Vous pouvez former vos équipes à l’IA. Vous ne pouvez pas leur demander de lui faire confiance sans expliquer ce que vous comptez en faire.
Les licences sont achetées, les formations lancées, les référents IA nommés. En comité de direction, le projet avance. Sur le terrain, l’usage reste timide. On prévoit alors une nouvelle campagne de communication, quelques démonstrations supplémentaires et un rappel : l’IA est là pour aider les collaborateurs, pas pour les remplacer.
Le problème, c’est que les collaborateurs ne jugent pas seulement l’outil. Ils essaient de comprendre ce que son déploiement va changer pour eux. Leur expertise aura-t-elle encore de la valeur ? Seront-ils responsables d’une erreur qu’ils n’ont pas commise ? Les gains de productivité serviront-ils à améliorer leur travail ou à réduire les effectifs ? Tant que ces questions restent sans réponse, une formation de plus ne résout pas grand-chose.
01Arrêtons de parler de « résistance au changement »
« Résistance au changement » est une explication commode. Un commercial n’utilise pas le nouvel assistant ? Il résiste. Un manager refuse de suivre une recommandation automatique ? Il résiste aussi. L’étiquette permet de déplacer le problème vers les équipes sans examiner ce qu’on leur demande réellement d’accepter.
Prenez un commercial à qui l’on présente un agent capable de préparer ses rendez-vous, rédiger ses emails, analyser son pipeline et recommander ses prochaines actions. Il peut très bien en comprendre l’intérêt et se demander, dans le même temps, ce qu’il restera de son rôle si l’agent finit aussi par interagir avec les clients. Ce n’est pas un refus de la technologie. C’est une question raisonnable sur son avenir professionnel.
Avant de chercher à le convaincre, il faut distinguer les causes de sa réticence. Un outil peu fiable appelle des corrections. Un manque de maîtrise appelle de la formation. Une inquiétude sur l’évolution du métier appelle une réponse de la direction. Traiter les trois avec le même programme de « conduite du changement », c’est se tromper de problème.
02Ce que le projet technique ne tranche pas
Les projets IA réunissent des experts métier, des ingénieurs, des spécialistes des données, des juristes et des responsables de la sécurité. C’est nécessaire. Mais leur travail ne suffit pas à trancher toutes les questions que pose la délégation d’une partie de nos analyses et de nos décisions à une machine.
Lorsqu’un manager valide systématiquement les recommandations d’un modèle, décide-t-il encore vraiment ? Lorsqu’un collaborateur doit contrôler une réponse qu’il n’a ni le temps ni les moyens de vérifier, que vaut sa supervision ? Et si l’on retire progressivement à une équipe les situations qui lui permettent d’apprendre, comment continuera-t-elle à exercer son jugement ? Ces questions touchent à la responsabilité, à l’autonomie et à la valeur de l’expertise. Elles sont philosophiques, mais leurs conséquences sont très opérationnelles.
C’est en ce sens qu’un philosophe peut avoir sa place dans une équipe de transformation. Pas pour réciter Kant devant le comité de direction, ni pour décider à la place du métier. Pour aider à formuler les choix que le planning technique laisse de côté, et que l’organisation finira pourtant par devoir assumer.
03L’éthique n’est pas le frein. Le flou l’est.
L’éthique arrive souvent en fin de projet, sous la forme d’une vérification supplémentaire entre cybersécurité et conformité. À ce stade, les choix structurants sont déjà faits. On cherche surtout à confirmer que le déploiement peut continuer.
Prise au sérieux dès le départ, elle oblige au contraire à préciser les règles du jeu : quelles données l’IA peut utiliser, ce qu’elle peut exécuter seule, ce qui exige une validation humaine et qui répond d’une erreur. Pour un agent commercial, cela signifie par exemple distinguer la préparation d’un email de son envoi, ou la recommandation d’une remise de l’autorisation de l’accorder. Ces limites doivent être connues, pas découvertes après un incident.
Des règles claires ne garantissent pas la confiance, mais elles la rendent possible. Un collaborateur sait alors dans quelles conditions il peut s’appuyer sur le système, contester une réponse ou reprendre la main. Si ces conditions restent vagues, il doit deviner les intentions de l’entreprise. Il a rarement de bonnes raisons de retenir l’hypothèse la plus rassurante.
04La promesse que rien ne changera ne tient pas
L’IA supprimera certaines tâches et modifiera certains métiers. Elle peut réduire le besoin de certaines compétences, en rendre d’autres plus importantes et, dans certains cas, permettre de travailler avec moins de personnes. Affirmer que chacun sera simplement « augmenté » ne répond pas à cette réalité. Les équipes voient bien ce que l’outil sait faire.
Une direction n’a pas besoin de prétendre connaître toutes les conséquences à trois ans. Elle doit en revanche dire ce qu’elle sait, ce qu’elle n’a pas encore décidé et la manière dont ces décisions seront prises. Si l’objectif est de réduire les coûts, mieux vaut l’assumer que présenter le projet comme une initiative de confort pour les salariés.
La réflexion ne consiste pas à protéger chaque tâche existante. Personne ne regrettera forcément la disparition d’un reporting inutile. Elle consiste à identifier ce que l’on veut préserver dans le travail : la capacité de juger, la relation avec le client, l’apprentissage du métier, la possibilité de contester une décision. Ce sont des choix d’organisation. Aucun fournisseur d’IA ne les fera à votre place.
05Avant d’automatiser, demandez-vous pourquoi
On part souvent de la capacité de l’outil pour chercher ensuite où l’utiliser. Un agent peut produire un compte rendu ? Automatisons les comptes rendus. Il peut remplir le CRM ? Automatisons la saisie. La question de l’utilité du processus passe après celle de sa faisabilité technique.
L’ordre devrait être inverse. À quoi sert ce compte rendu ? Qui le lit, et quelle décision permet-il de prendre ? Si personne ne peut répondre, le produire en trente secondes au lieu de trente minutes ne le rend pas plus utile. Il faut d’abord supprimer ce qui n’a plus de raison d’être, simplifier ce qui reste, puis décider de ce que l’IA peut prendre en charge.
La même exigence vaut pour la place de l’humain. Garder une validation manuelle n’a de sens que si la personne dispose des informations, du temps et de l’autorité nécessaires pour exercer un contrôle réel. Sinon, on conserve une signature pour rassurer l’organisation, pas pour améliorer la décision.
06Décider de la place de l’humain
Inviter un philosophe dans une équipe de transformation peut sembler inhabituel. Cela ne remplace ni les compétences techniques ni la connaissance du métier. Mais cela peut aider à examiner ce que l’on considère trop vite comme évident : qu’une tâche automatisable doit être automatisée, qu’une recommandation plus rapide est une meilleure décision, ou qu’un humain dans la boucle suffit à garantir la responsabilité.
“Le sujet n’est pas seulement ce que l’IA peut faire. C’est ce que l’entreprise choisit de lui confier — et ce qu’elle entend garder sous responsabilité humaine.”
C’est la démarche que je souhaite proposer : partir du travail réel, questionner les processus, identifier ce qui peut disparaître ou être simplifié, puis définir les rôles de l’IA et des équipes. Avec des responsabilités explicites et des critères qui permettent de vérifier que le changement améliore effectivement le fonctionnement de l’organisation.
La technologie compte, bien sûr. Mais lorsqu’une équipe ne comprend pas où on l’emmène, lui demander d’adopter l’outil revient à lui demander d’approuver un projet dont les conséquences restent floues. Clarifier ces choix avant le déploiement n’est pas une précaution abstraite. C’est une condition pour que le projet fonctionne.