Gouvernance de l’IA : quand la productivité ne crée pas de valeur

Au fil des expérimentations et à mesure que la maturité des organisations s’accroit, on sait à peu près tout ce qu’il ne faut pas attendre de l’IA. On sait que l’usage ne suffit pas (L’adoption de l’IA ne remplace pas son appropriation productive), que la productivité ne devient pas spontanément valeur (Les technologies vendent de la productivité, mais les entreprises veulent du revenu), que les gains ne se transforment pas tout seuls quelque chose d’utile et valorisable (Sans gouvernance, les gains dus à l’IA sont virtuels) et que l’adoption ne commence ni par le haut ni par le bas, mais là où l’entreprise accepte de faire le lien entre ce qui se passe sur le terrain et ce qui se décide collectivement (Back office ou front office ? Où le potentiel de l’IA est il le plus grand ?).

Reste pourtant une question très basique, à savoir, une fois l’IA introduite, une fois les usages installés, une fois les premiers gains observés, que devient réellement l’entreprise ?

En bref :

Certaines organisations compensent l’absence d’impact sur la productivité (P) en agissant sur l’emploi (L), via des réductions de coûts ou des réorganisations.
L’échec perçu de la technologie cache souvent un problème de gouvernance plutôt qu’une véritable défaillance technique.
Les effets de l’IA ne sont ni uniques ni prévisibles, et les différences entre entreprises tiennent à l’usage qu’elles font de la technologie, non à la technologie elle-même.
L’adoption de l’IA, les gains de productivité et la création de valeur ne suivent pas un enchaînement automatique, mais dépendent de décisions et arbitrages collectifs.
Sans cette transformation collective, l’IA reste limitée à un rôle d’outil de confort ou devient une source de tensions internes.

Quand l’IA améliore le quotidien sans jamais changer l’entreprise

Dans beaucoup d’entreprises, l’IA est utilisée tous les jours. Les équipes s’en servent pour écrire plus vite, préparer des synthèses, reformuler, analyser. Personne ne conteste l’intérêt de ces usages qui rendent le travail plus fluide, parfois plus agréable, et donnent le sentiment que les choses avancent enfin un peu plus vite.

Pour autant, quand on pose la question de ce que cela a changé pour l’entreprise on sent comme un malaise. Le temps gagné n’a fait l’objet d’aucune réflexion, son utilisation n’a pas été fléché. Il a simplement été absorbé par le système, comme le sont toujours les marges disponibles dans des organisations déjà sous tension.

Le travail se fait mieux, mais il se fait dans les mêmes volumes, avec les mêmes objectifs et les mêmes contraintes. Les coûts ne baissent pas et les revenus n’augmentent pas de manière identifiable. A l’échelle du P&L, il est difficile d’attribuer quoi que ce soit à l’IA même si tout le monde reconnaît qu’elle est devenue utile (L’IA de la productivité au P&L : rien n’arrive par hasard).

Ce scénario peut durer longtemps, précisément parce qu’il ne crée ni conflit ni urgence. L’IA n’est ni remise en cause ni vraiment défendue. Elle devient un élément du décor, apprécié mais politiquement fragile dès lors que la question de la valeur est posée frontalement.

Quand la productivité se transforme en pression

Dans d’autres entreprises, la question de la valeur est posée très tôt. Les gains sont mesurés, parfois même avant que les choses ne soient vraiment stabilisés, l’utilisation du temps gagné est fléchée et l’IA est clairement présentée comme un levier de performance avec une intention assumée : produire un effet visible rapidement.

Au début les résultats sont là. Les indicateurs évoluent et même le P&L montre des signaux positifs. Mais, assez vite, quelque chose se tend. Les équipes passent davantage de temps à vérifier, à relire, à justifier ce qu’elles produisent. La charge cognitive augmente. Une partie des gains initiaux est progressivement compensée par des coûts invisibles qui d’une certaine manière s’ajoutent au « work about work » (Le « work about work » : quand la réalité du travail consiste à faire fonctionner ce qui ne marche pas).

L’IA cesse alors d’être perçue comme un soutien et devient un outil de mise sous pression. Les usages continuent, mais la confiance s’érode. Les équipes cherchent alors à se protéger, à contourner et, in fine, la productivité affichée progresse moins vite, puis finit par plafonner.

Ce scénario peut produire des résultats à court terme et il est souvent apprécié pour sa lisibilité. Mais il s’essouffle rapidement si l’organisation ne revoit pas plus en profondeur la manière dont le travail est organisé.

Quand l’IA devient un levier économique

Ce scénario existe mais il est rare et s’il est rare, ce n’est pas parce qu’il serait hors de portée, mais parce qu’il oblige à se poser des questions qui fâchent.

Les usages peuvent émerger mais dans le cadre d’une gouvernance qui dit ce qu’on fait de l’IA et ce qu’on fait des gains qu’elle permet et comment on les valorise. L’entreprise accepte que la productivité augmente avant que la valeur ne se voie dans les chiffres que ce décalage crée de l’inconfort pour ceux qui n’ont d’yeux que pour le P&L et les marges.

Certains gains sont réinvestis dans la transformation du travail, d’autres sont transformés en réduction de coûts ou encore à absorber plus de volume ou à modifier la proposition de valeur. Rien n’est le fruit du hasard, tout est sous contrôle, et ça n’est pas parce quelque chose est possible que c’est mis en œuvre si cela n’est pas en phase avec l’intention de l’entreprise (Reprendre la main sur le design d’entreprise : l’intention avant les outils et AI First n’est pas AI Only : clarifier l’intention avant de transformer l’entreprise).

Le P&L évolue, souvent plus tard que prévu, mais de façon plus pérenne et la valeur créée circule suffisamment pour produire un effet global. Ce scénario repose moins sur le pilotage que sur la responsabilité et suppose une exemplarité dans les décisions et les arbitrages, pas dans l’usage.

C’est un point de référence plus qu’un modèle parce qu’il oblige à faire des choix que beaucoup d’organisations préfèrent éviter sur des sujets qu’elles n’envisagent parfois même pas au début de leur projet IA.

Quand tout s’arrête faute de valeur visible

Enfin, il y a les entreprises où l’on expérimente beaucoup, où les usages se multiplient, où les discours sont ambitieux, mais où les décisions structurantes ne viennent jamais (Stabiliser pour avancer : pourquoi l’expérimentation seule ne produit rien avec l’IA). Les gains restent locaux, le P&L ne bouge pas, ou trop lentement et la question de la valeur finit par devenir insistante.

Progressivement les projets finissent par être arrêtés, non parce qu’ils ne fonctionnent pas, mais parce qu’ils ne produisent rien de défendable à l’échelle de l’entreprise. L’IA est alors vue comme une surpromesse.

Faute d’impact sur le P, certaines organisations finissent par agir sur le L. Réductions de coûts et autres réorganisations viennent compenser le fait qu’on ait pas su matérialiser les gains de productivité dans les comptes. Ce scénario est souvent raconté comme un échec technologique alors qu’il est presque toujours le résultat d’un problème de gouvernance.

Conclusion

Ces scénarios ne décrivent pas des futurs possibles, mais des trajectoires déjà observables. Ils montrent que l’IA ne produit jamais un effet unique et prévisible et que ce qui différencie les entreprises n’est pas la technologie qu’elles utilisent mais ce qu’elles font ou refusent de faire à partir de ce qu’elle produit.

L’adoption, la productivité et la valeur ne s’enchaînent pas mécaniquement. Elles supposent des choix, parfois des renoncements et une capacité à transformer des gains locaux en décisions collectives. A défaut, l’IA reste soit un outil de confort soit une source de tensions.

Pour répondre à vos questions…

Pourquoi l’IA n’a-t-elle souvent pas d’impact visible sur les résultats ?

Parce que les gains de productivité restent souvent locaux et ne sont pas traduits en décisions collectives. Le problème vient moins de la technologie que de la gouvernance, qui empêche d’intégrer ces gains dans le compte de résultat.

En quoi l’échec de l’IA est-il surtout un problème de gouvernance ?

L’IA produit des informations et des gains, mais sans arbitrages clairs, ils ne transforment pas l’organisation. L’absence de décisions structurelles empêche l’IA d’avoir un impact global.

Pourquoi adoption et productivité ne vont-elles pas automatiquement ensemble ?

Utiliser l’IA ne suffit pas. La productivité suppose des choix organisationnels et la capacité à transformer des gains locaux en règles et décisions collectives.

Que se passe-t-il quand les gains ne sont pas visibles financièrement ?

Les entreprises compensent souvent par des réductions de coûts ou des réorganisations, ce qui crée des tensions et alimente un faux récit d’échec technologique.

Qu’est-ce qui différencie réellement les entreprises face à l’IA ?

Ce ne sont pas les outils utilisés, mais les décisions prises à partir de ce que l’IA produit. La valeur dépend de la capacité à assumer des choix et des renoncements.

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