Pourquoi l’amélioration des prompts ne parvient toujours pas à remédier au véritable désordre lié à l’IA

La formation classique en IA et l’amélioration des consignes ne permettent pas de s’attaquer aux causes structurelles du « workslop »

La plupart des organisations continuent de croire que des consignes plus précises, de meilleurs supports de formation et des directives plus strictes peuvent remédier à la mauvaise qualité des résultats générés par l’IA. Ce n’est pas le cas. L’article décrit des équipes qui ont tout fait correctement sur le papier : elles ont constitué des bibliothèques de consignes, publié des guides sur la voix de la marque et organisé de nombreuses sessions de formation ; pourtant, les mêmes résultats de mauvaise qualité, qualifiés de « travail bâclé », continuaient d’apparaître. La raison est simple : ces mesures se concentrent sur des solutions ponctuelles et ignorent le problème systémique. Le véritable problème ne réside pas dans la manière dont les utilisateurs se servent de l’IA. Il tient au fait que les organisations n’ont pas mis en place un système permettant de relier les connaissances acquises par les utilisateurs en matière d’IA, de sorte que ce savoir s’accumule au sein de l’équipe.

Les dirigeants doivent voir plus loin que les ateliers ponctuels ou les modèles prêts à l’emploi. La formation individuelle permet de développer des compétences, mais elle ne transmet pas la compréhension. Pour les grandes entreprises ou celles en pleine évolution, notamment dans les domaines du marketing et du développement de produits, l’incapacité à partager et à diffuser ces enseignements entraîne des pertes d’efficacité récurrentes. En l’absence d’un flux structuré de connaissances, chaque collaborateur répète le même processus d’essais et d’erreurs. Cela annule alors les gains de productivité que l’IA était censée apporter.

Du point de vue du leadership, cela indique que la stratégie doit évoluer : il ne s’agit plus de gérer les compétences individuelles, mais d’optimiser l’apprentissage organisationnel. L’indicateur clé n’est pas le niveau de maîtrise atteint par un professionnel du marketing en matière de stimulation, mais la rapidité avec laquelle ses connaissances profitent au reste de l’équipe.

Selon une étude conjointe menée par BetterUp Labs et l’université de Stanford, publiée dans la Harvard Business Review (septembre 2025 et janvier 2026), 40 % des employés ont reçu des tâches « bâclées » au cours du dernier mois, chaque cas nécessitant près de deux heures de travail pour être refait. Pour une entreprise de 10 000 personnes, cela représente 9 millions de dollars par an gaspillés à corriger les résultats de l’IA, une somme littéralement brûlée par l’inefficacité. Par ailleurs, l’étude « State of AI at Work » d’Asana montre que seuls 19 % des travailleurs du savoir savent clairement quelles tâches l’IA devrait réellement prendre en charge dans le cadre de leur fonction. Ces chiffres confirment la cause profonde du problème : les entreprises ne disposent pas de cadres structurels permettant de relier les personnes, les connaissances et la mise en œuvre dans le cadre de l’utilisation de l’IA.

En mettant trop l’accent sur la responsabilité individuelle, on néglige la nécessité d’une collaboration systématique

De nombreux dirigeants demandent à leurs équipes de « faire preuve de discernement face à l’IA », de « s’inspirer des meilleures pratiques » ou d’« adopter un état d’esprit axé sur les projets pilotes ». Ce sont là des consignes raisonnables, mais elles ne sont pas adaptées à une mise à l’échelle. Le discours actuel des dirigeants accorde trop d’importance à la responsabilité individuelle, à la manière dont une personne donne des consignes, modifie ou supervise les résultats de l’IA, tout en ignorant la manière dont ces apprentissages à petite échelle s’intègrent dans le système global. Lorsque chaque collaborateur mène sa propre mini-expérience d’IA de manière isolée, l’entreprise se retrouve avec des poches d’excellence, mais une médiocrité systémique.

Les dirigeants doivent passer des initiatives individuelles à une collaboration structurée. Une bonne gouvernance de l’IA ne consiste pas à multiplier les garde-fous, mais à mettre en place un système capable de recueillir et de redistribué les connaissances pratiques au fur et à mesure qu’elles sont acquises. Le partage des connaissances ne doit pas dépendre de conversations informelles ou d’une collaboration spontanée ; il doit être délibérément intégré au flux de travail. Lorsque les dirigeants institutionnalisent la collaboration, le retour sur investissement devient visible : les gains de productivité se répercutent plus rapidement, et les outils d’IA augmentent véritablement le rendement au lieu d’engendrer des retouches sans fin.

Pour les dirigeants, cette évolution exige une nouvelle perspective. Elle nécessite de repenser les mécanismes d’incitation, les processus de travail et les canaux de communication afin de faire de l’apprentissage un processus collectif. Il ne s’agit pas seulement d’efficacité, mais aussi de résilience. Les organisations qui intègrent structurellement l’apprentissage par l’IA s’adapteront plus rapidement et innoveront plus tôt que celles qui s’appuient sur l’expertise individuelle.

Dans MarTech, Greg Kihlstrom, stratège en marketing et auteur, a fait valoir que les responsables marketing devraient définir des « lignes de relais » opérationnelles claires entre les services tels que l’informatique, le service juridique et les achats, afin de garantir une intégration sans heurts de l’IA entre les différentes fonctions. Il a raison, mais ce n’est qu’un début. L’objectif ultime n’est pas de perfectionner les modèles de leadership, mais de mettre en place des systèmes qui automatisent la collaboration.

Le rapport d’Asana confirme ce point : seuls 19 % des employés comprennent les limites de leur rôle en matière d’IA. Ce constat à lui seul illustre parfaitement le problème : l’absence de structure coordonnée fait que les personnes ne savent pas où commence ni où finit leur responsabilité. Pour les dirigeants, il s’agit là d’une lacune en matière de gouvernance. Elle ne peut être comblée qu’en mettant en place un cadre dans lequel les connaissances circulent facilement, les décisions sont partagées en toute transparence et l’utilisation de l’IA devient une capacité collective.

Le « workslop » trouve son origine dans un manque de coordination de l’apprentissage au sein des équipes

La plupart des équipes ne manquent pas d’engagement. Le problème, c’est que chaque personne acquiert des connaissances précieuses sur l’utilisation de l’IA, mais que ces connaissances restent cantonnées à son poste. Un spécialiste du contenu peaufine son prompt pour en affiner le ton, un graphiste trouve comment harmoniser les images avec les couleurs de la marque, et un spécialiste du marketing par e-mail apprend quelles données permettent d’améliorer les taux d’engagement. Chacune de ces découvertes a son importance, mais sans coordination, leur valeur ne se multiplie jamais. Il en résulte une stagnation : tout le monde travaille dur, mais le résultat collectif ne s’améliore pas de manière significative.

Les dirigeants devraient considérer cela comme un problème de diffusion des connaissances. Une amélioration isolée constitue un gain à court terme, mais une amélioration partagée représente un avantage qui s’amplifie au fil du temps. La plupart des entreprises perdent en dynamisme car il n’existe aucun lien entre ces découvertes individuelles. Cela ralentit les progrès en interne et engendre un manque de cohérence dans la qualité de la marque, des produits et des messages. Lorsque cela se produit, l’inefficacité interne s’accroît insidieusement jusqu’à ce qu’il devienne coûteux de l’ignorer.

Pour les dirigeants, la mise en place d’une organisation hautement performante et tirant parti de l’IA ne se résume pas à recruter des personnes brillantes ou à acquérir des outils puissants. Il s’agit de combler le fossé entre la connaissance et l’action au sein des équipes. Les organisations qui réussiront seront celles qui favoriseront délibérément la circulation des connaissances. Lorsque le transfert des connaissances issues de l’IA est structuré, l’organisation gagne en cohérence, et les équipes agissent en s’appuyant sur une intelligence partagée plutôt que de fonctionner en parallèle.

La mise en place d’un centre interne dédié à la mise en œuvre de l’IA est essentielle pour surmonter le « workslop »

La solution la plus pratique au « workslop » ne réside pas dans un nouveau programme de formation ni dans un processus plus strict. Il s’agit d’un système dédié, conçu pour recueillir et diffuser en temps réel les connaissances liées à l’IA au sein de l’organisation. L’article qualifie ce système de « centre d’activation de l’IA ». Il s’agit d’une petite équipe interne spécialisée dont le rôle est d’identifier ce qui fonctionne, d’en faire la synthèse et d’intégrer directement ces enseignements dans les flux de travail quotidiens. Au lieu d’une documentation statique ou de longues présentations de formation, ce centre produit des mises à jour rapides et sur mesure, adaptées aux projets en cours et aux besoins de l’équipe.

Les dirigeants doivent considérer cela comme une infrastructure opérationnelle, et non comme une simple initiative pédagogique. Une plateforme centralisée apporte une dimension intelligente au flux de travail de l’organisation. Elle garantit que, dès qu’une personne trouve une meilleure façon de formuler une demande, de concevoir ou d’analyser, ce savoir est rapidement partagé avec l’ensemble du personnel. Cela permet d’assurer une qualité homogène et des gains d’efficacité mesurables au sein des équipes et des projets. Il ne s’agit pas d’imposer des normes, mais d’accélérer l’apprentissage à l’échelle du système.

Ce pôle permet également de mettre en relation les personnes de manière stratégique. Il associe des spécialistes de l’IA à des experts métier afin que les perspectives techniques et commerciales se complètent pour aboutir à de meilleurs résultats. Il identifie les domaines dans lesquels l’IA apporte une réelle valeur ajoutée et ceux où l’expertise humaine reste indispensable. Les enseignements tirés de ces pôles peuvent ensuite orienter les décisions de la direction en matière d’investissements technologiques, de choix d’outils et de développement des ressources humaines.

La société d’ingénierie iMBrace a démontré ce qu’il était possible de réaliser. Après avoir mis en place un moteur de connaissances dynamique géré par son centre de coordination basé sur l’IA, l’entreprise a réduit de 50 % le temps consacré à la recherche d’informations. Il s’agit là d’un résultat concret en termes de performance : moins de temps perdu et une productivité accrue.

Pour les dirigeants, cette approche redéfinit la manière dont l’IA doit se déployer au sein d’une entreprise. Au lieu de s’appuyer sur des sessions de formation répétitives dont l’efficacité s’estompe avec le temps, les organisations ont besoin de systèmes dynamiques qui capturent et diffusent en permanence les nouveautés et les pratiques éprouvées. Ce hub devient un centre de commande stratégique pour l’apprentissage de l’IA, garantissant que les progrès ne dépendent pas du hasard ou de l’initiative individuelle, mais d’une intelligence structurée, continue et collective.

Les rôles au sein des organisations évoluent afin d’institutionnaliser le partage des connaissances en matière d’IA

Une évolution majeure est en cours dans la manière dont les organisations se structurent pour gérer et développer leurs capacités en matière d’IA. Les fonctions traditionnelles évoluent vers des postes axés sur la collecte, la valorisation et la diffusion des connaissances en matière d’IA à l’échelle de l’entreprise. Il s’agit notamment de postes tels que « Responsable de l’IA marketing », « Responsable du centre d’excellence en IA marketing » et « Directeur senior des projets d’IA ». L’objectif de ces fonctions est d’assurer une amélioration continue en intégrant le transfert de connaissances dans les opérations quotidiennes de l’entreprise.

Les dirigeants devraient prêter attention à cette tendance, car elle témoigne d’une évolution dans la manière dont les entreprises abordent l’adoption de l’IA. Les premières initiatives étaient souvent expérimentales et décentralisées, ce qui entraînait des stratégies fragmentées et des doublons. Aujourd’hui, l’accent est mis sur l’institutionnalisation de systèmes permettant de pérenniser l’apprentissage de l’IA. L’objectif est de garantir que chaque nouvelle découverte, chaque amélioration des processus ou chaque avancée en matière d’automatisation puisse être rapidement reproduite à l’échelle de l’organisation.

Cette évolution organisationnelle nécessite également de redéfinir les attentes liées à ces postes. Ces nouvelles fonctions ne visent pas à imposer une conformité rigide ni à contrôler la qualité immédiate. Leur travail consiste à mettre en relation les expertises entre les différents services — marketing, ingénierie, science des données, opérations — et à garantir l’alignement stratégique. Les dirigeants doivent recruter et responsabiliser, à ces postes, des personnes qui maîtrisent à la fois les aspects techniques et opérationnels de l’IA. Ces professionnels deviennent alors les catalyseurs d’un cycle d’apprentissage plus rapide et mieux coordonné, permettant aux organisations de mettre en œuvre les enseignements tirés avec précision et rapidité.

Du point de vue du marché, cette évolution est clairement confirmée. Carilu Dietrich, stratège et conseillère en marketing, souligne l’expansion rapide des postes de direction dans le domaine de l’IA appliquée au marketing, ce qui montre comment les entreprises se restructurent pour répondre à ce besoin. À l’appui de ces données, le nombre d’offres d’emploi sur LinkedIn pour des ingénieurs en stratégie de mise sur le marché (GTM) a plus que doublé, passant d’environ 1 400 à la mi-2025 à plus de 3 000 au début de l’année 2026. Cela démontre que la demande de professionnels capables d’intégrer des systèmes d’IA et de piloter la collaboration interdépartementale s’accélère. Pour les dirigeants, c’est un signal indiquant qu’il faut agir dès maintenant et renforcer les capacités de leadership internes en matière d’IA, plutôt que d’attendre que les normes du secteur arrivent à maturité.

Pour assurer un succès à long terme, il est nécessaire de mettre en place des systèmes cohérents permettant un transfert rapide des connaissances.

La réussite durable des organisations intégrant l’IA repose sur la mise en place de systèmes permettant de diffuser les connaissances rapidement, avec précision et à grande échelle au sein des équipes. Les sessions de formation et les manuels ont une durée de vie limitée ; ce qui importe, c’est de mettre en place des mécanismes permanents garantissant que toute amélioration identifiée par une personne ou une équipe devienne une connaissance exploitable par tous les autres. Cette approche élimine les doublons, accélère la résolution des problèmes et permet aux dirigeants de déployer l’innovation de manière cohérente.

Les dirigeants devraient considérer la mobilité des connaissances comme un indicateur de la solidité opérationnelle. Plus l’apprentissage est rapide, plus l’organisation gagne en solidité. Cela permet aux entreprises de s’adapter aux nouveaux outils et à l’évolution du marché avec un minimum de perturbations. Cela renforce également leur résilience : lorsque des collaborateurs quittent l’entreprise ou que les fonctions évoluent, leur savoir-faire ne disparaît pas, car il a déjà été diffusé et documenté au sein du système.

Pour instaurer ce niveau de connexion, une volonté venant de la direction est indispensable. Les dirigeants doivent allouer des ressources afin de concevoir des processus de travail qui identifient automatiquement les améliorations et les diffusent là où elles sont nécessaires. Il ne s’agit pas seulement d’une question de capacités techniques, mais aussi d’une question de discipline culturelle. Les équipes doivent être encouragées et récompensées pour leur capacité à partager, à mettre à jour et à itérer ensemble.

Les organisations qui maîtrisent cette approche en tirent des avantages multiples. L’efficacité s’améliore naturellement, car les problèmes sont résolus une fois pour toutes au lieu d’être traités à plusieurs reprises. La qualité s’améliore à mesure que les normes et les méthodes communes évoluent en permanence. Et surtout, les collaborateurs se sentent en phase avec leurs collègues et soutenus, sachant que leurs contributions individuelles renforcent la performance collective.

Principaux enseignements pour les dirigeants

• Les problèmes liés aux résultats de l’IA découlent d’une inefficacité structurelle : les dirigeants ne devraient plus se contenter de miser uniquement sur l’amélioration des consignes et de la formation. Une véritable amélioration passe par la refonte des systèmes organisationnels qui empêchent les acquis de l’IA de circuler efficacement entre les équipes.
• Le fait de faire passer la responsabilité des individus aux systèmes permet de réaliser de réels progrès : au lieu de se concentrer sur la maîtrise individuelle, les dirigeants devraient mettre en place des cadres permettant de relier les connaissances entre les différents postes et services, afin d’éliminer les doublons et d’améliorer la performance collective.
• Il est essentiel de combler le déficit de coordination en matière d’apprentissage : les décideurs doivent veiller à ce que les connaissances circulent rapidement entre les équipes. Lorsque les enseignements tirés de l’IA restent cloisonnés, les progrès stagnent et l’entreprise paie le prix d’inefficacités répétitives et évitables.
• Les pôles d’activation de l’IA transforment l’apprentissage en gains de performance mesurables : mettez en place de petits pôles agiles chargés de recenser, de sélectionner et de diffuser les modèles de réussite en matière d’IA au sein de toutes les équipes. Cela accélère l’amélioration et garantit que l’IA se traduise effectivement par des gains de temps et de coûts.
• L’évolution des fonctions redéfinit la manière dont les organisations développent leur expertise en matière d’IA : créez et renforcez les fonctions axées sur la mise en relation des connaissances, telles que les responsables marketing IA ou les responsables de centres d’excellence en IA, afin de pérenniser les capacités à long terme et de garantir des gains de performance constants.
• La pérennité du succès repose sur un transfert continu des connaissances à l’échelle de l’ensemble du système : les dirigeants doivent investir dans des structures permettant une diffusion rapide des connaissances. Les organisations qui développent une « intelligence connective » obtiennent de meilleurs résultats en transformant chaque découverte en savoir organisationnel partagé.