Début 2026, deux tiers des entreprises françaises d'au moins 20 salariés déclarent utiliser l'IA générative. La Banque de France a interrogé quelque 7 000 d'entre elles. Elle décrit un usage « principalement limité ou expérimental ». Les licences sont achetées, les accès ouverts. Le travail a beaucoup moins bougé.
Cet écart entre l'outil présent et le travail inchangé définit le terrain de la conduite du changement IA. Ce guide en décrit les huit étapes et renvoie, pour chacune, à l'article qui l'approfondit. Il prolonge la thèse développée dans la transformation IA est d'abord un défi organisationnel et applique à l'IA les repères de notre guide des méthodes de conduite du changement en entreprise.
Qu'est-ce que la conduite du changement IA ?
La conduite du changement IA réunit les gestes qui font passer une organisation d'un outil disponible à un usage utile au travail. Elle traite ce que le déploiement technique laisse de côté, les personnes, les équipes, les règles de travail et la confiance entre elles. Son résultat se lit dans la façon dont le travail se fait, bien plus que dans le nombre de comptes ouverts.
Le constat de la Banque de France va dans ce sens. Sa publication du 3 septembre 2026 conclut que l'enjeu économique tient désormais moins à l'adoption de l'IA qu'à sa capacité à transformer durablement l'organisation et la performance des entreprises. Elle rappelle que les gains d'une technologie nouvelle dépendent souvent moins de son adoption que des investissements complémentaires et des réorganisations qu'elle entraîne. Le mécanisme est détaillé dans l'article sur l'investissement organisationnel sans lequel l'IA ne rapporte pas.
Thomas H. Davenport, professeur de technologies de l'information et de management au Babson College, a étudié avec Nitin Mittal une trentaine de grandes entreprises installées parmi celles qui sont allées le plus loin dans l'IA. Dans All-in on AI (2023), les deux auteurs estiment que leurs dirigeants confirmeraient que « AI technology is the easy part ». La difficulté tient à mobiliser les personnes et l'organisation pour explorer l'outil, le construire puis s'en servir. Le livre ne traite pas encore de l'IA générative. Son chapitre sur le facteur humain, placé avant celui sur la technologie, n'a pas vieilli.
Les données d'enquête qu'ils citent associent un fort investissement dans la conduite du changement à des initiatives d'IA 1,6 fois plus susceptibles de dépasser les attentes. Le chiffre décrit une association. Les organisations qui investissent dans l'accompagnement disposent souvent aussi d'un sponsor, d'un budget et d'une gouvernance. La part propre de l'accompagnement reste donc inconnue.
Ce qui la distingue d'un projet informatique
Trois traits rendent la conduite du changement IA particulière. Le premier tient à l'ordre des choses. L'usage individuel arrive avant la règle collective. Selon l'Apec (mai 2026), 50 % des cadres français utilisent l'IA au moins une fois par semaine et 29 % se déclarent formés. L'enquête d'Okta menée en mars 2026 trouve 90 % de dirigeants confiants dans leur visibilité sur les outils d'IA quand 52 % des salariés reconnaissent utiliser des outils non approuvés. Le changement est déjà en cours quand la direction décide de le conduire.
Le deuxième trait tient à l'utilité. Un logiciel de gestion sert la même procédure dans tous les services. L'IA générative rend des services différents d'un métier à l'autre et d'une tâche à l'autre. Parmi les entreprises qui n'utilisent pas l'IA, 49 % citent le manque de cas d'usage identifiés comme premier frein, loin devant les compétences (Banque de France). Les cas d'usage se trouvent dans le travail lui-même, rarement dans une liste établie au siège.
L'IA touche enfin au métier lui-même. Elle prend parfois en charge le geste qui faisait la fierté d'une profession, le premier jet d'un rédacteur, la synthèse d'un analyste, le code d'un développeur. La réaction des équipes porte alors sur leur identité professionnelle autant que sur l'outil.
| Repère | Chiffre | Source |
|---|---|---|
| Entreprises d'au moins 20 salariés déclarant utiliser l'IA générative | 67 % (64 % de 20 à 49 salariés, 83 % à 1 000 salariés et plus) | Banque de France, enquête menée du 25 février au 3 avril 2026, publiée le 3 septembre 2026 |
| Entreprises utilisatrices de l'IA générative constatant un gain de productivité | 31 % | Banque de France, même enquête |
| Entreprises non utilisatrices citant le manque de cas d'usage comme frein | 49 % | Banque de France, même enquête |
| Salariés de première ligne utilisant régulièrement l'IA générative | 51 %, au même niveau qu'un an plus tôt | BCG, AI at Work 2025, 26 juin 2025, plus de 10 600 salariés dans onze pays |
| Salariés d'organisations qui intègrent l'IA affirmant sans réserve que leur manager en soutient l'usage | 28 % | Gallup, 19 043 actifs américains interrogés en mai 2025 |
| Cadres utilisant l'IA au moins une fois par semaine, puis cadres se déclarant formés | 50 % puis 29 % | Apec, Les cadres et l'IA, 21 mai 2026, 2 000 cadres du secteur privé |
| Dirigeants confiants dans leur visibilité sur les outils d'IA, puis salariés utilisant des outils non approuvés | 90 % puis 52 % | Okta, AI Agents at Work 2026, mars 2026, 292 dirigeants et 492 salariés de sept pays |
| Part du temps gagné grâce à l'IA reperdue à corriger ou réécrire | Près de 40 % | Workday, enquête de novembre 2025 auprès de 3 200 répondants, communiqué du 14 janvier 2026 |
Par quelles étapes passe l'accompagnement du changement IA ?
L'accompagnement suit huit étapes dont l'ordre compte surtout au départ. Le diagnostic précède l'annonce, l'annonce précède le cadre d'usage. Ensuite les étapes avancent de front, portées par des acteurs différents, jusqu'à la mesure qui renvoie au diagnostic.
| Étape | La question qu'elle traite | Qui la porte d'abord | Pour approfondir |
|---|---|---|---|
| 1. Diagnostic | Que font déjà les équipes de l'IA, qu'en craignent-elles, qu'y gagnent-elles ? | Le comité de direction, avec un regard extérieur | Rapport d'étonnement |
| 2. Annonce | Pourquoi changer, qu'est-ce qui reste, qu'attend-on de chacun ? | Le dirigeant, relayé par les managers | Annoncer une transformation IA |
| 3. Cadre d'usage | Quelles données, quelles décisions humaines, quelle transparence ? | La direction, puis chaque équipe | Charte d'usage de l'IA |
| 4. Ambassadeurs | Par qui l'usage se diffuse-t-il entre collègues ? | Des volontaires reconnus par leurs pairs | Ambassadeurs IA |
| 5. Manager de proximité | Qui donne le temps, le droit à l'essai et le lien avec les tâches réelles ? | Le manager direct, soutenu par ses pairs | Manager de proximité |
| 6. Apprentissage | Comment former sans priver les débutants des tâches qui leur apprenaient le métier ? | La DRH, les managers, les tuteurs | IA et débutants |
| 7. Identité du métier | Que reste-t-il à soi quand l'outil prend le geste dont on était fier ? | Le manager, en conversation avec l'équipe | IA et identité professionnelle |
| 8. Mesure | Quel indicateur répond à la question du moment ? | Le comité de direction | Mesurer une transformation IA |
Un plan qui commence par la formation saute deux étapes. Il forme à un outil dont personne n'a dit à quoi il servirait, dans un cadre que personne n'a posé. Un plan qui s'arrête au cadre d'usage laisse l'adoption au hasard des affinités de chacun avec l'outil. Les étapes 4 à 7 séparent un usage visible d'un usage utile.
Comment préparer le terrain, du diagnostic à l'annonce ?
En regardant avant de déployer, puis en annonçant à partir de ce qu'on a vu. Les deux premières étapes engagent la crédibilité de toute la suite. Une annonce bâtie sur une organisation imaginaire se dément au premier contact avec le travail réel.
Étape 1, le diagnostic
Le diagnostic cherche trois choses que les tableaux de bord ne montrent pas, les usages qui existent déjà, les inquiétudes qui ne remontent pas et les gains réellement constatés. L'écart mesuré par Okta entre la confiance des dirigeants et les pratiques déclarées des salariés dit pourquoi il faut aller les chercher. Les usages parallèles prospèrent là où la direction croit voir clair.
Le rapport d'étonnement placé avant une transformation IA sert cet objectif. Un regard neuf parcourt l'organisation avant de s'y habituer, sur huit dimensions de l'ambition à la mesure de l'impact, sans score, sans comparaison entre équipes ni donnée nominative. Des questions ouvertes donnent la parole aux équipes. La restitution commence par ce qui fonctionne. Pour situer l'organisation de façon plus rapide, l'autodiagnostic des six paliers de maturité IA donne un premier repère au comité de direction.
Une précaution conditionne la sincérité des réponses. Ce qui se dit pendant le diagnostic ne déclenche aucune sanction rétroactive. Une équipe qui craint d'avoir enfreint une règle cache ses usages au lieu de les décrire.
Étape 2, l'annonce
L'annonce d'une transformation IA est déjà un acte de changement. Les équipes la lisent avec leurs propres questions, qu'elle y réponde ou non, puis la jugent sur les premières décisions qui la suivent. Au printemps 2025, deux textes de dirigeants sont devenus publics, le mémo de Tobi Lütke sur l'usage réflexe de l'IA chez Shopify puis le courriel « AI-first » de Luis von Ahn chez Duolingo. Le 22 mai 2025, Luis von Ahn a écrit sur LinkedIn qu'il n'avait pas apporté assez de clarté avec le sien.
Une annonce utile répond à quatre questions : pourquoi l'organisation change, ce qui ne change pas, ce qu'on attend de chacun, le temps et les moyens donnés pour apprendre. Elle se porte ensuite par cercles successifs, le comité de direction d'abord, les managers de proximité ensuite, les équipes en petits groupes, l'écrit en dernier.
La répétition fait le reste. John Kotter, professeur de leadership, compte dans Leading Change six répétitions d'une vision en six mois dans le scénario ordinaire et plus de 12 000 quand vingt-cinq dirigeants s'en saisissent chaque jour. L'article sur l'annonce d'une transformation IA sans affoler les équipes détaille le contenu, l'ordre et la façon de rattraper une annonce mal reçue.
Quel cadre d'usage poser sans imposer l'outil ?
Un cadre qui dit ce qu'on peut faire, avec quelles données et sous quelle responsabilité, sans transformer l'usage en obligation comptée. L'étape 3 rassure ceux qui hésitent et protège ceux qui essaient. Mal réglée, elle produit l'inverse, des usages qui se cachent ou des usages qui se montrent pour être vus.
Étape 3, le cadre d'usage
Le cadre répond à des questions précises. Quelles données peuvent entrer dans quel outil, quelles décisions restent humaines, quand dire qu'un livrable a été produit avec l'IA, comment se partage le temps gagné. L'article sur la charte d'usage de l'IA et ce que les accords signés oublient montre que les textes existants traitent rarement cet usage quotidien. Celui qui constate qu'un cadre sur deux utilise l'IA sans aucune règle écrite rappelle le préalable, recenser les pratiques réelles avant d'écrire la moindre ligne.
Un cadre d'entreprise reste général. Chaque équipe gagne à le décliner sur son propre travail, en disant ce que l'IA peut faire chez elle, ce qu'elle ne fait pas et ce que les humains se réservent. L'accord d'équipe avec l'IA sert à poser ce périmètre puis à le réviser à intervalles réguliers.
Le piège de l'obligation
Rendre l'IA obligatoire fait monter l'usage visible plus vite que l'usage utile. Le 7 avril 2025, Tobi Lütke annonce que des questions sur l'usage de l'IA entreront dans les évaluations de la performance chez Shopify. Une obligation de ce type fait progresser les compteurs pendant que les doutes, les maladresses et la peur d'être mal jugé quittent la conversation.
Cette peur a une base mesurée. Dans quatre expériences publiées en mai 2025 dans PNAS 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. Ethan Mollick, professeur de management à la Wharton School, observe de son côté que les salariés qui trouvent les meilleurs usages les gardent souvent pour eux. L'article rendre l'IA obligatoire produit une adoption de façade décrit ce qui fait adopter durablement, un usage utile au métier, le droit d'essayer sans risque et des exemples venus des pairs.
Qui porte l'adoption au plus près du travail ?
Les collègues qui montrent et le manager qui autorise forment deux relais que la direction ne remplace pas. L'IA générative se diffuse dans le travail réel, tâche par tâche. Ceux qui en voient les tâches chaque jour décident en pratique de son sort.
Étape 4, les ambassadeurs
Une innovation entre dans un groupe par quelques personnes puis circule par les liens qui le traversent. Everett Rogers, sociologue spécialiste de la communication, le rappelle avec ses coauteurs dans un article paru en 2005 dans The Innovation Journal. Les adopteurs précoces, respectés dans leur entourage, y servent de modèles. Kotter propose dans Accelerate (2014) de doubler la hiérarchie, optimisée pour l'efficience, d'un réseau de volontaires tourné vers l'agilité stratégique.
Appliqué à l'IA, ce réseau réunit des volontaires qui essaient l'outil sur les tâches de leur métier, montrent à leurs collègues ce qui marche et font remonter ce qui coince. Il fonctionne quand ces ambassadeurs sont des praticiens que leurs pairs consultent déjà. Ils ont besoin de temps reconnu par leur manager, d'un accès anticipé aux outils, d'un cadre d'essai clair et d'un canal court vers ceux qui lèvent les obstacles. La dérive connue transforme le réseau en promoteurs chargés de convaincre, mesurés au nombre de collègues convertis. L'article sur le choix des ambassadeurs IA que leurs collègues écoutent décrit le dispositif complet.
Étape 5, le manager de proximité
L'usage de l'IA progresse vite chez les dirigeants et plafonne au plus près du travail. Dans l'enquête AI at Work 2025 du BCG, 51 % des salariés de première ligne utilisent régulièrement l'IA générative, au même niveau que l'année précédente, contre plus des trois quarts des dirigeants et managers. Gallup trouve que 28 % seulement des salariés d'organisations qui intègrent l'IA affirment sans réserve que leur manager en soutient activement l'usage. Ceux-là sont 2,1 fois plus nombreux à s'en servir plusieurs fois par semaine. Ces chiffres décrivent eux aussi une association.
Le manager direct accorde ce que personne d'autre ne peut accorder à sa place, du temps pour apprendre inscrit dans la semaine, le droit à l'essai, des exemples tirés du métier de l'équipe, une décision partagée sur le temps gagné. Workday estime que près de 40 % de ce temps se reperd à corriger ou réécrire. Davenport et Mittal décrivent chez Airbus une demi-journée par semaine consentie par le salarié comme par son manager, avec un projet réel suivi par ce dernier.
Ce manager vit lui-même le changement qu'il doit porter. Son métier se déplace, comme le montre l'article selon lequel manager à l'ère des agents IA revient à cadrer et vérifier. Il a besoin de ses pairs et de signaux cohérents venus d'en haut. L'article manager de proximité, celui par qui l'IA entre dans l'équipe détaille ces quatre leviers.
Les ambassadeurs et les managers jouent deux rôles distincts. L'ambassadeur montre comment faire. Le manager rend l'essai possible. Un réseau d'ambassadeurs sans le soutien des managers s'épuise en démonstrations que personne n'a le temps de reproduire.
Comment faire apprendre l'IA sans abîmer le métier ?
En formant à l'outil tout en protégeant ce qui fabrique les experts et ce qui donne du sens au travail. Les étapes 6 et 7 se jouent sur des années. Elles décident de ce que vaudra l'organisation quand l'outil sera devenu banal.
Étape 6, la formation et l'apprentissage
Former n'est plus facultatif. Depuis le 2 février 2025, l'article 4 du règlement européen sur l'IA demande aux entreprises qui déploient des systèmes d'IA des mesures pour la maîtrise de l'IA de leur personnel. L'article sur l'obligation de former à l'IA depuis février 2025 en précise la portée réelle, plus raisonnable que ce que laissent croire les offres de mise en conformité.
La durée compte. Le BCG observe que l'usage monte nettement chez les salariés qui ont reçu cinq heures de formation ou plus, avec du présentiel et un accompagnement. Davenport et Mittal décrivent une architecture en trois temps qui va d'un apprentissage conceptuel à un apprentissage par l'expérience sur des cas réels, puis à un apprentissage d'entretien qui réactive les acquis. Les auteurs jugent ce troisième temps utile à la plupart des organisations.
Une seconde question dépasse la formation. Les tâches qui apprenaient leur métier aux débutants sont souvent celles que l'IA générative fait le mieux, premiers jets, synthèses, recherches, code simple. Sans parcours redessiné, l'organisation gagne du temps aujourd'hui et perd la façon dont elle fabriquait ses experts. L'article IA et débutants, redessiner l'apprentissage du métier propose cinq gestes pour y répondre. Le même souci vaut pour les plus expérimentés, comme le montre l'article sur l'attention et le jugement qui se raréfient à l'ère de l'IA.
Étape 7, l'identité du métier
Quand l'outil prend en charge le geste dont un professionnel était fier, la résistance qu'il rencontre porte souvent sur l'identité professionnelle, la réponse que chacun donne à la question « qui suis-je dans mon travail ? ». Un meilleur argumentaire sur l'outil laisse cette question entière. Une conversation sur le métier peut la traiter.
Le manager peut ouvrir avec son équipe trois questions qui portent sur ce qui reste à soi, ce qui change de forme et ce qui se gagne. L'article IA et identité professionnelle, parler du métier d'abord montre comment conduire cette conversation et où elle s'arrête. Une détresse qui dure sort du champ managérial. Elle relève du médecin du travail ou d'un professionnel de santé. L'accompagnateur du changement n'y intervient pas davantage.
Comment mesurer la transformation et qui la pilote ?
En choisissant à chaque étape l'indicateur qui répond à la question du moment, sous la garde d'un comité de direction qui protège l'exploration. La mesure ferme la boucle ouverte par le diagnostic. Mal choisie, elle arrête les essais qui auraient appris quelque chose.
Étape 8, la mesure
Pendant l'exploration, on mesure ce que l'organisation apprend. L'usage vient ensuite, puis la qualité du travail produit avec l'IA, enfin la valeur. Davenport et Mittal rapportent la formule de Piyush Gupta, banquier, directeur général de DBS de 2009 à 2025, « ROI too early kills the experimentation ». Le même dirigeant a installé plus tard des objectifs de retour chiffré.
Un indicateur unique trompe. En février 2024, Klarna présentait son assistant de service client par le volume traité, deux tiers des échanges de chat le premier mois, avec la durée de résolution et un score de satisfaction égal à celui des conseillers humains. En mai 2025, son dirigeant estimait que le coût avait trop pesé dans l'évaluation, au détriment de la qualité. Les chiffres d'échec spectaculaires appellent la même prudence. Le rapport The GenAI Divide du MIT Project NANDA, daté de juillet 2025, repose sur des entretiens avec 52 organisations, les réponses de 153 dirigeants et plus de 300 initiatives publiques. Ses auteurs présentent ses chiffres comme une tendance. L'article sur la mesure d'une transformation IA qui laisse vivre l'expérimentation propose les indicateurs de chaque étape.
Qui fait quoi dans la conduite du changement IA
Le comité de direction porte la raison du changement, protège les phases d'exploration et veille à la cohérence de ses mots avec ses actes. Les managers de proximité rendent l'essai possible dans leurs équipes. Les ambassadeurs montrent et font remonter. La DRH redessine les parcours d'apprentissage et les repères d'évaluation.
L'accompagnateur du changement occupe une place à part. Il rend visibles les écarts entre le discours de l'organisation et le vécu des équipes. Il aide le comité de direction à tenir les conversations difficiles puis outille les managers. Il n'a rien à vendre sur l'outil. Sa valeur tient à sa capacité à faire parler du travail réel.
D'où je parle
Ma carrière a commencé en 1998, avec quatorze ans à manager des équipes. J'accompagne des équipes, des managers et des CODIR depuis 2012. Je travaille le sujet de l'IA en organisation depuis fin 2024. Dès 2020, je travaillais sur les robots logiciels, ancêtres des agents IA. Dans plusieurs équipes que j'accompagne, les agents IA sont traités comme des équipiers, avec un périmètre, des responsabilités et des limites, puis challengés en rétrospective comme les autres membres.
Ce périmètre se pose avec le canevas que j'ai conçu, l'accord d'équipe avec l'IA. Il est né dans l'une des start-up que j'accompagne, puis je l'ai emmené dans deux autres start-up pour le mettre à l'épreuve. Dans la start-up où il est né, l'équipe faisait le point en rétrospective sur ce que l'agent avait réussi ou non, puis se demandait ce qu'on pourrait lui confier en plus. Cette dernière question servait à mettre à jour l'accord.
Questions fréquentes
Les deux se recouvrent sans se confondre. La transformation IA désigne ce que l'organisation devient, ses processus, ses rôles, ses produits. La conduite du changement IA désigne la façon d'y amener les personnes et les équipes. Une transformation bien pensée peut être mal conduite. Cela arrive quand l'annonce précède le diagnostic ou quand l'usage est compté avant d'être utile.
Par le diagnostic, même léger. Selon la Banque de France, 64 % des entreprises de 20 à 49 salariés déclarent déjà utiliser l'IA générative. Les usages existent donc avant tout plan. Quelques entretiens ouverts avec les équipes, sans sanction rétroactive, suffisent à voir ce qui se fait, ce qui inquiète et ce qui fait gagner du temps. Le cadre d'usage et l'annonce s'écrivent ensuite sur cette base.
Une interdiction seule déplace l'usage hors de vue. Ethan Mollick observe que l'usage se cache quand les salariés craignent d'avoir des ennuis, jusqu'à passer par leur téléphone personnel. Un outil approuvé plus simple à utiliser que les outils parallèles, assorti d'un cadre clair sur les données, ramène les pratiques dans la lumière plus sûrement qu'une sanction.
Il doit surtout soutenir l'usage, montrer l'exemple et relier l'outil au travail de l'équipe, les trois comportements que Gallup associe au soutien perçu. Il peut s'appuyer sur un ambassadeur de son équipe pour la technique. Sa contribution propre tient au temps qu'il accorde et au droit à l'erreur qu'il garantit.
Aucune durée type ne s'impose. Les premières étapes tiennent en quelques semaines, l'apprentissage et l'évolution des métiers se jouent sur plusieurs années. La Banque de France rappelle que les gains d'une technologie nouvelle dépendent souvent des réorganisations qu'elle entraîne, ce qui demande du temps. La mesure aide à savoir où l'on en est plutôt qu'à fixer une date de fin.
Demandez à trois équipes ce qu'elles font déjà de l'IA, ce qu'elles en craignent et ce qu'elles y gagnent, en annonçant qu'aucune réponse ne sera sanctionnée. Notez ce qui revient d'une équipe à l'autre. Ce relevé sert de base au diagnostic et montre quelle étape travailler en premier. Pour lire ce relevé ensemble sur votre contexte, réservons un échange de 30 minutes.
Votre organisation a l'IA sans que le travail ait changé ?
Que vous soyez dirigeant, manager ou DRH, un premier échange permet de situer votre organisation parmi ces huit étapes et de choisir celle à travailler d'abord.
Réserver un échange découverte (30 min)Allez plus loin
- All-in on AI Ce que font concrètement les grandes entreprises installées qui vont le plus loin dans l'IA, le facteur limitant étant humain plutôt que technique. Voir le livre →
- Leading Change Le changement d'ampleur échoue par un défaut de leadership plutôt que de management, selon huit erreurs repérables auxquelles répond une séquence de huit étapes. Voir le livre →
- Accelerate Les organisations passées le stade de la start-up sont optimisées pour l'efficience plutôt que pour l'agilité stratégique, un problème que corrige un second système en réseau animé par des volontaires. Voir le livre →
Liens affiliés
