Temps de lecture :
4 minutes
…il faut le prouver.
« Human centric », « IA responsable », « humain dans la boucle » : à mesure que l’intelligence artificielle s’installe dans les entreprises, le vocabulaire se veut rassurant. Pourtant, derrière les déclarations d’intention, une contradiction apparaît. Les organisations mesurent volontiers le taux d’adoption, le temps gagné, les volumes produits ou les économies réalisées, mais beaucoup plus rarement ce que l’IA transforme réellement dans le travail : autonomie, compétences, charge cognitive, responsabilités, relations ou sentiment de contrôle. Mettre l’humain au centre ne peut donc plus rester une promesse. Pour les dirigeants, cela suppose de renverser la question : non plus seulement « comment faire adopter l’IA par nos collaborateurs ? », mais « quelle organisation du travail voulons-nous construire avec elle ? ».
Il y a encore peu, une grande partie des débats consistait à choisir entre différentes solutions d’intelligence artificielle générative, à sécuriser leur utilisation et à identifier les premiers cas d’usage. Cette étape est progressivement dépassée. De nombreuses organisations disposent désormais d’outils, d’une stratégie IA et de premières compétences techniques. Le centre de gravité du sujet se déplace donc vers l’adoption et, surtout, vers le management de la transformation. Le pilotage de l’IA remonte d’ailleurs progressivement des directions technologiques vers les directions générales, confrontées à une équation beaucoup plus large : obtenir des gains de productivité et un retour sur investissement tout en accompagnant les collaborateurs dans une transformation sans précédent de leur travail.
Ce déplacement est déterminant, car une transformation par l’IA ne ressemble pas exactement aux précédentes transformations digitales. Déployer un logiciel classique consiste généralement à installer un système, former les utilisateurs puis stabiliser les pratiques. L’IA est différente : elle évolue, apprend à partir de données, produit des résultats qui ne sont pas toujours parfaitement prévisibles et peut désormais, avec les systèmes agentiques, enchaîner des tâches avec une intervention humaine très limitée. Le collaborateur ne fait alors plus nécessairement le travail lui-même : il fixe une intention, évalue le résultat obtenu et intervient lorsqu’une anomalie apparaît. Ce déplacement modifie simultanément les compétences attendues, le contrôle, la responsabilité et le rôle de chacun. Il ne s’agit donc plus simplement d’apprendre à utiliser un nouvel outil, mais de redessiner une partie du système de travail.
La promesse la plus visible de l’IA reste celle de la productivité. Produire plus rapidement un compte rendu, analyser davantage de documents, automatiser certaines recherches ou déléguer des tâches administratives représente un bénéfice tangible. Mais le temps économisé ne dit qu’une partie de l’histoire. Une enquête menée en 2026 auprès de près de 12 000 salariés rapporte que 72 % considèrent que l’IA a modifié les compétences attendues d’eux et que 67 % estiment qu’elle a absorbé les tâches les plus simples pour leur laisser des activités plus complexes. Cette évolution peut évidemment enrichir le travail, mais elle peut également accroître son intensité cognitive : davantage de vérification, davantage d’arbitrage, davantage de décisions complexes et moins de moments de respiration entre deux activités exigeantes.
Voilà pourquoi mesurer uniquement les heures économisées peut conduire à une lecture trompeuse de la performance. Un collaborateur peut gagner deux heures d’exécution tout en terminant sa journée plus sollicité intellectuellement. Une équipe peut produire davantage tout en perdant progressivement en autonomie. Un manager peut bénéficier de meilleures analyses tout en consacrant davantage de temps à vérifier les résultats générés. L’enjeu de performance globale et durable oblige à tenir simultanément ces deux dimensions : ce que l’IA permet de produire et ce qu’elle fait vivre à ceux qui l’utilisent. Le véritable ROI devrait donc intégrer non seulement les gains économiques, mais aussi l’évolution de la qualité du travail, des compétences, de l’engagement et de la capacité des collaborateurs à conserver une maîtrise réelle de leur activité.
Le paradoxe devient encore plus visible avec le développement du management algorithmique. Des systèmes peuvent déjà organiser, attribuer, suivre, superviser ou évaluer certaines activités. Dans plusieurs secteurs, des collaborateurs interagissent ainsi de plus en plus avec des algorithmes pour une partie des fonctions historiquement exercées par un manager. Cette évolution peut apporter de l’efficacité, mais elle influence également la communication, les comportements et le sentiment de contrôle au travail. Une entreprise pourrait donc parfaitement afficher une stratégie d’IA « centrée sur l’humain » tout en utilisant simultanément la technologie pour renforcer la surveillance, standardiser les comportements ou réduire l’autonomie de ses collaborateurs.
C’est ici qu’apparaît le risque de "human-washing" : revendiquer une approche humaine sans démontrer comment elle se traduit concrètement dans l’organisation. Le texte source souligne notamment que le management algorithmique peut réduire la transparence et la prévisibilité du travail, mais aussi certaines dimensions de complexité et de résolution de problèmes qui participent à son intérêt. La question n’est donc pas de savoir si l’entreprise utilise suffisamment souvent le mot « humain » dans sa charte IA. Elle est de vérifier ce que ses choix technologiques produisent réellement : les collaborateurs comprennent-ils les décisions qui les concernent ? Peuvent-ils les contester ? Savent-ils quand un algorithme intervient ? Leur autonomie augmente-t-elle ou diminue-t-elle ? Ont-ils davantage de possibilités d’exercer leur jugement ? Une stratégie réellement human centric doit pouvoir répondre concrètement à ces questions.
L’une des erreurs les plus fréquentes consiste à commencer par acheter ou déployer une solution, puis à demander aux équipes de modifier leur travail pour s’y adapter. Cette logique semble naturelle lorsque la technologie est considérée comme le point de départ de la transformation. Elle l’est beaucoup moins lorsque l’on part du travail lui-même. Une approche véritablement centrée sur l’humain inverse le raisonnement : elle identifie d’abord les irritants, les besoins, les compétences et les objectifs, puis configure la technologie en fonction de cette réalité. Elle associe également les collaborateurs à la sélection, à la conception, aux tests et au déploiement des systèmes qui transformeront leur activité.
Cette inversion paraît simple, mais elle modifie profondément la logique d’investissement. La première question n’est plus « où pouvons-nous mettre de l’IA ? », mais « quel problème voulons-nous résoudre ? ». Certaines organisations investissent principalement pour ne pas prendre de retard sur leurs concurrents sans avoir précisément défini la douleur opérationnelle, l’avantage recherché ou la différenciation qu’elles souhaitent construire. Le risque est alors de poser une couche d’IA sur des processus déjà imparfaits, sans transformation réelle de l’organisation. L’outil devient un pansement technologique là où il aurait pu constituer un levier d’innovation. Mettre l’humain au centre revient donc aussi à partir du travail réel plutôt que des capacités théoriques de la technologie.
Beaucoup d’entreprises ont compris la nécessité de développer l’acculturation à l’intelligence artificielle. Mais connaître le fonctionnement général d’un modèle, savoir rédiger un prompt ou maîtriser quelques bonnes pratiques ne prépare pas nécessairement à l’évolution réelle des métiers. Le document souligne que les dispositifs de formation restent souvent ponctuels et davantage centrés sur l’AI literacy que sur l’accompagnement concret des équipes dans leurs contextes professionnels. Or les besoins deviennent beaucoup plus exigeants : apprendre à contrôler un résultat, identifier une erreur plausible, répartir les responsabilités entre humain et machine, décider quand reprendre la main ou encore comprendre comment son propre métier évolue.
Cette responsabilité concerne particulièrement les managers. Ils devront accompagner des équipes dont les tâches, les compétences et parfois les perspectives professionnelles évoluent rapidement, tout en intégrant eux-mêmes l’IA à leur manière de décider et de piloter. La conduite du changement ne peut donc pas intervenir à la fin du projet, une fois la technologie choisie. Elle doit devenir une composante stratégique de toute transformation IA, dès sa conception. Former, écouter, expérimenter, mesurer, corriger puis redéfinir les rôles : cette boucle compte probablement autant que le choix du modèle utilisé.
Une approche réellement centrée sur l’humain ne se décrète pas depuis une charte. Elle se lit dans les arbitrages. Que mesure le Codir lorsqu’il évalue un projet IA ? Quelle place donne-t-il à l’expérience collaborateur face aux économies réalisées ? Quelles décisions refuse-t-il de déléguer à une machine ? Comment réagit-il lorsque productivité et qualité du travail entrent en tension ? Les comportements des dirigeants créent progressivement les normes et la culture qui encadreront l’usage de l’intelligence artificielle dans toute l’organisation.
C’est peut-être là que se situe le véritable changement de perspective. Mettre l’humain au centre ne signifie pas ralentir l’innovation, protéger systématiquement les pratiques existantes ou opposer l’homme à la machine. Il s’agit de construire une complémentarité qui permette simultanément d’améliorer les résultats et la qualité du travail. Cela exige de mesurer autrement la performance, d’associer les équipes plus tôt, d’investir davantage dans les compétences et d’accepter que certaines décisions ne doivent pas être déléguées, même lorsqu’elles pourraient techniquement l’être.
L’IA human centric ne sera donc pas celle qui parlera le mieux de l’humain. Elle sera celle dont les effets pourront être observés dans l’organisation : des collaborateurs mieux équipés pour exercer leur métier, des managers capables d’accompagner la transformation, des responsabilités plus claires et une technologie réellement mise au service de la création de valeur.
