La règle du 70-20-10 pour la transformation de l’IA s’applique-t-elle à toutes les tailles d’organisation ?

David Rice

on May 8, 2026

Les entreprises de taille intermédiaire ne peuvent pas se permettre des budgets d’IA à l’échelle des grands groupes. Mais le secret de la transformation par l’IA ne consiste pas à dépenser plus, mais à dépenser différemment.

TABLE OF CONTENTS Décryptage du cadre de référence Ce que les entreprises ratent 70 % investis dans l’humain La réalité des entreprises de taille intermédiaire Coûts cachés Réussir sa transformation De la règle au principe

L'entreprise A a dépensé 8 millions de dollars l'année dernière pour la transformation par l’IA. L'entreprise B a dépensé la moitié de ce montant. Pourtant, selon tous les critères importants — taux d’adoption, gains de productivité, satisfaction des employés et retour sur investissement — l'entreprise B surpasse largement son concurrent mieux financé.

La différence ne réside pas dans la technologie. Les deux entreprises ont souscrit les mêmes LLMs d'entreprise. Les deux ont fait appel à des consultants. Toutes deux ont annoncé leurs initiatives IA avec le même enthousiasme cher aux dirigeants. La différence vient d’une seule décision prise au départ : la manière dont elles ont alloué leurs budgets.

L'entreprise A a suivi la voie habituelle : 60 % pour la technologie, 15 % pour la formation, 25 % pour « tout le reste ». L'entreprise B a totalement inversé la pyramide : 70 % pour les personnes et les processus, 20 % pour l’infrastructure, 10 % pour les algorithmes.

Le schéma suivi par l'entreprise B n’a pas été inventé dans un vide. Il provient de recherches menées par le Boston Consulting Group et le MIT Sloan ayant examiné des centaines de transformations IA. Leur constat était clair : les entreprises qui obtenaient de vrais résultats avec l’IA n’étaient pas celles qui achetaient les outils les plus sophistiqués, mais celles qui investissaient le plus dans leurs équipes.

Mais comme toujours, le contexte est déterminant. Cette recherche s'est intéressée à des entreprises dotées de budgets IA dépassant 10 millions de dollars, autrement dit, des sociétés équipées d’équipes dédiées à la transformation, d’une infrastructure de données mature et d’armées de spécialistes.

Pour les entreprises de taille intermédiaire comptant 5 000 employés ou moins, les contraintes sont fondamentalement différentes. Beaucoup manquent d’une infrastructure de données de base. Elles souscrivent l’IA via des abonnements SaaS, où les coûts des algorithmes sont intégrés dans les frais mensuels. Les mêmes montants prennent une tout autre signification quand le budget est de 2 millions et non de 20 millions.

Alors, le cadre 70-20-10 s’applique-t-il toujours ? Ou bien les entreprises de taille intermédiaire ont-elles besoin d’une toute autre stratégie ?

Décryptage du cadre

La règle du 70-20-10, dans son essence, décrit où les transformations IA réussies investissent réellement leur argent et leur énergie. Les chiffres représentent la répartition entre trois pôles fondamentaux :

Les 70 % : Personnes et processus. Il s’agit de programmes de gestion du changement, de la formation adaptée par rôle, de la refonte des flux de travail, des cadres de gouvernance, des infrastructures de communication, du coaching des managers et du support utilisateurs. C’est le travail discret consistant à clarifier qui détient quelles responsabilités, comment les décisions circulent différemment avec l’IA, et quels leviers d’incitation doivent évoluer.
Les 20 % : Infrastructure technologique. Cela englobe la préparation des données, les couches d’intégration, les dispositifs de sécurité, les systèmes de surveillance et l’architecture de passage à l’échelle. C’est tout ce qui doit fonctionner avant même que les outils IA soient opérationnels dans l’organisation.
Les 10 % : Algorithmes et modèles. Ce sont les outils IA eux-mêmes : licences, coûts d’API, ajustement de modèles, et sélection des fournisseurs.

Ce schéma repose sur des données concrètes. Les recherches du BCG ont démontré que les entreprises suivant cette répartition atteignaient des taux d’adoption nettement supérieurs et de réels gains de productivité. Le MIT Sloan a révélé que 70 % de la valeur de l’IA dépend d’investissements complémentaires dans les équipes et les processus, et non du niveau de sophistication technologique.

La raison ? Les modèles d’IA se banalisent rapidement. N’importe quelle entreprise de taille intermédiaire peut accéder aux mêmes modèles avancés d’OpenAI, Anthropic ou Google. Mais la capacité à changer les organisations ? Cela ne s’achète pas.

La capacité à refondre les workflows, à former les managers pour accompagner l’adoption de l’IA et à établir des cadres de gouvernance qui favorisent plutôt que freinent l’innovation constitue le véritable point différenciateur.

Et pourtant, face à ce cadre, un doute raisonnable s’installe chez les dirigeants de sociétés intermédiaires : les entreprises sans infrastructure de données mature peuvent-elles réellement se contenter d’y consacrer 20 % du budget ? Et qu’en est-il des organisations qui achètent des solutions IA en mode SaaS où le coût des algorithmes est inclus dans l’abonnement ? L’équation tient-elle toujours ?

Whitney Munro, fondatrice de FLEX Partners qui accompagne les sociétés dans leur transformation IA, observe cette tension au quotidien.

« La structure 70-20-10 est globalement correcte, dit-elle, mais ce qui pose problème, c’est l’absence de séquence et d’intention. Négliger le travail “invisible” de clarification des responsabilités, des objectifs, des incitations, des processus, etc., avant même d’aborder les outils, mène souvent à l’échec. »

Le cadre n’a pas vocation à être rigide, c’est un principe. La transformation IA est avant tout un défi humain et organisationnel, plus qu’un défi technologique. Pour les entreprises intermédiaires, ce principe reste valable, mais le détail des pourcentages doit s’ajuster selon leur situation de départ.

Pourquoi les entreprises se trompent dans la répartition

La pression d’investir dans la technologie en premier lieu vient de toutes parts. Les fournisseurs d’IA, naturellement, vendent de la technologie. Les membres du conseil d’administration veulent des tableaux de bord et des outils, une preuve visible que l’entreprise « fait de l’IA ». Les investisseurs posent des questions sur les initiatives IA lors des résultats financiers. Les équipes informatiques parlent le langage de l’infrastructure et des modèles.

Ce qui est plus difficile à voir, plus difficile à mesurer, et plus difficile à vendre, c’est le travail lent de développement des compétences. Les programmes de formation ne font pas des présentations au conseil d’administration particulièrement captivantes. La refonte des processus de travail ne donne pas de belles photos pour le rapport annuel. Les cadres de gouvernance paraissent bureaucratiques plutôt qu’innovants.

Pour les entreprises de taille moyenne en particulier, plusieurs pièges rendent l’approche centrée sur la technologie encore plus séduisante :

La rareté des ressources crée un faux raccourci. « Nous n’avons pas les moyens d’avoir une équipe dédiée à la transformation IA, alors achetons simplement l’outil et débrouillons-nous au fur et à mesure. » Cela paraît logique, jusqu’à ce que l’on se rende compte que l’outil reste inutilisé parce qu’aucun processus n’a été repensé autour de lui.
La pression de la rapidité submerge la planification réfléchie. Les entreprises en forte croissance ressentent le besoin d’aller vite. Passer trois mois à former les managers et à repenser les processus paraît lent comparé au lancement d’un nouvel outil IA la semaine prochaine.
La dynamique des fournisseurs masque les coûts réels. Lorsque vous achetez un produit SaaS d’IA pour l’entreprise, le développement des algorithmes et une grande partie de l’infrastructure sont inclus dans un abonnement mensuel. Cela donne l’impression que vous dépensez moins en technologie que ce n’est le cas, et pousse à sous-investir dans la dimension humaine.
La surcharge des rôles crée une situation impossible. Dans les entreprises de taille moyenne, ce sont les mêmes personnes qui doivent assurer le fonctionnement quotidien et qui sont censées porter la transformation. Sans ressources dédiées à la gestion du changement, la transformation devient un projet annexe qui n’obtient jamais l’attention nécessaire.

Clint Riley, directeur des opérations chez Globe Midwest, a dirigé les opérations d’expérience client lors de plusieurs déploiements technologiques. Il observe un schéma qui se répète.

« Les dirigeants investissent souvent massivement dans l’infrastructure IA et voient peu de résultats. Les outils restent inutilisés parce que les équipes ne sont pas préparées, ne leur font pas confiance ou s’en tiennent à leurs vieilles habitudes. La vraie différence provient d’un investissement prioritaire dans les personnes et les processus », dit-il.

Le malentendu sur le coût est profond. La formation semble chère sur le moment : 300 000 dollars pour une formation IA approfondie destinée à 500 employés, cela paraît beaucoup. Mais cet investissement peut réduire les erreurs courantes de 40 % dès la première année.

Encore 200 000 dollars pour repenser les processus clés en y intégrant l’IA permettent d’obtenir des gains d’efficacité mesurables trimestre après trimestre. Comparez cela à 800 000 dollars dépensés pour des outils IA qui n’atteignent que 15 % d’adoption parce que personne n’a investi dans la gestion du changement pour les accompagner.

Le phénomène de l’IA fantôme qui est apparu est la preuve la plus flagrante que les approches technologiques créent les problèmes qu’elles prétendent résoudre. Les recherches montrent que 90 % des employés utilisent des outils IA, mais que seulement 40 % des entreprises les ont officiellement mis à disposition.

Cette lacune existe parce que les entreprises ont déployé la technologie sans accompagnement, laissant les employés se débrouiller seuls, provoquant précisément les risques de sécurité et de gouvernance que redoutent les dirigeants.

À quoi ressemble réellement le 70 % alloué aux personnes

Le cadre des 70-20-10 paraît simple jusqu’au moment où il faut l’appliquer concrètement. Que signifie vraiment dépenser 70 % de son budget IA pour « les personnes et les processus » ?

Pour une entreprise de taille moyenne avec un budget de transformation IA de 2 millions de dollars la première année, une allocation centrée sur l’humain pourrait ressembler à ceci :

1,2 million $ (60 %) pour les personnes et les processus :

400 000 $ : Ressources dédiées à la transformation (2 à 3 ETP comprenant la gestion du changement et la connaissance de l’IA)
300 000 $ : Expertise externe pour la gestion du changement, la conception des flux de travail et les cadres de gouvernance
200 000 $ : Développement et mise en œuvre d’un programme de formation (non pas des sessions ponctuelles, mais un accompagnement continu)
150 000 $ : Programmes d’accompagnement et d’encadrement des managers
150 000 $ : Systèmes de communication, dispositifs de feedback et cycles d’itération

600 000 $ (30 %) pour l’infrastructure :

300 000 $ : Préparation, intégration et amélioration de la qualité des données
150 000 $ : Sécurité, conformité et systèmes de surveillance
150 000 $ : Infrastructures d’analytique pour suivre les résultats à la fois techniques et humains

200 000 $ (10 %) pour les outils/algorithmes IA :

Abonnements LLM d’entreprise
Applications IA spécialisées
Coûts API et frais d’utilisation

À noter, l’ajustement pour les sociétés de taille moyenne : Ici, on observe un ratio 60-30-10, et non 70-20-10. Pourquoi ? Les entreprises de taille moyenne présentent souvent des lacunes d’infrastructure plus importantes que les grands groupes. Les systèmes anciens, les silos de données et la dette technique nécessitent des investissements plus lourds dans l’infrastructure, là où les entreprises dotées de fondations de données modernes dépensent moins proportionnellement.

Le principe reste : l’investissement dans l’humain doit être au moins égal ou supérieur à celui dans la technologie. Si vous investissez 60 % dans les outils et l’infrastructure réunis, et seulement 40 % dans les personnes et les processus, les études suggèrent que vous passez à côté d’une valeur significative.

Ce que l’investissement dans les « personnes » permet réellement d’obtenir :

Lorsque les dirigeants voient « 400 000 $ pour des ressources de transformation », ils demandent souvent : que font réellement ces personnes ?

Ressources de transformation dédiées :

Analyser les processus de travail avant le déploiement technologique
Concevoir des formations adaptées aux rôles (un analyste financier a besoin de compétences en IA différentes de celles d’un conseiller client)
Construire des cadres de gouvernance qui facilitent au lieu de bloquer
Créer des boucles de retour pour itérer à partir de l’usage réel
Coordonner entre les équipes IT, RH et les unités opérationnelles

Accompagnement des managers :

Préparer les managers à coacher leurs équipes sur les outils d’IA (et pas simplement à les utiliser eux-mêmes)
Aider les managers à comprendre comment l’évaluation des performances évolue lorsque l’IA soutient le travail
Accompagner les managers dans leur propre évolution identitaire à mesure que le travail change
Créer des communautés de managers pour partager défis et solutions

Infrastructure de communication et de retour d’information :

Communications régulières pour tous concernant l’avancement de la transformation
Canaux permettant aux salariés de remonter problèmes et préoccupations
Systèmes pour capturer ce qui fonctionne et ce qui ne fonctionne pas
Transparence dans la décision sur quels outils d’IA sont déployés et pourquoi

Formations efficaces :

Pas de simples ateliers ponctuels, mais des programmes d’apprentissage continus
Des environnements de pratique concrets où l’échec est sans conséquence
Un apprentissage au bon moment, lié aux besoins réels du travail
Des réseaux de pairs pour l’entraide et le dépannage

Faire l’économie de ces investissements, c’est prendre le risque de résultats prévisibles : faible taux d’adoption, résistance des employés, prolifération de « l’IA fantôme », et au final dépenses technologiques gaspillées. Pour les membres du comité de direction ou du conseil d’administration qui perçoivent cela comme « gadget » ou « trop gentil avec les salariés », il est essentiel de recadrer : il s’agit surtout de capter la valeur rendue possible par la technologie, mais qu’elle ne peut produire seule.

« Les conseils d’administration adorent voir déployer de nouvelles technologies, » reconnaît Riley. « Il faut donc présenter l’accent sur l’humain comme une gestion intelligente des risques avec des retours positifs et croissants : productivité accrue, meilleure rétention, gains business qui s’accumulent. La tech seule atteint vite son plafond puis stagne. »

La réalité du marché intermédiaire

Mais cette répartition suppose un niveau de maturité déjà élevé. Qu’en est-il des entreprises où il faut rééquilibrer fortement les chiffres ?

Alix Gallardo, Chief Product Officer chez Invent, aide les entreprises du marché intermédiaire à naviguer précisément dans ces situations. Sa vision du SaaS IA change les calculs.

« Lorsque vous achetez de l’IA en SaaS, le fournisseur a déjà fait le gros du travail, le dur et coûteux développement de modèles ainsi qu’une bonne partie de l’infrastructure. Votre vraie question doit être : “Tout ça étant fait, où devons-nous concentrer notre temps et notre budget internes limités ?” »

Son analyse pour une configuration SaaS principalement clé en main reste centrée sur l’humain, mais tient compte du fait que les problématiques infrastructurelles sont souvent plus lourdes pour le marché intermédiaire.

« Les environnements du marché intermédiaire sont généralement désordonnés, » observe Gallardo. « Beaucoup de produits SaaS déconnectés, de systèmes anciens, des intégrations natives, des flux de données hétérogènes et des équipes IT réduites. Il est donc normal que l’infrastructure représente 25 à 35 % au début. »

Voici trois scénarios où la répartition doit être ajustée :

Scénario 1 : L’entreprise en manque d’infrastructure

Une entreprise manufacturière de 2 000 salariés existe depuis 30 ans. Les données sont cloisonnées dans plusieurs systèmes. Les informations clients sont dans une base de données, les données de production dans une autre, les mesures de qualité dans des feuilles Excel. L’équipe IT se limite à cinq personnes.

Pour cette entreprise, la répartition pourrait devoir être 50 % pour l’humain, 40 % pour l’infrastructure, 10 % pour les algorithmes — du moins au début. Sans une infrastructure de base pour les données, les outils d’IA ne peuvent pas fonctionner efficacement. Mais même ici, l’investissement humain ne doit pas être sacrifié. Il doit simplement être stratégique, centré sur le renforcement de la capacité interne à prendre de meilleures décisions d’infrastructure et à préparer les équipes aux changements une fois l’infrastructure en place.

Scénario 2 : La scale-up agile

Une société de logiciels de 800 salariés est « cloud native » depuis le début. Les systèmes communiquent entre eux. L’équipe possède une forte expertise technique. L’infrastructure n’est pas le goulot d’étranglement.

Ici, la répartition pourrait être de 75 % pour les personnes, 15 % pour l'infrastructure et 10 % pour les algorithmes. La croissance rapide de l'entreprise signifie que la culture et les processus nécessitent des investissements supplémentaires pour s'adapter à l'échelle. Avec une base technique solide, la contrainte est organisationnelle, pas technologique.

Scénario 3 : L'entreprise intermédiaire prudente

Une société de services financiers de 4 500 employés opère dans un secteur fortement réglementé. La culture y est résistante au changement, la gestion des risques est primordiale et les exigences de conformité sont très étendues.

Cette entreprise pourrait allouer 65 % aux personnes, 20 % à l'infrastructure et 15 % aux algorithmes. Les dépenses plus élevées pour les algorithmes ne visent pas à suivre les derniers modèles, mais à investir dans des outils d'IA dotés de fonctions de gouvernance intégrées, de pistes d’audit et de mécanismes de transparence permettant de réduire les risques de non-conformité.

Le diagnostic n'est pas compliqué. Évaluez votre entreprise sur quatre dimensions, de 1 à 10 :

Qualité actuelle de l’infrastructure de données
Capacité de changement de l’organisation
Densité des talents techniques
Complexité réglementaire et de conformité

Des scores faibles en infrastructure et en talents suggèrent que vous devrez y investir davantage. Une forte capacité de changement permet d’investir plus dans les personnes et les processus. Une grande complexité réglementaire peut justifier un investissement accru dans des outils sophistiqués dotés de fonctions de gouvernance intégrées.

Mais quel que soit le scénario, un principe demeure : l’investissement dans les personnes doit être égal ou supérieur à l’investissement technologique.

Comme le dit Munro : « La plupart des organisations ne rencontrent pas d’échec à cause de l’IA elle-même, mais parce qu’elles investissent dans des prompts et s’attendent à ce que l’IA soit une solution magique, alors qu’elles devraient s’assurer que leurs employés comprennent ce qu’est l’IA, ce qui est possible, comment l’utiliser, quels outils utiliser pour leur poste, et comment l’utiliser avec intégrité. »

Le problème des coûts cachés

Une des raisons pour lesquelles les entreprises se trompent dans leur répartition est que beaucoup ne savent même pas ce qu’elles dépensent dans chaque catégorie. Les coûts sont répartis entre différents départements et disséminés dans diverses lignes budgétaires.

Les coûts technologiques sont généralement visibles : licences logicielles, frais d’informatique en nuage, contrats fournisseurs. Ceux-ci apparaissent clairement dans les budgets informatiques.

Les coûts d’infrastructure sont parfois dissimulés. Le temps passé par les ingénieurs de données est intégré dans le budget opérationnel du service informatique. Les travaux d’intégration sont réalisés dans le cadre de la « maintenance des systèmes ». Les audits de sécurité sont souvent des missions secondaires. La surveillance des systèmes est une réflexion de dernier recours.

Mais les coûts liés aux personnes et aux processus sont souvent totalement invisibles. Le temps passé en formation représente un coût d’opportunité (travail non réalisé pendant les apprentissages). Le coaching des managers n’apparaît dans aucun budget. Les efforts de refonte des processus se déroulent dans des salles de réunion sans allocation précise. Les frais de communication sont omniprésents et pourtant invisibles. Les réunions dédiées à la gouvernance nécessitent du temps, mais sont rarement comptabilisées comme des coûts de transformation liée à l’IA.

Gallardo identifie trois signes d’alerte indiquant que votre répartition est erronée, quel que soit ce que dit le budget officiel :

« Quelques utilisateurs avancés adorent l’outil d’IA, mais la plupart l’ignorent. Les décisions et flux de travail ne changent quasiment pas à cause de l’IA : il y a de chouettes fonctionnalités, mais peu d’impact réel sur la façon de travailler. Les nouvelles expérimentations IA sont dispersées partout, sans normes communes, manuels, indicateurs, études de cas ou cadre de gouvernance. »

Lorsque vous constatez ces symptômes, « réorienter votre budget vers le management produit, les opérations, la conduite du changement et la création de “champions IA” a beaucoup plus d’impact que de mettre encore de l’argent dans un autre projet d’intégration », dit-elle.

Riley observe le même schéma : « Même lorsque les employés utilisent discrètement des outils d’IA par eux-mêmes, la solution n’est pas un contrôle plus strict, mais d’encadrer cette énergie par des formations pratiques et des consignes claires. Investir trop dans l’humain est rare : beaucoup d’entreprises n’en font pas assez dans ce domaine, plutôt que trop. »

Pour comprendre votre réelle répartition, vous devez effectuer un audit honnête. Sur le dernier trimestre, comptabilisez :

Toutes les licences logicielles liées à l’IA, frais d’infrastructure cloud et honoraires de fournisseurs
Le temps consacré par les équipes IT et data à l’infrastructure IA, à l’intégration et à la sécurité
Le temps passé en formation IA (multipliez les heures par le coût horaire moyen)
Le temps que les managers consacrent au coaching d’adoption de l’IA
Le temps passé en réunion pour la gouvernance, la refonte des processus et la planification des initiatives IA
Les coûts externes des consultants et conseillers

Classez tout dans les trois catégories : algorithmes, infrastructure, ou personnes et processus. La plupart des entreprises découvrent qu’elles dépensent bien plus qu’elles ne le pensaient dans la technologie, et bien moins dans l’humain.

Pourquoi bien répartir est essentiel

La différence de performance entre les entreprises qui ajustent bien leur répartition et celles qui échouent est flagrante.

Les études montrent que les entreprises ayant une approche centrée sur l’humain observent un engagement des employés multiplié par 2,3 et des performances supérieures de 1,5 fois.

Les entreprises où les DRH (CHRO) et les DSI (CIO) travaillent en véritables partenaires se révèlent 15 fois plus productives dans leurs initiatives en matière d’IA. Pourtant, la réalité est moins fréquente qu’on ne le pense. Le problème commence par une confusion fondamentale quant à ce que doit relever du DSI versus du DRH dans la transformation liée à l’IA.

« Ce qui est fascinant, c’est que le DSI s’est vu confier non seulement la conception, le test et le déploiement des outils, mais aussi leur adoption », observe David Swanagon, fondateur du Machine Leadership Journal, au regard de ses recherches sur la préparation organisationnelle à l’IA. « Et je pense qu’un des arguments que nous avançons à travers notre recherche, c’est que l’adoption devrait être portée par le DRH, car cela touche à la culture, à la confiance, à l’autonomie, aux compétences. Le DSI doit se charger de la conception, des tests, du déploiement, mais s’arrêter là et s’associer ensuite au DRH pour gérer l’adoption. »

ÉCOUTEZ L'ÉPISODE COMPLET AVEC DAVID SWANAGON

Cette distinction est structurelle. Lorsque les DSI possèdent à la fois le déploiement et l’adoption, le résultat se limite souvent à des solutions techniquement solides mais peu utilisées, ou qui créent de la friction organisationnelle parce qu’elles n’intègrent pas la culture et les compétences existantes.

Le coût d’une mauvaise répartition des responsabilités s’accumule rapidement. Klarna a fait la une avec ses gains d’efficacité grâce à l’IA, puis a discrètement fait marche arrière lorsque les impacts humains et culturels sont apparus.

L’IA de l’ombre prospère lorsque les entreprises ne fournissent pas d’outils ni de formation adaptés, générant ainsi les risques de sécurité tant redoutés par les dirigeants. Selon les données du secteur, 80% des projets IA échouent à l’étape de la généralisation, souvent parce qu’ils ont été déployés sans le soutien organisationnel indispensable à leur adoption — menant parfois à faire de l’IA un bouc émissaire pour des défaillances structurelles plus larges.

L’épuisement et la résistance des employés deviennent alors des taxes cachées des stratégies axées d’abord sur la technologie. Quand les outils sont mis en place sans formation adaptée ni refonte des processus, les employés perçoivent l’IA comme quelque chose qui leur est imposé plutôt que comme une aide. Les outils viennent alourdir leur charge au lieu de la réduire. La résistance se durcit.

« C’est extrêmement dysfonctionnel et préoccupant de voir la majorité des entreprises qui nous consultent croire que dès qu’elles “activent” un outil, la magie va opérer spontanément », affirme Munro. La dysfonction n’est pas simplement un gaspillage, elle nuit activement à la capacité de l’organisation à se transformer.

Pourtant, les entreprises de taille intermédiaire qui réussissent cette répartition bénéficient d’un avantage structurel sur les grands groupes. Les circuits de communication plus courts permettent une propagation plus rapide des changements. Les cycles de décisions plus brefs favorisent la rapidité d’itération. La proximité direction-employés facilite une gestion du changement authentique. L’adaptabilité accrue des processus fait que les flux de travail peuvent évoluer à mesure que l’organisation apprend.

« En tant que COO ayant conduit des opérations CX lors de multiples déploiements technologiques, j’aborde l’IA de la même façon : les gens d’abord, puis des processus solides pour les soutenir, et la technologie comme facilitateur », explique Riley. « Si l’humain est moteur, la transformation s’ancre et livre des résultats durables, ceux qui comptent vraiment. »

Le ROI est transformateur. Ces 300 000 $ investis dans des formations IA ciblées qui réduisent les erreurs de 40 % ? Ce n’est pas un gain unique. C’est une compétence qui s’améliore trimestre après trimestre, au fil de la montée en compétences des équipes. Les 200 000 $ consacrés à la refonte des processus de travail ? Ces avancées se cumulent, car vous développez la capacité à innover continuellement sur vos process.

De la règle au principe

La règle du 70-20-10 n’est pas une formule rigide à suivre aveuglément. C’est un principe issu de l’observation des entreprises qui réussissent réellement l’IA et du constat que la transformation est avant tout un défi humain et organisationnel, bien plus que technologique.

Pour les entreprises de taille intermédiaire, ce principe demande une adaptation, mais non un abandon. Vos infrastructures insuffisantes nécessitent peut-être 25 à 35 % du budget, au lieu de 20 %. Vos outils SaaS IA peuvent intégrer les coûts d’algorithmes dans les abonnements, modifiant la répartition des fameux 10 %. Vos contraintes sectorielles spécifiques imposent des aménagements.

Mais la vérité fondamentale demeure : si vous dépensez plus pour la technologie que pour les humains, vous laissez presque à coup sûr une valeur importante sur la table.

L’approche de Riley est pragmatique : « Pour un budget de départ de 2 M$, j’allouerais environ 65 % aux personnes via des formations ciblées et un accompagnement au changement. Environ 25 % devraient couvrir l’essentiel, comme l’accès aux données et une configuration cloud basique, et seulement 10 % pour les algorithmes, en privilégiant le SaaS solide plutôt que des développements sur-mesure. »

La vision de Gallardo prend en compte la réalité SaaS que connaissent la plupart des entreprises de taille intermédiaire : « Oui, la répartition reste la même, même si vous ne touchez jamais au modèle lui-même. Pour une installation majoritairement standard : ~10 % aux algorithmes, ~20 % à l’infrastructure, ~70 % aux personnes et processus. C’est là que doit aller l’essentiel de votre investissement. »

Ce qu’ils partagent, c’est que la réussite s’exprime dans les taux d’adoption, la confiance des équipes et les résultats du quotidien, pas dans la simple dépense. La technologie que vous achetez compte moins que les efforts consentis pour permettre à chacun de l’utiliser efficacement.

La démarche à adopter, côté dirigeant, est directe : effectuez ce mois-ci l’audit de vos allocations. Calculez ce que vous dépensez réellement en algorithmes, infrastructure et ressources humaines, en tenant compte de tous les coûts cachés. Si la part technologie dépasse celle réservée aux humains, vous venez de trouver le problème.

Passez ensuite à l’action.

Investissez dans le travail ingrat de la gestion du changement avant de déployer le prochain outil.
Élaborez des programmes de formation adaptés à chaque rôle.
Établissez des ambassadeurs de l'IA.
Permettez à vos managers de guider l'adoption.
Repensez les processus de travail avant de mettre en œuvre la technologie.
Créez des cadres de gouvernance qui favorisent plutôt que restreignent.

Rappelez-vous l'avertissement de Munro : « Là où vous voyez les dégâts commencer, c'est un manque de séquençage et d'intention. Sauter le travail 'ingrat' de clarification de la responsabilité, de l'objectif, des incitations, des flux de travail, etc., avant même d'aborder les outils. »

La technologie sera disponible quand vous serez prêt. Vos équipes, elles, n’attendront pas indéfiniment.

Keep Reading—and Keep Leading Smarter