Gouvernance de l’IA : un défi pour l’entreprise

Depuis deux ans les projets d’intelligence artificielle se multiplient dans les entreprises, souvent dans un mélange d’urgence et de fascination. Mais malgré des déploiements parfois impeccables sur le plan technique, malgré des usages individuels qui se répandent, en tout cas dans la sphère privée (Pourquoi l’adoption grand public de l’IA ne dit rien de son avenir en entreprise), les effets sur l’organisation restent souvent décevants.

La productivité augmente mais par endroits seulement, les outils se multiplient, mais les comptes d’exploitation, eux, ne voient pas la trace de la moindre amélioration. La raison est simple : les projets IA sont rarement pilotés par les bonnes personnes ou, pour être exact, pas conjointement et dans la méconnaissance de l’importance de chaque fonction de l’entreprise dans la démarche.

En bref :

Les projets d’IA échouent souvent à produire des résultats à l’échelle de l’entreprise faute d’une gouvernance cohérente et d’un alignement entre les fonctions techniques et stratégiques.
L’appropriation individuelle de l’IA, bien qu’essentielle, reste insuffisante si elle n’est pas suivie d’une transformation des processus organisationnels.
La productivité générée par l’IA ne devient réellement bénéfique que si elle est intégrée dans des processus repensés collectivement, en impliquant managers et responsables opérationnels.
L’échec d’un projet IA devrait être perçu comme une opportunité d’apprentissage structuré, impliquant RH, opérations et gestion des connaissances, plutôt qu’un point final.
La transformation de la productivité en valeur économique nécessite une implication forte des directions marketing et générale pour réinvestir les gains dans la stratégie, faute de quoi ils risquent de se traduire en suppressions de postes.

Le faux départ des projets IA

La plupart du temps, l’IA arrive entre les mains de ceux qui savent s’en servir, mais pas nécessairement de ceux qui savent à quoi elle doit servir. DSI, départements innovation, parfois communication ou formation : tous s’en emparent avec de bonnes intentions, mais dans une logique d’outillage ou d’expérimentation, rarement dans une logique de transformation. L’entreprise, elle, s’agite, teste, explore, mais sans jamais repenser son modèle productif.

Cette confusion entre usage et finalité n’est pas nouvelle, mais l’IA en amplifie les effets. Il ne suffit pas d’avoir les outils pour que le changement devienne réalité : il faut surtout la capacité de les inscrire dans un projet cohérent et c’est là que la plupart des entreprises échouent.

L’appropriation individuelle : première marche mais fausse ligne d’arrivée

Toute transformation commence par l’individu, et c’est sans doute la seule partie que les entreprises ont plutôt bien comprise. Former, acculturer, « faire essayer » : comme le note Frédéric Cavazza tout cela est nécessaire voire fondamental (La fracture numérique est un problème que personne ne peut ignorer). Cette phase, qu’on pourrait appeler celle de la littératie IA, consiste à rendre chacun à l’aise avec l’outil, à lui permettre d’expérimenter dans des « bacs à sable » de poser ses questions, d’exprimer ses craintes. C’est un travail d’apprivoisement collectif, et il doit être orchestré par les ressources humaines.

Dans un contexte plus spécifiquement français où des déploiements d’IA ont été retoqués par la justice pour défaut de respect du cadre légal, cette phase s’inscrit également dans le cadre de l’obligation dialogue avec les instances représentatives du personnel et d’évaluation des impacts sur les conditions de travail.

Par ailleurs et sans préjuger de la maturité des directions générales a priori, les leçons tirées de cette phrase pourront les aider à affiner leur ambition, donner une trajectoire acceptable et réalise et, surtout, créer la confiance indispensable à ce type de projet (Employees Won’t Trust AI If They Don’t Trust Their Leaders).

C’est une étape essentielle, mais insuffisante. Comme le souligne Lee Bryant, apprendre à manipuler une technologie n’est pas la même chose qu’apprendre à en tirer parti dans un contexte de travail (Doing the Work: Why Learning is Key). L’appropriation individuelle est un socle mais elle ne produit rien par elle-même tant qu’elle n’est pas prolongée par une appropriation productive.

L’appropriation productive : quand l’IA rencontre les process

C’est à ce moment que la plupart des organisations décrochent jusqu’ici. Elles s’arrêtent à la phase d’usage individuel, se félicitent de gains locaux, et s’étonnent ensuite de ne rien observer à l’échelle de l’entreprise (La grande illusion des gains de productivité technologiques (IA comprise). Mais elles oublient que les gains individuels ne deviennent collectifs que si les processus sont repensés (Optimum local vs optimum global et théorie des contraintes : pourquoi vos gains de productivité ne servent parfois à rien).

A ce stade il faut impliquer les opérations, les process owners, les managers. Il faut identifier les flux de travail, les cartographier, comprendre comment les tâches s’enchaînent et où se forment les goulots d’étranglement. Injecter de l’IA dans un processus déjà bancal non seulement n’apporte rien mais revient souvent à accélérer le dysfonctionnement (Why AI Won’t Save Your Broken System).

L’IA productive ne consiste pas à accélérer des tâches, mais à fluidifier des flux et cela demande de repenser les interactions, les dépendances, parfois même la raison d’être de certaines étapes. Autrement dit, l’IA n’est pas un outil de performance mais un révélateur qui expose les incohérences organisationnelles. Cela n’est pas une mauvaise chose et, au contraire, aide à constituer des fondations solides pour construire mais encore faut il apprendre à capitaliser dessus.

Apprendre de ses échecs, une étape souvent oubliée

Une fois cette deuxième marche franchie, encore faut-il savoir apprendre. Beaucoup d’entreprises interrompent un projet IA dès qu’il ne livre pas les résultats espérés, au lieu de le traiter comme une source d’apprentissage, ce qui est une erreur majeure.

Les équipes RH, les Ops et la fonction knowledge management ont ici un rôle à jouer : comprendre ce qui n’a pas fonctionné, formaliser les enseignements, et réinjecter ces apprentissages dans la boucle suivante. Cette nécessité d’apprendre plutôt que de se borner à constater les résultats était déjà sous entendue dans l’article de Lee Bryant mais on se doit également de la relier à une approche « lean » de la transformation (95% of Enterprise AI Pilots “Fail”–Just Like Lean? Not So Fast). L’échec n’est pas le verdict de la fin d’un pilote mais une ressource pour réussir le suivant à condition d’avoir une approche structurée de l’expérimentation (The experimental organization).

Ce que l’entreprise apprend de ses erreurs détermine plus sûrement sa maturité IA que le nombre de ses pilotes réussis.

Transformer la productivité en valeur

Admettons que les étapes précédentes aient été franchies : les collaborateurs se sont familiarisés avec les outils, les processus ont été repensés, les premiers gains d’efficacité sont visibles. Et pourtant, bien souvent, l’entreprise réalise que cela ne se traduit pas en espèces sonnantes et trébuchantes (Les technologies vendent de la productivité, mais les entreprises veulent du revenu). Elle travaille peut-être mieux amis cela ne lui rapporte rien.

Le vrai sujet n’est pas la productivité mais la finalité qu’on lui donne. Libérer du temps, simplifier des tâches ou réduire des frictions n’ont de sens que si l’on sait réinvestir ces gains ailleurs. Si cette capacité dégagée n’est pas orientée vers de nouvelles initiatives, de nouveaux services ou une amélioration tangible de ce que l’entreprise délivre, elle ne servira à rien quand bien même on a investi pour cela.

C’est ici que d’autres fonctions doivent entrer en scène : le marketing, pour imaginer comment cette capacité peut être convertie en ventes sur les offres actuelles, en offres nouvelles pour conquérir de nouveaux marchés ou en valeur perçue, la direction générale, pour articuler ce potentiel dans un récit économique cohérent voir adapter sa stratégie à l’aune de ce potentiel nouveau.

Il importe d’être très clairs sur ce point. L’IA demande des investissements et ces investissements se voient dans les comptes donc l’entreprise s’attend à voir, en contrepartie, une compensation apparaitre dans ces mêmes comptes. Si les capacités dégagées par les gains de productivité ne permettent pas de soutenir la croissance par une augmentation des ventes sur des offres existantes ou nouvelles alors elles justifieront des coupes franches dans les ressources, à commencer par les emplois.

C’est l’hypothèse la moins agréable mais elle est plus que présente dans les esprits aujourd’hui mais si le marketing échoue à transformer les gains de productivité en croissance ce sera aux RH de les transformer en licenciements. C’est abrupt mais c’est la réalité.

Mais quand une entreprise prend le chemin de l’IA, et aujourd’hui la question ne se pose pas, elle doit savoir dès le début qu’elle devra transformer sa réussite en valeur d’une manière ou d’une autre et ça n’est pas à la dernière minute qu’on enclenche une réflexion sur la stratégie et l’offre. A contrario, licencier est toujours plus facile.

On peut se dire qu’il sera temps de répondre à cette questions quand elle se posera mais il faut avoir en tête que vos salariés se la poseront dès le début. « Où voulons nous aller avec l’IA, que veut on en faire ? ». Entre croissance et contraction l’adhésion ne sera pas la même.

Mais aujourd’hui on a trop l’impression que les entreprises rentrent dans un tunnel qui les mène vers l’inconnu alors que si elles parviennent à en sortir il n’y a que deux options au bout du chemin et on les connait.

Conclusion

L’IA n’a jamais transformé une organisation par elle-même, et elle ne le fera jamais. Ce qui transforme, ce sont les chaînes d’acteurs, les décisions, sa capacité à adapter sa stratégie, son offre.

Confier l’IA aux techniciens, c’est espérer que la transformation viendra d’un outil. A l’inverse, l’inscrire dans une gouvernance transversale, c’est reconnaître qu’elle n’a de sens que si elle relie ceux qui apprennent, ceux qui produisent et ceux qui vendent.

L’IA n’a pas besoin de plus de moyens, elle a besoin de continuité et de quelques personnes capables de comprendre comment chaque initiative s’articule avec la suivante…

Pour répondre à vos questions…

Pourquoi tant de projets d’IA échouent-ils en entreprise ?

Les échecs viennent rarement de la technologie, mais du pilotage. L’IA est souvent confiée à des équipes techniques ou d’innovation, sans lien avec les métiers. Résultat : des expérimentations locales sans impact global. Pour réussir, il faut une gouvernance partagée où RH, opérations et direction travaillent ensemble sur la finalité du projet, pas seulement sur l’outil.

Quelle différence entre appropriation individuelle et productive de l’IA ?

L’appropriation individuelle consiste à apprendre à utiliser l’IA, l’appropriation productive, à l’intégrer aux processus. La première rend l’outil familier, la seconde crée de la valeur. Sans repenser les flux et les méthodes de travail, les gains restent isolés et sans effet global.

Pourquoi faut-il apprendre des échecs des projets IA ?

Chaque projet qui ne réussit pas est une source d’apprentissage. Plutôt que d’abandonner, les entreprises doivent analyser ce qui n’a pas fonctionné et capitaliser sur ces enseignements. C’est cette boucle d’amélioration continue qui construit une vraie maturité IA.

Comment convertir la productivité en valeur économique ?

Les gains d’efficacité n’ont d’intérêt que s’ils sont réinvestis. Pour créer de la valeur, ils doivent servir à développer de nouvelles offres ou améliorer la performance commerciale. Sinon, ils se traduisent tôt ou tard par des réductions de coûts et d’effectifs.

Quel rôle joue la gouvernance dans le succès de l’IA ?

La réussite passe par une gouvernance transversale reliant RH, opérations et direction. Elle permet de transformer les initiatives dispersées en stratégie cohérente et durable. Sans cette coordination, l’IA reste un outil sans impact organisationnel réel.

Crédit visuel : Image générée par intelligence artificielle via ChatGPT (OpenAI)