Interview : Transformer à l'ère de l'IA

1. L’IA : une rupture dans la transformation 

L’IA représente-t-elle une transformation différente des vagues précédentes (digital, cloud, data, télétravail…) ? 

Oui, avec des spécificités marquées. L’upskilling devient central, bien plus que lors des transformations précédentes. Il s’agit de réinventer les métiers : comment intégrer l’IA de manière optimale, l’utiliser pour les tâches à moindre valeur ajoutée, et redéfinir la contribution humaine au-dessus de l’IA. 

La rapidité d’évolution constitue un autre changement majeur. Un outil valide aujourd’hui est remplacé demain. Cette accélération ne concerne pas seulement les outils, mais aussi les modes de pensée. Cela exige une agilité considérable.  

Troisième spécificité : la collaboration devient déterminante. L’IA n’assure pas la collaboration entre humains. Avec l’automatisation croissante et l’utilisation de l’IA par différentes expertises au sein de l’entreprise, la compréhension mutuelle des métiers devient essentielle pour une collaboration efficace. 

Enfin, le sens critique s’impose comme une compétence fondamentale, bien plus qu’auparavant. Prendre du recul, développer son esprit critique face aux outputs de l’IA devient un axe majeur de développement. 

Qu’est-ce qui change profondément par rapport aux transformations précédentes ? 

L’incertitude. Auparavant, on lançait un projet de transformation avec un cadre, des objectifs clairs, et on traçait sa route avec une certaine assurance. Aujourd’hui, il faut accepter qu’existe une part d’incertitude inhérente à l’IA. 

Le caractère probabiliste de l’IA, les biais qu’elle peut véhiculer – autant d’éléments qui imposent un esprit critique constant. On ne peut plus tout prendre pour argent comptant comme on pouvait le faire avec l’automatisation traditionnelle. 

Cette incertitude transforme aussi l’accompagnement au changement. Dans nos ateliers que nous menons avec nos clients, nous constatons de l’enthousiasme, mais aussi des craintes profondes : peur d’être remplacé, sentiment de décalage, vitesse trop importante, préoccupations sociétales et écologiques. Ces résistances sont plus fortes et nécessitent un accompagnement spécifique. 

2. Le décalage entre ambition et réalité terrain 

Comment expliquez-vous le décalage entre les ambitions affichées autour de l’IA et ce que les équipes vivent réellement ? 

C’est une question de maturité et d’adoption. Les personnes impliquées dans le lancement d’un projet IA ont généralement plusieurs longueurs d’avance dans leur réflexion. Chez ekino, nous l’avons constaté : au moment de communiquer notre projet, nous étions prêts à avancer rapidement, mais il a fallu d’abord clarifier l’ambition auprès des équipes. 

Les collaborateurs ont un quotidien opérationnel exigeant. Les sortir de ce quotidien pour les faire monter en compétence demande du temps – temps de compréhension, temps de maîtrise des enjeux. 

Le véritable catalyseur reste la pratique. La théorie et les formations ne suffisent pas. Nous avons observé un switch radical entre les équipes qui n’ont pas pratiqué et celles qui ont expérimenté concrètement l’IA. Tant qu’on ne l’a pas vécu, on ne saisit pas réellement ce que cela change dans son métier. C’est pourquoi nous cherchons à multiplier les projets clients et internes, pour que le maximum de personnes passe du stade de la peur à celui de la compréhension pratique de l’apport de l’IA. 

Comment gérer l’équilibre entre vitesse et accompagnement ? 

C’est l’équation la plus complexe : aller vite car le contexte l’exige, tout en prenant le temps nécessaire pour la transformation interne. 

La réponse tient en un mot : priorisation. C’est un facteur de succès déterminant. Beaucoup de projets échouent par manque de priorisation. Il faut savoir trancher, réallouer les ressources et les budgets qui ne sont pas infinis. 

Cela demande du courage managérial : affirmer clairement les priorités, accepter de mettre certains projets de côté, même s’ils tiennent à cœur aux équipes, et expliquer pourquoi. Dire : “notre priorité absolue pour 2028 est celle-ci, nous réorientons donc vos missions dans cette direction.” 

La méthode : partir des besoins réels de l’entreprise, définir ensuite la stratégie, les priorités et les leviers à actionner. 

3. Résistances et différences culturelles 

Quelles résistances spécifiques observez-vous avec l’IA, selon les métiers ? 

Les résistances varient fortement selon les métiers. 

Les développeurs ressentent une peur importante du remplacement, nourrie par certains fantasmes sur les capacités de l’IA. L’expérimentation concrète sur des projets permet de déconstruire ces craintes. 

Les consultants expriment davantage une forme de frustration : ils ne perçoivent pas clairement comment l’IA peut transformer leur métier et restent dans une utilisation superficielle sans impact notable. 

Les designers se sentent potentiellement menacés dans leur métier. 

Les fonctions transverses (juridique, recrutement, etc.) ont des préoccupations d’une autre nature : risques juridiques, sécurité des données, conformité. Elles pensent immédiatement en termes de risques liés à l’utilisation de nouveaux outils. 

Comment répondre concrètement à ces craintes ? 

Reconnaître les craintes ne suffit pas. Il faut y répondre par des actions tangibles. 

Face à la peur d’être mis de côté : former les équipes, ne pas les laisser dans le vide. Face à la peur du remplacement : démontrer concrètement, projet après projet, comment l’IA aide à se concentrer sur ce qui a plus de valeur, sur la qualité. 

Certaines organisations sont-elles mieux armées pour intégrer l’IA ? 

Les entreprises digital native et les start-ups partent avec un avantage culturel : esprit de curiosité, culture de l’expérimentation et du test and learn, agilité. Ces dispositions facilitent naturellement l’adoption de l’IA. 

Les grandes organisations historiques font face à des défis supplémentaires : poids de l’organisation, legacy technologique et culturel. La taille et l’agilité culturelle deviennent des facteurs discriminants. 

Pour ces grandes entreprises traditionnelles, le changement organisationnel ne suffira pas. C’est une question de leadership : impulser une direction claire, expliciter les attentes, porter la transformation au plus haut niveau. 

4. Gouvernance : le cadre sans carcan 

Comment poser un cadre autour de l’IA sans freiner l’expérimentation ? 

Pour une transformation classique, la réponse serait simple : stratégie claire, cadre précis communiqué largement sur les objectifs, les outils, les changements de processus et de responsabilités, la gouvernance. 

Mais l’IA introduit une complexité nouvelle. Personne ne la maîtrise complètement. Cela impose un exercice d’équilibriste : poser un cadre nécessaire tout en sachant qu’il ne sera pas pérenne, qu’il devra évoluer. Il faut simultanément donner des repères aux collaborateurs et maintenir une flexibilité suffisante pour faire évoluer ce cadre. La question devient : comment ne pas brider la créativité tout en assurant le respect du cadre ? Dans une grande entreprise, c’est un enjeu majeur. 

Concrètement, comment y parvenir ? 

Des mécanismes simples peuvent aider : certifications, modules de formation courts et répétés sur des règles simples et essentielles – à l’image des formations sur l’intégrité ou l’anti-corruption. L’objectif : marteler des règles claires qui définissent le terrain de jeu. 

L’autre clé réside dans la collaboration entre fonctions : juridique, RSSI et direction doivent établir ensemble ce cadre. Lorsqu’une équipe veut tester un nouvel outil, la réponse doit être rapide : “oui, vous pouvez” ou “vous pouvez dans ce cadre précis”. Cela exige de sortir du fonctionnement en silos, de ne plus attendre des réponses par email, mais d’être alignés et de communiquer rapidement. On retrouve l’importance de la collaboration pluridisciplinaire. 

5. Ce qui fonctionne vraiment 

Dans les transformations que vous accompagnez chez ekino, qu’est-ce qui ancre efficacement l’IA dans les modes de travail ? 

La pratique. Nous constatons systématiquement un avant et un après l’expérimentation concrète. Il faut donc multiplier les occasions de pratiquer. 

Au-delà des projets réels, des approches plus ludiques peuvent accélérer l’adoption : gamification, hackathons. Il faut explorer différentes pistes pour passer à l’échelle plus rapidement. 

Existe-t-il des dispositifs discrets mais puissants qui produisent de vrais changements ? 

L’écoute du terrain. Lorsqu’on pilote un grand projet de transformation avec une stratégie globale, il est tentant de rester dans cette vision macro. Or, aller sur le terrain permet plusieurs choses essentielles. 

D’abord, s’assurer qu’on ne construit pas hors sol en prenant la température, en vérifiant la compatibilité entre ce qu’on propose et la réalité vécue. 

Ensuite, écouter et prendre en compte les feedbacks démontre une écoute réelle – ce n’est pas de la communication mais de l’action. 

Cela permet aussi d’identifier et d’encourager ceux qui expérimentent et obtiennent des résultats, de détecter des personnes qu’on n’aurait pas repérées autrement et de les impliquer. 

Enfin, casser les strates hiérarchiques, aller vers le terrain et faire participer tout le monde – ce travail d’atelier peut sembler discret mais il a un impact réel. 

6. Le courage de décider 

Quand faut-il arrêter ou réorienter un projet de transformation IA ? 

Se poser est parfois vital. Pas nécessairement tout arrêter, mais prendre le temps de constater qu’un blocage existe et admettre qu’un changement s’impose – parce que le contexte a évolué ou que vouloir tout faire empêche toute avancée. 

Le courage managérial consiste alors à affirmer : “notre priorité absolue pour 2028 est celle-ci, nous mettons donc ce projet de côté” et à affronter les équipes en expliquant cette décision, même si le projet leur tenait à cœur. 

Beaucoup d’échecs s’expliquent par un défaut de priorisation. Plutôt que tout entreprendre simultanément, mieux vaut avancer par étapes. Les signaux d’alerte : des indicateurs de performance non atteints. Il faut alors analyser les causes : manque de choix clairs ? Objectif insuffisamment précis ? Volonté de tout faire trop vite ? Une résistance forte des équipes peut aussi justifier une pause. 

Qu’est-ce qu’une organisation doit accepter de perdre pour que l’IA produise vraiment de la valeur ? 

Le confort. Le changement génère toujours friction, stress et inconfort. Avec l’IA, c’est amplifié. Il faut accepter une part de ce qu’on ne maîtrise pas – exercice difficile pour un dirigeant. 

Le rôle du dirigeant et de son équipe : reconnaître cet inconfort inévitable tout en cherchant à le minimiser et à maintenir un cadre rassurant. 

Autre renoncement : l’empilement. La tentation habituelle en transformation consiste à ajouter des briques : processus, outils. Une vraie intégration de l’IA ne se réduit pas à une simple addition. Elle transforme les processus existants, les chaînes de valeur, instaure une collaboration réelle entre humains et IA, et conduit à redéfinir les rôles. 

7. Les clés pour réussir 

Si vous aviez un seul conseil pour un dirigeant qui lance une transformation IA ? 

Le courage managérial et culturel. Plus important encore que la méthode. Les démarches finissent par se ressembler ; ce qui fait la différence, c’est le courage de trancher, de revoir ses priorités, de tenir le cap. 

Plus précisément, trois principes essentiels : 

1. Communiquer une vision claire – Définir explicitement la destination, les outils, les changements à opérer. 

2. Écouter les équipes – Prendre la température, identifier ceux qui expérimentent, encourager les réussites, éviter les stratégies hors sol. 

3. Accepter l’instabilité – Naviguer en incertitude reste contre-intuitif pour un dirigeant. Accepter de ne pas tout maîtriser est difficile. C’est pourtant indispensable. 

À quoi reconnaîtra-t-on une organisation qui a réellement intégré l’IA ? 

L’IA ne s’ajoute pas, elle s’intègre. Les signes d’une intégration réussie : l’IA est ancrée dans les processus et les chaînes de valeur, une vraie collaboration homme-machine est établie, les rôles ont évolué. On ne remplace pas les personnes, on redéfinit leur contribution avec l’IA.