Construire une politique d’IA efficace avec les employés

La participation des employés est essentielle pour créer des politiques d’IA dignes de confiance

Seules 48 % des organisations disposent d’une politique formelle en matière d’IA, selon le rapport 2026 Tech Sentiment de Dice. Près d’un quart des professionnels de la technologie interrogés ont déclaré avoir déjà utilisé l’IA sans l’approbation de leur manager. Cela crée un problème immédiat de gouvernance : les employés adoptent l’IA plus vite que de nombreuses entreprises ne définissent la manière dont elle doit être utilisée.

La réponse pratique consiste à impliquer les employés dans la conception des politiques. Les salariés savent quelles tâches prennent du temps, quels processus pourraient bénéficier de l’automatisation et où l’IA crée de nouveaux risques. Leur contribution peut révéler des problèmes qu’une équipe de déploiement technique pourrait ne pas voir.

Les équipes IT se concentrent naturellement sur l’intégration, la sécurité, les accès et les capacités des systèmes. Amy Loomis, vice-présidente du groupe Workplace Solutions chez IDC, soutient que ces questions sont différentes de celles qui consistent à demander aux employés où ils perdent du temps sur des tâches à faible valeur ajoutée et où l’IA pourrait améliorer leur journée de travail. Les deux perspectives comptent. Une politique efficace relie les contrôles techniques aux workflows réels.

J&Y Law a adopté cette approche. Monica Washington Rothbaum, COO et avocate senior chez J&Y Law, a expliqué que le cabinet a d’abord interrogé ses employés via SurveyMonkey pour comprendre quels outils d’IA ils utilisaient déjà et pourquoi. Il a ensuite travaillé avec les différents départements et impliqué les opérations, l’IT, les RH et la direction. Le processus a examiné les usages potentiels en parallèle des risques potentiels.

Pour les dirigeants, la contrainte clé est la légitimité de la politique au point d’usage. Une politique techniquement solide a une valeur limitée si les employés la jugent peu pratique et la contournent. L’utilisation non autorisée de l’IA peut exposer des données confidentielles, contourner les contrôles de sécurité et rendre la supervision plus difficile. La participation des employés aide le management à concevoir des règles que les équipes peuvent réellement suivre dans leur travail quotidien.

Paul Farnsworth, président de Dice, a déclaré que les recherches 2026 de l’entreprise montrent que les professionnels de la technologie recherchent généralement de la clarté sur la manière dont l’IA affectera leur emploi, leur carrière et les décisions prises sur le lieu de travail. Sa conclusion est importante pour le management : « Les recherches suggèrent que l’adhésion des employés vient du fait que l’IA soit perçue comme quelque chose fait avec les salariés plutôt que contre eux. »

La participation doit donc se poursuivre au-delà de la version initiale de la politique. Les employés doivent jouer un rôle dans les projets pilotes, les processus de retour d’expérience et les mises à jour de la politique. Le management conserve la responsabilité des règles finales. La contribution des employés apporte les preuves opérationnelles nécessaires pour rendre ces règles efficaces.

L’anxiété des employés face à l’IA va au-delà du remplacement des emplois

Les trois quarts des professionnels de la technologie interrogés par Dice estiment que les employés de niveau junior sont les plus exposés au risque de remplacement par l’IA. Une majorité des professionnels de la technologie non spécialisés en IA pensent également que l’IA supprime plus d’emplois qu’elle n’en crée. Ces préoccupations peuvent affecter directement l’adoption, car les employés évaluent en partie l’IA à travers son impact attendu sur leur carrière.

La perte d’emploi est une préoccupation. Les employés peuvent aussi s’inquiéter des systèmes d’IA utilisés pour filtrer les candidatures, surveiller les performances ou fournir des informations qui influencent les augmentations et les promotions. Ces usages ont des enjeux plus élevés que les outils de productivité courants, car ils peuvent affecter les revenus et l’évolution de carrière.

Les dirigeants doivent également examiner ce qui se passe après que les employés commencent à utiliser avec succès l’IA générative. Générer un résultat ne représente qu’une partie du travail. Les employés peuvent devoir ajouter le contexte manquant, vérifier les faits, corriger les erreurs, examiner les informations confidentielles et répéter les prompts jusqu’à ce que le résultat atteigne le niveau requis. Cette charge de supervision est parfois appelée « botsitting ».

Le même problème peut se propager entre employés. Un contenu généré par l’IA mal vérifié peut devenir du « workslop » : un résultat qui semble complet mais transfère le travail de vérification et de correction à des collègues. L’IA peut donc déplacer l’effort entre les personnes même lorsqu’elle réduit le temps nécessaire à la tâche d’origine.

La charge de travail est un autre enjeu de management. Une productivité individuelle plus élevée peut entraîner des attentes plus fortes et davantage de travail assigné. Les utilisateurs intensifs peuvent aussi passer sans cesse d’un outil d’IA à l’autre, rédiger et affiner des prompts, et évaluer des résultats incohérents. Cela peut contribuer à ce que les employés décrivent comme une « prompt fatigue » ou une « AI brain fry ».

La mesure de réussite pour les dirigeants doit donc aller au-delà des taux d’utilisation de l’IA. Les dirigeants doivent comprendre si l’IA réduit le temps total d’exécution des tâches après revue et correction, si la qualité des résultats s’améliore et si la charge de travail reste soutenable. Ces mesures montrent si l’IA produit de vrais gains opérationnels plutôt que de déplacer l’effort vers des activités moins visibles.

Les préoccupations liées à l’emploi exigent aussi une communication spécifique. Les employés doivent savoir comment l’IA affectera leurs responsabilités, comment la performance sera évaluée et dans quels domaines le jugement humain reste nécessaire. Une gouvernance claire autour des décisions d’emploi assistées par l’IA peut réduire l’incertitude tout en préservant la responsabilité du management.

C’est important pour les relations avec la main-d’œuvre autant que pour l’adoption technologique. Les professionnels de la technologie ont montré un intérêt croissant pour la syndicalisation, l’IA au travail faisant partie des facteurs qui alimentent cet intérêt. Les entreprises qui traitent tôt les effets sur l’emploi, la charge de travail, la surveillance et la contribution des employés disposent d’une base plus solide pour maintenir la confiance tout en étendant l’usage de l’IA.

Les organisations ont besoin de protections spécifiques pour répondre aux craintes liées à l’emploi

Les trois quarts des professionnels de la technologie interrogés pour le rapport 2026 Tech Sentiment de Dice estiment que les employés de niveau junior sont les plus exposés au risque de remplacement par l’IA. Une majorité des professionnels de la technologie non spécialisés en IA interrogés pensent également que l’IA supprime plus d’emplois qu’elle n’en crée. Les dirigeants devraient traiter cette préoccupation comme un enjeu de gouvernance, car l’incertitude concernant l’emploi peut affaiblir la confiance et ralentir l’adoption.

Les promesses générales sur la sécurité de l’emploi ont une valeur limitée lorsque les employés peuvent voir évoluer les rôles, les équipes ou les structures hiérarchiques. Amy Loomis, vice-présidente du groupe Workplace Solutions chez IDC, a déclaré : « Les assurances selon lesquelles aucun emploi ne sera perdu sonnent creux lorsque les salariés peuvent voir des réorganisations se produire autour d’eux. » Elle soutient que les organisations entretiennent la confiance en expliquant ce qui change, comment ces changements affectent les rôles individuels et à quoi l’employeur s’engagera en retour.

Cela exige une politique concrète. Une entreprise peut définir quelles décisions d’emploi nécessitent une autorité humaine. Le recrutement, le licenciement, la promotion, la rémunération et d’autres décisions à fort impact sont des candidats évidents. L’IA peut soutenir l’analyse lorsque la politique l’autorise, tandis qu’une personne responsable conserve la responsabilité de la décision finale. L’une des protections proposées est une exigence explicite selon laquelle les décisions affectant l’emploi d’un salarié donné doivent être prises par un humain.

Les dirigeants doivent aussi communiquer à un niveau sur lequel les employés peuvent agir. Les salariés doivent comprendre quelles tâches peuvent être automatisées, quelles responsabilités peuvent évoluer, quelles nouvelles compétences seront attendues et quel accompagnement sera disponible. Cela donne aux employés des informations utiles pour planifier leur carrière et offre aux managers un cadre plus clair pour mettre en œuvre les changements induits par l’IA.

L’objectif métier est une gouvernance prévisible. Les entreprises peuvent rechercher des gains de productivité tout en fixant des limites claires au rôle de l’IA dans les décisions importantes concernant la main-d’œuvre. Des engagements spécifiques donnent aussi aux RH, au juridique, à l’IT et aux responsables métier une norme commune à partir de laquelle évaluer les décisions de déploiement.

La gouvernance de l’IA exige une communication continue et multicanale

Les politiques d’IA nécessitent des mises à jour régulières, car les outils sous-jacents et leurs usages continuent d’évoluer. De nouvelles capacités peuvent modifier les données que les employés saisissent dans les systèmes d’IA, la manière dont les résultats sont revus, les personnes qui ont besoin d’un accès et les workflows qui nécessitent des contrôles plus stricts. La communication devient donc une fonction continue de gouvernance.

J&Y Law fournit un exemple concret. Monica Washington Rothbaum, COO et avocate senior chez J&Y Law, a expliqué que le cabinet communiquait les mises à jour sur l’IA via des réunions à l’échelle de l’entreprise, l’e-mail, Microsoft Teams et des échanges au niveau des départements. Il a également chargé un membre de son équipe marketing de superviser la communication sur l’adoption de l’IA, créant ainsi une responsabilité et une redevabilité explicites.

La diversité des canaux compte, car les décisions liées à l’IA affectent différemment les différentes fonctions. Une mise à jour à l’échelle de l’entreprise peut établir des règles communes. Les discussions au niveau des départements peuvent traduire ces règles en workflows spécifiques. Les canaux numériques peuvent diffuser rapidement les révisions et fournir aux employés un point de référence à jour.

Rothbaum décrit l’adoption de l’IA comme un défi opérationnel, de communication et de gouvernance. Les organisations doivent décider quelles données les employés peuvent utiliser, qui reçoit un accès, comment les résultats générés par l’IA sont revus, et comment les exigences de conformité s’appliquent à mesure que la technologie évolue. Ce sont des décisions de management qui ont des conséquences sur l’IT, le juridique, la sécurité, les RH et les opérations métier.

Pour les dirigeants de la direction générale, la question centrale est celle de la responsabilité. Quelqu’un doit être responsable de la communication des changements de politique, de la collecte des retours, de la coordination des fonctions concernées et de la garantie que les règles mises à jour parviennent aux employés. Une responsabilité claire réduit le risque que différents départements développent des pratiques contradictoires.

La communication doit aussi soutenir un retour d’information bidirectionnel. Les employés qui utilisent l’IA dans leurs workflows quotidiens peuvent identifier des règles peu claires, des modes de défaillance inattendus et de nouveaux cas d’usage avant que ces problèmes ne deviennent visibles au niveau de la direction. Ces retours peuvent ensuite éclairer les révisions de politique, la formation, les contrôles d’accès et les choix de déploiement.

Traiter la gouvernance de l’IA comme un processus opérationnel continu donne aux dirigeants un modèle d’adoption plus durable. La politique fixe les attentes. Une communication régulière maintient ces attentes alignées sur l’évolution de la technologie, des workflows et des exigences de l’organisation.

La formation continue doit faire partie intégrante de la politique d’IA

Les compétences en IA ont une durée de vie courte. Les outils, les capacités, les workflows et les risques évoluent rapidement. Les entreprises ont donc besoin d’un engagement de formation continu, lié aux rôles réels des employés et aux systèmes d’IA approuvés.

Paul Farnsworth, président de Dice, a déclaré que les employés sont plus susceptibles d’adopter l’IA lorsqu’ils y voient des opportunités de se développer avec elle. À mesure que l’IA s’intègre au travail quotidien, il recommande d’investir dans la culture de l’IA, la montée en compétences et le développement de carrière pour aider les employés à s’adapter à l’évolution des exigences de leur poste.

Les dirigeants devraient formaliser cet investissement dans la politique d’IA. Amy Loomis, vice-présidente du groupe Workplace Solutions chez IDC, a déclaré que cela exige de « traiter la formation comme un engagement de politique avec des standards définis, des échéances et un suivi de l’achèvement ». Cela crée une responsabilité mesurable. Les dirigeants peuvent établir qui doit être formé, quelles compétences chaque rôle requiert, à quel moment les employés doivent terminer les formations et comment les compétences seront actualisées à mesure que les systèmes évoluent.

La formation spécifique aux rôles est importante, car l’usage efficace de l’IA dépend fortement du contexte. Un avocat qui examine des documents confidentiels n’a pas les mêmes exigences qu’un marketeur qui produit des brouillons de contenu ou qu’un employé IT qui configure un service d’IA. La formation doit couvrir les outils approuvés, les données autorisées, la validation des résultats, les procédures d’escalade et les risques propres à chaque workflow.

Le jugement humain reste également central. Loomis a déclaré qu’une formation efficace combine l’apprentissage d’outils d’IA spécifiques avec le jugement, l’esprit critique et l’adaptabilité. Les employés doivent être capables d’identifier des résultats faibles, de remettre en question des conclusions non étayées, de détecter un contexte manquant et de décider quand une revue humaine ou une expertise est nécessaire.

Cela présente un avantage opérationnel direct. Des employés mal formés peuvent passer beaucoup de temps à corriger les résultats de l’IA, à affiner à répétition des prompts ou à transmettre à des collègues un travail généré par l’IA de faible qualité. Une meilleure formation peut aider les employés à déterminer où l’IA améliore un workflow et où ses coûts de revue réduisent le gain de productivité attendu.

La formation soutient aussi la planification de la main-d’œuvre. Les employés qui comprennent comment l’IA transforme leurs rôles disposent d’une voie plus claire pour acquérir des compétences pertinentes. Le management gagne un moyen structuré de préparer les équipes à l’évolution des responsabilités. Loomis avertit que lorsque la formation devient un événement ponctuel, l’adoption peut stagner et la défiance peut croître. L’apprentissage continu offre une base plus solide pour une adoption durable.

Des garde-fous clairs sont nécessaires pour un usage sûr et responsable de l’IA

Toute politique d’IA d’entreprise a besoin de limites explicites concernant les données, les accès, la revue des résultats et les usages acceptables. Les employés doivent pouvoir déterminer quels outils ils peuvent utiliser, quelles informations ils peuvent fournir à ces outils et quels résultats nécessitent une vérification humaine.

La gestion des données constitue un risque central. Les employés peuvent exposer des informations commerciales confidentielles, des données personnelles, des contenus clients ou de la propriété intellectuelle lorsqu’ils saisissent du contenu dans un service d’IA. J&Y Law traite ce point directement. Sa politique stipule que les informations confidentielles concernant les clients, le cabinet ou les employés ne peuvent pas être saisies dans un outil d’IA, sauf si cet usage est explicitement autorisé et approuvé.

Les dirigeants doivent traduire ce principe en contrôles que les employés peuvent appliquer dans leur travail quotidien. Les politiques peuvent identifier les systèmes et catégories de données approuvés, définir les autorisations d’accès, établir des exigences de revue et préciser les procédures d’escalade pour les cas incertains ou sensibles. Les contrôles techniques peuvent renforcer ces règles via la gestion des identités, les autorisations, la journalisation et des environnements d’IA d’entreprise approuvés.

Les garde-fous doivent aussi traiter les conséquences des résultats générés par l’IA. Les systèmes génératifs peuvent produire des erreurs, omettre un contexte pertinent ou générer des résultats biaisés. La revue humaine est particulièrement importante lorsqu’un résultat influence des clients, des employés, des questions juridiques, des décisions financières ou d’autres activités à fort impact. Une responsabilité claire garantit qu’une personne ou une fonction identifiée assume la décision qui en résulte.

La discrimination exige une attention particulière lorsque l’IA affecte des personnes. Le recrutement, le filtrage, l’évaluation des performances et d’autres processus de main-d’œuvre assistés par l’IA peuvent créer des risques juridiques et de gouvernance si les modèles ou les données produisent des résultats injustes. Les politiques doivent définir une supervision humaine appropriée et des standards de revue pour ces usages, et les aligner sur les exigences applicables en matière d’emploi, de confidentialité et de lutte contre la discrimination.

Ces protections destinées aux employés doivent s’inscrire aux côtés des contrôles plus larges de l’entreprise en matière de gouvernance, de risque, de conformité, de cybersécurité et de réglementation. Cela donne à la direction un cadre cohérent, depuis l’expérimentation initiale jusqu’à l’usage en production.

Monica Washington Rothbaum, COO et avocate senior chez J&Y Law, a résumé clairement la priorité de management : « Les organisations qui tireront le plus de valeur de l’IA ne seront pas celles qui l’adopteront le plus vite. Ce seront celles qui communiqueront clairement, formeront de manière cohérente et mettront en place les bons garde-fous avant d’en avoir besoin. »

Pour les dirigeants, la vitesse de déploiement est donc une mesure de réussite peu pertinente. Une adoption utile dépend de la capacité des employés à utiliser l’IA dans des limites claires tout en protégeant les informations de l’entreprise, des clients et de la main-d’œuvre. Des garde-fous solides facilitent le passage à l’échelle d’une adoption responsable, car les employés savent quelles actions sont autorisées et où commence la responsabilité humaine.

Des politiques d’IA efficaces doivent définir les usages productifs aussi clairement que les restrictions

Une politique d’IA doit indiquer aux employés où l’IA crée de la valeur métier et comment ils peuvent l’utiliser en toute sécurité. Une autorisation claire est importante. Les employés ont besoin d’indications pratiques sur les outils approuvés, les tâches adaptées, la revue requise et les types d’informations qu’ils peuvent traiter.

Les restrictions restent essentielles pour la sécurité, la confidentialité, la conformité et la supervision humaine. Pourtant, une politique centrée principalement sur les comportements interdits peut laisser les employés dans l’incertitude quant aux usages légitimes. Cette incertitude peut freiner une expérimentation utile ou pousser les employés vers des pratiques incohérentes. Les dirigeants devraient définir des cas d’usage approuvés en parallèle des contrôles qui s’y appliquent.

Paul Farnsworth, président de Dice, a déclaré que des politiques efficaces donnent aux employés « des indications claires sur la manière d’utiliser l’IA de façon responsable et en toute confiance dans leur travail ». Dice applique ce principe en interne. Sa politique d’IA encourage les employés à utiliser l’IA lorsqu’elle peut améliorer la productivité, tout en établissant des garde-fous pour la sécurité des données, la confidentialité et la supervision humaine.

Les dirigeants peuvent rendre ces orientations concrètes. Les politiques peuvent préciser où l’IA peut soutenir la rédaction, la synthèse, la préparation de recherches, l’analyse, le travail administratif courant ou d’autres workflows approuvés. Chaque cas d’usage peut inclure des exigences claires en matière de gestion des données et de vérification des résultats. Les activités à fort impact peuvent nécessiter une revue humaine ou une approbation supplémentaire.

Cette approche crée aussi une meilleure base pour mesurer la valeur. Les dirigeants peuvent évaluer des workflows spécifiques à l’aide du temps total économisé, de la qualité des résultats, des taux d’erreur, de l’effort de revue et de l’expérience employé. L’effort de revue compte, car les gains apparents de productivité peuvent se réduire lorsque les employés passent beaucoup de temps à vérifier et corriger le contenu généré.

La politique doit évoluer à mesure que les preuves s’accumulent. Les cas d’usage réussis peuvent être étendus à d’autres équipes. Les cas faibles peuvent être repensés ou abandonnés. De nouveaux risques peuvent déclencher des contrôles plus stricts. Les retours des employés peuvent identifier les workflows où l’IA réduit le travail répétitif et les domaines où la technologie crée un effort supplémentaire.

L’objectif des dirigeants est une adoption maîtrisée avec une valeur métier mesurable. Les employés doivent comprendre où l’IA peut aider, comment l’utiliser de manière responsable et quand le jugement humain est nécessaire. Une politique qui apporte ces réponses donne à la main-d’œuvre des orientations opérationnelles pratiques tout en donnant au management un contrôle plus clair sur les risques et les retours.

En conclusion

La politique d’IA est autant une décision opérationnelle qu’une décision de gouvernance. Les employés déterminent comment l’IA entre dans les workflows quotidiens, où elle crée de la valeur et où de nouveaux risques apparaissent. Leur contribution donne aux dirigeants de meilleures informations pour définir des règles efficaces.

L’approche la plus solide combine la participation des employés avec une responsabilité claire. Définissez les usages approuvés. Protégez les données sensibles. Maintenez la responsabilité humaine pour les décisions d’emploi à fort impact. Engagez-vous en faveur d’une formation continue. Mettez à jour les politiques à mesure que les outils, les workflows et les risques évoluent.

Les dirigeants doivent aussi mesurer le coût complet de l’adoption de l’IA. Les gains de productivité comptent après prise en compte de la vérification, des corrections, de la charge de travail supplémentaire et de l’expérience employé. L’usage seul est un indicateur de réussite peu pertinent.

L’objectif est une adoption maîtrisée qui produit une valeur mesurable. Lorsque les employés comprennent ce que l’IA peut faire, où se situent ses limites et comment leurs rôles vont évoluer, les entreprises disposent d’une base plus solide pour faire passer l’IA à l’échelle avec confiance et responsabilité.