Adoption de l'IA en entreprise : pourquoi l’usage ne transforme pas

Les entreprises emploient depuis toujours le mot adoption pour parler de technologie, notamment quand on parle de ce que j’appelle une technologie « freeform ». J’entends par là des outils que chaque utilisateur utilise à sa manière et selon son gré car leur usage, contrairement à, par exemple, des outils métiers ne fait l’objet d’aucun workflow, d’aucune règle explicite imposant de s’en servir d’une manière précise dans des cas précis voire qu’on peut ne pas utiliser si on en a pas envie ou qu’on en voit pas l’intérêt. Le terme est d’ailleurs éloquent par lui-même : vu qu’on ne peut ou veut l’imposer il faut que cela vienne de l’utilisateur lui-même. Vous pourrez allez visiter les archives de ce blog pour voir comment j’ai pu fustiger l’utilisation de ce terme à l’époque des réseaux sociaux d’entreprise ou encore de la transformation digitale (L’adoption des technologies tue votre transformation digitale ou Outils sociaux en entreprise : oubliez les démarches d’adoption ou encore Piloter l’adoption montre qu’on est à coté du sujet pour ne citer que ceux-ci) et je ne peux que constater que nous sommes en train de rejouer la même histoire à quelques subtilités près .

Elles parlent d’adoption comme si il s’agissait désignait une progression prévisible, une étape qui se déroulerait presque naturellement entre la mise à disposition d’un outil et son intégration dans une activité. Ce vocabulaire a longtemps permis d’éviter de s’intéresser au travail lui même. On se persuadait qu’un équipement, une formation et un minimum d’accompagnement suffiraient à faire évoluer une pratique mais, lorsque l’on examine ce qui se passe sur le terrain, on observe une succession d’essais dispersés, des de pilotes, de POCs et une impression d’agitation qui ne débouche sur rien de structuré. Un décalage ne date pas d’hier comme je l’ai montré plus haut.

Le cas de l’IA n’apporte pas grand chose de neuf par rapport à ce sujet car elle ne fait que réactiver un mécanisme ancien qui conduit à confondre l’usage d’un outil avec l’évolution d’une activité. On l’a déjà vu avec les outils collaboratifs ou les suites logicielles destinées à soutenir le travail quotidien : beaucoup d’engouement au début, quelques progrès personnels, et très peu de transformation collective. L’IA n’est juste que l’occasion de rappeler un constat fait depuis longtemps en espérant qu’enfin on en tire les conclusion au lieu de croire que par miracle les mêmes choix amèneront à des résultats différents.

En bref :

Le terme « adoption » appliqué à une technologie est trompeur car il laisse croire à une progression naturelle vers l’usage, sans questionner l’organisation du travail ou les transformations nécessaires.
L’introduction d’une technologie, comme l’IA aujourd’hui ou les outils collaboratifs hier, entraîne souvent des usages individuels ponctuels sans réelle transformation collective ni bénéfice global.
L’utilisation d’un outil ne signifie pas son appropriation : cette dernière suppose une modification durable de la manière de travailler, individuellement et collectivement.
L’appropriation productive repose sur des conditions organisationnelles, cognitives et culturelles permettant de repenser les flux de travail et d’expérimenter de nouvelles pratiques en équipe.
Tant que le travail en lui-même ne change pas, l’usage d’une technologie reste sans effet significatif pour l’entreprise, rendant le concept d’adoption insuffisant en tant qu’objectif.

L’adoption n’existe pas

Le mot adoption n’a jamais décrit ce qui se passe dans une activité mais suggère l’idée que l’on pourrait déclencher une évolution par une série d’étapes organisées visant à faire utiliser un outil alors que ce basculement dépend de la manière dont le travail est conçu, compris et organisé. On peut distribuer un outil, en expliquer le fonctionnement, accompagner les collaborateurs dans leurs premiers pas. Rien de tout cela ne dit à quel moment une équipe changera réellement sa manière de faire.

Et ce point était déjà vrai avant l’IA. Toutes les technologies précédentes en ont apporté la preuve. Ce qui surprend aujourd’hui, ce n’est pas l’existence d’un l’écart, mais le fait que l’on répète la même séquence avec les mêmes illusions. On parle encore d’adoption alors que ce mot n’a jamais permis de comprendre pourquoi une activité reste identique malgré la nouveauté. L’IA ne fait que remettre en évidence cette incohérence.

On a déjà les premiers symptômes devant nous. Des utilisateurs qui se bornent à utiliser l’IA de manière individuelle pour des tâches existantes et d’anciens worklows sans réelle transformation, l’explosion du shadow IA pour ceux qui sont plus avancés mais doivent sortir du cadre s’ils veulent être plus ambitieux dans leurs usages et, des cas d’usages globaux où le support émotionnel et l’aide à la vie quotidienne prennent le pas sur des sujets professionnels et techniques pour l’utilisateur lambda (How People Are Really Using Gen AI in 2025) et à la fin le constat d’une maturité en baisse face à l’IA (Maturité IA : le vrai progrès, c’est de reconnaître qu’on n’est pas prêt) ce que je traduirais plutôt par l’admission qu’elle a été surévaluée dans le passé.

Utiliser n’est pas s’approprier

On peut utiliser un outil sans que cela ne modifie la manière de travailler et j’aime faire le parallèle avec l‘arrivée de l’électricité dont l’impact sur la productivité a été quasi nul jusqu’à ce qu’on comprenne qu’elle permettait d’organiser les usines différemment et reconfigurer leur agencement et les flux physiques de production.

On peut obtenir un résultat rapide en terme d’adoption sans que cela n’ait d’effet sur une activité donnée prise de bout en bout qui est la seule chose qui compte pour l’entreprise. On peut progresser seul alors que tout autour reste figé et, pire encore, on peut avoir une activité ou une personne qui ruine, seule, tous les progrès du collectif (Optimum local vs optimum global et théorie des contraintes : pourquoi vos gains de productivité ne servent parfois à rien). Cela a toujours été vrai et l’IA ne change rien à ce phénomène. Elle le rappelle juste à notre mémoire car elle peut produite des effets instantanés qui peuvent induire en erreur. On croit progresser parce qu’on voit des personnes utiliser l’IA, parce certaines personnes enregistrent des gains substantiels sur une tâche donnée, pourvu qu’on mesure convenablement (Comment mesurer les gains de productivité de l’IA ?) mais au final le collectif et l’entreprise n’en tirent aucun bénéfice.

L’adoption c’est utiliser un outil, l’appropriation c’est comprendre son potentiel voire son exigence en termes de transformation, pour soi et ensuite pour les autres.

Le progrès individuel ne suffit en effet pas et n’a aucune portée si les interdépendances entre ceux qui progressent et les autres ne sont pas prises en compte pour s’assurer qu’on ne joue pas un jeu à somme nulle. Dans une équipe, rien ne change tant que le flux de travail reste identique et qu’on se contente d’additionner des performances individuelles en croyant qu’elles créeront de la performance collective.’appropriation productive, elle, se reconnaît lorsque l’usage modifie la manière d’exécuter une activité individuelle ou collective et qu’on voit apparaître une nouvelle stabilité dans la façon de procéder.

Les conditions de l’appropriation productive

Avec l’IA, on redécouvre que l’appropriation productive dépend avant tout de conditions bien connues. Il faut comprendre comment le travail s’organise, pourquoi une séquence se déroule d’une certaine manière, où se trouvent les dépendances et ce que l’on souhaite obtenir. Sans cela, aucune technologie ne peut apporter de bénéfices collectifs qui s’inscrivent dans la durée.

Ces conditions sont également cognitives et culturelles. Une organisation qui encourage l’exploration donne à une équipe la possibilité de tester, d’ajuster et d’apprendre alors qu’une organisation qui exige une exécution parfaite dès le premier jour empêche toute évolution. L’appropriation productive repose sur la capacité à interpréter ce que propose un outil, à reformuler un besoin et à tenter des approches nouvelles.

Elles sont enfin collectives. Une équipe doit pouvoir revoir ses tâches, réorganiser ses dépendances et ajuster son flux de travail. Tant que chacun avance seul, l’activité n’enregistre aucune amélioration significative et ça n’est pas pour rien que Moderna, dont la vision avant-gardiste a beaucoup fait parler d’elle cette année, ne cesse de faire référence à la notion de « travail en tant que flux » (Fusion des RH et de l’IT : Moderna redessine son organisation pour et avec l’IA et Penser le travail comme un flux : séduisant mais est-ce réaliste ?). Les progrès locaux n’ont aucun impact si la structure du travail et le pilotage des activités demeurent inchangés. L’appropriation productive n’est pas l’addition de réussites individuelles mais de la construction d’une pratique partagée.

Quand le travail ne change pas, rien ne change

Lorsque ces conditions ne sont pas réunies l’histoire ne fait que se répéter. La technologie se diffuse, est utilisée, mais elle ne transforme rien et apporte donc peu. Les équipes multiplient les essais mais elles ne parviennent pas à toucher les fruits de leurs expérimentations. Les individus gagnent du temps mais ce temps ne se retrouve dans aucun gain mesurable par l’entreprise. On observe des signaux encourageants mais sans pouvoir assembler les pièces du puzzle. Les outils collaboratifs avaient déjà connu cette situation et Solow peut être rassuré : il ne deviendra pas obsolète de sitôt (Vous pouvez voir l’ère informatique partout, sauf dans les statistiques de la productivité).

On invoque encore l’adoption comme condition de succès alors qu’elle ne permet que d’éviter de parler du problème.

Conclusion

L’IA ne demande pas d’abandonner les démarches d’adoption parce qu’elle serait particulière mais parce que l’expérience des technologies précédentes aurait déjà dû nous y conduire et nous faire comprendre que ça n’est qu’une étape, un préalable nécessaire mais en aucun cas un but ni un résultat dont on peut se satisfaire. Et tant que l’on confondra l’usage d’une technologie avec l’évolution d’une activité, on continuera de se heurter aux mêmes problèmes.

L’adoption d’une technologie par une entreprise et ses salariés n’a absolument aucune valeur autre que créer les conditions de passer aux étapes suivantes que sont l’appropriation individuelle puis collective et donc à l’appropriation productive.

Pour répondre à vos questions…

Pourquoi l’adoption d’une technologie ne suffit-elle pas à transformer le travail ?

L’adoption ne fait qu’assurer que l’outil est utilisé, sans garantir qu’il modifie réellement l’activité. L’article montre que la transformation dépend surtout de la manière dont le travail est organisé, séquencé et compris. Former, équiper ou accompagner ne provoque pas automatiquement un changement de pratiques. Tant que les workflows, les dépendances et les objectifs restent identiques, l’usage reste superficiel et sans impact collectif. Pour une entreprise, l’enjeu n’est donc pas l’adoption, mais la reconfiguration du travail.

Pourquoi l’IA reproduit-elle les mêmes illusions que les technologies précédentes ?

Comme les outils collaboratifs, l’IA génère un enthousiasme initial et des gains individuels sans transformation collective réelle. Les organisations confondent encore usage et évolution du travail, ce qui crée l’illusion d’un progrès naturel. L’IA offre des effets rapides qui masquent l’absence de changement structurel. Les usages restent dispersés, souvent individuels, et le shadow IA apparaît dès que les outils ne permettent pas d’aller plus loin. L’enjeu consiste à dépasser l’expérimentation pour repenser l’activité elle-même.

Pourquoi les gains individuels liés à l’IA ne se traduisent-ils pas en bénéfices collectifs ?

Les progrès individuels restent isolés tant que le flux global de travail n’est pas réorganisé. Une tâche optimisée n’améliore rien si les dépendances restent figées et si d’autres étapes ralentissent l’ensemble. Un seul maillon mal aligné peut annuler les gains réalisés ailleurs. Sans cohérence collective, on obtient une addition de performances locales sans effet sur la performance globale. Les entreprises doivent donc se concentrer sur la structuration du travail plutôt que sur les usages individuels.

Quelles conditions permettent une appropriation réellement productive de l’IA ?

L’appropriation productive exige de comprendre comment le travail s’organise, d’identifier les dépendances et d’expliciter les objectifs. Elle repose aussi sur une culture d’exploration permettant d’essayer, d’ajuster et d’apprendre. Enfin, elle nécessite une coordination collective : revoir les tâches, réorganiser les flux et stabiliser une nouvelle manière de faire. Ce n’est qu’à ces conditions que l’usage de l’IA transforme l’exécution des activités plutôt que de rester cosmétique. Pour une équipe, cela implique de travailler ensemble sur les processus.

Que se passe-t-il quand le travail reste inchangé malgré l’adoption d’une technologie ?

Lorsque le travail ne change pas, la technologie diffuse sans produire de transformation. Les expérimentations se multiplient, les utilisateurs progressent individuellement, mais aucun bénéfice mesurable n’apparaît au niveau de l’activité. L’article souligne que cette situation était déjà visible avec les outils collaboratifs et persiste avec l’IA. On observe des signaux encourageants, mais impossibles à assembler en gains concrets. Dans ces cas, invoquer l’adoption sert surtout à éviter de traiter la cause réelle : l’absence d’évolution du travail lui-même.

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