L’usage de l’IA progresse mais le déficit de compétences persiste

La principale contrainte de l’IA en entreprise devient un problème humain

L’IA en entreprise présente un goulot d’étranglement étonnamment humain. La principale source de friction n’est ni l’accès à la puissance de calcul ni son coût. Elle tient au fait que les employés et les organisations savent, ou non, utiliser efficacement l’IA dans de véritables processus métier.

De nombreux employés utilisent déjà l’IA dans leur vie personnelle et ont transposé cette familiarité au travail. Mais la plupart des expérimentations restent concentrées sur des tâches relativement simples et répétitives. Rédiger des brouillons, résumer des informations ou accélérer le travail de routine peut générer des gains d’efficacité utiles, mais ces activités ne transforment pas automatiquement le fonctionnement d’une entreprise.

La question la plus difficile est de savoir ce qu’il advient d’un workflow entier lorsque l’IA en fait partie. Quelles tâches l’IA doit-elle exécuter ? Dans quels cas une personne doit-elle rester responsable ? À quelles informations le système peut-il accéder ? Qui valide ses résultats ? Et comment le processus doit-il évoluer à mesure que les modèles et les exigences métier s’améliorent ? Ce sont des décisions de conception organisationnelle, pas des questions que l’on peut attendre des employés qu’ils résolvent seuls.

Robinson, dont le titre et l’entreprise ne sont pas identifiés dans le texte source fourni, a clairement établi cette distinction : « Ils ont du mal à voir précisément comment l’ensemble de leur workflow va se transformer. Et ce n’est pas vraiment à eux de le faire. » Robinson a attribué aux dirigeants d’entreprise la responsabilité d’intégrer l’IA, de développer des workflows capables de s’adapter et d’identifier des cas d’usage à forte valeur.

Pour les PDG et les DSI, cela change l’équation de l’investissement. Acheter davantage d’outils d’IA ne produira pas nécessairement des gains proportionnels. Les entreprises ont besoin d’une stratégie humaine en parallèle de la stratégie technologique. Cela signifie définir des cas d’usage à forte valeur, repenser les processus, établir les responsabilités et donner aux employés la formation nécessaire pour travailler avec l’IA de manière sûre et productive.

L’objectif doit aussi être plus ambitieux qu’une simple hausse de la productivité individuelle. La véritable opportunité consiste à repenser les opérations afin que l’IA améliore la rapidité, la qualité, la prise de décision et, à terme, l’économie de processus entiers. Cela exige une direction coordonnée plutôt qu’une expérimentation dispersée des employés.

Les organisations qui y parviennent peuvent passer d’un usage isolé de l’IA à une capacité opérationnelle reproductible. La technologie progresse rapidement. Le défi pour les dirigeants est de s’assurer que l’organisation progresse avec elle.

La maîtrise de l’IA transforme les dépenses technologiques en valeur métier

Les budgets consacrés à l’IA augmentent, mais des budgets plus importants ne garantissent pas des retours plus élevés. À mesure que les DSI se préoccupent davantage des dépenses non maîtrisées, la capacité des employés à utiliser efficacement l’IA devient un élément important de l’équation du ROI.

DataCamp a constaté qu’une plus grande part des dirigeants ayant déclaré des retours positifs sur leurs investissements en IA ont également indiqué disposer d’initiatives plus matures en matière de maîtrise de l’IA. La source fournie ne donne ni pourcentages, ni tailles d’échantillon, ni date d’étude ; ce constat doit donc être considéré comme une association plutôt que comme la preuve que la formation, à elle seule, entraîne un ROI plus élevé.

Le point pratique reste néanmoins important. Les entreprises peuvent déployer des systèmes d’IA avancés et donner accès à des milliers d’employés, mais l’accès ne crée pas la capacité. Les employés doivent comprendre ce que l’IA peut faire, dans quels cas elle peut produire des résultats peu fiables, comment valider ses résultats et quand le jugement humain reste nécessaire. La formation doit aussi relier ces compétences à des workflows réels plutôt que d’enseigner l’IA comme une technologie abstraite.

Pour les dirigeants, cela signifie que la maîtrise de l’IA doit faire partie du plan d’investissement dès le départ. Un programme utile peut couvrir les concepts de base de l’IA, l’utilisation efficace des outils, la sécurité des données, la vérification des résultats, les exigences de gouvernance et les applications propres à chaque rôle. Les différentes équipes ont besoin de niveaux d’expertise différents. Un dirigeant financier qui valide une analyse appuyée par l’IA n’a pas les mêmes exigences qu’un ingénieur logiciel qui construit un produit intégrant l’IA.

Les entreprises doivent également mesurer si la formation modifie les résultats métier. Il est facile de compter les formations terminées, mais cela en dit peu sur la valeur créée. Des mesures plus utiles incluent l’adoption dans les workflows approuvés, le temps gagné, les améliorations de la qualité des résultats, la réduction des erreurs, la maîtrise des employés et les retours financiers issus de cas d’usage IA spécifiques.

Cela crée un framework plus solide pour maîtriser les dépenses liées à l’IA. Au lieu de traiter l’acquisition de technologies et le développement de la main-d’œuvre comme des budgets distincts, la direction peut les évaluer comme des composantes d’un même programme de transformation. Si un système d’IA ne peut pas être utilisé efficacement par les personnes chargées de produire des résultats métier, ses capacités techniques ont une valeur économique limitée.

L’objectif n’est pas de faire de chaque employé un spécialiste de l’IA. Il s’agit de créer un niveau suffisant de maîtrise de l’IA dans toute l’organisation pour que les collaborateurs puissent utiliser ces systèmes de manière productive, remettre en question leurs résultats lorsque c’est nécessaire et identifier des opportunités d’amélioration des processus. À mesure que l’investissement dans l’IA en entreprise s’accroît, cette capacité devient de plus en plus importante pour transformer les dépenses en retours mesurables.

L’IA exige un niveau de confiance différent

L’IA modifie une hypothèse de base que les employés ont apprise au fil de décennies d’utilisation de logiciels d’entreprise. Les logiciels traditionnels suivent généralement des règles fixes : à données et conditions identiques, ils sont conçus pour produire des résultats prévisibles. L’IA générative fonctionne différemment. Elle produit des résultats à partir de schémas statistiques et de probabilités, ce qui signifie qu’une réponse peut sembler convaincante tout en restant incomplète, non pertinente ou factuellement erronée.

Cette distinction compte à l’échelle de l’entreprise. Les employés ne peuvent pas supposer qu’une réponse générée par l’IA est correcte simplement parce que le système l’énonce avec assurance. Ils doivent évaluer deux questions distinctes : le résultat est-il utile pour la tâche, et l’information elle-même est-elle exacte ? Le niveau de vérification doit également augmenter en fonction des conséquences d’une erreur, en particulier dans des domaines comme la finance, le juridique, la cybersécurité, la santé et la conformité réglementaire.

Robinson, dont le titre et l’entreprise ne sont pas identifiés dans la source fournie, a décrit cela comme un concept nouveau pour de nombreux travailleurs. Comme l’a expliqué Robinson, les employés doivent comprendre ce que signifie utiliser un logiciel qui fournit « une réponse qui doit être validée, non seulement quant à son applicabilité à la question posée, mais aussi quant à son exactitude même ».

Pour les dirigeants, cela a des implications directes pour la formation à l’IA. Apprendre aux employés à rédiger des prompts ou à utiliser une application d’IA ne représente qu’une partie du besoin. Les organisations doivent aussi permettre aux employés de comprendre l’incertitude, de vérifier les affirmations importantes auprès de sources fiables, de reconnaître quand une revue spécialisée est nécessaire et de savoir quelles décisions ne doivent pas être déléguées à l’IA sans supervision humaine.

La gouvernance doit refléter le même principe. Une tâche interne à faible risque peut nécessiter une validation relativement légère, tandis qu’une recommandation générée par l’IA qui affecte les clients, le reporting financier, la sécurité ou des décisions réglementées peut exiger des contrôles formels, une auditabilité et une responsabilité humaine clairement définie. Appliquer le même niveau de supervision à chaque cas d’usage peut créer des frictions inutiles ; en appliquer trop peu peut créer un risque métier significatif.

Cela ne réduit pas le potentiel de l’IA. Cela clarifie la manière dont les entreprises peuvent l’utiliser de façon responsable à grande échelle. L’IA peut accélérer la recherche, l’analyse, la production de contenu, le développement logiciel et de nombreuses autres activités. Mais sa valeur augmente lorsque les employés comprennent à la fois ses capacités et ses limites.

Les organisations qui développent ce discernement dans l’ensemble de leur main-d’œuvre seront mieux placées pour étendre l’IA au-delà de l’expérimentation de base. L’objectif n’est ni une confiance inconditionnelle ni un scepticisme permanent. C’est une confiance calibrée : utiliser l’IA là où elle est performante, vérifier ce qui compte et maintenir une responsabilité claire.

La collaboration entre la DSI et les RH peut accélérer l’adoption de l’IA en entreprise

La transformation par l’IA n’est pas seulement un projet IT. Les DSI peuvent sélectionner les plateformes, établir des normes techniques, gérer la sécurité et définir la manière dont l’IA se connecte aux systèmes de l’entreprise. Mais une adoption à grande échelle dépend de l’évolution des façons de travailler. Cela fait des RH un partenaire essentiel.

Robinson, dont le titre et l’entreprise ne sont pas identifiés dans la source fournie, soutient que les DSI devraient établir une ligne de communication claire avec les responsables RH. Comme l’a formulé Robinson, « les responsables IT ne sont peut-être pas pleinement conscients de ce qui est disponible du point de vue des RH en matière d’apprentissage et de développement ». Cet écart est important, car de nombreuses organisations disposent déjà d’infrastructures de formation, de frameworks de compétences, de programmes de développement de carrière et de capacités de conduite du changement qui peuvent soutenir l’adoption de l’IA.

La répartition des responsabilités peut être claire. L’IT doit définir les technologies approuvées, les exigences de sécurité, les contrôles des données et les capacités techniques. Les RH peuvent identifier les écarts de compétences, organiser des programmes d’apprentissage, accompagner les évolutions de rôle et mesurer l’état de préparation de la main-d’œuvre. Les responsables des unités métier relient ensuite ces capacités à des processus spécifiques et à des résultats mesurables. Le sponsoring de la direction garantit l’alignement de ces efforts avec la stratégie de l’entreprise.

Cette coordination devient particulièrement importante à mesure que l’IA modifie la conception des postes. Certaines tâches seront automatisées, d’autres seront accélérées, et de nouvelles responsabilités apparaîtront autour de la revue des résultats de l’IA, de la gestion des exceptions et de la supervision de processus activés par l’IA. Les dirigeants doivent comprendre ces changements avant de décider s’il faut requalifier les employés, repenser les rôles, recruter de nouvelles compétences ou réaffecter du personnel.

La formation doit donc être fondée sur les rôles et les exigences métier plutôt que dispensée sous la forme d’un cours générique sur l’IA. Les dirigeants ont besoin d’un niveau de connaissance suffisant pour prendre des décisions d’investissement et de gouvernance. Les managers doivent savoir comment repenser les workflows et évaluer les résultats. Les employés qui utilisent directement l’IA ont besoin de compétences pratiques en validation, sécurité, usage responsable et applications pertinentes pour leur travail.

Pour la direction générale, il existe aussi un enjeu de mesure. Les DSI et les responsables RH doivent s’accorder sur les résultats attendus avant de lancer des programmes majeurs. Les indicateurs utiles peuvent inclure la maîtrise des employés, l’adoption d’outils d’IA approuvés, les changements de workflow, les gains de productivité, les taux d’erreur, le temps gagné et la valeur métier générée. Mesurer uniquement la participation aux formations en dit peu sur l’amélioration réelle des capacités de la main-d’œuvre.

L’objectif plus large est de faire de l’adoption de l’IA une capacité organisationnelle plutôt qu’un ensemble de déploiements technologiques isolés. Les DSI comprennent les systèmes. Les RH comprennent le développement de la main-d’œuvre. Les dirigeants métier comprennent les processus dans lesquels la valeur doit être créée. Relier ces perspectives peut aider les entreprises à avancer plus vite tout en maintenant la sécurité, la responsabilité et des priorités métier claires.

Principaux enseignements pour les dirigeants

• L’état de préparation de la main-d’œuvre est la véritable contrainte de l’IA : L’usage personnel de l’IA ne se traduit pas automatiquement par une capacité à l’échelle de l’entreprise. Les dirigeants doivent repenser les workflows, définir des cas d’usage à forte valeur et développer les compétences de la main-d’œuvre en parallèle des investissements technologiques.
• La maîtrise de l’IA soutient directement le ROI : L’accès aux outils d’IA ne suffit pas à créer de la valeur métier. Mettez en place une formation adaptée aux rôles, centrée sur l’usage pratique, la validation, la sécurité et la gouvernance, puis mesurez les améliorations de productivité, de qualité et de résultats financiers.
• L’IA exige une confiance calibrée : Les résultats probabilistes de l’IA peuvent être utiles sans être toujours corrects. Adaptez la validation et la supervision humaine au risque métier, en particulier pour les décisions financières, juridiques, de sécurité et réglementées.
• L’alignement entre la DSI et les RH peut accélérer l’adoption : L’IT comprend la technologie tandis que les RH apportent des capacités de développement de la main-d’œuvre. Reliez ces deux fonctions aux dirigeants métier pour identifier les écarts de compétences, repenser les rôles et transformer le déploiement de l’IA en changement opérationnel scalable.