Les gains de productivité ont peu de valeur si le travail passe toujours par les mêmes comités, approbations, transferts et silos fonctionnels. La contrainte devient de plus en plus la latence organisationnelle : le temps nécessaire pour décider, modifier les processus et convertir de nouvelles capacités en résultats commerciaux.
Un travail qui exigeait plusieurs spécialistes, services ou semaines d’effort peut maintenant être accompli beaucoup plus vite. Cela transforme la collaboration des équipes, la prise de décisions et les besoins en expertise.
Les avantages se concrétisent pleinement lorsque les organisations révolutionnent leur conception et repensent les flux de travail, la gouvernance, les incitatifs, la circulation du savoir et les structures décisionnelles afin de multiplier les gains de productivité liés à l’IA dans toute l’entreprise.
Les organisations natives de l’IA ont besoin d’une ossature stable et d’une périphérie adaptative, tout en misant sur les compétences humaines les plus précieuses pour juger et coordonner les actions.
Sur LinkedIn, Substack et d’autres forums, bien des discussions reviennent à dire : « Je ne vois pas le RCI de l’IA. » Avec l’essor d’une adoption concrète, nous observons pourtant un bon RCI des solutions d’IA et des outils prêts à l’emploi comme ChatGPT, Codex et Claude. Néanmoins, ce point de vue se comprend. Même si d’importants gains de productivité individuelle sont possibles, ils restent limités si les flux de travail de l’organisation ne changent pas. Votre conception organisationnelle doit évoluer.
Malheureusement, aucune organisation ne peut être parée pour l’avenir, surtout vu la vitesse d’évolution de l’IA. Personne ne peut affirmer avec certitude à quoi devrait ressembler, dans trois ans, une banque, un assureur, un détaillant, une entreprise énergétique ou un cabinet-conseil optimisé par l’IA. La technologie, l’économie et les modes de travail évoluent trop vite, faisant de l’adaptabilité l’un des principaux avantages de la prochaine décennie.
Mais si une intelligence experte est offerte instantanément et que des agents d’IA peuvent travailler seuls pendant des heures, il faut présumer que la façon de travailler changera — et qu’elle doit changer. Votre modèle opérationnel doit donc changer pour tirer parti de la technologie. Les organisations prêtes à s’adapter le plus vite aux nouveaux modes de travail et aux applications émergentes de cette technologie seront les plus avantagées.
Pour comprendre l’incidence organisationnelle de l’IA, le plus simple est de partir d’une hypothèse. Présumez qu’une intelligence experte est instantanément accessible à tous dans l’organisation. C’était difficile à imaginer il y a deux ans, mais c’est maintenant presque une réalité. Même si elle n’est pas encore parfaite, on peut raisonnablement présumer qu’elle s’en approchera très bientôt.
Ajoutez-y une deuxième hypothèse. Présumez que des agents autonomes peuvent collaborer pendant des heures, des jours, puis des semaines afin d’accomplir un travail substantiel. Pas une ou quelques tâches, mais une véritable séquence de travail substantielle couvrant plusieurs disciplines. Une équipe interfonctionnelle incarnée par des agents capables de déterminer eux-mêmes le flux de travail.
Si ces deux hypothèses sont ne serait-ce qu’approximativement vraies, la façon de travailler devra changer. Les délais diminuent, la collaboration interne évolue et le changement s’accélère.
Un changement aussi rapide favorise la décentralisation, l’autonomie et l’innovation, tandis que la plupart des grandes organisations reposent sur l’idée contraire.
Les grandes entreprises centralisent le pouvoir dans des services organisés par fonction. Elles séparent la stratégie, la technologie, les données, le risque, les opérations, les finances, les RH et les activités en structures distinctes, chacune ayant ses priorités, ses incitatifs et, surtout, ses contrôles.
Les comités d’investissement et de pilotage, conseils d’architecture, examens des risques, contrôles de conformité, processus d’approvisionnement, cycles annuels de planification et analyses de rentabilité régissent le changement. Certaines équipes de gestion du changement servent aussi d’intermédiaires entre les parties prenantes sans ajouter de valeur à l’information.
Encore une fois, rien de tout cela n’est irrationnel, et ces mécanismes existent pour de bonnes raisons. Ils gèrent le risque, répartissent le capital, évitent les dédoublements, protègent les clients et établissent les responsabilités, mais ils imposent aussi un rythme. Ce rythme sera probablement trop lent dans un monde où les concurrents natifs de l’IA peuvent tester, apprendre et repenser le travail beaucoup plus vite.
Le signal culturel compte aussi. Dans bien des organisations, les incitatifs récompensent encore le respect des frontières fonctionnelles, même si les dirigeants répètent : « Vous avez le pouvoir de décider. » Pourquoi? Protéger l’équipe. Protéger le budget. Protéger la feuille de route. Éviter les échecs visibles. Confier les décisions difficiles à un comité. Ne pas trop s’écarter du processus approuvé.
Cette approche centralisée est logique lorsque l’expérimentation coûte cher et que les changements occasionnels sont évolutifs plutôt que révolutionnaires. Elle devient toutefois problématique lorsque les capacités progressent fortement tous les quelques mois et que les équipes proches du travail découvrent les meilleures occasions.
Répondre à l’IA par une centralisation traditionnelle crée une latence qui empêche un RCI significatif. Si chaque changement doit franchir plusieurs comités avant d’atteindre le vrai travail, l’organisation apprendra trop lentement.
Limiter les occasions d’exploiter l’IA rend votre milieu de travail moins attrayant pour ceux qui veulent progresser plus vite.
La plupart des organisations commencent par la maîtrise individuelle de l’IA. C’est le bon point de départ. Les gens doivent savoir donner des directives à l’IA, la remettre en question, vérifier son travail, protéger les renseignements sensibles et reconnaître quand ne pas l’utiliser. Ils ont besoin de confiance, de jugement et d’expérience pratique.
Mais la maîtrise individuelle a ses limites. Un analyste peut produire cinq fois plus d’analyses, mais l’instance décisionnelle ne se réunit toujours qu’une fois par mois. Un développeur peut générer plus de code, mais le processus de révision et de mise en production n’a pas changé. Un spécialiste du marketing peut créer plus de contenu, mais l’approbation de la marque attend toujours dans la même file.
Même à l’échelle d’une équipe, changer le flux de travail n’accélère pas forcément les résultats si le reste de l’organisation fonctionne toujours comme avant.
La personne avance donc plus vite, l’équipe peut aussi avancer plus vite, mais d’autres parties du processus organisationnel de bout en bout limitent finalement la cadence des résultats. Voilà pourquoi le parcours de l’IA doit passer de la maîtrise individuelle à celle de l’équipe, puis à celle de l’organisation.
Lorsque l’entreprise peut modifier ses structures, ses incitatifs, sa gouvernance, ses flux de connaissances et ses modèles technologiques, les gains locaux des personnes et des équipes créent de la valeur organisationnelle.
C’est un défi difficile, mais c’est là que se trouve l’occasion de libérer de la valeur. Les entreprises natives de l’IA créées ces dernières années après le lancement de ChatGPT ont intégré l’IA à leurs flux de travail; elles restent agiles et conservent des structures horizontales. À l’inverse, les grandes entreprises ont inséré l’IA dans leurs processus existants, créant une mosaïque qui ne change pas la façon dont le travail est effectué.
Être natif de l’IA ne signifie pas être chaotique, imprudent ou obsédé par les outils. Cela ne signifie pas que chaque employé utilise le plus récent modèle comme bon lui semble. Et cela ne signifie certainement pas remplacer la gouvernance par l’enthousiasme ni prétendre que les humains sont désormais inutiles.
L’ancien modèle de conception organisationnelle suppose qu’on peut définir un état futur, dessiner la structure, mettre en œuvre le changement et stabiliser le tout. C’est trop lent pour l’IA.
Les organisations natives de l’IA seront conçues pour un changement continu. Une organisation native de l’IA repense continuellement le travail selon les forces combinées des personnes, des systèmes d’IA, des données, des flux de travail et de la gouvernance. Elle ne misera pas tout sur un seul plan directeur. Elle développera sa capacité de déterminer rapidement quels flux de travail changer, quels rôles faire évoluer, quels contrôles instaurer, quelles compétences privilégier, quels modèles réutiliser et quelles hypothèses sont déjà dépassées.
Cela exige deux choses à la fois : une ossature stable et une périphérie adaptative. Elles équilibrent la centralisation et l’autonomie des équipes proches du travail.
L’ossature stable donne confiance et envergure à l’organisation. Toute l’entreprise accède aux outils approuvés, aux modèles réutilisables, aux voies d’accès aux données, aux méthodes d’évaluation, aux contrôles de sécurité, aux principes de gouvernance, à la surveillance, à l’infrastructure du savoir et à des responsabilités claires.
La périphérie adaptative est l’endroit où le travail s’effectue et change souvent, sans friction. De petites équipes interfonctionnelles proches du problème ont assez d’autorité pour repenser les flux de travail, appliquer l’IA, tester de nouvelles méthodes et transmettre leurs apprentissages à l’organisation.
Cet équilibre entre le noyau et la périphérie est important. Avec trop de contrôle central, l’organisation apprend trop lentement. Avec trop de liberté locale, l’organisation se fragmente. L’organisation native de l’IA exige de la rigueur au centre et de l’adaptabilité en périphérie.
La conclusion facile de l’automatisation du travail est que l’IA réduit le besoin de personnel. Ce sera vrai dans certains domaines, comme le travail intellectuel répétitif et peu contextuel, qui sera comprimé ou éliminé. Le travail surtout transactionnel — combler les lacunes des systèmes, déplacer l’information, faire l’analyse initiale, produire de premières ébauches et offrir une « valeur ajoutée » limitée — subira des pressions.
En revanche, la « contribution » humaine monte d’un niveau : si une intelligence experte est offerte instantanément, les rares qualités humaines que l’IA ne peut ni ne devrait remplacer deviennent le jugement, la créativité, la responsabilité, le contexte et la confiance.
Les organisations devraient miser davantage sur les personnes capables de décider dans des situations ambiguës. Des personnes qui comprennent assez bien le domaine pour orienter l’IA et reconnaître ses erreurs. Des personnes capables de poser de meilleures questions. Des personnes capables de relier les réalités commerciales, techniques, opérationnelles et humaines. Des personnes capables de bâtir des relations, d’inspirer confiance et de coordonner de nombreuses parties prenantes. Surtout, la capacité de changer rapidement de contexte et d’interpréter l’information avec justesse devient essentielle quand une semaine de travail se retrouve comprimée dans votre lundi matin.
Les généralistes gagnent donc en valeur s’ils peuvent conserver le contexte entre les fonctions et coordonner le travail soutenu par l’IA. Les experts pourraient aussi gagner en valeur, car un travail plus rapide multiplie les moments où la qualité et le jugement comptent. Les dirigeants devront moins contrôler l’activité et davantage concevoir les systèmes, le contexte et le rythme.
Il ne faut pas investir uniquement dans les « compétences en IA », mais aussi dans les qualités humaines qui gagnent en importance lorsque l’IA exécute davantage de tâches élémentaires : curiosité, jugement, résilience, clarté, créativité, détermination, collaboration et aisance face à l’ambiguïté. L’organisation devrait dès maintenant recruter, perfectionner et récompenser ces qualités.
Comprimer autant de travail est intense, et les organisations natives de l’IA ne peuvent fonctionner à plein régime en permanence. Elles devront donner aux gens le temps et la marge nécessaires pour récupérer et renouer des liens. Pour bien juger et décider, les organisations devraient créer des milieux où les heureux hasards peuvent faire naître des idées inédites.
Aujourd’hui, bien des entreprises tardent à utiliser l’IA pour ce qu’elle permet déjà. L’écart se creuse donc entre l’amélioration des capacités agentiques et celle de leur utilisation.
C’est normal. Les grandes organisations adoptent lentement la technologie en raison des anciens systèmes, des contraintes réglementaires, de la résistance culturelle, des données fragmentées, des responsabilités floues et des risques réels à gérer.
Mais tôt ou tard, assez de dirigeants, d’équipes et de concurrents sauront appliquer l’IA aux véritables flux de travail de façon sûre et répétable. Les modèles de pratique mûriront, la gouvernance sera mieux intégrée, les agents deviendront plus fiables et la confiance organisationnelle grandira. L’écart entre ce que l’IA rend possible et ce que les entreprises utilisent réellement commencera à se refermer.
À ce point d’inflexion, l’avantage n’ira pas aux entreprises dotées des meilleurs modèles ou des plus gros budgets d’IA, mais aux organisations capables de transformer rapidement le travail.
Les entreprises qui centralisent chaque décision, protègent chaque fonction, gouvernent par de lents comités et récompensent ceux qui « ne font pas de vagues » peineront à suivre.
Les entreprises qui bâtissent une solide ossature et une périphérie adaptative apprendront plus vite. Elles découvriront plus tôt de meilleurs flux de travail, réaffecteront un bon équilibre de généralistes, d’experts et de dirigeants à des tâches plus utiles, puis transformeront les expériences locales en modèles réutilisables.
La question actuelle est peut-être « Comment réussir l’adoption de l’IA? », mais elle devra bientôt devenir « À quelle vitesse notre organisation peut-elle s’adapter tandis que l’IA transforme le travail? »
Une organisation lente dotée d’une IA puissante restera lente; une organisation adaptative dotée d’une IA puissante multipliera ses gains.