Les entreprises britanniques adoptent les assistants d’IA, mais peinent encore à faire le lien entre eux

Distinction dans l’adoption, assistants IA vs. flux de travail multi-agents

L’adoption de l’IA au Royaume-Uni et en et l’Irlande a atteint un point d’inflexion. Selon l’enquête menée par Slalom auprès de 417 chefs d’entreprise, 69 % des organisations utilisent désormais des assistants d’IA. Cependant, seulement 31 % ont franchi l’étape suivante, en déployant des flux de travail multi-agents qui permettent à plusieurs systèmes d’IA de se coordonner et d’agir avec une intervention humaine minimale. La majorité fonctionne encore de manière fragmentée, déployant l’IA comme des outils individuels plutôt que de l’intégrer dans des systèmes cohésifs qui transforment la manière dont le travail est effectué.

Cette approche limite les gains potentiels. De nombreuses entreprises considèrent l’IA comme une fonction d’appoint plutôt que comme un moteur de processus essentiel. Les employés restent au centre des opérations, sollicitant manuellement les systèmes, validant les réponses et corrigeant les erreurs. Le flux de travail reste centré sur l’humain, l’IA agissant comme un assistant plutôt que comme un collaborateur. Pour parvenir à une véritable transformation, les entreprises doivent interconnecter ces systèmes. La conception multi-agents n’est pas seulement une mise à niveau technique ; c’est un nouveau modèle opérationnel dans lequel les processus autonomes remplacent le travail humain répétitif et de faible valeur.

Les dirigeants devraient considérer cela comme un défi de conception stratégique, et non comme un problème technologique. L’adoption des outils est rapide. La refonte des processus est plus difficile, mais bien plus précieuse. Les entreprises qui comblent le fossé entre les outils et l’intégration structurée obtiendront des résultats exponentiels en termes d’efficacité et de qualité de la production. Celles qui ne le font pas risquent de voir leurs équipes passer du temps à gérer l’IA au lieu d’innover avec elle.

Charges administratives découlant d’une intégration inadéquate de l’IA

De nombreuses organisations pensaient que l’IA libérerait leur personnel des tâches répétitives. Dans la pratique, une mauvaise intégration crée de nouvelles tâches. Les employés doivent désormais solliciter les systèmes, tester l’exactitude, compléter le contexte et corriger les erreurs, tout cela en plus de leurs tâches initiales. C’est ce qui se produit lorsque les outils d’IA existent sans flux de travail coordonnés pour les gérer. Au lieu de supprimer les frais généraux administratifs, l’IA en a ajouté une nouvelle couche.

Les dirigeants doivent prendre note : l’adoption de l’IA n’est pas un progrès. La véritable mesure est le degré d’intervention humaine qui subsiste après le déploiement. Si les employés continuent de superviser et de corriger, l’automatisation n’a pas atteint son objectif. La véritable efficacité consiste à laisser les systèmes d’IA communiquer et accomplir les étapes de routine de manière autonome. Ce changement nécessite d’investir dans l’architecture du flux de travail, en connectant les entrées, les processus et les décisions en un seul flux automatisé.

Le risque pour l’entreprise est subtil mais important. Lorsque les outils d’IA sont dispersés, l’organisation fonctionne à la moitié de son potentiel. La productivité stagne tandis que les employés deviennent des gestionnaires de systèmes temporaires. Les dirigeants devraient moins se concentrer sur l’achat d’outils supplémentaires que sur la création d’un réseau opérationnel connecté, dans lequel le rôle de l’homme passe de celui d’opérateur à celui de superviseur.

Défis persistants en matière de qualité et de fiabilité dans le déploiement de l’IA

La qualité et la confiance restent les principaux obstacles à la plupart des déploiements de l’IA. L’étude de Slalom révèle que 42 % des entreprises britanniques font état de résultats de meilleure qualité grâce à l’IA. Mais ces progrès s’accompagnent d’une mise en garde : les systèmes dépendent encore largement de la supervision humaine. Les employés passent du temps à valider et à examiner les réponses, ce qui indique que les performances de l’IA ne sont pas encore systématiquement fiables. Cela rend l’automatisation moins autonome et ralentit l’efficacité globale qu’elle est censée apporter.

Les outils d’IA peuvent améliorer la précision, mais ils produisent également des erreurs lorsque le contexte ou la spécificité du domaine fait défaut. Le jugement humain reste essentiel. Les entreprises qui s’appuient sur l’IA pour générer ou interpréter des informations sans validation intégrée risquent de commettre des erreurs dans la prise de décision, en particulier lorsque les résultats influencent les résultats stratégiques ou financiers. L’écart entre ce que l’IA peut générer et ce que les humains doivent encore vérifier définit les véritables limites des capacités actuelles.

Pour les dirigeants, c’est le signal pour investir dans des systèmes qui combinent l’échelle de l’IA avec l’intelligence humaine à travers des processus de surveillance bien définis. Les cadres de gouvernance et de surveillance doivent évoluer parallèlement au déploiement. Les processus critiques, en particulier dans les domaines financier, juridique et opérationnel, exigent un contrôle de qualité structuré. À mesure que l’IA s’implante, il faut passer de la simple adoption à l’amélioration de la fiabilité, c’est-à-dire passer de l’utilisation de l’IA comme outil de sortie à la garantie qu’elle est un composant fiable de l’infrastructure de l’entreprise.

« AI Brain fry » – fatigue croissante des employés due à une interaction excessive avec l’IA

Adopter l’IA sans repenser les flux de travail met la pression sur les employés. La recherche de Slalom met en évidence un problème croissant appelé « AI brain fry » (fatigue cérébrale liée à l’IA) – une fatigue mentale causée par les incitations, vérifications et corrections constantes des résultats générés par l’IA. Cette fatigue montre que les organisations confient davantage de tâches numériques sans réduire les charges de travail traditionnelles. Au lieu de simplifier le travail, l’IA mal intégrée amplifie la fatigue mentale.

Du point de vue du leadership, il s’agit d’un problème structurel et non d’un problème de performance. Les employés ne peuvent pas maintenir des gains de productivité si leurs routines quotidiennes incluent désormais la supervision de l’IA en plus de leurs responsabilités existantes. Toute mise en œuvre qui exige un effort mental plus important pour gérer le système érode l’engagement et la concentration au fil du temps.

Pour les dirigeants, la priorité devrait être de concevoir des cas d’utilisation de l’IA qui réduisent la charge cognitive, et non qui la redistribuent. L’intégration doit permettre aux employés de se concentrer sur des tâches à plus forte valeur ajoutée en déléguant à l’IA, de manière fiable, des décisions reproductibles et à faible risque. Cela signifie qu’il faut identifier les domaines dans lesquels l’IA peut fonctionner de manière indépendante et recycler les employés pour qu’ils se concentrent sur l’évaluation, la stratégie et la gouvernance.

La fatigue est un signal d’alarme précoce. Elle montre qu’une organisation a progressé dans l’adoption de l’IA, mais qu’elle est à la traîne dans l’optimisation du flux de travail. La transformation durable de l’IA dépend de la création d’un équilibre entre les tâches humaines et automatisées. Résoudre ce déséquilibre ne consiste pas seulement à améliorer la productivité, mais aussi à protéger la capacité future et la résilience de la main-d’œuvre.

La vitesse d’adoption de l’IA dépasse celle de la refonte des organisations

La mise en œuvre de l’IA va plus vite que ce que la plupart des entreprises peuvent absorber. De nombreuses organisations britanniques ont procédé à des déploiements rapides d’outils d’IA sans apporter de changements correspondants aux flux de travail ou aux structures de gouvernance. Ce déséquilibre laisse les employés gérer une technologie qui n’est pas entièrement alignée sur le fonctionnement de l’entreprise. Le résultat est une main-d’œuvre qui s’adapte en temps réel à des systèmes qui n’ont jamais été intégrés dans un modèle opérationnel cohérent.

Sonali Fenner, directrice générale de Slalom, souligne clairement ce problème. Elle souligne que la plupart des entreprises britanniques ont donné à leurs employés des outils d’IA mais aucune méthode structurée pour les utiliser efficacement. Le résultat est prévisible : les équipes passent trop de temps à demander et à vérifier les résultats de l’IA au lieu d’en tirer de réels avantages en termes de productivité. Mme Fenner fait remarquer qu’il ne s’agit pas d’une transformation, mais simplement d’un nouveau travail administratif. Elle invite les dirigeants à se poser une question cruciale : leurs collaborateurs peuvent-ils dire quand l’IA est mauvaise ? Si ce n’est pas le cas, le problème n’est pas seulement l’efficacité, c’est aussi le jugement, et aucune technologie ne peut y remédier.

Les dirigeants devraient considérer cela comme un appel à rééquilibrer la croissance de l’IA avec la refonte des opérations. Une véritable transformation se produit lorsque les humains et les systèmes d’IA ont des rôles définis, une responsabilité claire et des boucles de rétroaction structurées. L’adoption seule ne permet pas de progresser. Le véritable avantage apparaît lorsque l’IA est intégrée dans le flux décisionnel de l’organisation, améliorant la qualité, la rapidité et la précision tout en renforçant la responsabilité.

Orientations futures, automatisation sûre et collaboration claire entre l’homme et l’IA

La prochaine phase d’intégration de l’IA dépendra de la clarté, de ce qui peut être automatisé en toute sécurité, des domaines où la supervision humaine reste essentielle et de la manière dont les deux doivent interagir. Pour les grandes organisations, il s’agit de l’étape critique qui définira le succès ou l’échec dans l’ère de l’IA. Nombre d’entre elles possèdent déjà les outils, mais il leur manque les cadres qui les contrôlent et les relient. Sans protocoles d’automatisation et droits de décision clairs, les systèmes risquent de renforcer les inefficacités au lieu de les supprimer.

Les dirigeants doivent mener cette transition avec une conception délibérée. L’automatisation ne peut faire évoluer les opérations que si les limites entre l’action de l’IA et le contrôle humain sont explicites et respectées. Une automatisation sûre ne se limite pas à la fiabilité technique ; elle exige des critères transparents de délégation, une surveillance des processus et des voies d’escalade définies en cas d’exception. Cette collaboration structurée est ce qui permettra à l’IA de fonctionner comme une extension stable de l’entreprise, et non comme une superposition expérimentale.

Les possibilités d’amélioration restent considérables. Avec seulement 31% des entreprises qui utilisent actuellement des flux de travail multi-agents, la plupart des organisations ont une marge de manœuvre importante pour améliorer l’efficacité, la qualité et la gouvernance grâce à une meilleure intégration. Pour les dirigeants, ce moment appelle à une planification à long terme, en alignant la stratégie des talents, la conception des flux de travail et la gestion des risques pour s’assurer que l’automatisation sert les objectifs de l’entreprise sans compromettre la fiabilité ou le contrôle.

Faits marquants

• Les outils d’IA dépassent l’adoption intégrée : La plupart des entreprises britanniques utilisent désormais des assistants d’IA, mais seulement 31 % déploient des flux de travail multi-agents. Les dirigeants devraient se concentrer sur une intégration structurée pour aller au-delà de l’adoption d’outils et débloquer de véritables gains d’automatisation.
• Le manque d’intégration est source d’inefficacité : Les outils d’IA mal connectés ajoutent des charges administratives au lieu de les supprimer. Les dirigeants devraient repenser les flux de travail afin que l’IA gère les tâches de routine de bout en bout, libérant ainsi les équipes pour des travaux à plus forte valeur ajoutée.
• La fiabilité dépend encore de la surveillance humaine : Malgré les améliorations de la qualité, 42 % des entreprises ont encore besoin d’employés pour vérifier les résultats de l’IA. Les dirigeants doivent renforcer la gouvernance et la formation pour s’assurer que l’IA est à la fois fiable et performante dans toutes les fonctions.
• La fatigue des employés nuit à leurs performances : La « fatigue cérébrale liée à l’IA » augmente à mesure que les travailleurs jonglent avec les messages et les corrections en plus de leurs tâches habituelles. Les dirigeants doivent équilibrer l’automatisation et la conception de la charge de travail pour maintenir la productivité et l’engagement.
• La maturité de l’IA exige une refonte de l’organisation : L’adoption rapide de l’IA sans changement structurel a créé des lacunes en matière de jugement et des frictions dans les flux de travail. Les équipes dirigeantes devraient associer la croissance de l’IA à la refonte des processus de décision et des cadres de responsabilité.
• Le succès futur repose sur une automatisation sûre et coordonnée : La véritable valeur ajoutée viendra de la définition claire des domaines dans lesquels l’automatisation est appropriée et de ceux dans lesquels la supervision humaine reste essentielle. Les dirigeants devraient investir dans des systèmes multi-agents contrôlés qui évoluent en toute sécurité et s’alignent sur les objectifs de l’entreprise.