Ce que l’IA a découvert en arrivant au travail
Soulagement grâce à l’IA: Les employés se sont sentis soulagés, et non réticents, alors que les outils d’IA allégeaient leur charge administrative chez Leapsome.
Fossé de préparation: L’adoption de l’IA met en lumière un problème de confiance plutôt qu’un simple manque de compétences parmi les collaborateurs.
Problème de documentation: Le manque de documentation des processus freine l’utilisation efficace de l’IA, révélant des vulnérabilités organisationnelles.
Fragmentation organisationnelle: Des systèmes RH déconnectés limitent le potentiel de l’IA, mettant en évidence le besoin d’une gestion intégrée des talents.
Architecture de la confiance: L’adoption de l’IA exige transparence et responsabilité pour instaurer la confiance et l’alignement dans l’organisation.
Lorsque Jenny Podewils a déployé des outils d’IA dans les équipes internes de Leapsome, elle s’attendait à une résistance. Ce qu’elle a obtenu à la place, c’était un soulagement.
« Les gens voulaient se débarrasser de toutes les tâches qui venaient s’ajouter à leur travail réel, » dit-elle. « Première ébauche, résumés, relances, extraction de données, mise en forme. Quand l’IA a absorbé cela, quelque chose s’est débloqué. »
Ce qui s’est ouvert ne concernait pas seulement le temps. C’est une perspective sur ce qui existait déjà. Les employés de Leapsome, en réalité, étaient lentement ensevelis sous des tâches administratives depuis des années. La plupart l’avaient accepté en silence comme faisant partie du métier. L’IA l’a rendu visible, et une fois que c’était visible, personne ne voulait revenir en arrière.
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
Podewils est co-CEO d'une entreprise qui conçoit des logiciels RH, ce qui lui donne à la fois une vue interne sur la manière dont les organisations utilisent les technologies humaines et une ligne directe sur l’expérience concrète de sa propre équipe. Son observation lors de ce déploiement met en lumière un élément souvent négligé dans la plupart des conversations sur l’adoption de l’IA.
Le problème que l’IA met au jour dans les RH n’est pas un problème technologique. Dans de nombreux cas, il ne s’agit même pas d’un problème nouveau. C’est un échec du design organisationnel dont les effets se font sentir depuis longtemps.
Les dirigeants qui naviguent dans l’ère de l’IA de façon la plus efficace en ce moment ne sont pas ceux qui avancent le plus vite. Ce sont ceux qui sont prêts à regarder en face ce que révèle l’IA sans détourner le regard.
L’écart de préparation qui n’est pas une question de préparation
Jeanne Meister a passé plus de trois décennies à aider les organisations à naviguer dans les transformations du travail. Elle a vu des entreprises lutter face aux changements démographiques, au travail hybride, aux écarts de compétences et à une demi-douzaine d’autres bouleversements censés redéfinir notre rapport au travail. L’IA, dit-elle, se distingue sur un point : elle a rendu un écart existant indéniable. Elle l’appelle l’écart de préparation.
« L’écart entre ce que les organisations veulent faire avec l’IA et la capacité réelle des salariés à adopter l’IA dans leurs flux de travail. »
Mais elle insiste rapidement sur le fait que la formation n’est pas la principale cause.
« C’est une question de confiance et de peur. Les employés redoutent l’obsolescence. Ils s’inquiètent du mandat de maîtrise de l’IA et de ce que cela signifie pour leurs rôles présents et futurs. »
Cette distinction, entre un problème de compétences et un problème de confiance, est cruciale. Si l’écart porte sur la capacité, il peut être comblé par des programmes de formation. Mais si l’écart porte sur la peur, les programmes de formation seuls ne suffiront pas. On touche à quelque chose qui se situe en dessous du cadre des compétences.
Ses données d’enquête concrétisent ce constat : 79 % des salariés disent se sentir mal préparés à utiliser l’IA au travail, et 65 % indiquent que leur organisation ne leur a pas fourni la formation adaptée. Mais Meister va au-delà de ces chiffres.
« Beaucoup d'entreprises imposent la maîtrise de l’IA à leur personnel sans jamais la définir correctement. »
Un mandat sans définition n’est pas une stratégie. C’est un vecteur d’anxiété.
Ce qu’elle décrit n’est pas vraiment un écart de préparation. C’est une défaillance de la communication aggravée par des problèmes d’imputabilité. Les dirigeants pensent qu’ils communiquent sur l’impact de l'IA. Les salariés ne le ressentent pas. Cette distance, entre l’intention et la réception, était déjà mal gérée dans de nombreuses organisations avant l’arrivée de l’IA. Elle transparaît désormais dans les chiffres d’adoption de l’IA.
Le problème de la documentation est un problème de conception
Linnea Bywall a pris un poste de VP People chez Quinyx après six ans et demi à développer la fonction RH chez Alva Labs. Elle est arrivée avec une idée claire de ce qui devait être fait avant que tout travail avec l’IA puisse fonctionner à grande échelle.
« Le manque de documentation constitue un frein significatif à la préparation à l’IA, » dit-elle. « Beaucoup d’organisations veulent exploiter l’IA, mais trop de processus vivent uniquement dans la tête des gens. »
Ce qui ressemble à une condition technique – documenter vos processus pour que les modèles d’IA disposent de matière – est en réalité un questionnement structurel. Si votre processus d’intégration, votre méthode de calibration de la performance, votre philosophie de rémunération résident principalement dans la mémoire implicite des anciens, vous faites face à une fragilité organisationnelle bien antérieure à l’IA.
L’équipe de Bywall a réécrit le People Handbook et le Manager Handbook, intégré des objectifs de documentation dans les OKR trimestriels, et utilisé l’IA à la fois comme outil de rédaction et comme miroir pour identifier les manques. Ce travail a mis en lumière des éléments dépassant la simple documentation. « Nous avons utilisé l’IA comme point de référence pour vérifier que nous portions sur tout ce qui était nécessaire, » explique-t-elle. Ce retour leur a montré à quel point les connaissances institutionnelles n’avaient jamais été formalisées.
Podewils est arrivée au même constat, par une autre voie. Quand elle explique pourquoi l’IA a besoin de données connectées et historiques pour fournir des insights pertinents, elle ne fait que formuler le même argument de documentation, sous un autre angle.
« Un agent IA autonome et brillant, à l’extérieur de votre système RH, peut rédiger une description de poste, certes. Mais il ne peut pas vous dire si l’engagement diminue au sein d’une équipe en particulier, si un collaborateur performant n’a pas eu d’entretien de développement depuis des mois, ou si les subordonnés directs d’un manager obtiennent systématiquement de moins bons résultats que leurs pairs lors des évaluations. »
Considérer la documentation comme première étape vers la préparation à l’IA conduit souvent à mettre au jour quelque chose qui aurait dû être traité indépendamment de l’IA. L’organisation repose sur une infrastructure informelle. Cela fonctionnait tant que les détenteurs du savoir restaient en poste. Cela a toujours été un risque latent.
L’introspection à grande échelle
Dean Carter a passé près de 25 ans en tant que DRH dans des sociétés comme Fossil, Sears, Patagonia et Guild, avant de devenir PDG d’Instill, une entreprise d’IA axée sur les signaux culturels dans les conversations organisationnelles. Son regard porte à la fois loin et en travers, et il ne mâche pas ses mots quant à ce que les RH font de l’IA aujourd’hui.
« Je pense que les RH se concentrent trop sur la refonte des workflows et de l’organisation, dit-il. C’est une goutte d’eau dans l’océan. Cela apporte quasiment aucun retour sur investissement à l’entreprise. Nous faisons de l’introspection en appliquant l’IA à ce qui existe déjà. »
C’est la version la plus dure de l’argumentation. Bywall et Podewils défendent l’idée que les organisations doivent effectuer un travail fondamental avant que l’IA puisse apporter de la valeur. Carter soutient que même les organisations qui réalisent correctement ce travail de fond peuvent en réalité s’attaquer au mauvais problème. Si vous utilisez l’IA pour optimiser un processus d’évaluation de la performance défaillant à la base, vous n’avez rien transformé. Vous avez automatisé un échec.
Il a un cadre spécifique pour définir le rôle de l’IA dans son propre travail.
« Quatre-vingts pour cent de ce que l’IA me fournit est excellent, et c’est tout ce dont j’ai besoin. Je n’ai plus besoin ni envie d’une solution finale, d’une image ou d’une réponse toute faite. Je veux qu’elle réalise la collecte et l’assimilation des connaissances, ce travail qui prend plus de temps que d’énergie mentale, et je peux ensuite utiliser mon temps et mon cerveau pour façonner les vingt pour cent finaux, plus complexes et passionnants. »
Ce n’est pas une optimisation de processus. C’est une redéfinition de la place du jugement humain dans la démarche. Le travail préparatoire est ce qui consommait du temps sans générer de réflexion différenciante. Les vingt pour cent finaux sont l’endroit où l’expérience, la sagesse et la compréhension contextuelle prennent toute leur importance. L’IA n’a pas créé cette distinction. Elle l’a simplement rendue possible à honorer.
La question plus difficile soulevée par Carter concerne le nombre d’équipes RH qui utilisent l’IA pour préserver la structure existante plutôt que pour l’examiner ? Combien automatisent un processus qui aurait dû être repensé à la base ?
Le problème du tissu conjonctif
Trent Cotton dirige la veille sur les talents chez iCIMS et il envisage le rôle de l’IA en RH sous l’angle de la structure. Sa vision de ce qu’offre l’IA — une vue intégrée du portefeuille de talents qui relie recrutement, mobilité interne, performance et apprentissage au même endroit — paraît ambitieuse. Mais elle part d’un constat plus lié à la fragmentation organisationnelle que réellement aux capacités de l’IA.
« Aujourd’hui, les RH passent trop de temps à courir après des processus déconnectés, dit-il. Les demandes de recrutement ici, la mobilité interne là, l’apprentissage dans un autre système. »
Cette fragmentation n’est pas nouvelle. Les fonctions RH gèrent des systèmes déconnectés depuis des décennies, acquérant des solutions ponctuelles pour des problèmes spécifiques, créant des solutions de contournement, et perdant à chaque fois la fidélité des données lors des transferts. L’IA ne résout pas cette fragmentation. Elle démontre que c’était toujours un problème. Car les informations que l’IA peut générer à partir de données connectées — qui est à risque de départ, quels managers développent leurs équipes, où apparaissent les failles de succession — restent inaccessibles si les données sont cloisonnées.
« L’IA génère des informations utiles à partir de données connectées, explique Podewils. Elle génère du bruit à partir de données isolées. La fragmentation devient un lourd héritage coûteux et l’heure des comptes approche plus vite que beaucoup ne l’imaginent. »
Cotton élargit cela à la nature même du leadership. Il évoque une transition, du « responsable de fonction » au « concepteur de systèmes qui apprennent ». Le leader RH équipé par l’IA, selon sa vision, ne fait pas moins. Il agit à un niveau différent, capable de mettre sur la table les risques de compétences et d’alimenter la stratégie RH dans des discussions qui auparavant reposaient sur l’intuition et des données obsolètes.
« Grâce à des informations intégrées et enrichies par l’IA, les RH peuvent assister à une réunion et dire : ‘Voici la combinaison de compétences de votre équipe aujourd’hui, voici ce qu’exige votre stratégie, et voici trois mouvements de portefeuille que nous pouvons effectuer.’ »
C’est un autre type de dialogue de leadership. Cela requiert une infrastructure différente. Et construire cette infrastructure — systèmes connectés, données propres, processus documentés — c’est un travail qui n’a rien à voir avec l’IA et tout à voir avec une discipline organisationnelle auparavant facultative et devenue désormais indispensable.
L’architecture de la confiance, socle de tout cela
Ce qui relie le problème de documentation, le déficit de préparation, la critique de l’introspection et le problème de fragmentation réside dans une même racine. Chacun, en définitive, est un problème de confiance.
Les employés qui craignent l’obsolescence liée à l’IA ne font pas confiance à leur organisation pour gérer cette transition dans leur intérêt. Le constat de Meister selon lequel les entreprises imposent la maîtrise de l’IA sans en définir le sens pour chaque fonction est un échec de confiance.
« Les dirigeants devraient passer d'une 'formation unique à l'IA pour tous' à une formation à l'IA spécifique au rôle et évaluer la performance dans ce contexte. »
Carter le dit plus directement. Lorsque les dirigeants demandent aux employés d’identifier leurs tâches et compétences dans le contexte de l’adoption de l’IA, la plupart des travailleurs entendent un message différent de celui qui est envoyé.
« Malgré ce que disent les dirigeants, les gens observent ce qu’ils font, et cela ne paraît pas authentique. » Cet écart entre l’intention et la perception est un manque de confiance. Il existait avant l’IA. L’IA ne fait que lui donner de nouvelles matières à exploiter.
L’observation de Bywall issue de sa propre expérience d’adoption porte la même tonalité.
« On peut avoir peur de prendre du retard lors de l’adoption de l’IA. Tant de personnes prêchent qu’elles ont révolutionné leur façon de travailler, mais peu expliquent comment elles y sont parvenues. Je pense que cela peut sembler décourageant pour certains, et les empêche vraiment de se lancer. »
Le problème de transparence, des dirigeants parlant des résultats sans expliquer le chemin parcouru, génère de l’anxiété là où l’engagement est nécessaire. Il s’agit d’un échec de communication et de confiance déguisé en IA.
Podewils définit avec une clarté inhabituelle la limite à fixer autour de l’IA dans les décisions RH.
« L’IA ne devrait jamais remplacer le jugement humain sur les décisions qui impactent la carrière, les moyens de subsistance ou le bien-être d’une personne. L’IA rédige, suggère, met en avant. Une personne relit, décide et assume le résultat. »
Elle exprime le risque non pas comme un dysfonctionnement de l’IA, mais comme une IA qui fonctionne exactement comme elle a été programmée et appliquée dans la mauvaise direction. Des évaluations plus rapides mais moins humaines. Des politiques répondues par un chatbot sans vérification. Des décisions qui semblent objectives simplement parce qu’un système les a produites.
« Le risque, c’est une IA qui fonctionne parfaitement, mais va dans la mauvaise direction. »
C’est un problème d’architecture de la confiance. Et cela ne se résout pas par les seuls cadres de gouvernance de l’IA, bien qu’ils soient importants. Cela se résout avec les mêmes éléments qui construisent la confiance organisationnelle en toutes circonstances : la transparence sur ce qui est décidé et pourquoi, la responsabilité des résultats, et un comportement visible des dirigeants aligné sur les valeurs affichées.
Ce que révèle le diagnostic
Meister a observé que l’IA transforme le comportement des dirigeants RH dans une direction bien précise. Les pionniers, note-t-elle, considèrent les agents IA comme de nouveaux membres de l’équipe et les intègrent délibérément. Le changement qu’elle constate, c’est le passage de « je dirige » à « j’orchestre une équipe composée d’humains et d’agents IA ». Ce n’est pas une philosophie managériale centrée autour de l’IA. C’est une philosophie que l’IA rend visible et incontournable.
L’observation de Cotton est similaire dans sa structure. Selon lui, les dirigeants qui bâtiront un avantage durable dans les cinq prochaines années sont ceux qui utilisent l’IA pour « augmenter la capacité d’apprentissage de l’organisation », plutôt que comme un simple levier de réduction des coûts. La distinction n’est pas sémantique. Une posture développe les compétences, l’autre les épuise.
Bywall conclut par une prédiction qui pèse davantage venant d’une psychologue organisationnelle que d’un technologue :
« Au cours des cinq prochaines années, je prédis que la moitié des fonctions RH deviendront redondantes. Les professionnels qui resteront seront ceux capables de gérer à la fois les personnes et les agents. »
Il ne s’agit pas principalement d’une déclaration sur la maîtrise de l’IA. C’est une déclaration sur la raison d’être de l’organisation. Les RH qui garderont leur pertinence sont ceux dont la valeur n’est pas ancrée dans la couche administrative que l’IA est en train d’absorber. Cela signifie que la vraie question à laquelle les leaders RH doivent répondre aujourd’hui n’est pas comment adopter l’IA, mais ce qu’ils défendent réellement, au-delà de la structure administrative.
Podewils explique que beaucoup de dirigeants RH se sont tournés vers ce secteur parce qu’ils avaient à cœur les individus : bâtir des cultures, développer des leaders, créer des environnements où chacun peut donner le meilleur de lui-même. « En cours de route, beaucoup sont devenus des administrateurs de processus. Les systèmes se sont accumulés. Le rôle s’est tordu autour d’eux. »
L’IA n’a pas causé cette dérive. Mais elle impose aujourd’hui de s’y confronter.
Le diagnostic est accessible à quiconque accepte de regarder ce que l’IA dévoile plutôt que seulement ce qu’elle peut faire. Les organisations qui traitent cela comme une simple mise en œuvre technologique découvriront, à un certain prix, que la technologie n’était que la partie facile.