La productivité ne suffit pas
Les premiers résultats sont plutôt encourageants. Selon les 1ères études*, l’utilisation d’un assistant d’IA augmentait la productivité de 14 % en moyenne, avec un gain de 34 % pour les salariés les moins expérimentés ou les moins performants. L’outil semblait notamment diffuser les bonnes pratiques des salariés les plus expérimentés vers les autres.
Voilà qui change considérablement la perspective. L’IA ne remplace pas nécessairement le salarié : elle peut aussi augmenter son capital humain !
Mais attention à ne pas confondre productivité et création de valeur. Une entreprise peut économiser deux heures sur une tâche sans créer un euro supplémentaire. Tout dépend de ce qu’elle fait du temps gagné.
Réduire le temps consacré au reporting pour passer davantage de temps avec les clients crée de la valeur. Réduire le temps de préparation d’une analyse pour en réaliser davantage crée potentiellement de la valeur. Mais produire dix fois plus de présentations qui ne servent à rien ne constitue pas une révolution économique : c’est simplement produire dix fois plus… sans que ce soit plus utile.
McKinsey relevait ainsi en 2025 que, malgré une utilisation croissante de l’IA générative et des réductions de coûts dans de nombreuses fonctions, plus de 80 % des entreprises interrogées ne constataient pas encore d’impact tangible sur leur EBIT à l’échelle de l’entreprise.
L’enjeu n’est donc pas d’intégrer l’IA pour réaliser les mêmes tâches plus rapidement, mais de réfléchir à la manière de réinvestir ce temps libéré. Plus d’analyse ? d’innovation ? d’anticipation des risques ? d’accompagnement des clients ?…
C’est repenser les processus, les responsabilités, les compétences ou l’organisation-même de l’entreprise autour de ce qui peut être ajouté qui va faire la différence et créer de la valeur.
* « Generative AI at Work », NBER Working Paper No. 31161, publiée dans le Quarterly Journal of Economics, en mai 2025.
Le risque de devenir tous pareils
Et c’est ici qu’apparaît un risque moins souvent évoqué : celui de la standardisation.
Si toutes les entreprises utilisent les mêmes modèles, les mêmes assistants, les mêmes données et les mêmes méthodes de questionnement, elles risquent progressivement de produire des réponses… de plus en plus proches.
Une méta-analyse publiée en 2026 dans la revue Behaviour & Information Technology, regroupant les résultats de 19 études, met en évidence un phénomène intéressant : si l’IA peut stimuler la créativité de chacun, son utilisation tend aussi à rendre les productions plus homogènes.
Le risque pour l’entreprise est facile à comprendre. Une IA peut parfaitement aider deux concurrents à rédiger une proposition commerciale plus rapidement, à analyser un marché plus efficacement ou à répondre à un client de manière plus fluide. Mais si les deux utilisent les mêmes outils avec les mêmes réflexes, ils peuvent aussi finir par se ressembler.
Or la valeur d’une entreprise ne réside pas uniquement dans son efficacité. Elle réside aussi dans ce qui la rend différente : son histoire, ses savoir-faire, sa culture, son rapport au client, ses méthodes, son ton, ses intuitions, parfois même ses imperfections.
Le danger : l’entreprise devient plus efficace au prix de la perte de sa singularité.
Le sujet de l’IA devient alors également un sujet d’identité et d’ADN. L’outil doit accélérer l’entreprise, pas l’aplatir.
Comme le souligne Mick Lévy dans la quatrième de couverture de son livre iA MANiA (Vuibert, 2026), « 88 % des entreprises déclarent faire de l’iA. 6 % parviennent à en dégager une valeur mesurable. »
Tout le paradoxe est là : l’usage de l’IA se diffuse à grande vitesse, mais sa transformation en valeur mesurable reste rare. Et le passage à l’échelle, celui qui consiste à intégrer l’IA au cœur des processus et de l’organisation, demeure un défi.
Dès lors, l’enjeu pour les dirigeants n’est pas de savoir s’il faut intégrer l’IA, mais de positionner le curseur : jusqu’où automatiser, standardiser et accélérer ? Et, dans le même mouvement, comment développer ce qui fait la singularité de l’entreprise : son expertise métier, sa relation client, sa culture, sa capacité à innover et à faire des choix qui lui ressemblent ?
Car l’IA peut aider une entreprise à faire comme les autres. La valeur durable se jouera dans sa capacité à faire mieux, autrement, et surtout à rester elle-même.
Les fonctions supports en première ligne
SI, finance, RH, achats, supply chain, juridique, contrôle de gestion : les fonctions supports sont naturellement parmi les fonctions concernées. Mais là encore, le sujet n’est pas d’abord celui de l’outil. C’est celui du métier.
Un DAF ne perd pas sa raison d’être parce qu’un logiciel sait produire une analyse financière. Un DRH ne devient pas inutile parce qu’une IA sait analyser des CV. Un acheteur ne disparaît pas parce qu’un outil sait comparer des fournisseurs. Un algorithme peut identifier un risque de rupture, mais il ne remplace pas le responsable supply chain dans l’anticipation et l’arbitrage.
En revanche, la répartition de leur temps, de leurs responsabilités et de leurs compétences change profondément.
Les tâches répétitives, documentaires ou analytiques peuvent être accélérées. La valeur du professionnel se déplace alors vers l’interprétation, la priorisation, l’arbitrage, la relation avec les parties prenantes et la décision.
Et si l’IA peut désormais produire une recommandation, hiérarchiser des options, détecter une anomalie ou proposer un plan d’action, qui répond de la décision prise sur cette base ? Vérifier la fiabilité des informations, apprécier les conséquences d’une recommandation et assumer ses effets relèvent de la responsabilité du manager Support.
A contrario, l’IA peut aussi créer une forme de déresponsabilisation si elle devient un alibi : « C’est ce que recommandait l’outil », « les données indiquaient cette option ».
Cela suppose de clarifier les rôles : ce que l’IA peut produire ou suggérer, et ce qui relève du pouvoir de vérification, d’arbitrage et d’alerte de la Direction du manager. Plus l’IA prend de place dans les processus, plus ces règles doivent être explicites. La responsabilité ne disparaît pas avec l’automatisation ; elle doit être réattribuée et rendue lisible.
Enfin, la maîtrise des outils ne suffit pas. Elle devient même rapidement insuffisante si elle n’est pas accompagnée d’une solide expertise métier. Savoir formuler une requête ou exploiter une réponse générée par l’IA est utile ; savoir repérer une erreur, questionner une hypothèse, identifier un biais ou mesurer les conséquences d’une recommandation l’est tout autant. L’esprit critique, le jugement, la compréhension du terrain, la capacité à arbitrer dans l’incertitude et à dialoguer avec les équipes prennent une place croissante.
Le manager se retrouve ainsi dans une position paradoxale : il peut perdre une partie de ses anciennes prérogatives, tandis que sa capacité à donner du sens, fixer un cadre, arbitrer et assumer des choix devient plus déterminante.
L’IA peut redistribuer le travail et le pouvoir d’agir mais pas devenir un moyen de redistribuer la responsabilité jusqu’à ce que plus personne ne l’assume.
Le manager, de chef à pivot
Pendant longtemps, le manager a été celui qui détenait l’information, la distribuait et contrôlait son exécution. L’IA remet largement en cause ce modèle.
L’information devient accessible à beaucoup plus de personnes. Les analyses sont produites rapidement. Les collaborateurs peuvent eux-mêmes interroger les données et obtenir des propositions.
Le manager ne peut donc plus être simplement celui qui « sait ».
Il devient celui qui qualifie, arbitre et assume.
Est-ce une bonne donnée ? Cette recommandation est-elle cohérente avec la stratégie ? Que manque-t-il dans cette analyse ? Peut-on appliquer cette réponse à notre entreprise ? Quel risque prend-on ? Faut-il suivre la recommandation de l’outil ou précisément faire l’inverse ?
C’est là que se joue une partie de la valeur managériale.
Le manager devient le pivot entre la capacité de l’IA à produire rapidement des réponses et la responsabilité humaine de décider et de les mettre en œuvre.
Cela peut conduire à une diminution de certains niveaux hiérarchiques, notamment lorsque leur fonction reposait principalement sur la transmission d’informations et le contrôle administratif. Mais cela peut également renforcer le rôle des managers capables de comprendre le métier, les données, les équipes et les enjeux stratégiques.
Moins de supervision mécanique, davantage de jugement. Moins de reporting, davantage de décision. Mais aussi un nouveau rôle qui émerge : celui de manager d’IA.
Demain, le manager devra savoir répartir le travail entre ses collaborateurs et les systèmes d’IA, choisir les tâches qui méritent de mobiliser des agents intelligents, arbitrer les ressources disponibles – jusqu’aux fameux tokens – et s’assurer que leur utilisation produit une valeur réelle. Son périmètre de responsabilité s’en trouvera d’autant modifié qu’il devra redéfinir la contribution de son équipe en fonction de la valeur qu’elle apporte à l’entreprise : l’expertise métier, la proximité avec les clients, la connaissance du terrain ou la capacité à gérer les situations complexes.
La bataille des compétences a commencé
Le recrutement est donc directement concerné.
L’erreur serait de chercher uniquement des spécialistes de l’IA. L’OCDE estime que moins de 1 % des travailleurs auront besoin de compétences avancées spécifiques en IA, comme la programmation ou le développement de modèles. Pour la majorité, l’enjeu sera plutôt de savoir utiliser, analyser et interpréter les données, tout en conservant des compétences managériales et humaines fortes : résolution de problèmes, créativité, innovation.
Le World Economic Forum arrive à une conclusion proche : les employeurs interrogés anticipent une transformation de 39 % des compétences clés d’ici 2030. L’IA et la data figurent parmi les compétences dont l’importance progresse le plus, mais la créativité, l’agilité, la curiosité, le leadership et la capacité à apprendre restent elles aussi au premier plan.
Il faudra donc probablement rechercher des profils qui maîtrisent les outils d’IA et savent les mobiliser efficacement dans leur métier. Mais la maîtrise de l’outil ne fait pas tout. Savoir formuler une demande pertinente, exploiter les résultats, en vérifier la fiabilité et les transformer en actions concrètes devient tout aussi essentiel.
Les compétences recherchées combinent désormais une familiarité opérationnelle avec l’IA, une solide expertise métier et la capacité à exercer son jugement. Le véritable enjeu du recrutement n’est donc pas de choisir entre le spécialiste de l’IA et l’expert métier, mais de trouver des profils capables de faire le lien entre les deux.
La compétence technique reste nécessaire. Elle n’est simplement plus suffisante.
Former avant de remplacer
Cette (r)évolution oblige également à reconsidérer la formation.
Le sujet n’est pas uniquement de former les collaborateurs au « prompt ». Il faut leur apprendre à travailler avec une IA : vérifier une information, identifier un biais, protéger les données sensibles, évaluer la pertinence d’une réponse, conserver son esprit critique et savoir quand ne pas utiliser l’outil.
L’enjeu est donc moins de remplacer une génération de compétences par une autre que d’organiser leur recomposition.
Une entreprise ne peut pas déléguer sa responsabilité à un algorithme. Plus l’IA prend de place dans les décisions, plus elle doit être accompagnée de règles claires, de contrôle humain et d’une culture permettant de questionner les résultats produits.
Et si la réponse était aussi dans l’agilité ?
Dans un environnement où les métiers évoluent très rapidement et où les outils transforment les organisations, personne ne sait précisément à quoi ressembleront les fonctions supports dans trois ou cinq ans. La question que se pose aujourd’hui un dirigeant n’est plus seulement : « De quelle compétence avons-nous besoin ? », mais aussi : « De quelle compétence avons-nous besoin, à quel moment et pour combien de temps ? »
Toutes les entreprises ne recrutent donc pas immédiatement les compétences dont elles auront besoin demain, par arbitrage financier ou véritable choix stratégique.
Une PME peut, par exemple, avoir besoin d’une expertise expérimentée (DAF, DRH, DSI…) sans pour autant en avoir besoin cinq jours par semaine. En ayant recours au management à temps partagé, elle conserve la compétence dont elle a besoin aujourd’hui tout en se laissant la possibilité de faire évoluer son organisation demain.
Une autre entreprise peut avoir besoin de recourir temporairement aux services d’un manager expert pour prendre en main une situation particulière (transformation, réorganisation, remplacement temporaire d’un dirigeant ou d’un cadre, retournement, croissance rapide, mise en place d’un nouvel ERP, préparation d’une opération financière…), atteindre des objectifs précis et, le moment venu, transmettre le relais aux équipes internes ou à son successeur.
C’est particulièrement intéressant dans les fonctions supports, précisément parce que leur contenu est en train de changer. Le directeur financier de demain ne consacrera plus autant de temps à la production de tableaux de bord ; le DRH pourra automatiser une partie de ses processus ; le responsable achats disposera d’outils capables d’analyser beaucoup plus rapidement les marchés et les fournisseurs ; le SI devra accompagner l’intégration d’outils d’IA qui n’existaient parfois pas quelques mois auparavant…
Dans ce contexte, le recours à des managers indépendants de transition ou à temps partagé peut apporter une réponse particulièrement souple : une expertise immédiatement mobilisable, une expérience acquise dans plusieurs environnements, une capacité à prendre du recul et une exposition régulière aux évolutions des métiers, une capacité à prendre rapidement en main une situation et une certaine familiarité avec les transformations organisationnelles.
Dans une période où les métiers évoluent plus vite que les fiches de poste, cette souplesse pour ajuster rapidement les compétences disponibles pourrait devenir elle-même un avantage concurrentiel.
Car l’entreprise de demain n’aura peut-être plus besoin de posséder toutes les compétences en permanence. Elle devra surtout savoir où se trouvent les compétences dont elle a besoin, quand elle en a besoin et comment les faire travailler ensemble.
La valeur, mais pour qui ?
L’arrivée de l’IA dans l’entreprise pose finalement une question beaucoup plus large que celle de la productivité.
Elle modifie la répartition des tâches, transforme les métiers, fait évoluer les compétences et remet en question certaines organisations. Elle peut créer de la valeur économique en accélérant les processus, de la valeur humaine en augmentant les compétences et de la valeur client en permettant davantage de personnalisation et de réactivité. Mais elle peut aussi détruire de la valeur : emplois ou tâches rendus inutiles, compétences qui ne se développent plus, perte de savoir-faire, dépendance technologique, standardisation des réponses ou affaiblissement progressif de ce qui fait l’identité d’une entreprise.
Le rôle du manager s’en trouve lui aussi transformé. Moins détenteur de l’information, davantage garant de sa qualité et de son utilisation ; moins superviseur de tâches, davantage arbitre et accompagnateur ; moins chef, finalement, que pivot entre la technologie, les équipes et la décision.
Dans cette nouvelle équation, la confiance devient essentielle. Confiance dans les données, dans les outils, dans les collaborateurs qui les utilisent et dans les managers qui doivent en assumer les conséquences. Car une IA peut produire une réponse en quelques secondes. Elle ne peut pas, à elle seule, décider si cette réponse est pertinente pour l’entreprise, compatible avec ses valeurs ou cohérente avec son histoire.
C’est peut-être là que se situe le véritable enjeu.
L’entreprise la plus performante ne sera pas nécessairement celle qui aura automatisé le plus de tâches, mais celle qui saura le mieux déterminer ce qui doit l’être… et ce qui doit continuer à relever de l’humain.
Parce qu’une entreprise ne crée pas uniquement de la valeur lorsqu’elle produit plus vite ou à moindre coût. Elle en crée aussi lorsqu’elle développe ses compétences, fidélise ses clients, fait grandir ses équipes, prend de bonnes décisions et cultive ce qui la rend différente des autres.
À l’heure où les mêmes outils d’IA deviennent accessibles à tous, cette singularité pourrait bien redevenir l’un des actifs les plus précieux de l’entreprise.
L’IA ne signe donc pas la fin du travail humain. Elle déplace la valeur vers ce que la machine maîtrise moins bien : le jugement, la responsabilité, la relation, la compréhension du contexte, la créativité véritable et la capacité à décider.
Et tout l’enjeu sera de savoir qui saura le mieux rester soi-même tout en l’utilisant !
Publié par :
