Quatre « piliers » pour régir l'adoption de l'IA dans les entreprises

Lorsque ChatGPT est arrivé en novembre 2022, l’intelligence artificielle est sortie des laboratoires et a atterri sur les bureaux de millions de personnes. Pour la première fois, un travailleur « informatique » – l'employé administratif, le consultant, l'avocat, le RH, le chef de projet – pouvait communiquer avec un système capable d'écrire, de résumer et d'analyser des textes complexes en utilisant uniquement le langage naturel.

Voici comment, de manière concrète, les entreprises adoptent l’IA ; comment la productivité individuelle évolue et comment les travailleurs l'utilisent réellement.

Les grandes craintes de l’adoption de l’IA

Dans les entreprises italiennes, je rencontre souvent le même paradoxe : tout le monde perçoit que l’IA peut apporter un énorme avantage, mais beaucoup sont freinés par des craintes légitimes.

Il existe au moins quatre craintes principales.

1. Sécurité des données
Les modèles d’IA sont formés sur d’énormes quantités d’informations. De nombreux outils utilisent par défaut les conversations pour améliorer les futurs modèles. Pour une entreprise, cela signifie une chose très claire : les données sensibles ou les secrets commerciaux ne peuvent pas être partagés à la légère.

Face à ce risque, certaines entreprises choisissent la voie la plus simple : tout bloquer. D’autres, plus prévoyants, se disent que l’impact sur la productivité et le bien-être est trop important pour y renoncer et que l’enjeu n’est pas d’éviter le risque, mais de le gérer.

2. L’« IA de l’ombre »
En fait, le blocage total ne fonctionne pas. L’expérience du terrain le démontre : si un outil est utile, les gens trouvent quand même le moyen de l’utiliser. C’est ainsi qu’est née la « shadow AI » : des salariés qui utilisent des outils interdits (comme la version publique de ChatGPT) depuis leurs appareils personnels, hors de tout contrôle. Le résultat est paradoxal : les risques que l’on voulait éviter augmentent en réalité.

3. Hallucinations et excès de confiance
L'IA n'est pas infaillible. Il peut « halluciner », c'est-à-dire générer de fausses réponses mais sur un ton très confiant. Mais le problème n’est pas seulement technique : il est culturel.
Lorsqu’on manque de formation de base sur le fonctionnement de ces outils, on oscille entre deux extrêmes : la confiance aveugle (« si l’IA le dit ce sera juste ») ou le refus total (« je n’y fais pas confiance a priori »). Dans les deux cas, les bénéfices réels sont perdus.

4. Absence de plan partagé
Même lorsqu’il y a de l’enthousiasme, il est souvent mal distribué. Parfois, l’impulsion vient des dirigeants mais se heurte à beaucoup de résistance au niveau opérationnel ; d’autres fois, ce sont les équipes de terrain qui expérimentent, tandis que le top management reste distant et prudent.
Sans un plan impliquant tous les niveaux, l’adoption stagne : des îlots d’innovation sont créés, mais l’organisation dans son ensemble reste stagnante.

Comment les entreprises adoptent l’IA : le cadre des 4 piliers

De ces problèmes se pose une question pratique : que doit faire une entreprise qui souhaite adopter l’IA de manière responsable et efficace ?

L’expérience de terrain montre que le chemin de l’adoption fonctionne lorsque l’on travaille, de manière coordonnée, sur quatre piliers.

1. Leadership : véritablement comprendre la portée du changement

La première étape est le leadership. Il ne suffit pas de « bénir » un projet d'IA : la haute direction doit comprendre l'impact transformateur de cette technologie au cours des 5 à 10 prochaines années.

Cela signifie prendre le temps de comprendre le fonctionnement des modèles, observer la trajectoire avec laquelle les capacités augmentent et les coûts diminuent, et relier tout cela à votre secteur, vos processus, votre façon de rivaliser sur le marché.

Avec les dirigeants, nous construisons une stratégie à court et moyen terme : par où commencer, quels domaines nous touchons en premier, quels risques nous voulons éviter, quels indicateurs nous utiliserons pour comprendre si nous créons de la valeur. Sans cet engagement stratégique, l’IA reste un projet parallèle, intéressant mais jamais vraiment prioritaire.

2. Gouvernance : choisir et réguler les outils

Le deuxième pilier est la gouvernance : choisir lequel outils à utiliser, comme Et par qui.

Ici le travail devient très opérationnel. Nous avons besoin d’une cartographie des activités que les gens effectuent dans les différentes fonctions, pour comprendre où l’IA peut apporter la plus grande augmentation de productivité et quels processus traitent cependant des données si sensibles qu’elles nécessitent des protections particulières. Sur cette base, les différentes solutions disponibles sont évaluées, les outils les plus adaptés sont sélectionnés et attribués aux personnes qui en ont réellement besoin.

Une fois choisis, les outils doivent être encadrés par des politiques claires, simples et compréhensibles par tous. Les documents longs ne suffisent pas : il faut indiquer de manière très pratique ce qui peut être partagé et ce qui ne peut pas, quels outils sont autorisés, comment gérer les exceptions, qui est responsable des choix. Une bonne politique d’IA réduit l’IA fantôme et transmet un message important : L’IA n’est pas un tabou, mais une ressource à utiliser en connaissance de cause.

3. Formation à tous les niveaux : pratique, pas seulement des diapositives

Troisième pilier : mettre l’IA entre les mains de tous les informaticiens, et pas seulement de quelques spécialistes.

La raison est double. D'une part, ces outils sont transversaux : ils touchent presque toutes les activités cognitives, de la rédaction d'un rapport à l'analyse d'un contrat, de la préparation d'une présentation à l'étude de marché. En revanche, ils sont démocratiques : ils s'utilisent avec le langage naturel, ne nécessitent pas de compétences en programmation et peuvent être maîtrisés même par ceux qui ne se sont jamais considérés comme « techniques ».

Toutefois, donner l’accès ne suffit pas. Deux niveaux de formation sont nécessaires. La première est celle de la compréhension de base : comment un modèle raisonne, pourquoi il peut se tromper, quelle est la différence entre les différents outils, quelles sont les limites structurelles. La seconde est celle de la pratique : des séances au cours desquelles les personnes travaillent sur leurs propres cas réels, avec leurs propres appareils, en expérimentant comment réaliser les activités quotidiennes de manière différente et plus productive.

La différence est la coupe. Moins de théorie et plus de « terrain », si possible en présentiel, avec des moments d'accompagnement individuel.

Nous ne pouvons pas considérer « la technologie la plus puissante et la plus transformatrice de notre époque » comme un cours de remise à niveau facultatif…

4. Champions internes : Placer l’IA au cœur des fonctions

Le quatrième pilier consiste à créer un groupe de champions internes : des personnes de l'informatique et des différentes fonctions métiers (finance, marketing, opérations, RH, etc.) formées à l'IA la plus avancée.

Leur rôle n’est pas de remplacer les autres, mais de devenir des références. Ce sont eux qui explorent des outils plus sophistiqués, tels que les agents, les automatisations, les modèles personnalisés, et traduisent ces possibilités dans le langage de leur fonction. Ils connaissent bien les processus, parlent le langage de leurs collègues et les aident à comprendre où l’IA peut être insérée sans créer de frictions et où il est préférable d’agir avec plus de prudence.

Lorsque ce groupe existe et fonctionne, l'impact sur l'adoption est énorme : l'IA cesse d'être un sujet « technique » et devient partie intégrante de la culture d'innovation de l'entreprise.

IA et productivité individuelle : ce qui change vraiment dans les métiers de bureau

Mais que se passe-t-il au niveau de l’individu ?

Pour de nombreux travailleurs, le premier contact avec l’IA a été spontané : essayer d’obtenir de l’aide pour rédiger un texte, résumer un long document, traduire un e-mail, préparer une présentation plus ordonnée. C'est la pointe de l'iceberg, la première utilisation intuitive d'un outil pouvant réellement accompagner la plupart des tâches quotidiennes.

Quand l’entraînement est bien fait, le saut est plus profond. On ne demande plus à l’IA de « le faire à ma place », mais de devenir copilote. La personne reste au centre du processus, garde le contrôle des décisions, mais délègue les parties les plus répétitives : la première ébauche d'un texte, une série d'alternatives à partir de laquelle partir, le contrôle de cohérence d'un document, la préparation d'une base pour une analyse ou une présentation.

Le temps libéré peut être utilisé pour ce qui compte vraiment : prendre des décisions, interagir avec les collègues et les clients, penser de manière créative, coordonner des projets.

Dans les entreprises qui travaillent sérieusement sur les quatre piliers décrits, l'effet est double : d'une part, la productivité augmente, car de nombreuses tâches sont exécutées mieux et plus rapidement ; de l'autre, le bien-être augmente, car la charge du travail répétitif diminue et le sentiment de maîtrise de son temps augmente. Mais tout cela ne se produit que lorsque l’utilisation de l’IA est reconnue, guidée et mesurée.

Si l’entreprise se fige et que les gens se tournent vers l’IA fantôme, la productivité peut s’améliorer pour l’individu, mais au prix d’un plus grand risque et d’un manque total de vision.

Comment les travailleurs l’utilisent : entre expérimentation ascendante et gouvernance descendante

L’adoption de l’IA ne peut être laissée au hasard. Les RH, l’informatique et le leadership doivent travailler ensemble. Les RH ont pour mission de connecter l’IA au bien-être, au développement des compétences et aux parcours de carrière des personnes. Le service informatique doit garantir que les outils sont sécurisés, à jour et conformes aux politiques de l'entreprise. Les dirigeants doivent donner des priorités, une vision et des ressources, en expliquant pourquoi l’IA n’est pas une mode mais un levier structurel de compétitivité.

Un élément souvent négligé est la mesure. Si nous ne mesurons pas l’évolution des compétences et des pratiques au fil du temps, c’est comme courir dans le noir. Suivre l’évolution des compétences en IA nous permet de comprendre qui a besoin de quoi, où l’adoption fonctionne réellement, quelles équipes peuvent devenir des exemples pour d’autres, quelles interventions de formation doivent être renforcées ou repensées.

Le vrai choix pour les entreprises italiennes

En fin de compte, la question n’est pas de savoir si l’IA entrera dans les entreprises italiennes. C'est comme.

Nous pouvons choisir la voie de l’interdiction, qui alimente l’IA fantôme et ralentit la compétitivité.
Ou nous pouvons choisir une voie plus difficile mais beaucoup plus prometteuse : gouverner l’adoption, en commençant par le leadership, construire une bonne gouvernance, former tout le monde et renforcer les champions internes.

L’IA a ouvert la possibilité, peut-être unique dans notre vie professionnelle, d’augmenter considérablement la productivité individuelle de millions de travailleurs. C’est aux entreprises et à leurs dirigeants de décider s’il faut transformer cette possibilité en valeur réelle, pour les personnes et pour le système national, ou la laisser s’évaporer au milieu des peurs, de l’improvisation et des interdictions.