pratiques.
Il n’est pas trop tard pour « sauter dans le train de l’IA », mais il ne faut pas tarder, car le train accélère, et car il y a de plus en plus de monde sur le quai.
…
…
…
Bon OK, j’avoue que cette métaphore est poussive, mais je dois vous avouer être à court d’arguments et d’explications, car ça fait 3 ans que je répète la même chose. Mais quelques chose me dit que je n’ai pas fini de me répéter…
Avec des capacités toujours plus spectaculaires, des progrès toujours plus rapides, et des enjeux toujours plus élevés, le risque pour les entreprises et organisations n’est plus seulement de manquer le train de l’IA, c’est d’y monter sans les compétences nécessaires pour en tirer profit (perdre du temps et de l’argent).
Questions / Réponses
Pourquoi les gains de productivité promis par l’IA tardent-ils à se concrétiser ?
L’IA générative permet d’automatiser certaines tâches et d’accélérer la production de contenus, de code ou de rapports. Toutefois, ces gains individuels ne se traduisent pas automatiquement par une amélioration de la productivité à l’échelle des entreprises. Pour obtenir des bénéfices durables, il faut également adapter les méthodes de travail, les processus et l’organisation.
Pourquoi l’utilisation de l’IA peut-elle augmenter la charge de travail ?
Les contenus produits par l’IA doivent être relus, corrigés et validés. Les agents intelligents nécessitent également une supervision, car ils ne sont pas toujours suffisamment fiables ou autonomes. La multiplication des contrôles et des arbitrages peut ainsi générer une surcharge cognitive. Les gains de productivité doivent donc être calculés en tenant compte du temps consacré à ces vérifications.
En quoi l’IA risque-t-elle d’accentuer la fracture numérique ?
Les salariés qui maîtrisent déjà les outils numériques sont généralement mieux préparés pour exploiter les capacités de l’IA. À l’inverse, ceux qui manquent de compétences informatiques peuvent éprouver des difficultés à comprendre, utiliser et superviser ces nouveaux systèmes. Sans formation adaptée, le déploiement de l’IA risque donc de renforcer les inégalités de compétences et d’opportunités professionnelles.
Pourquoi les entreprises cherchent-elles à adopter l’IA aussi rapidement ?
Les progrès spectaculaires des modèles génératifs et la multiplication des annonces entretiennent une forte pression médiatique et économique. Les dirigeants craignent de prendre du retard face à leurs concurrents, tandis que les salariés redoutent de voir leurs compétences devenir obsolètes. Cette urgence peut conduire à déployer de nouveaux outils avant d’avoir identifié les usages pertinents ou préparé les équipes.
Comment les entreprises peuvent-elles favoriser une adoption efficace et durable de l’IA ?
Une adoption réussie repose sur trois démarches complémentaires. L’acculturation permet de comprendre les possibilités et les limites des différents outils. La formation développe les compétences nécessaires pour les utiliser dans un contexte professionnel. Enfin, l’accompagnement des équipes permet d’adapter les processus, d’organiser la supervision et de mesurer les gains réels de productivité.
(!) L’illustration, ainsi que la synthèse et les Q / R de cet article ont été générées à l’aide de l’IA.