Le chiffre arrive en comité de direction un lundi matin. Presque toutes les licences d'IA achetées sont activées, les connexions progressent de semaine en semaine. Le projet a l'air réussi. Autour de la table, personne ne sait encore ce que les équipes font de l'outil ni ce qu'elles en disent quand leur manager n'est pas là.
En 2025, plusieurs dirigeants ont choisi de rendre l'usage de l'IA obligatoire sous une forme ou une autre. Leurs raisons se défendent. L'outil change vite, son apprentissage passe par la pratique et une invitation restée sans suite produit peu. Ce texte ne juge aucun de ces choix. Il décrit ce que l'obligation produit dans une équipe, ce qu'elle rend visible et ce qu'elle laisse dans l'ombre, puis ce qui installe l'usage de l'IA dans la durée.
Que se passe-t-il quand une entreprise rend l'IA obligatoire ?
L'usage devient une attente vérifiable, assortie d'une échéance ou d'une place dans l'évaluation. Deux cas rendus publics en 2025 par les dirigeants eux-mêmes montrent ces deux formes.
Shopify, l'usage entre dans l'évaluation
Le 7 avril 2025, Tobi Lütke, entrepreneur, cofondateur et directeur général de Shopify, publie sur X un mémo interne intitulé « Reflexive AI usage is now a baseline expectation at Shopify ». Une phrase y change la nature de l'attente, « We will add AI usage questions to our performance and peer review questionnaire. » L'usage de l'IA entre dans l'évaluation de la performance comme dans l'évaluation entre pairs.
Lütke justifie ce pas. Bien se servir de l'IA est à ses yeux une compétence peu évidente. Beaucoup y renoncent selon lui après un premier essai décevant. Les retours des pairs doivent aider chacun à progresser. Il écrit aussi que l'invitation à expérimenter lancée l'été précédent était restée « too much of a suggestion », trop proche d'une simple suggestion. La façon dont ce mémo a été rendu public relève d'une autre question, celle de l'annonce. Ici, seule compte la conséquence d'un usage devenu critère d'évaluation.
Coinbase, une échéance d'une semaine
Brian Armstrong, entrepreneur, cofondateur et directeur général de Coinbase, a raconté l'épisode dans un entretien du podcast Cheeky Pint mis en ligne le 20 août 2025. Coinbase avait équipé ses ingénieurs des assistants de code Cursor et GitHub Copilot. Les équipes prévoyaient d'atteindre la moitié d'adoption en un ou deux trimestres. Armstrong a jugé ce délai trop long. Il a demandé dans le canal Slack général de l'entreprise que chaque ingénieur s'équipe avant la fin de la semaine.
Son message distinguait deux niveaux d'exigence. « You don't have to use it every day yet until we do some training, but at least onboard by the end of the week. » L'obligation portait sur l'installation. L'usage quotidien devait venir après une formation.
Ce que les deux cas ont en commun
Les deux dirigeants traitent l'IA comme une compétence qui ne s'acquiert qu'en pratiquant. Tous deux rendent la pratique visible, au moyen d'un questionnaire d'évaluation chez Shopify et d'une échéance chez Coinbase. Une obligation fait progresser ce qui se compte. Elle renseigne beaucoup moins sur ce qui change dans le travail réel. Elle reste un levier parmi d'autres de la conduite du changement IA, incapable d'en tenir seule toutes les étapes.
Pourquoi l'obligation produit-elle une adoption de façade ?
Parce qu'elle obtient un comportement sans en obtenir les raisons. Une adoption de façade présente tous les signes extérieurs de l'usage, licences activées, connexions régulières, réponses conformes au questionnaire. La façon de travailler reste la même. L'outil s'ouvre parce qu'on le demande, puis l'ancienne méthode revient dès que la tâche compte.
Motivation contrôlée, motivation autonome
La théorie de l'autodétermination, développée par Edward Deci, professeur de psychologie à l'université de Rochester, avec Richard Ryan, psychologue clinicien et professeur à l'Université catholique australienne, donne un nom à ce mécanisme. Dans leur traité de 2017, Self-Determination Theory, les deux auteurs distinguent deux qualités de motivation. La motivation contrôlée fait agir sous la pression d'une récompense, d'une sanction ou du regard d'autrui. La motivation autonome fait agir parce qu'on reconnaît la valeur de ce qu'on fait ou parce que l'activité plaît en elle-même.
D'après leurs travaux, la motivation autonome prédit la persistance, la performance et le bien-être. Une obligation relève par construction de la motivation contrôlée. Elle peut glisser vers l'autre registre à mesure que la personne en vient à reconnaître la valeur de ce qu'on lui demande. Ryan et Deci appellent ce passage l'internalisation.
Ce qui reste quand personne ne regarde
En 1994, Edward Deci et trois coauteurs ont mesuré ce passage par une expérience publiée dans le Journal of Personality. Les participants accomplissaient une tâche ennuyeuse, guetter des points lumineux sur un écran pour appuyer sur une touche dès leur apparition. L'expérimentateur quittait ensuite la pièce. Chacun pouvait poursuivre la tâche ou feuilleter des magazines. Le temps passé de son plein gré sur la tâche mesurait l'appropriation.
Trois facteurs l'ont augmentée. Une raison qui donnait de la valeur à l'activité, présentée comme un entraînement de l'attention. La reconnaissance explicite que la tâche pouvait être ennuyeuse. Des consignes qui laissaient le choix et limitaient le contrôle. Le dispositif dit beaucoup pour l'IA. L'indicateur qui renseigne vraiment se prend au moment où l'usage n'est plus surveillé.
Daniel DeCaro et deux coauteurs ont retrouvé le phénomène en 2015 sur des règles collectives, dans une expérience de gestion d'une ressource commune. Les règles votées puis appliquées tenaient encore après la levée du contrôle. Les règles imposées puis contrôlées obtenaient la coopération la plus faible. À l'arrêt du contrôle, elle baissait encore.
Compter l'usage déplace l'effort vers le compteur
Un usage inscrit dans l'évaluation devient un objectif à atteindre. Steven Kerr, professeur de management, a décrit ce piège dès 1975 sous un titre resté célèbre, récompenser A en espérant B. Une organisation qui récompense le nombre de connexions obtient des connexions, alors qu'elle espérait un travail mieux fait. Ryan et Deci relèvent de leur côté qu'une récompense attachée à un résultat renforce n'importe quel chemin vers ce résultat, y compris le plus court.
Tout dépend de ce que l'évaluation demande. Lütke attend des retours de pairs sur la façon dont chacun progresse. Une question qui demande « combien de fois » appelle un chiffre. Une question qui demande « qu'as-tu appris » appelle un récit de pratique, plus difficile à maquiller.
| Année | Travaux | Ce qu'ils établissent | Ce qu'un CODIR peut en retenir |
|---|---|---|---|
| 1994 | Deci, Eghrari, Patrick et Leone, Journal of Personality | Une raison qui a du sens, un ressenti reconnu et le choix souligné augmentent le temps passé librement sur une tâche ennuyeuse. | Mesurer l'usage quand il n'est plus contrôlé. |
| 2015 | DeCaro, Janssen et Lee, Judgment and Decision Making | Des règles votées puis appliquées tiennent après la levée du contrôle. Des règles imposées puis contrôlées obtiennent la coopération la plus faible. | Associer les équipes à la définition des règles d'usage. |
| 2017 | Ryan et Deci, Self-Determination Theory | La motivation autonome prédit persistance, performance et bien-être. Une récompense liée à un résultat renforce tous les chemins qui y mènent. | Évaluer ce que chacun apprend de l'outil. |
| 2024 | Mollick, Co-Intelligence | Les salariés qui trouvent les usages les plus efficaces les gardent souvent secrets, par crainte d'avoir des ennuis. | Rendre sans risque le partage des usages comme des échecs. |
| 2025 | Reif, Larrick et Soll, PNAS | Sur 4 439 participants, les utilisateurs d'IA anticipent puis reçoivent des jugements négatifs sur leur compétence et leur motivation. | Légitimer l'usage avant de le compter. |
Quelles peurs l'obligation rend-elle invisibles ?
Celles qu'il devient risqué de dire. Quand l'usage est attendu de tous, avouer qu'on ne s'y retrouve pas revient à se désigner comme en retard. Les doutes changent alors de pièce. Ils quittent la réunion d'équipe pour les conversations à deux.
La peur d'être mal jugé
Trois chercheurs de l'université Duke, Jessica Reif, Richard Larrick et Jack Soll, ont publié en mai 2025 dans les Proceedings of the National Academy of Sciences quatre expériences préenregistrées menées auprès de 4 439 participants. Les personnes qui utilisent l'IA au travail s'attendent à être jugées moins compétentes et moins motivées. Les évaluateurs les jugent effectivement ainsi.
D'après la présentation qu'en donne l'université Duke, les participants se montraient nettement moins enclins à signaler leur usage à leurs managers et à leurs collègues. Deux nuances ouvrent une piste. Pour des tâches numériques où l'IA était explicitement présentée comme utile, la pénalité ne se retrouvait pas dans le jugement d'adéquation au poste. Les managers qui utilisaient eux-mêmes souvent l'IA favorisaient au contraire les candidats qui s'en servaient.
L'obligation déplace cette crainte. Être vu en train d'utiliser l'IA devient normal. Être vu en train de mal l'utiliser, de poser une question naïve ou de n'en tirer presque rien devient le nouveau risque.
L'usage caché, l'autre face de la même règle
Ethan Mollick, professeur de management à la Wharton School, connu pour sa distinction entre le centaure et le cyborg au travail, décrit dans Co-Intelligence (2024) le phénomène symétrique. Les salariés qui découvrent les usages les plus efficaces de l'IA n'en parlent souvent pas à leur entreprise. Il en résume la cause en une phrase, « people don't want to get in trouble », les gens ne veulent pas d'ennuis (traduction de cet article). Les interdictions des débuts poussaient à utiliser l'IA sur son téléphone personnel. Une bonne partie de la valeur de l'outil tient aussi à ce que personne ne sache qu'on s'en sert. S'y ajoute la crainte de ce que l'organisation ferait des gains découverts.
Sa conclusion porte au-delà des interdictions. « If your employees don't believe you care about them, they will keep their AI use hidden. » Si les salariés ne croient pas que l'entreprise tient à eux, ils garderont leur usage de l'IA caché. Une règle venue d'en haut rend l'usage réel invisible dans les deux sens. L'interdiction fait cacher l'outil, l'obligation fait cacher les doutes.
Des craintes qui ne prennent pas la forme d'une objection
Ces peurs se disent rarement en réunion. Elles prennent la forme d'un usage minimal et sans risque, d'une question qu'on ne pose pas, d'un texte produit par l'outil puis retouché en silence. Une personne peut aussi souhaiter sincèrement adopter l'IA tout en freinant sans le voir, ce que décrit l'immunité au changement. Quand une inquiétude prend la forme d'une détresse ou d'un épuisement, elle sort du champ du manager comme de celui du coach. Elle relève du médecin du travail, du service de santé au travail ou d'un professionnel de santé.
Comment distinguer une adoption réelle d'une adoption de façade ?
En regardant ce que l'outil change dans le travail lui-même, bien au-delà du nombre de fois où il s'ouvre. Une adoption réelle laisse des traces dans la façon dont l'équipe découpe, vérifie et partage son travail. Cinq signes aident à trancher.
- Les usages se racontent. Chacun sait dire ce qu'il a confié à l'IA dans la semaine, ce qu'il a vérifié derrière elle et ce qu'il a gardé pour lui.
- Les échecs circulent. Une équipe qui adopte vraiment partage aussi ce qui n'a pas marché. Le mémo de Lütke demande d'ailleurs de partager « Ws (and Ls!) », les réussites comme les échecs.
- L'usage tient sans relance. Il se maintient pendant les congés du manager, après la fin d'une campagne interne, une fois l'indicateur retiré du tableau de bord.
- Les questions remontent. Des questions précises sur les données, la vérification ou les limites de l'outil signalent un usage réel. Un silence complet après une obligation se vérifie avant de s'interpréter.
- Le travail change de forme. Une tâche se découpe autrement, un contrôle s'ajoute, une étape disparaît.
Le moyen le plus simple reste de demander, en tête-à-tête et hors de tout enjeu d'évaluation, ce que l'outil apporte et ce qu'il coûte. La conversation sert à comprendre. Elle perd son utilité dès qu'elle sert à noter. Ce qu'une équipe accepte de dire dépend de ce qu'elle peut dire sans risque. la sécurité psychologique d'une équipe décide de la qualité des réponses obtenues.
Qu'est-ce qui fait adopter l'IA durablement ?
Un usage utile au métier, le droit d'essayer sans risque et des exemples venus des pairs. Les trois facteurs de l'expérience de 1994 en donnent la trame. Une raison qui a du sens pour la personne, un coût reconnu sans détour, une marge de choix sur la manière.
Un usage utile au métier
La raison qui convainc tient au travail de la personne. « L'IA est stratégique » ne dit rien à une comptable. Trois tâches de sa semaine où l'outil fait gagner du temps ou de la qualité lui parlent davantage. Alfred Almendra, coach agile, résume l'enjeu par une formule de son support « Impossible de transformer mon organisation ! ». L'impact d'un changement égale la solution multipliée par son adoption. Un outil que personne n'adopte vraiment produit un impact nul, quel que soit le taux de connexion.
L'étude de Duke suggère un bénéfice de plus. Quand l'utilité de l'IA pour une tâche précise est explicite, la crainte d'être mal jugé perd une partie de son fondement.
Le droit d'essayer sans risque
Apprendre l'IA suppose des essais ratés. Ils doivent rester sans conséquence. Dans All-in on AI (2023), Thomas Davenport, professeur de technologies de l'information et de management au Babson College, raconte avec Nitin Mittal, consultant en intelligence artificielle chez Deloitte, comment la banque DBS a cherché à « take the fear out of AI », à retirer la peur de l'IA. Piyush Gupta, banquier, directeur général de DBS de 2009 à 2025, y a encouragé ses salariés à participer à une ligue de course de voitures autonomes simulées, un jeu qui enseigne l'apprentissage automatique. Il y a concouru lui-même. La banque visait jusqu'à trois mille salariés formés de cette façon en 2020.
Le même livre décrit le choix d'Airbus pour sa formation à la science des données. L'entreprise demande aux salariés comme à leurs managers d'y consacrer une demi-journée par semaine. Manager et salarié choisissent ensemble un projet pilote réel. Le manager en suit l'avancée. Le temps réservé évite de prendre l'apprentissage sur le travail courant.
Des exemples venus des pairs
Brian Armstrong décrit dans le même entretien un second dispositif, mensuel celui-là. Coinbase organise chaque mois ce qu'il appelle un « AI speed-run ». Un ingénieur volontaire y forme ses collègues en montrant comment il utilise l'IA, l'entreprise cherchant à mettre en avant les équipes qui s'en servent le mieux. L'échéance avait fixé un plancher. L'exemple d'un pair montre à quoi ressemble un usage utile dans le même métier, avec les mêmes contraintes.
Mollick fait le même constat sous un autre angle. Les meilleurs usagers de l'IA peuvent se trouver à n'importe quel niveau de l'organisation, quels que soient leur parcours et leurs résultats passés. Almendra rappelle de son côté qu'« il suffit de quelques volontaires pour réaliser un premier progrès / succès ». Il écrit aussi que « respecter le non est la première étape pour favoriser l'adoption ».
Une séance mensuelle de trente minutes où un volontaire montre un usage réel, avec ce qu'il vérifie et ce qui a raté, peut faire plus pour l'adoption qu'une relance de la direction. Le volontaire change chaque mois. La séance ne note personne.
Que peut faire un manager quand l'obligation est déjà décidée ?
Il peut la traduire dans le travail de son équipe au lieu de la transmettre telle quelle. Ryan et Deci décrivent, à propos de l'école, un « umbrella effect », un effet parapluie. Un responsable pris entre une pression venue d'en haut et les personnes dont il a la charge peut tenir au-dessus d'elles un abri. Il prend en compte leur point de vue, leur laisse du choix et donne une raison à ce qu'il demande.
Transposé à l'IA, ce rôle se déroule en six gestes.
- Donner la raison métier. Relier l'attente de la direction à deux ou trois tâches réelles de l'équipe.
- Reconnaître le coût. Dire que l'apprentissage prend du temps et que les premiers essais déçoivent souvent, comme Lütke l'écrit lui-même.
- Laisser le choix de la manière. L'attente porte sur le résultat. L'équipe choisit ses cas d'usage, son rythme et ses règles, qu'elle peut écrire dans un accord d'équipe avec l'IA.
- Protéger l'essai. Séparer les moments où l'on apprend des moments où l'on est évalué.
- Faire circuler les exemples. Un pair qui montre son usage, des échecs partagés sans conséquence.
- Regarder ce qui reste sans relance. Observer l'usage une fois la campagne terminée.
Sans prise sur l'évaluation décidée plus haut, le manager de proximité garde la main sur le climat de son équipe. Chasser la peur, l'un des quatorze points du statisticien W. Edwards Deming, se joue ici dans des gestes que l'équipe peut vérifier, à commencer par le premier essai raté qui ne coûte rien à son auteur.
D'où je parle
Je travaille le sujet de l'IA en organisation depuis fin 2024. J'accompagne des équipes, des managers et des CODIR depuis 2012, dans une carrière commencée en 1998 dont quatorze ans à manager des équipes. Dans plusieurs équipes que j'accompagne, les agents IA sont traités comme des équipiers, avec un périmètre, des responsabilités et des limites. Ils sont challengés en rétrospective comme les autres membres.
Questions fréquentes
Une obligation peut lancer la pratique quand une invitation est restée sans suite, comme Tobi Lütke l'écrit dans son mémo de 2025. Elle installe un usage durable si elle s'accompagne d'une raison liée au métier, de temps pour apprendre et du droit de rater ses premiers essais. Sans eux, elle produit surtout des indicateurs.
Si c'est le cas, mieux vaut y évaluer l'apprentissage. Une question sur ce que la personne a appris, vérifié ou abandonné renseigne sur la pratique. Un compteur de connexions renseigne sur l'outil. Edward Deci et Richard Ryan observent qu'une récompense attachée à un résultat renforce tous les chemins qui y mènent, le plus court compris.
Quelques signes alertent. Aucun échec n'est jamais partagé, aucune question ne remonte, l'usage retombe dès que la relance s'arrête. Une conversation en tête-à-tête, sans lien avec l'évaluation, sur ce que l'outil apporte et ce qu'il coûte, permet d'aller plus loin. D'après une étude publiée en 2025 dans PNAS, les utilisateurs d'IA craignent d'être jugés moins compétents, ce qui les rend moins enclins à parler de leur usage.
Écouter d'abord la raison du refus. Elle peut tenir à une tâche où l'outil n'apporte rien, à une crainte sur la qualité du travail ou à une règle qui l'en empêche. Alfred Almendra, coach agile, écrit que respecter le non est la première étape pour favoriser l'adoption. Un essai court et réversible sur une tâche choisie par la personne vaut mieux qu'un nouvel argument.
La distance entre la direction et les équipes y est plus courte, ce qui facilite l'exemple. Un dirigeant qui montre son propre usage, ses vérifications et ses ratés légitime celui des autres. L'étude de l'université Duke publiée en 2025 va dans ce sens, les managers qui utilisaient souvent l'IA y jugeant favorablement les candidats qui s'en servaient.
Par une question posée à chaque équipe, celle qu'Ethan Mollick adresse aux dirigeants. « What is your vision about how AI makes work better rather than worse? » Comment l'IA rendrait-elle le travail meilleur plutôt que pire ? Les réponses désignent les premiers cas d'usage utiles et les craintes à traiter. Pour lire ces réponses ensemble sur votre contexte, réservons un échange de 30 minutes.
Vos indicateurs d'usage de l'IA progressent plus vite que le travail ?
Que vous soyez dirigeant, manager ou DRH, un premier échange permet de distinguer ce que montrent vos tableaux de bord de ce qui change réellement dans le travail de vos équipes.
Réserver un échange découverte (30 min)Allez plus loin
- Self-Determination Theory Trois besoins psychologiques fondamentaux, autonomie, compétence et affiliation. Leur satisfaction ou leur frustration par l'environnement social explique la qualité de la motivation et de la santé psychique. Voir le livre →
- Co-Intelligence Une technologie d'usage général déjà là, à traiter comme une intelligence non humaine qui augmente nos capacités plutôt que de les automatiser. Voir le livre →
- All-in on AI Ce que font concrètement les grandes entreprises installées qui vont le plus loin dans l'IA, moins d'un pour cent d'entre elles, le facteur limitant étant humain bien plus que technique. Voir le livre →
Liens affiliés
