L'avantage de l'IA : passer de l'expérimentation à la mise en œuvre

L'intelligence artificielle n'a plus besoin d'être présentée aux membres du conseil d'administration. La plupart des dirigeants ont déjà testé un chatbot, approuvé un projet pilote ou vu une équipe réaliser une présentation en un temps record. La nouveauté s'est estompée ; la phase la plus difficile a commencé.

En 2026, la question ne sera plus de savoir si une entreprise utilise l'IA, mais si celle-ci modifie la manière dont le travail est organisé, les décisions prises et les clients servis. L’indice de l’IA 2025 de l’université de Stanford a révélé que 78 % des organisations utilisaient l’IA dans au moins une fonction métier en 2024, contre 55 % l’année précédente. Pourtant, des études plus récentes menées auprès des entreprises suggèrent que l’utilisation régulière de l’IA reste beaucoup moins répandue au niveau des employés. IBM a indiqué en 2026 que seul un quart des salariés utilisaient l’IA de manière systématique dans le cadre de leur travail, alors que 86 % des dirigeants estimaient que leur personnel était prêt.

Cet écart explique pourquoi certaines entreprises commencent à obtenir des résultats significatifs, tandis que d'autres restent enlisées dans des ateliers, des licences et des expériences sans véritable cohérence. Il est relativement facile d'acquérir l'accès à un modèle avancé. En revanche, repenser un processus de travail autour de celui-ci, définir les responsabilités quant au résultat et convaincre les employés de changer leurs habitudes bien ancrées est nettement plus difficile.

Commencez par le travail, pas par la technologie

Les projets d'IA les plus utiles semblent souvent moins spectaculaires que les moins utiles.

Une entreprise peut bien annoncer le lancement d’un assistant virtuel ambitieux, alors que ses employés continuent de passer des heures à rechercher des documents internes, à réécrire des comptes-rendus de réunion et à transférer des informations d’un système à l’autre. Dans ce cas de figure, il n’est pas judicieux de commencer par les agents en contact avec la clientèle. Il faut plutôt s’attaquer aux tâches internes récurrentes qui sont coûteuses, lentes et suffisamment standardisées pour être optimisées.

Pour une équipe de communication, cela pourrait signifier utiliser un système d’IA agréé pour comparer la couverture médiatique quotidienne, identifier les discours émergents et produire une première ébauche de note d’information. Un service chargé des affaires publiques pourrait s’en servir pour extraire d’un document de consultation les obligations, les dates et les positions des parties prenantes. Un cabinet de services professionnels pourrait extraire des informations pertinentes de ses propres archives plutôt que de demander à ses collaborateurs de fouiller dans des années de dossiers.

Morgan Stanley a opté pour cette approche plus maîtrisée. Ses outils d’IA internes permettent aux conseillers financiers et aux autres collaborateurs d’effectuer des recherches parmi les études approuvées et le capital intellectuel, tandis que son système « Debrief » peut générer des comptes-rendus de réunion et rédiger des documents de suivi. L’objectif n’est pas de se substituer au jugement du conseiller ni à la relation client, mais de réduire le temps consacré à la recherche, à l’organisation et à la documentation des informations.

JPMorgan Chase a mis en œuvre un modèle similaire à plus grande échelle. Sa suite LLM propriétaire permet aux employés d’accéder à l’IA générative dans un environnement contrôlé. En 2025, plus de 200 000 employés y avaient accès, et la banque a indiqué que certains services gagnaient plusieurs heures par semaine. Plus de 65 000 collaborateurs de ses divisions Banque d'entreprise et Banque d'investissement utilisaient activement le système, et plus de 90 % de ses ingénieurs recouraient à des assistants de codage basés sur l'IA.

Ces exemples sont importants car ils montrent dans quels cas l'adoption par les entreprises devient crédible : au sein de flux de travail bien définis, à partir d'informations soumises à un cadre de gouvernance, et avec un être humain qui reste responsable du résultat.

La productivité n'est pas synonyme de valeur

L'IA peut accélérer l'exécution d'une tâche individuelle sans pour autant améliorer l'efficacité de l'organisation.

Élaborer dix concepts de campagne en cinq minutes peut sembler efficace, mais le gain est négligeable si l'équipe passe ensuite deux heures à corriger des idées génériques. Résumer chaque article publié sur une entreprise génère davantage de contenu, mais pas nécessairement davantage d'informations pertinentes. Un chatbot qui traite rapidement les demandes des clients peut tout de même nuire à leur fidélité si ceux-ci ne parviennent pas à joindre un interlocuteur humain lorsque le problème se complique.

Les dirigeants doivent donc évaluer les résultats au niveau des processus de travail. Selon la tâche concernée, cela peut se traduire par un gain de temps, une réduction du nombre d’erreurs, des délais de réponse plus courts, un taux de conversion plus élevé, une amélioration de la satisfaction client ou un meilleur respect des règles. Le fait que “ les collaborateurs aient utilisé l’outil ” est un indicateur d’adoption. Ce n’est pas une preuve de la valeur ajoutée pour l’entreprise.

Cette distinction prend encore plus d'importance lorsque les agents d'IA commencent à effectuer plusieurs actions enchaînées plutôt que de répondre à une seule question. Un agent peut extraire des informations, mettre à jour un système, formuler une recommandation et déclencher un processus de suivi. Cela peut réduire considérablement les frictions administratives, mais cela crée également une chaîne plus longue au sein de laquelle une erreur peut se propager plus loin avant que quelqu'un ne la remarque.

Les entreprises qui progressent ne se contentent donc pas d'intégrer l'IA aux tâches existantes. Elles déterminent à quels moments une personne doit vérifier le travail effectué, quelles actions nécessitent une validation et ce qui se passe lorsque le système est dans le doute.

Les meilleurs cas d'utilisation sont souvent déjà visibles

Les dirigeants n'ont pas besoin de prédire l'avenir de l'intelligence artificielle pour trouver un point de départ utile. Ils peuvent rechercher des tâches présentant quatre caractéristiques : elles se produisent fréquemment, mobilisent du temps de travail qualifié, suivent un schéma reconnaissable et peuvent être vérifiées par une personne compétente.

Dans le domaine commercial, l'IA peut effectuer des recherches sur les comptes et personnaliser un premier projet sans déterminer quel client mérite une attention particulière. Dans le service client, elle peut répondre aux demandes simples et orienter les cas complexes vers un interlocuteur humain. Dans le domaine financier, elle peut expliquer les écarts et signaler les transactions inhabituelles sans pour autant approuver un paiement. En matière de communication, elle peut analyser la couverture médiatique et tester des messages sans pour autant décider de ce que l’organisation doit communiquer publiquement.

Klarna est devenue l’un des exemples les plus suivis après avoir déployé à grande échelle un assistant de service client basé sur l’IA. Ses premières déclarations concernant le volume de demandes traitées et le gain de temps réalisé ont suscité un vif intérêt, mais l’importance que l’entreprise a ensuite accordée au maintien d’un soutien humain s’est avérée tout aussi instructive. L’automatisation peut améliorer la rapidité et réduire les coûts ; elle ne peut toutefois pas supposer que chaque interaction avec le client doive être dépourvue de tout contact humain.

La leçon à retenir n'est pas que l'IA ait échoué ou réussi. C'est plutôt que le juste équilibre dépend du contexte. Un client qui vérifie une date de paiement peut apprécier une réponse automatisée immédiate. En revanche, une personne qui conteste un prélèvement important aura tendance à juger l'entreprise en fonction de la capacité d'un interlocuteur compétent à prendre en charge son dossier.

Ce sont vos données qui détermineront l'utilité du système

L'IA générative donne l'impression qu'une entreprise peut faire table rase de plusieurs années de gestion désordonnée de l'information. Ce n'est pas le cas.

Si des fichiers sont dupliqués, si les droits d'accès ne sont pas clairement définis et si des informations importantes sont conservées dans des boîtes de réception privées, un système d'IA risque de récupérer la mauvaise version d'une politique ou de divulguer des informations à une personne qui ne devrait pas y avoir accès. Une réponse bien formulée peut masquer un fondement factuel fragile, ce qui rend les données peu fiables particulièrement dangereuses.

Avant d'intégrer l'IA dans un processus de travail important, les responsables doivent déterminer quelles sources elle est susceptible d'utiliser, à qui elles appartiennent, à quelle fréquence elles sont mises à jour et qui peut accéder aux résultats. Ils doivent également déterminer si des informations confidentielles sont susceptibles d'être saisies dans un système externe. Sans cela, les employés prendront ces décisions de leur propre chef, souvent sans comprendre où leurs requêtes et leurs documents sont susceptibles d'aboutir.

C'est l'une des raisons pour lesquelles la sécurité des environnements d'entreprise prend le pas sur les dernières fonctionnalités des chatbots publics. Le modèle a certes son importance, mais ce sont les contrôles qui l'encadrent qui déterminent s'il est possible de lui confier des tâches réelles.

La réglementation est passée de la théorie à la pratique

Les entreprises européennes sont également confrontées à un calendrier de mise en conformité plus précis. La loi européenne sur l’IA est entrée en vigueur en août 2024, les obligations s’appliquant par étapes. Les règles relatives aux pratiques interdites et à la culture de l’IA ont commencé à s’appliquer en février 2025 ; les obligations concernant les modèles d’IA à usage général ont suivi en août 2025, et d’autres dispositions importantes s’appliquent à partir d’août 2026, certaines parties du régime applicable aux systèmes à haut risque se prolongeant jusqu’en 2027.

Toutes les utilisations de l'IA générative ne sont pas considérées comme présentant un risque élevé, mais les organisations doivent néanmoins savoir où l'IA est utilisée et par qui. Cela nécessite un inventaire couvrant à la fois les systèmes approuvés, les outils non officiels et les fonctionnalités d'IA intégrées aux logiciels que les employés utilisent déjà.

La fonction communication présente ses propres risques. Les images synthétiques, les voix clonées et les vidéos retouchées peuvent entraîner des problèmes juridiques et nuire à la réputation d’une entreprise, même lorsque l’intention initiale était inoffensive. Les équipes doivent se doter d’une politique de divulgation pour les contenus générés par l’IA, d’un processus de validation des médias synthétiques réalistes et de limites claires concernant l’utilisation de l’image ou de la voix des employés, des clients et des personnalités publiques.

La maîtrise de l'IA ne se résume donc plus à proposer au personnel un webinaire facultatif sur la rédaction de prompts. Les employés ont besoin de règles concrètes : quels sont les systèmes autorisés, quelles informations ne doivent en aucun cas être saisies, quels résultats doivent être vérifiés et qui reste responsable lorsque l'IA contribue à une décision.

Les dirigeants ont davantage besoin de discernement que de compétences techniques

Un PDG n'a pas besoin de comprendre l'architecture d'un modèle. Le conseil d'administration ne devrait pas non plus passer son temps à comparer les abonnements grand public à l'IA. C'est ailleurs que le leadership est nécessaire.

L'équipe de direction doit déterminer quels problèmes méritent d'être résolus, quel niveau de risque est acceptable et si un projet d'IA s'inscrit dans la stratégie globale de l'entreprise. Elle doit également résister à des démonstrations séduisantes qui ne résistent pas à l'épreuve des données réelles, des clients réels ou de la réglementation en vigueur.

Cela nécessite une maîtrise suffisante pour poser des questions pertinentes. Quel processus est en train d'évoluer ? Quels éléments indiquent qu'il s'améliore ? Sur quelles informations le système s'appuie-t-il ? À quel niveau peut-on intervenir ? Qui est responsable en cas d'erreur ? L'entreprise peut-elle remplacer le prestataire sans devoir repenser l'ensemble du fonctionnement ?

L'étude d'IBM pour 2026 met en évidence les pressions en matière de gouvernance qui commencent à se faire sentir. Dans une étude, deux tiers des responsables technologiques interrogés ont déclaré être tenus pour responsables de systèmes d’IA qu’ils ne contrôlaient pas entièrement, tandis que seuls 11 % estimaient que leur organisation était pleinement préparée à l’ampleur du déploiement d’agents IA prévu au cours de l’année suivante. La question ne se résume plus à un simple enthousiasme ou à des capacités techniques. Il s’agit de contrôle.

La question de la main-d'œuvre exige davantage d'honnêteté

L'affirmation rassurante selon laquelle l'IA “ complétera, et non remplacera ” les humains est trop vague pour servir de ligne directrice à une stratégie de gestion des effectifs. Certains postes gagneront en importance, d'autres perdront de leur importance, et beaucoup conserveront leur intitulé tout en subissant des changements substantiels dans leur contenu.

Le rapport ’ L’avenir de l’emploi 2025 » du Forum économique mondial estime que les changements structurels du marché du travail pourraient créer 170 millions d’emplois et en faire disparaître 92 millions d’ici 2030. Les employeurs s'attendent à ce que 39 % des compétences actuelles des travailleurs évoluent ou deviennent obsolètes au cours de la même période. Les compétences techniques liées à l'intelligence artificielle et au big data comptent parmi celles qui connaissent la croissance la plus rapide, mais la réflexion analytique, la résilience, le leadership et l'influence sociale restent importants, car les organisations ont toujours besoin de personnes capables d'interpréter des situations, de persuader les autres et d'assumer des responsabilités.

Un employeur digne de confiance devrait donc expliquer à ses collaborateurs quelles tâches sont automatisées, quelles tâches restent du ressort des humains et comment les attentes en matière de performance vont évoluer. Les salariés deviennent rapidement sceptiques lorsque les dirigeants décrivent l'IA comme un “ outil d'autonomisation ” en interne, tout en la présentant principalement comme une mesure de réduction des coûts aux investisseurs.

La formation doit également être en lien avec le travail concret. Une formation générale peut sensibiliser les employés, mais c’est en appliquant l’IA à des tâches récurrentes, en analysant leurs erreurs et en apprenant à reconnaître les cas où il ne faut pas se fier aux résultats obtenus qu’ils acquièrent leurs compétences.

Que faire avant d'approuver un autre projet pilote d'IA ?

Une proposition utile doit pouvoir être expliquée en une page.

Il doit identifier le problème opérationnel, le coût ou le retard actuel, le changement proposé et l'indicateur qui permettra de déterminer si le projet est couronné de succès. Il doit préciser les données concernées, la personne responsable du résultat et les étapes où une validation humaine reste nécessaire. Il doit également indiquer les circonstances qui conduiraient l'organisation à interrompre le projet.

Même si l'on ne peut pas encore répondre à ces questions, le projet peut tout de même présenter un intérêt. Il n'est pas encore prêt à être déployé à grande échelle.

L'avantage concurrentiel en matière d'IA ne réside plus tant dans l'accès précoce à un modèle que les concurrents peuvent eux aussi acquérir. Il réside plutôt dans la connaissance suffisante de l'organisation pour choisir les tâches appropriées, les repenser avec soin et préserver le jugement humain là où il apporte une réelle valeur ajoutée. D'ici 2026, c'est ce qui fera la différence entre une entreprise qui utilise l'IA et une entreprise qui s'améliore grâce à elle.