La véritable raison pour laquelle vos pilotes d’IA échouent et comment les remettre sur la bonne voie
La plupart des projets d’IA ne meurent pas à cause d’une mauvaise technologie. Ils échouent parce qu’une bonne technologie rencontre des humains non préparés.
L’an dernier, une recherche du MIT a fait la une des médias mondiaux en révélant que 95 % des projets pilotes d’IA générative n’apportent pas de ROI mesurable. Ce taux d’échec n’a rien à voir avec la capacité des modèles. Les organisations déploient des outils d’IA à toute vitesse sans structure de gouvernance, sans responsabilité pour la formation, sans but clair communiqué aux équipes. En quelques semaines, les systèmes s’effondrent car les humains n’étaient pas prêts.
Les gens utilisent les outils de façon incohérente, ce qui provoque des résultats très variables. La qualité s’effondre. Les employés deviennent dépendants de systèmes qu’ils ne comprennent pas et leurs compétences de base s’atrophient. Sous pression pour livrer des résultats, ils abandonnent complètement les outils officiels et se tournent vers l’IA personnelle la plus simple d’utilisation.
Keep Reading—and Keep Leading Smarter
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Nous appelons cela désormais l’ombre de l’IA.
Le coût ne se limite pas au temps de développement gaspillé. Il se traduit par des pertes de productivité, une dégradation de la qualité des livrables, des risques de non-conformité et une mauvaise orientation stratégique.
Pourquoi les projets pilotes d’IA échouent
Les dirigeants perçoivent l’adoption de l’IA comme un simple déploiement technologique, alors qu’il s’agit en fait d’une transformation organisationnelle.
Un déploiement est un défi technique. Vous rassemblez les bonnes données pour l’outil choisi, gérez les licences et accès, puis mettez tout en marche.
La transformation est un défi humain. Elle touche aux comportements, aux flux de travail, aux façons de travailler, aux identités personnelles et aux compétences. Le vrai changement réside dans la façon dont les gens pensent, décident et collaborent, et non dans l’outil en lui-même.
Je ne pense pas qu’il soit judicieux de traiter l’IA générative comme un simple déploiement technologique. Il s’agit vraiment davantage d’un exercice de gestion du changement, car cela implique d’amener les gens à penser différemment à la façon dont ils travaillent et cela implique qu’ils changent leurs comportements. Et finalement, vous souhaitez que ces comportements se transforment en habitudes.
En négligeant le travail de transformation, vous obtenez le chaos déguisé en innovation.
La pression d’avancer vite est réelle. Tout le monde pense que les concurrents prennent de l’avance, alors on évite les efforts difficiles de conception et de refonte des processus. Certaines organisations adoptent une démarche cavalière, guidées par la volonté de réduire les coûts, d’augmenter l’efficacité ou de paraître à la pointe.
Quel est le résultat ? 42 % des entreprises ont abandonné leurs initiatives IA en 2025, contre seulement 17 % l’année précédente.
Les trois lacunes de compétences qui anéantissent le ROI de l’IA
L’écart de compétences n’est pas un seul problème. Il s’agit de trois déficits de capacité distincts qui, combinés, conduisent à l’échec de l’organisation.
1. Jugement technique pour les décisions de déploiement
Votre équipe doit comprendre quand utiliser l’outil et quand il ne faut pas. Ce n’est pas la même chose que savoir comment l’utiliser.
Trop souvent, il manque aux équipes le discernement nécessaire pour évaluer si le résultat d’une IA est réellement satisfaisant, approprié au contexte ou même pertinent par rapport à la question posée. Elles sont incapables de distinguer « l’outil a généré quelque chose » de « l’outil a généré quelque chose d’utile ».
Ce n’est pas une question de maîtrise de SQL ou de gestion de versions. Il s’agit de développer la capacité à prendre de bonnes décisions concernant le déploiement de l’IA dans des situations de travail réelles.
Taylor Blake, SVP des AI Labs chez Degreed, relève une déconnexion fondamentale.
« La différence entre une démo d’IA et l’IA en pratique peut être immense. Et on ne s’en rend compte qu’en plongeant les mains dedans, en affrontant concrètement ces problèmes », explique-t-il.
2. Normes de qualité et cadres d’évaluation
La plupart des organisations montrent simplement le fonctionnement de l’outil à leurs employés. Cela ne leur permet que de l’effleurer.
Ce qui manque, c’est la capacité à évaluer les résultats en fonction de critères pertinents. Sans cadre de qualité clair, les gens supposent que « puisque ça a produit quelque chose, je peux l’utiliser ».
L’écart de ROI importe car le véritable retour sur investissement vient du fait de permettre aux personnes de s’améliorer dans leur travail à plus forte valeur ajoutée, et non en générant simplement plus de production. Dans un monde où tout le monde a accès aux mêmes outils, créer un environnement où les personnes utilisent l’IA de manière stratégique différencie les résultats de votre entreprise.
3. Application créative et résolution de problèmes
La plupart des formations échouent totalement sur ce point. Elles enseignent des fonctionnalités au lieu d’inspirer la résolution créative de problèmes.
Peut-être que quelqu’un n’a aucun problème à générer du texte marketing une fois qu’il a une direction créative. Mais dès qu’il s’agit d’analyser les options et de décider d’une direction, il se retrouve bloqué. C’est là que réside sa plus grande opportunité, l’endroit où l’IA pourrait transformer sa façon de travailler.
Mettre en avant différentes fonctionnalités pour inspirer une application créative aide les employés à relever leurs défis les plus chronophages. C’est là que la véritable transformation s’opère.
La crise identitaire que vous ignorez
L’identité personnelle n’apparaît quasiment jamais dans la plupart des plans de déploiement de l’IA. Elle le devrait.
Quand l’IA commence à prendre en charge une partie du rôle d’une personne, cela génère une profonde insécurité et de l’anxiété. Les gens craignent ce qu’il adviendra s’ils ne s’adaptent pas aux évolutions de la main d’œuvre. Cette crainte se manifeste de deux manières destructrices.
1.) Ils résistent ou sabotent les efforts d’intégration de l’IA dans leur entreprise. Pas de façon ouverte, mais par une non-adoption passive, des contournements, et un sabotage silencieux des systèmes officiels.
2.) Ils se tournent vers des outils jugés plus simples à utiliser, peu importe si ces outils répondent réellement au besoin de l’entreprise. C’est le problème de l’IA fantôme : 90 % des employés utilisent chaque jour des outils d’IA personnels (comme ChatGPT) dans leurs tâches professionnelles, alors que seulement 40 % des entreprises ont des abonnements officiels à des LLM.
Les chiffres concernant l’anxiété des employés sont bouleversants. 65 % s’inquiètent que l’IA remplace leur poste. Près des deux tiers sont préoccupés par leur manque de connaissance en matière d’utilisation éthique de l’IA. Cette anxiété freine directement l’adoption, jusqu’à 70 % des initiatives de transformation liées à l’IA échouant en raison de la résistance des employés ou d’un manque de soutien managérial.
Justin Angsuwat, Chief People Officer chez Culture Amp, a constaté un phénomène contre-intuitif au sein de son organisation lors du déploiement d’un coach IA.
Sometimes assuming that the senior or high performing folks would be the first to jump on and kind of master AI is an assumption that’s not always coming to fruition because I think unlearning how you’ve done things is actually pretty hard. If you’ve been doing the same thing for 20 years, part of your identity is wrapped up in how you get to that answer.
Ce paradoxe est brutal : les personnes sont à la fois anxieuses d’être dépassées et sabotent activement les systèmes censés les aider à réussir.
Privilégier d’abord le travail humain
Pour un COO ou un DRH s’apprêtant à déployer des outils d’IA, l’intervention commence par la communication et la création d’un climat de confiance.
Les employés doivent comprendre pourquoi vous procédez ainsi, ce qu’ils vont y gagner et comment cela façonne leur avenir — au sein de l’entreprise et pour leur carrière.
Ils n’adhéreront peut-être pas totalement. Mais la transparence pose le socle d’une adoption réelle.
L’équipe d’Angsuwat a d’abord misé sur la confiance, avant de se soucier d’une mise en œuvre parfaite.
« Notre objectif était d’améliorer la confiance des employés dans l’utilisation de l’IA, car il est assez difficile de mesurer ce moment ‘eureka’, » explique-t-il. « Il s’agissait délibérément d’apprendre, d’expérimenter, d’oser essayer, vraiment. Il ne s’agissait pas de livrer un résultat parfait, ce qui a enlevé beaucoup de pression. »
L’essentiel est de faire percevoir le travail avec l’IA comme une occasion de développer de nouvelles compétences et de repenser sa contribution fondamentale. Non comme une menace pour leur poste actuel, mais comme une opportunité d’évoluer vers quelque chose de plus précieux.
Mais la formation seule ne suffit pas. Angsuwat l’a découvert à ses dépens.
« Ce qui était surprenant, c’est que même après ces six semaines de programme, certains suivaient les petits exercices, allaient créer leur jeu vidéo, puis retournaient à un flot de travail quotidien… et là, à nouveau, ils étaient intimidés. »
Cela nécessite que le leadership fasse le travail difficile en amont, avant le déploiement, pas quand les problèmes surgissent.
Cathey souligne l’importance de créer un espace favorable à l’expérimentation.
« Je pense qu'il est vraiment important que les entreprises reconnaissent que lorsqu'il s'agit de changement, il faut accepter de ralentir pour mieux accélérer ensuite. Personne ne passe de débutant à expert en une journée. Il faut un processus et il faut donner à vos équipes l'espace et le temps d'expérimenter en toute sécurité. »
L’angle mort de la gouvernance
Lorsque la direction déploie des outils sans propriété claire, sans structures de responsabilité ou sans visibilité sur les usages, vous créez une situation d’anarchie.
La plupart des entreprises ne suivent pas vraiment le travail réalisé par les employés avec la technologie ni comment ils l’utilisent. C’est une recette pour une crise de gouvernance.
Sans cadre de gouvernance de l’IA, les organisations s’exposent à des atteintes à leur réputation suite à des résultats incohérents ou problématiques, à une perte de confiance des clients si la qualité diminue, à des pertes financières dues à des investissements gaspillés et à des remises en état, ainsi qu’à des sanctions réglementaires en cas de non-conformité.
Le risque opérationnel est immédiat. Sans structures de gouvernance claires, il est impossible d’attribuer des responsabilités lorsque des systèmes d’IA échouent ou engendrent des conséquences négatives. Mettre en place des responsabilités claires est essentiel pour traiter les problèmes et améliorer les systèmes dans le temps.
Le déficit de compétences va au-delà des capacités individuelles. Il s’appuie sur la nécessité de construire des systèmes organisationnels qui favorisent la visibilité, la responsabilité et l’amélioration continue.
La question à 5,5 billions de dollars
Plus de 90 % des entreprises mondiales feront face à des pénuries de compétences critiques d’ici 2026. Les pertes projetées dues à des lacunes de compétences persistantes : 5,5 billions de dollars de diminution des performances sur le marché mondial.
Cela pourrait sembler théorique ou sensationnaliste, mais 94 % des dirigeants font déjà face à des pénuries de compétences critiques pour l’IA aujourd’hui, d’après le Forum économique mondial. Un sur trois signale des lacunes de 40 % ou plus.
La pression concurrentielle est réelle, mais la précipitation à déployer sans développer les compétences aggrave la situation. Les organisations qui recourent à des partenariats externes obtiennent des taux de succès de déploiement de 67 %, contre 33 % pour les développements internes. La mentalité du « on le fait nous-mêmes » qui marchait pour les logiciels traditionnels sabote activement la réussite de l’IA.
Parallèlement, 75 % des organisations rapportent qu’elles approchent, atteignent ou dépassent le point de saturation du changement. Un employé sur dix a connu 10 changements planifiés dans l’entreprise ces dernières années, contre seulement deux en 2016. Plus de la moitié des professionnels IT affirment avoir accéléré le déploiement de l’IA au cours des 24 derniers mois.
Le coût humain d’une mise en œuvre trop rapide s’ajoute aux échecs techniques.
4 étapes pour empêcher l’échec de vos pilotes
Si vous êtes COO ou DRH sur le point de déployer l’IA, voici ce qui doit être en place avant de lancer le projet. Il peut également être intéressant de réfléchir à l’intégration de l’IA dans votre processus de gestion du changement.
1. Définir la transformation, pas seulement le déploiement
Cartographiez les flux de travail qui vont réellement évoluer. Identifiez les rôles concernés et de quelle manière. Définissez à quoi ressemble le succès au-delà du simple « l’outil est déployé » et attribuez clairement la responsabilité de la formation, de la gouvernance et du support.
2. Construire l’infrastructure de communication
Expliquez pourquoi vous adoptez cette approche spécifique. Faites comprendre ce que les employés vont y gagner professionnellement et abordez d’emblée les questions d’identité et d’anxiété. Mettez en place des boucles de rétroaction pour faire remonter rapidement les problèmes.
3. Les 30 premiers jours : créer des systèmes de développement de compétences
Allez au-delà de la formation « voici comment cela fonctionne » pour apprendre « voici comment réfléchir avec l’outil ». Aidez les gens à identifier leurs problèmes à forte valeur ajoutée. Mettez en place des standards de qualité et des cadres d’évaluation. Mettez en avant des usages créatifs afin d’inspirer une utilisation stratégique.
Donnez aux collaborateurs la permission de ralentir au départ. Sachez que le changement de comportement prend du temps, et qu’il faut laisser un espace pour expérimenter sans crainte de pénalisation sur la productivité.
4. Sur la durée : établir la gouvernance et la visibilité
Suivez les véritables usages et leurs résultats. Créez des structures de responsabilité pour la qualité et la conformité et assurez une surveillance des dérives de l’IA. Mettez en place des boucles de rétroaction pour améliorer le système. Agissez sur l’ombre de l’IA avant qu’elle ne devienne une crise.
Vérification critique de la réalité : seulement 15 % des salariés américains déclarent que leur entreprise a communiqué une stratégie claire sur l’IA. Si votre équipe est incapable d’expliquer pourquoi ce projet existe et en quoi il l’avantage, vous avez déjà du retard.
Le pont que vous devez construire
Les adoptions échouent parce que les organisations déploient des outils plus rapidement qu'elles ne construisent l'infrastructure humaine pour les gouverner, les mettre en œuvre et les exploiter efficacement.
L'écart de compétences est évident, et les coûts sont mesurables à mesure que la pression concurrentielle ne cesse d'augmenter. Mais la solution n'est pas de ralentir l'adoption de l’IA. C'est de développer en parallèle les compétences humaines. Cela signifie traiter cette évolution comme une transformation organisationnelle en bonne et due forme, et non comme un projet technologique avec une date de mise en production.
Si vous procédez correctement, vous transformez l’IA en un avantage concurrentiel durable. Si vous négligez le travail humain, vous rejoignez les 95 % dont les projets pilotes ne génèrent jamais de ROI, souvent parce que les organisations mesurent mal le ROI de l’IA dès le départ.
Les dirigeants agissent comme s’ils devaient choisir entre rapidité et préparation. En réalité, ils choisissent entre une transformation durable et un échec coûteux.
