Manager à l’heure de l’IA

Les rapports McKinsey et BCG publiés l’automne dernier compilent tous les signaux faibles nécessaires pour comprendre ce qui se passe réellement avec l’IA dans les organisations mais ne le disent qu’à demi-mot (Adoption et impact de l’IA : enseignements (et limites) des dernières études McKinsey et BCG). En effet une lecture attentive, entre les lignes, montre que la valeur ne dépend ni des modèles ni des outils mais de la manière dont les managers redéfinissent le travail, la prise de décision, les pratiques quotidiennes et la manière dont l’entreprise, dans son ensemble, conçoit son propre fonctionnement. Autrement dit, on ne parle pas d’un sujet technique mais d’un sujet de design d’entreprise.

Les entreprises s’équipent, multiplient les pilotes, forment rapidement leurs équipes, mais sans vraiment exprimer d’intention claire alors que la confiance, pourtant indispensable à l’adoption, naît de là : dire ce que l’IA doit permettre, dire aussi ce qu’elle ne doit pas devenir (L’IA est-elle le nouveau Lean ?). C’est cette logique que l’on retrouve dans les approches qui refusent d’utiliser l’amélioration opérationnelle comme prétexte à des réductions d’effectifs, et c’est cette transparence qui transforme la manière dont les équipes accueillent les outils (Lean Without Layoffs: The Commitment That Makes Continuous Improvement Work).

Dans ce contexte que le rôle du manager change profondément, pas parce qu’il faut « manager autrement », mais parce que son environnement, ses responsabilités et les mécanismes de décision autour de lui ne sont plus les mêmes. Je m’étais dernièrement posé la question de savoir comment réhabiliter le rôle du manager à une époque où la fonction est largement critiquée (Réhabilitons le rôle du manager) et la sortie de ces deux rapports me permet de compléter ce que je disais avec un angle nouveau même si finalement cela confirme beaucoup de mes idées sur le sujet.

En bref :

• La valeur de l’IA en entreprise dépend principalement de la manière dont les managers redéfinissent le travail, les processus et la prise de décision, transformant ainsi leur rôle en celui de concepteurs du fonctionnement organisationnel.
• Le manager doit clarifier les intentions des transformations, orchestrer la collaboration entre humains et IA, identifier les frictions opérationnelles et repenser les flux de travail pour donner du sens aux usages de l’IA.
• L’intégration de l’IA modifie la nature des décisions : le manager doit établir des règles de délégation entre humain et IA, créant un système de décision hybride fondé sur la clarté, la réversibilité et la discussion.
• Le management intermédiaire joue un rôle central mais souvent sous-estimé dans l’adoption de l’IA ; il doit acquérir des compétences en analyse de processus, en amélioration continue et en gestion des risques liés à l’IA.
• Le manager devient responsable de la qualité des données, de la cohérence entre stratégie, technologie et métier, ainsi que de la gestion des impacts cognitifs et émotionnels de l’IA sur les équipes.

Du contrôle vers le design du travail

Les deux rapports insistent sur ce point sans toujours aller au fond des choses et en tirer toutes les conséquences : la valeur de l’IA dépend directement de la capacité à refondre les workflows. Ce changement transforme la fonction managériale avec un manager qui cesse d’être celui qui surveille ou supervise et devient celui qui crée le contexte dans lequel le travail prend place (Manager, c’est designer).

Clarifier l’intention qui se cache derrière un processus est la première partie de ce rôle. Tant que les équipes ne savent pas pourquoi un processus existe, ni quelle valeur il est censé produire, l’IA ne fait qu’automatiser de l’ambiguïté. Le manager doit donc redonner du sens à chaque process, mode opératoire, en explicitant ce que l’on cherche à atteindre, comment et pourquoi.

Il doit ensuite orchestrer l’articulation entre humains et IA et identifier les frictions opérationnelles, celles que l’on tolère par habitude voire lassitude et qui deviennent les points d’entrée naturels pour l’IA (Le « work about work » : quand la réalité du travail consiste à faire fonctionner ce qui ne marche pas).

Les organisations qui tirent réellement de la valeur de l’IA sont celles où les managers adoptent ce rôle de concepteur du travail, un rôle où l’on façonne le contexte qui permet à chacun de réussir, utiliser au mieux ses capacités et progresser plutôt que d’en contrôler les effets (People Are Complex – Our Systems Are Not et Comment aimer le contrôle et ne pas être un poids pour soi et ses équipes ?).

Implication : le manager devient responsable de la clarification de l’intention derrière les démarches de transformation, de l’orchestration des rôles entre humains et IA, et de l’identification des frictions opérationnelles et de la cohérence des flux de travail.

Des décisions redistribuées avec une autre granularité

L’arrivée des agents modifie la prise de décision. McKinsey les décrit comme un levier en phase d’expérimentation, le BCG note déjà qu’ils concentrent une part significative de la valeur captée mais dans tous les cas, ils introduisent un mécanisme nouveau : les décisions ne sont plus uniquement humaines, mais elles ne sont pas encore totalement confiées aux machines.

Le manager doit donc définir la frontière entre ce que l’IA décide et ce qu’elle se contente de faciliter. Une frontière qui ne doit pas être figée car elle dépend du niveau de risque, de la qualité des données et de la maturité des équipes.

Il doit ensuite établir des seuils de délégation, expliciter les zones où l’IA a initiative, celles où elle n’est que contributrice, et celles où elle doit rester en observation pour apprendre. Cela rend possible l’émergence de mécanismes de validation, de discussion ou de correction, sans lesquels on sort du champ de la « décision augmentée » pour basculer dans celui de la décision opaque (Gouvernance augmentée : l’IA comme levier de lucidité collective).

Enfin, le manager doit construire un système décisionnel hybride, dans lesquelles la contribution humaine n’est pas écrasée mais repositionnée là où elle a le plus d’impact. Ce n’est plus un rôle d’autorité dans un système vertical. C’est un rôle d’architecte de la décision.

Implication : le manager met en place les limites, seuils et les mécanismes qui transforment les décisions en décisions augmentées.

Le management intermédiaire doit évoluer ou il deviendra un goulot

Les rapports soulignent tous les deux que les organisations veulent avancer, mais restent engluées dans leurs pilotes. La cause probable la plus fréquente n’a rien de surprenant : le middle management n’a pas été préparé à ce que signifie intégrer l’IA dans la réalité du travail et sans cette montée en compétence c’est tout le process d’adoption qui se bloque.

Le management intermédiaire doit maîtriser l’analyse de processus car sans cela il est impossible de repenser les workflows ni de décider comment l’IA peut s’y insérer. Il doit comprendre comment intégrer l’IA dans les routines de travail quotidiennes, car l’essentiel des gains se situe dans ces micro-routines qui ne sont formalisées nulle par, le fameux « work about work ».

Il doit aussi s’emparer du sujet de l’amélioration continue comme une manière d’ajuster en permanence l’hybridation humain–IA (Améliorer le travail d’une équipe : histoire d’une amélioration continue). Enfin, il doit comprendre les risques liés à l’IA, qu’il s’agisse des hallucinations, des biais ou des enjeux de sécurité.

Sans cette évolution le middle management devient un frein car les métiers ne s’approprient jamais la logique d’ensemble.

Implication : le management intermédiaire doit évoluer dans son positionnement et sa posture sans quoi il peut devenir devient le goulot d’étranglement de la transformation IA.

Le manager doit orchestrer l’apprentissage collectif

Les organisations performantes redessinent les workflows, inventent de nouvelles manières de travailler et en réinvestissent les gains (Sans gouvernance, les gains dus à l’IA sont virtuels). Cette dynamique n’est pas spontanée et doit être pilotée par les managers.

Créer des routines d’apprentissage autour des cas d’usage est également indispensable. Tant que les expériences restent isolées, les équipes réapprennent les mêmes choses chacune de leur côté (95% of Enterprise AI Pilots « Fail »–Just Like Lean? Not So Fast et The experimental organization). Le manager doit donc structurer cet apprentissage, le rendre collectif et l’inscrire dans le temps long.

Il doit institutionnaliser le partage d’expériences, documenter les pratiques émergentes, stabiliser les workflows pour préparer l’arrivée des agents et traduire les contraintes métiers en exigences pour les équipes IA.

Il joue ici un vrai rôle de chef d’orchestre. Ce n’est pas ou plus un rôle d’exécution mais un rôle d’intégration dans lequel le manager garantit que ce que l’organisation apprend devient un actif partagé.

Implication : le manager devient l’architecte de l’apprentissage collectif.

Le manager garant de la qualité des données par la qualité du travail

La qualité des données ne tombe jamais du ciel mais elle reflète la discipline quotidienne avec laquelle les équipes enregistrent, vérifient, mettent à jour et partagent les informations. Les deux rapports insistent sur la nécessité d’architectures solides et d’un modèle de données gouverné, mais l’essentiel se joue dans la réalité du travail.

Le manager donc doit imposer des pratiques rigoureuses, supprimer les doublons, éliminer les approximations, identifier et supprimer les contournements qui cassent cette dynamique vertueuse. Il doit responsabiliser les équipes sur l’intégrité des informations et expliquer pourquoi la qualité des données n’est pas une contrainte mais une condition pour que l’IA soit fiable.

Sans cette discipline, l’IA devient un amplificateur du désordre et aucun modèle, aussi performant soit-il, ne compensera de mauvaises pratiques de travail relativement à la qualité des données.

Implication : le manager est le garant opérationnel de la qualité des données, car elle découle directement de la qualité du travail.

Le manager doit gérer l’impact cognitif et émotionnel de l’IA sur les équipes

C’est un angle que les rapports évoquent sans vraiment l’explorer, mais les chiffres sont assez clairs : la peur, l’incompréhension et la surcharge cognitive freinent l’adoption bien plus que la technologie. L’IA modifie l’identité professionnelle, redistribue la compétence et, ce faisant, elle brouille les repères.

Le manager doit sécuriser les équipes sur l’intention poursuivie. S’il laisse planer le doute sur les implications de l’IA, la confiance va s’estomper et les équipes vont se tourner vers des usages parallèles ou des contournements. Une intention claire, explicite et assumée crée, au contraire, un climat où l’adoption devient possible.

Il doit à tout prix éviter une surenchère d’outils qui crée plus de confusion que de valeur. Il doit aider les équipes à distinguer ce qui est utile et ce qui relève du bruit, accompagner les changements professionnelle en permettant à chacun de comprendre comment son rôle se transforme et enfin lutter contre les usages non contrôlés, car le « shadow AI » crée un risque nuisible à la confiance.

Implication : l’impact managérial de l’IA est autant cognitif qu’opérationnel.

Le manager responsable de la cohérence entre valeur, technologie et organisation

Les entreprises qui captent vraiment la valeur de l’IA, les fameux 5 % identifiés par BCG, sont celles où les managers jouent un rôle de traduction. Ils font le lien l’intention stratégique, les contraintes opérationnelles et les capacités technologiques et donnent de la cohérence à l’ensemble.

Le manager doit traduire les ambitions de l’entreprise en modes opératoires concrets. Il doit travailler avec l’IT pour construire une gouvernance partagée car aucune transformation ne fonctionne si les choix technologiques sont déconnectés des réalités métiers.

C’est précisément là que la majorité des organisations échoue aujourd’hui car elles séparent stratégie, opérations et technologie, alors que la valeur de l’IA dépend de leur articulation.

Implication : le manager devient l’interface entre intention, réalité et capacité.

Conclusion

L’IA impose un changement de posture qui ne se résume pas à un nouveau modèle managérial. Le manager passe du contrôle au design du travail, du pouvoir décisionnel à l’architecture d’un système décisionnel hybride, de l’expertise individuelle à l’orchestration de l’hybridation humain–IA, de la conformité à l’apprentissage collectif et de la gestion hiérarchique à la cohérence systémique.

La conclusion est que le succès de l’IA dépend beaucoup du manager, pas du modèle et c’est pour cela que l’adoption de l’IA est un sujet de design d’entreprise avant d’être un sujet technologique.

Pour répondre à vos questions…

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