Dans beaucoup d’organisations, le déploiement de l’IA a suivi le chemin habituel d’un projet de transformation : un outil choisi, un plan de formation, une communication, un lancement. Les outils sont là. Les façons de travailler, elles, bougent peu.
Ce décalage ne vient pas d’un manque d’effort. Il vient d’un modèle de conduite du changement pensé pour des transformations qui avaient un début, une fin et une cible stable. L’IA n’a aucune de ces trois caractéristiques.
La conduite du changement reste indispensable. Mais elle change de nature : moins de déploiement, davantage d’observation, d’expérimentation et d’ajustement collectif.
Cet article pose le cadre général : ce que l’IA bouscule dans les méthodes classiques, ce qui reste vrai, et les déplacements à opérer. Plusieurs de ces points feront l’objet d’articles dédiés.
Sommaire
- Pourquoi l’IA bouscule la conduite du changement classique
- Ce qui reste vrai
- Cinq déplacements pour conduire le changement avec l’IA
- Par où commencer
- Conclusion
- FAQ
Pourquoi l’IA bouscule la conduite du changement classique
Les méthodes de change management les plus répandues reposent sur une séquence connue : diagnostiquer, concevoir la solution, communiquer, former, déployer, puis stabiliser. Cette séquence a fait ses preuves pour un nouveau logiciel de gestion, une réorganisation ou un changement de process. Avec l’IA, quatre de ses hypothèses tombent.
Les chiffres de la Banque de France donnent la mesure de l’écart. Début 2026, 67 % des entreprises françaises d’au moins 20 salariés utilisent l’IA générative, mais cet usage reste « principalement limité ou expérimental », et les gains de productivité observés sont encore limités [1]. L’outil est entré dans les entreprises. Le travail a beaucoup moins changé.
Une cible qui ne cesse de bouger
La conduite du changement classique suppose une cible : un état futur que l’on décrit, vers lequel on emmène les équipes, et que l’on stabilise une fois atteint. Avec l’IA, cette cible bouge en permanence. Les modèles sont mis à jour plusieurs fois par an, de nouvelles fonctions apparaissent, des usages qui semblaient marginaux deviennent centraux en quelques mois.
Résultat : le plan de déploiement est en retard sur l’outil avant même d’être terminé, et la phase de stabilisation, qui clôt habituellement un projet, n’arrive jamais vraiment. On ne conduit plus une équipe d’un point A vers un point B. On lui apprend à avancer sur un terrain qui se redessine.
Un changement qui touche le travail réel, pas seulement l’outil
Un projet informatique classique change l’outil, et parfois le process. L’IA va plus loin : elle rédige, résume, classe, recommande. Elle prend en charge une partie du contenu même du travail et modifie la répartition des tâches entre la personne et la machine.
C’est pour cette raison que l’Anact a consacré un numéro entier de La Revue des conditions de travail à la question « Travailler sur ou avec l’IA : quels effets sur le travail et les travailleurs ? ». Le numéro part des transformations concrètes des activités et des métiers, puis s’intéresse à la manière d’agir sur ces transformations, notamment par le dialogue social [2].
Pour la conduite du changement, la conséquence est directe. Vérifier que l’outil est utilisé ne suffit plus : il faut regarder comment le travail se fait réellement avec lui, et ce qu’il devient.
Une adoption qui échappe au pilotage central
Dans un déploiement classique, l’entreprise décide, puis les équipes adoptent. Avec l’IA générative, l’ordre s’est souvent inversé. Les outils sont accessibles en quelques clics, et les salariés n’ont pas attendu la décision officielle pour s’en servir.
L’étude YouGov réalisée pour Microsoft France le montre nettement : 61 % des utilisateurs d’IA en entreprise se servent de l’IA générative via des comptes personnels au moins une fois par semaine, et plus de sept managers sur dix n’ont pas encore été formés [3]. Les usages existent donc déjà, mais hors du cadre, et souvent hors de la vue des managers.
Les organisations ont commencé à réagir. Selon l’étude Trends of AI 2026 de KPMG et Les EnthousIAstes, 60 % des organisations interrogées disposent désormais d’un dispositif transverse pour passer l’IA à l’échelle, et 86 % ont validé une charte d’usage responsable [4]. C’est nécessaire. Mais une charte ne dit rien de ce que les équipes font vraiment. Le change management doit composer avec une adoption à la fois descendante, ascendante et spontanée.
Une transformation qui touche l’identité professionnelle
Le quatrième bouleversement est le plus sensible. L’IA ne change pas seulement la façon de réaliser une tâche. Elle interroge ce qui faisait la valeur d’un métier : l’expertise, le jugement, l’autonomie. Quand un outil produit en quelques secondes une synthèse qui demandait une matinée, la question « à quoi est-ce que je sers ? » n’est jamais loin.
Les managers ne sont pas épargnés. Dans l’enquête de McKinsey sur la transformation IA, les managers intermédiaires sont les plus inquiets : un sur quatre exprime des préoccupations face aux changements liés à l’IA, contre un sur cinq parmi les contributeurs individuels [5]. Or ce sont précisément eux qui doivent accompagner leurs équipes.
Une conduite du changement qui ne parle que de productivité passe à côté de cette dimension. Et ce qu’on ne traite pas revient tôt ou tard sous forme de défiance. Nous avions abordé la question de l’avenir des métiers face à l’IA dans notre décryptage du plan de Bill Gates.
Ce qui reste vrai
Faut-il pour autant jeter les méthodes existantes ? Non. Plusieurs fondamentaux de la conduite du changement gardent toute leur valeur, et l’IA les rend même plus importants.
Le sens d’abord. Les équipes ont besoin de comprendre pourquoi l’organisation s’engage dans l’IA, ce qu’elle en attend, et aussi ce qu’elle n’en attend pas. Un discours limité aux gains de temps nourrit l’inquiétude au lieu de l’apaiser.
Le rôle du manager ensuite. Il reste le premier relais du changement, celui qui rend l’essai possible ou qui le décourage. Nous avons détaillé dans un précédent article pourquoi l’organisation, et en particulier le manager, pèse plus que l’individu dans l’adoption de l’IA.
La confiance enfin. McKinsey en fait le facteur de préparation le plus critique, quel que soit le niveau de maturité de l’organisation. Les personnes qui ont peu confiance dans le soutien de leur organisation ont 1,5 fois plus de risques de ressentir de l’anxiété face aux changements liés à l’IA [5].
Quant à la résistance, elle reste avant tout une information sur ce qui coince, plus qu’un obstacle à vaincre. Un collaborateur qui refuse de confier une tâche à l’IA a souvent une raison solide : une qualité jugée insuffisante, un risque d’erreur, une perte de sens. L’écouter fait gagner du temps.
Cinq déplacements pour conduire le changement avec l’IA
Ce qui change, c’est moins la boîte à outils que la façon de s’en servir. Voici cinq déplacements, que nous développerons un par un dans de prochains articles.
1. Du plan de déploiement à l’observation des usages réels
Le réflexe habituel consiste à mesurer l’adoption : nombre de licences activées, taux de connexion, participation aux formations. Ces indicateurs disent si l’outil est ouvert. Ils ne disent pas s’il crée de la valeur.
La conduite du changement IA commence par regarder le travail tel qu’il se fait : qui utilise l’IA, pour quoi faire, avec quelle vérification et pour quel résultat. C’est là qu’apparaissent les vrais blocages, qui ne sont pas toujours ceux qu’on imaginait : une règle de confidentialité mal comprise, un manager qui ne sait pas évaluer un livrable produit avec l’IA, une expertise métier qui n’est pas mobilisée.
2. De la formation à l’outil à la transformation du travail
Former à l’outil reste utile. Mais une personne qui gagne une heure sur la rédaction d’un compte rendu ne change rien à la performance de son équipe si le processus autour reste identique.
Des chercheurs et consultants de Bain & Company et d’OpenAI décrivent ce phénomène dans la Harvard Business Review sous le nom de « piège de la micro-productivité » : les entreprises optimisent des tâches sans repenser les flux de travail ni la création de valeur, et les gains restent locaux [6]. Pour en sortir, ils recommandent notamment de repenser les flux de travail entre les fonctions et d’impliquer les salariés de terrain.
McKinsey va dans le même sens. Parmi les organisations qui en sont au premier stade de leur transformation IA, celles qui repensent leurs flux de travail ont 5,3 fois plus de chances de créer de la valeur que les autres [5].
3. Du sponsor de direction au manager de proximité
Le change management classique s’appuie beaucoup sur le sponsor : un membre de la direction qui porte le projet et donne le signal. Ce rôle reste nécessaire. Mais avec l’IA, le changement se joue dans le quotidien des équipes, tâche par tâche, et c’est le manager de proximité qui est le mieux placé pour l’accompagner.
Encore faut-il qu’il soit équipé. Un manager qui n’utilise pas l’IA lui-même, qui ne sait pas évaluer un travail réalisé avec elle ou qui n’a pas de cadre pour arbitrer les usages ne peut pas jouer ce rôle. C’est d’autant plus vrai que les managers intermédiaires sont, on l’a vu, les plus inquiets face à ces changements [5].
4. De l’adoption individuelle aux pratiques partagées
Beaucoup de démarches mesurent la maturité individuelle : qui est à l’aise avec l’IA, qui ne l’est pas. Or McKinsey relève un écart frappant : 70 % des répondants se sentent personnellement prêts à utiliser l’IA, mais seuls 27 % des dirigeants estiment que leur organisation est prête pour les changements nécessaires. Et la préparation de l’organisation explique 48 % de l’écart entre les dirigeants qui tirent de la valeur de l’IA et ceux qui n’y parviennent pas, contre 25 % pour la préparation personnelle [5].
L’état d’esprit de chacun compte, nous l’avons montré dans notre article sur le growth mindset et l’IA. Mais la valeur naît surtout quand les bonnes pratiques circulent : quand une équipe s’accorde sur ce qu’elle confie à l’IA, sur la manière de vérifier ce qui en sort et sur ce qu’elle garde pour elle. Organiser ce partage, c’est transformer des usages individuels en façons de travailler collectives.
5. Du projet avec une date de fin à une capacité permanente
Un projet de transformation a un calendrier, un budget, un comité de pilotage et une date de clôture. L’IA ne rentre pas dans ce cadre. Les outils évolueront encore, les usages aussi, et avec eux les compétences à acquérir : vérifier un résultat, repérer une erreur, protéger les données, décider quand ne pas utiliser l’IA.
La conduite du changement devient alors une capacité de l’organisation plutôt qu’un projet : un cycle continu d’expérimentation, d’observation et d’ajustement, porté au quotidien par les managers et les équipes. Les dirigeants semblent l’avoir compris : 84 % d’entre eux anticipent un changement organisationnel majeur lié à l’IA dans les deux à trois prochaines années [3].
Par où commencer
Faire évoluer sa conduite du changement ne demande pas de lancer un grand programme. Quelques questions suffisent pour démarrer, selon la place que vous occupez.
Si vous êtes dirigeant ou DRH :
- Savons-nous comment l’IA est réellement utilisée dans nos équipes, au-delà des chiffres de connexion ?
- Nos indicateurs mesurent-ils l’usage de l’outil ou la valeur créée ?
- Nos managers sont-ils équipés pour accompagner ce changement, ou attendons-nous d’eux qu’ils le fassent seuls ?
- Avons-nous parlé ouvertement avec les équipes de ce que l’IA change dans leur métier ?
Si vous êtes manager :
- Est-ce que j’utilise moi-même l’IA dans mon travail, de façon visible pour mon équipe ?
- Quelles tâches mon équipe confie-t-elle déjà à l’IA, et comment vérifie-t-elle le résultat ?
- Quelles pratiques qui fonctionnent pourraient être partagées avec toute l’équipe ?
Les réponses ne donnent pas un plan. Elles indiquent où regarder en premier.
Conclusion
L’IA ne rend pas la conduite du changement inutile. Elle en change la nature. La cible bouge, les usages naissent sur le terrain, le travail lui-même se transforme et les identités professionnelles sont interrogées. Face à cela, un plan de déploiement suivi d’une formation ne suffit plus.
Ce qui fonctionne ressemble davantage à un apprentissage collectif : observer les usages réels, repenser le travail plutôt que l’outil, faire du manager de proximité le relais du changement, partager les pratiques qui marchent, et accepter que le mouvement ne s’arrête pas.
C’est ce que nous accompagnons au quotidien. Quel levier IA activer ? place plusieurs collaborateurs face au même défi métier, avec l’outil IA déjà disponible, pendant trois heures, pour voir où la valeur se crée, où elle se bloque, et décider du levier à activer en premier. Managers et IA accompagne pendant deux mois les managers de proximité pour qu’ils fassent travailler leur équipe avec l’IA, jusqu’à ce que les nouveaux usages tiennent dans la durée.
Caroline Prat
FAQ
Qu’est-ce que la conduite du changement IA ?
C’est l’ensemble des démarches qui aident une organisation à intégrer l’IA dans ses façons de travailler, et pas seulement dans ses outils. Elle reprend les fondamentaux du change management (le sens, le rôle du manager, l’écoute des résistances) en les adaptant à une technologie qui évolue en continu et transforme le contenu même du travail.
Les méthodes classiques de conduite du changement sont-elles devenues inutiles ?
Non. Leurs fondamentaux restent valables. Ce qui ne fonctionne plus, c’est la logique de projet linéaire, avec une solution définie en amont, un déploiement puis une stabilisation. Avec l’IA, il faut passer à des cycles courts d’expérimentation, d’observation et d’ajustement.
Pourquoi former les salariés à l’IA ne suffit-il pas ?
Parce que la formation agit sur les compétences individuelles, alors que la valeur dépend surtout de l’organisation du travail. Des gains de temps individuels ne se traduisent pas en résultats si les flux de travail restent identiques : c’est ce que la Harvard Business Review appelle le piège de la micro-productivité [6].
Quel est le rôle du manager dans la conduite du changement IA ?
Il est le premier relais du changement dans le quotidien des équipes. Il utilise l’IA de façon visible, crée les conditions pour expérimenter, fixe des standards de qualité pour le travail réalisé avec l’IA et organise le partage des pratiques qui fonctionnent. Pour jouer ce rôle, il a lui-même besoin d’être accompagné.
Sources
- Banque de France, Véronique Genre et Léo Parpais, « L’IA s’installe dans les entreprises françaises : une diffusion rapide, mais des gains de productivité encore limités », Bulletin de la Banque de France n° 266, septembre 2026.
- Anact, « Travailler sur ou avec l’IA : quels effets sur le travail et les travailleurs ? », La Revue des conditions de travail n° 18, 2026.
- Microsoft France, « Étude Microsoft France : l’usage de l’IA progresse dans les entreprises françaises mais se heurte à un manque d’accompagnement », étude YouGov auprès de 657 cadres et dirigeants, février 2026.
- KPMG France et Les EnthousIAstes, « Étude Trends of AI 2026 : l’IA s’ancre dans le pilotage transverse des organisations », janvier 2026.
- Aaron De Smet, Drew Goldstein, Holly Price, Tanguy Catlin et al., « From adoption to impact: Three horizons of AI transformation », McKinsey Quarterly, juillet 2026.
- Arjun Dutt, Gene Rapoport, Aaron Chatterji, Gawesha Weeratunga et Harrison Satcher, « How to Move from AI Experimentation to AI Transformation », Harvard Business Review, avril 2026.
