Quels sont les véritables moteurs de l'adoption de l'IA dans les entreprises ? 6 facteurs qui déterminent le succès ou l'échec.
- Changement, Notions de base en informatique
- Gestion du changement, informatique
- 13 min de lecture
Dr. Yvonne Avaro
L'IA est présente depuis longtemps déjà. Mais seuls 0,04 % de la population mondiale l'utilisent réellement. Cela correspond à peu près à la population totale de la Suisse et de l'Autriche réunies. Qu'est-ce qui retient les autres ? Et qu'est-ce que cela signifie pour les entreprises qui tentent actuellement de faire adhérer leurs collaborateurs à cette technologie ? Le Dr Yvonne Avaro a passé au crible les travaux de recherche et identifié six facteurs qui déterminent la réussite ou l’échec de l’adoption de l’IA dans les entreprises. Des avantages perçus à la culture d’entreprise en passant par la confiance : le « flywheel » de l’adoption de l’IA montre où les organisations doivent agir.
💡Vous êtes nouveau ici ? Dans la rubrique FAQ située à la fin de l'article, vous trouverez des réponses aux questions les plus fréquentes, notamment : quelles sont les principales raisons pour lesquelles l'adoption de l'IA échoue dans les entreprises ? Combien de temps cela prend-il ? Et que peuvent faire concrètement les dirigeants ?
Table des matières
1. L'adoption de l'IA dans le monde : l'IA est là !
Un coup d'œil aux chiffres montre à quel point le monde est encore loin d'une véritable adoption de l'IA. Mais avant d'aborder ce sujet, commençons par nous mettre d'accord sur la définition de cette notion d'« adoption de l'IA ».
Comment définit-on l'adoption de l'IA ?
L'adoption de l'IA désigne l'utilisation effective et régulière des outils d'IA. Il ne s'agit pas d'essais ponctuels, mais d'une véritable intégration dans le quotidien : dans les flux de travail, les processus décisionnels, les processus d'apprentissage ou les activités créatives.
Quelle est la situation en matière d'adoption de l'IA à l'échelle mondiale ?
L'IA est déjà là et directement accessible à la plupart d'entre vous. Pourtant, nombreux sont ceux qui restent réticents. La figure 1 illustre l'ampleur de cette réticence. La figure 1 présente 2 500 points. Chaque point représente 3,2 millions de personnes. Au total, cela représente 8,1 milliards d'individus sur Terre (chiffres de février 2026).
Que signifient les différentes couleurs ?
- En gris : 6,8 milliards de personnes qui n'ont encore jamais utilisé l'IA. Soit 84 % de la population mondiale.
- Vert : 1,3 milliard d'utilisateurs de chatbots gratuits. Des personnes qui ouvrent de temps en temps ChatGPT, posent une question, puis passent à autre chose.
- Jaune : entre 15 et 25 millions de personnes qui paient chaque mois pour l'AI. Environ 0,3 %.
- Rouge : une minuscule bande. Entre 2 et 5 millions de personnes qui intègrent activement l'IA dans leurs processus de travail, développent des produits grâce à elle et l'utilisent au quotidien. Cela représente 0,04 % de la population mondiale.
Que m'indique ce graphique ?
Seuls 0,04 % de la population mondiale utilisent efficacement l'IA et s'en servent pour créer quelque chose. À première vue, cela peut sembler peu. Mais cela représente tout de même entre 17 et 30 millions de personnes dans le monde, si l'on inclut les utilisateurs payants.
Et dans le même temps : 6,8 milliards de personnes n'ont encore jamais utilisé l'IA. Le potentiel d'une adoption réelle et à grande échelle de l'IA est immense. Et c'est précisément pour cette raison qu'il est utile de comprendre ce qui motive réellement cette adoption.
2. Comment j'ai abordé la question des facteurs qui favorisent l'adoption de l'IA
Qu'est-ce qui motive réellement l'adoption de l'IA ? C'est par cette question que j'ai commencé mes recherches.
J'ai donc fait ce que je n'avais plus fait depuis ma thèse de doctorat : une véritable recherche bibliographique. Revues, études, articles de recherche. Tout le programme.
Il en résulte un modèle comportant six facteurs qui déterminent si les individus adoptent réellement l'IA dans leur quotidien professionnel ou non. Ce modèle est représenté sous la forme d'une roue, avec l'adoption de l'IA au centre et les six facteurs disposés en segments tout autour.
3. Le « flywheel » de l'adoption de l'IA : les six facteurs clés d'une adoption réussie de l'IA
Une recherche bibliographique approfondie que j'ai menée montre qu'il n'existe pas de raison unique pour laquelle les personnes acceptent ou rejettent l'IA. Six facteurs interagissent. Certains relèvent de l'individu, d'autres de l'organisation. Ces six facteurs peuvent tous être influencés.
Le « Flywheel » en présente une vue d'ensemble (voir illustration 2). Au centre se trouve l'adoption de l'IA. Autour de celle-ci s'articulent les six segments qui déterminent si cette adoption sera couronnée de succès ou non. Aucun facteur n'est isolé des autres. Et aucune entreprise ne peut se permettre d'en ignorer un seul. Ces six facteurs sont décrits plus en détail ci-après.
3.1. Valeur perçue (avantages perçus)
Dans la recherche sur l'adoption des technologies, l'utilité perçue est considérée comme le facteur prédictif individuel le plus important de l'utilisation effective des nouvelles technologies. Le modèle d’acceptation de la technologie (TAM) de Davis (1989) identifie l’« utilité perçue » comme un déterminant central de l’intention d’utilisation : les individus adoptent une technologie lorsqu’ils sont convaincus que celle-ci améliore de manière mesurable leurs performances professionnelles (Davis, 1989, https://doi.org/10.2307/249008).
Cette hypothèse de base a été confirmée par la recherche spécifique à l’IA. Dans leur analyse bibliographique exhaustive sur l’IA générative, Dwivedi et al. (2023) montrent que les avantages perçus — notamment sous la forme d’une augmentation de la productivité, d’un gain de temps et d’une amélioration de la qualité du travail — sont systématiquement identifiés comme un facteur d’influence prépondérant dans les décisions d’adoption. En l’absence de cette perception subjective des avantages, même les logiciels techniquement aboutis restent inutilisés (Dwivedi et al., 2023, https://doi.org/10.1016/j.ijinfomgt.2023.102642).
Au niveau européen, Eurofound (2025) confirme ce constat : les salariés qui perçoivent un avantage concret pour leur propre activité affichent des taux d’adoption nettement plus élevés que ceux qui considèrent l’IA avant tout comme une innovation technologique abstraite. Le rapport souligne que la perception individuelle des avantages dépend davantage de la pertinence concrète d’un outil par rapport aux tâches à accomplir que des attitudes générales à l’égard des technologies numériques (Eurofound, 2025, https://www.eurofound.europa.eu/en/publications/2025/impact-artificial-intelligence-work).
En résumé, on peut affirmer que sans valeur ajoutée personnelle perçue, aucun changement de comportement durable ne peut avoir lieu. Aucun outil — quelle que soit son efficacité objective — ne peut se substituer à cette étape. L'implication pratique pour les organisations est donc claire : les déploiements d'IA doivent, dès le départ, être axés sur des promesses de valeur concrètes et liées aux activités.
3.2 Compétences numériques et culture de l'IA
L'OCDE (2024) définit ainsi la culture de l'IA comme la capacité à comprendre les systèmes d'IA, à les évaluer de manière critique et à les intégrer de manière pertinente dans son propre contexte de travail. Le rapport démontre que les salariés dotés d’une meilleure culture de l’IA font non seulement preuve d’une plus grande disposition à adopter ces technologies, mais utilisent également les outils d’IA de manière plus efficace et en tirent un bénéfice nettement supérieur (OCDE, 2024, https://www.oecd.org/en/publications/2024/ai-skills-and-labour-market.html).
Dans ses rapports périodiques consacrés à l’indice de l’économie et de la société numériques (DESI), la Commission européenne parvient à une conclusion similaire : dans les pays où la population dispose de compétences numériques de base plus élevées, le taux d’adoption de l’IA, tant dans le contexte privé que professionnel, est nettement supérieur à la moyenne de l’UE. Parallèlement, ces rapports identifient un écart structurel en matière de compétences entre les catégories professionnelles, les tranches d’âge et les niveaux d’éducation comme un obstacle majeur à une adoption généralisée de l’IA par la société (Commission européenne, DESI 2024, https://digital-strategy.ec.europa.eu/en/policies/desi).
Le mécanisme psychologique qui sous-tend ce lien revêt une importance particulière : un manque de compréhension engendre un sentiment de perte de contrôle et — comme nous le verrons plus en détail dans la section suivante — la crainte de conséquences négatives. La culture de l’IA s’oppose directement à ce mécanisme : elle réduit l’obstacle perçu à l’accès, renforce le sentiment d’auto-efficacité et établit les bases cognitives permettant d’évaluer les avantages perçus (cf. section 3.1).
Pour les organisations, il en découle une logique d'action claire : les déploiements d'IA qui ne s'accompagnent pas d'un développement des compétences restent structurellement en deçà de leur potentiel, quelle que soit la performance de la technologie mise en œuvre.
3.3. Ouverture à l'innovation (Offenheit für Neues)
L'ouverture individuelle aux nouvelles technologies — qualifiée d’« innovativeness » dans la recherche sur l’adoption — est l’un des prédicteurs comportementaux les plus fiables d’une utilisation précoce et durable de l’IA. Dans sa théorie influente de la diffusion des innovations (1962, révisée en 2003), Everett Rogers décrit cinq catégories d’adopteurs, allant des « innovateurs » aux « retardataires », et montre que la disposition à essayer de nouvelles choses dépend en grande partie de la manière dont les individus évaluent l’incertitude, la complexité et le changement perçu induit par une innovation (Rogers, 2003, https://doi.org/10.4324/9780203031650). Les « innovateurs » et les « adopteurs précoces » ne se distinguent pas en premier lieu par des connaissances techniques supérieures, mais par une curiosité fondamentale et une plus grande propension à prendre des risques face à l’inconnu.
Les résultats de recherches récentes confirment que ce mécanisme joue également un rôle central dans l'adoption de l'IA dans le contexte professionnel. Dans une étude empirique, Shao et al. (2025) examinent l’interaction entre les traits de personnalité et le comportement d’adoption de l’IA, et montrent que l’ouverture à l’expérience (« Openness to Experience ») — un concept de personnalité bien établi issu du modèle des cinq facteurs — est significativement corrélée à la volonté d’intégrer activement les outils d’IA dans le quotidien professionnel. Il est intéressant de noter que les formations formelles ne suffisent à elles seules guère à accroître cette disposition : l’impulsion d’apprentissage décisive résulte souvent d’une expérimentation spontanée, et non de formations imposées de manière descendante (Shao et al., 2025, https://www.mdpi.com/2076-328X/15/4/491).
Le dernier rapport de la SHRM intitulé « Navigating AI in the Workplace 2026 » corrobore également ce constat au niveau organisationnel : les salariés qui ont été autorisés à tester les outils d’IA de leur propre initiative et dans un esprit d’exploration ont, au bout de six mois, affiché une fréquence d’utilisation nettement plus élevée et une plus grande diversité d’applications que ceux qui n’y ont été initiés que par le biais de programmes de formation structurés. Le rapport recommande explicitement de créer des espaces d’expérimentation au sein des organisations, où la curiosité peut s’exprimer sans pression liée à la performance (SHRM, 2026, https://www.shrm.org/topics-tools/research/navigating-ai-in-the-workplace/full-report).
L'ouverture à l'innovation n'est donc pas une simple caractéristique individuelle que les organisations devraient prendre en compte lors de la sélection du personnel ; elle peut également être façonnée par la culture d'entreprise. En instaurant une culture d'apprentissage qui récompense la curiosité et tolère les erreurs commises lors d'expérimentations, on crée les conditions structurelles permettant aux observateurs hésitants de devenir des utilisateurs actifs.
3.4 Pertinence par rapport à votre travail
Dans son analyse approfondie consacrée aux répercussions de l’IA sur le monde du travail européen, Eurofound (2025) montre que les taux d’adoption varient considérablement selon la catégorie professionnelle et le profil de poste. Les travailleurs du savoir exerçant dans des domaines tels que la communication, le marketing, le conseil, l’analyse de données et le développement de logiciels font systématiquement état de fréquences d’utilisation plus élevées que les salariés occupant des postes opérationnels ou manuels. Le facteur déterminant réside ici dans la compatibilité structurelle entre les capacités des systèmes d’IA générative — génération de texte, reconnaissance de formes, synthèse d’informations — et les types de tâches prédominants au sein d’un rôle professionnel (Eurofound, 2025, https://www.eurofound.europa.eu/en/publications/2025/impact-artificial-intelligence-work).
L’OCDE (2024) affine encore cette constatation : ce n’est pas seulement la catégorie professionnelle, mais la composition concrète des tâches au sein d’un poste qui détermine la probabilité d’adoption. Les salariés dont le travail quotidien comporte une forte proportion de tâches cognitives, linguistiques ou analytiques identifient plus rapidement et plus souvent des pistes d’application productive de l’IA. À l’inverse, la disposition à adopter l’IA reste faible lorsque l’adéquation perçue entre les capacités de l’outil et la réalité du travail fait défaut, même en présence d’une ouverture d’esprit de base et de compétences numériques (OCDE, 2024, https://www.oecd.org/en/publications/2024/ai-skills-and-labour-market.html).
Ce constat a des conséquences pratiques immédiates sur la manière dont les déploiements d’IA sont mis en œuvre au sein des organisations. Une stratégie de déploiement indifférenciée, qui s'adresse à tous les collaborateurs avec les mêmes outils et les mêmes promesses d'utilisation, ne tient pas compte de la réalité des profils professionnels hétérogènes. Il est plus efficace de proposer des scénarios d'initiation spécifiques à chaque rôle, qui montrent à quel moment précis, dans le quotidien professionnel de chacun, l'IA fait immédiatement la différence, non pas comme une promesse abstraite pour l'avenir, mais comme une réponse à une tâche connue et courante.
La question déterminante en matière d'adoption n'est donc pas « L'IA est-elle une bonne chose ? », car il s'agit là d'un débat de société. La question pertinente au niveau individuel est la suivante : « Cet outil m'aide-t-il à accomplir ce que je dois faire demain matin ? »
3.5. Perception des risques et confiance
La confiance dans les systèmes d'IA et la perception des risques qui y sont associés constituent un obstacle actif à leur adoption, même lorsque la volonté de les utiliser, les compétences nécessaires et la pertinence des tâches sont en principe réunies.
Les études « Deloitte European Trust in AI » (2024/2025) mettent en évidence un ensemble cohérent de préoccupations : la protection des données, la sécurité des données, la fiabilité des résultats générés par l’IA, les biais algorithmiques, ainsi que la crainte individuelle de conséquences négatives sur son propre emploi. Il est à noter que ces préoccupations ne diminuent pas de manière linéaire avec le niveau de connaissances techniques : même les professionnels bien informés expriment des réserves importantes lorsque le cadre organisationnel n’est pas clairement défini (Deloitte, 2024/2025, https://www.deloitte.com/de/de/pages/risk/articles/european-ai-trust-study.html).
L'OCDE montre que la confiance dépend essentiellement de deux facteurs : la transparence du système d'IA lui-même et la confiance institutionnelle dans le cadre de gouvernance de l'organisation. Les entreprises dont les directives en matière d'IA sont clairement communiquées et dont le respect est vérifiable enregistrent des taux d'adoption nettement plus élevés (Observatoire des politiques en matière d'IA de l'OCDE, https://oecd.ai/en/policy-areas/trust-in-ai).
Constat essentiel : la confiance ne naît pas uniquement de la communication. Des mesures concrètes, telles que des règles d'utilisation transparentes, des responsabilités clairement définies et des pratiques visiblement mises en œuvre au niveau de la direction, ont un impact plus fort que n'importe quel engagement en faveur d'une « IA sûre ». La gouvernance n'est donc pas un simple corollaire bureaucratique de la mise en place de l'IA, mais une mesure directe favorisant son adoption.
3.6. Soutien organisationnel et culture d'entreprise
La volonté individuelle ne suffit pas à elle seule. Même les collaborateurs motivés et compétents ont tendance à utiliser l'IA moins souvent et de manière plus superficielle lorsque l'environnement organisationnel n'adopte pas de position claire à cet égard.
Dans ses rapports « State of AI » (2024/2025), McKinsey & Company montre que les entreprises bénéficiant d’un soutien actif de la direction, d’offres de formation structurées et de directives explicites en matière d’IA enregistrent des taux d’adoption nettement supérieurs à ceux des entreprises qui mettent en œuvre l’IA de manière informelle et sans cadre de référence. L’effet de signal exercé par la direction revêt ici une importance particulière : lorsqu’les supérieurs hiérarchiques utilisent les outils d’IA de manière visible et réfléchie, la disposition à les utiliser au sein de l’équipe augmente de manière avérée (McKinsey, 2024/2025, https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai).
L'OCDE complète ce constat sur le plan culturel : la sécurité psychologique, c'est-à-dire la confiance partagée selon laquelle l'expérimentation et les erreurs n'entraînent pas de conséquences négatives, constitue un facteur prédictif à part entière de l'adoption de l'IA dans le contexte professionnel. Les collaborateurs qui savent que l'expérimentation est expressément encouragée parviennent plus rapidement à adopter une routine d'utilisation productive et explorent des domaines d'application plus vastes (Études de l'OCDE sur l'IA au travail, https://oecd.ai/en/policy-areas/work).
Le soutien organisationnel agit ainsi à deux niveaux simultanément : il réduit les obstacles perçus à l'adoption et renforce la volonté non seulement d'essayer l'IA de manière ponctuelle, mais aussi de l'intégrer durablement dans les flux de travail.
Découvrez dans ce wiki tout ce qu'il faut savoir sur la gestion du changement informatique et comment la mener à bien.
4. Pourquoi devrais-je m'intéresser au « AI Adoption Flywheel » afin de favoriser l'adoption de l'IA au sein de mon entreprise ?
Une entreprise a beau investir autant qu'elle le souhaite dans des outils d'IA, si sa culture sanctionne les erreurs, cela a une incidence directe sur leur adoption. De la même manière, la culture d'entreprise la plus ouverte qui soit ne sert pas à grand-chose si les collaborateurs ne voient pas l'intérêt personnel de ces outils.
Les six facteurs d'influence présentés aux sections 3.1 à 3.6 constituent ensemble les dimensions de l'« AI Adoption Flywheel ». Six questions, une par dimension, permettent de déterminer où en sont aujourd'hui les organisations et où il est nécessaire d'agir concrètement :
- Valeur perçue: nos collaborateurs y voient-ils un réel intérêt dans leur quotidien ?
- Culture numérique en matière d'IA: disposez-vous des compétences numériques de base nécessaires pour utiliser l'IA à bon escient ?
- Ouverture à l'innovation: existe-t-il un espace permettant d'expérimenter sans craindre l'échec ?
- Pertinence par rapport au poste: l'IA est-elle réellement pertinente pour les postes concernés ?
- Confiance et perception des risques: les gens font-ils confiance aux systèmes et au cadre que nous avons mis en place ?
- Soutien organisationnel: la direction soutient-elle activement et de manière visible la mise en œuvre ?
L'adoption de l'IA n'est pas un problème technique. C'est un problème humain. Et cela nécessite des réponses à ces six niveaux simultanément.
Comment cela se traduit-il dans la pratique ? Vous trouverez dans la section suivante un guide pratique concis. Une sorte de guide de bonnes pratiques pour l'adoption de l'IA au quotidien dans l'entreprise.
5. Guide de mise en œuvre de l'IA
Ce que les dirigeants et les équipes peuvent faire concrètement, une dimension du « flywheel » après l'autre.
1. Valeur perçue : mettre en évidence les avantages
Des exemples concrets montrent comment l'IA facilite déjà le travail au sein de l'entreprise. Pas de manière abstraite, mais en fonction des rôles et en lien avec le quotidien. Un exemple tiré de votre propre équipe a plus d’impact que n’importe quelle présentation sur papier glacé. Avant même le début du projet, pensez à recueillir des exemples de réussite en interne et à les partager activement. Définissez deux à trois cas d’utilisation concrets pour chaque fonction avant de mettre en place des outils. Des indicateurs clés de performance (KPI), des indicateurs clés de performance (KPI), des indicateurs clés de performance (KPI) : mesurez le gain de temps et l’amélioration de la qualité dans la mesure du possible. Les chiffres sont convaincants.
2. Culture de l'IA : développer les compétences sans surcharger les participants
Personne n'est obligé de tout savoir. Il suffit d'en comprendre suffisamment pour se lancer. Commencez par des formats courts et axés sur la pratique plutôt que par des formations de plusieurs jours. Misez sur l'apprentissage entre pairs : ceux qui utilisent déjà l'IA l'expliquent mieux à leurs collègues que n'importe quel formateur externe. Mettez également à disposition des ressources simples, telles qu'un wiki interne, de courtes vidéos explicatives ou une page FAQ.
3. Ouverture à l'innovation : créer un espace d'expérimentation
La curiosité a besoin de sécurité. Celui qui a peur de se tromper n’ose rien tenter. Indiquez clairement que l’on encourage les essais, et n’hésitez pas à le répéter. De plus, la mise en place d’environnements de test protégés, dans lesquels les collaborateurs peuvent expérimenter sans craindre de conséquences, est très utile. Et oui : n’hésitez pas à célébrer les victoires ! Les moments d’apprentissage sont des réussites.
4. Pertinence par rapport au poste : une présentation sur mesure
6. Soutien organisationnel : le leadership par l'exemple
Les collaborateurs observent ce que font les dirigeants, et pas seulement ce qu’ils disent. Lorsque les outils d’IA sont utilisés de manière visible et réfléchie au niveau de la direction, la motivation de l’équipe s’en trouve manifestement renforcée. Ancrer l’adoption de l’IA comme thème stratégique dans les entretiens de direction et les accords sur les objectifs envoie un signal clair. Il en va de même pour le temps et le budget consacrés à la formation continue : ne pas allouer ces deux éléments revient à signaler que ce n’est pas vraiment important.
L'adoption de l'IA ne se fait pas au travers d'un seul projet. Elle résulte de nombreuses petites décisions cohérentes prises chaque jour à chacun des six niveaux.
5. Conclusion et ce qui compte vraiment désormais
L'IA, en tant que transformation technologique, entraîne une transformation en profondeur de la main-d'œuvre et des processus de travail.
Le succès ne repose pas sur des algorithmes ou des modèles. Il naît lorsque les personnes sont mises en mesure d'exploiter le potentiel de l'IA dans leur travail quotidien. C'est là la différence fondamentale entre les entreprises qui mettent véritablement en œuvre l'IA et celles qui en restent au stade du projet pilote.
Sous-estimer l'entraînement est l'erreur la plus coûteuse, mais la curiosité passe avant tout.
Ce n’est pas une contradiction : beaucoup de personnes découvrent l’IA en l’essayant, et c’est une bonne chose. La curiosité est le point de départ. Mais pour que cette première expérience débouche sur une adoption durable, il en faut davantage : une mise à niveau structurée des compétences qui permette de comprendre les processus, de développer des compétences en matière de changement et de donner aux personnes les moyens de gérer l’incertitude. Ceux qui investissent uniquement dans les outils, mais pas dans les personnes, ne verront pas d’adoption durable.
Il suffit de se lancer, plutôt que de tout planifier à la perfection.
Tous les cas d'utilisation ne doivent pas nécessairement avoir un impact commercial majeur. Ce n'est pas là l'essentiel. Les cas d'utilisation faciles à mettre en œuvre constituent un bon point de départ : la planification des congés, les comptes-rendus de réunion, la structuration des notes issues d'un atelier d'une demi-journée. Ce qui compte, c'est le sentiment de réussite. Quiconque a déjà eu l'occasion de découvrir ce dont l'IA est capable continuera à l'utiliser.
L'adoption de l'IA ne se fait pas toute seule.
La bonne nouvelle : les six facteurs du « flywheel » d'adoption de l'IA peuvent être influencés. La valeur perçue peut être communiquée. La maîtrise de l'IA peut être développée. La confiance peut être gagnée. La culture d'entreprise peut être façonnée.
En connaissant ces facteurs et en les adaptant à vos propres équipes et à votre contexte, vous donnerez un véritable élan à l'adoption de l'IA.
La valeur ne provient pas d'algorithmes ou de modèles. Elle naît lorsque les personnes sont mises en mesure d'exploiter le potentiel de l'IA dans leur travail quotidien. C'est là la différence fondamentale entre les entreprises qui mettent véritablement en œuvre l'IA et celles qui en restent au stade du projet pilote.
Pour bénéficier d'un accompagnement concret en matière de gestion du changement informatique et d'indicateurs clés de performance (KPI) liés à l'adoption :
Prenez rendez-vous ici avec Robert pour échanger sur ce sujet. La discussion portera sur la gestion du changement informatique, depuis l'alignement des parties prenantes et la communication jusqu'aux indicateurs clés de performance (KPI) relatifs à l'adoption et à l'ancrage durable dans le quotidien.
Liste des sources et bibliographie complémentaire
- Davis, F.D. & Granić, A. (2024) : The Technology Acceptance Model : 30 Years of TAM, Springer Nature (ouvrage de référence sur le modèle d'acceptation des technologies / TAM)
- Dwivedi et al. (2023) : « Generative AI Adoption Studies », disponible sur ResearchGate et dans des revues spécialisées
- Eurofound (2025) : Négociations collectives sur l'intelligence artificielle au travail 🔗 https://www.eurofound.europa.eu
- OCDE (2024) : L'IA et l'avenir du travail https://www.oecd.org/en/publications/oecd-employment-outlook-2023_08785bba-en.html
- McKinsey & Company (2025) : « The State of AI : Agents, Innovation, and Transformation » 🔗 https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
- McKinsey & Company (2025) : L'IA sur le lieu de travail 🔗 https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/superagency-in-the-workplace-empowering-people-to-unlock-ais-full-potential-at-work
- Deloitte (2024/2025) : Études sur la confiance des Européens dans l'IA 🔗 https://www.deloitte.com/insights
- Rogers, E.M. (1962/2003) : Diffusion of Innovations, 5e éd., Free Press, New York 🔗 https://www.researchgate.net/publication/257624104
- Commission européenne (2024) : État des lieux de la décennie numérique 2024 / Indice de l'économie et de la société numériques (DESI) 🔗 https://digital-strategy.ec.europa.eu/en/policies/2024-state-digital-decade-package
- Shao et al. (2025) : « L'impact de l'utilisation de l'IA sur les comportements d'innovation au travail : le rôle modérateur de l'ouverture d'esprit et de la complexité du poste », Behavioural Sciences 🔗 https://www.mdpi.com/2076-328X/15/4/491
- SHRM (2026) : « Navigating AI in the Workplace 2026 » 🔗 https://www.shrm.org/topics-tools/research/navigating-ai-in-the-workplace/full-report
- PwC / WEF (2025) : Enquête 2025 sur les espoirs et les craintes de la main-d'œuvre mondiale 🔗 https://www.pwc.com/gx/en/issues/workforce/hopes-and-fears.html
_________________________________________________________________
Ce wiki s'appuie sur la présentation d'Yvonne Avaro lors de l'Analytics Summer Apéro 2026. LIEN : https://s-peers.com/analytics-analytics-summer-apero-2026-aufzeichnungen/
6. FAQ
Les causes les plus fréquentes sont l'absence de perception des avantages, le manque de confiance dans les systèmes d'IA et une culture d'entreprise qui ne laisse pas place à l'expérimentation. De nombreux projets de mise en œuvre échouent non pas à cause de la technologie, mais parce que les collaborateurs ne voient pas de valeur ajoutée personnelle dans ces outils ou craignent les conséquences en cas d'erreur.
Selon Deloitte, la plupart des organisations ont besoin de 12 mois, voire plus, pour clarifier les questions de gouvernance, de formation, de confiance et de données, de manière à permettre une utilisation à grande échelle de l'IA. Les premiers effets mesurables sur la productivité et la qualité du travail apparaissent souvent dès les premières semaines au sein de certaines équipes, mais l'adoption à grande échelle est un processus de longue haleine.
L'adoption de l'IA désigne le fait de savoir si, à quelle fréquence et avec quelle efficacité les collaborateurs utilisent les outils d'IA dans leur quotidien. Il ne s’agit pas seulement de la fréquence d’utilisation, mais aussi de savoir si l’IA modifie réellement le travail, si elle influe sur les décisions, accélère les processus et apporte une réelle valeur ajoutée. L’intégration de l’IA va plus loin : elle décrit si l’IA est systématiquement intégrée dans les processus, les flux de travail et les structures décisionnelles. De nombreuses entreprises affichent un taux d’adoption élevé au niveau individuel, mais ne disposent pas encore d’une véritable intégration au niveau organisationnel.
Ce sont les travailleurs du savoir dans les domaines de la communication, du marketing, du conseil, de l'analyse de données et du développement logiciel qui affichent les taux d'adoption les plus élevés. Cela s'explique par le fait que les outils d'IA y contribuent directement à des tâches essentielles telles que la rédaction, l'analyse de données et la génération de code. Plus la pertinence par rapport au poste est élevée, plus l'adoption est rapide.
La culture de l'IA désigne la compréhension de ce dont les systèmes d'IA sont capables, de leurs limites et de la manière de les utiliser à bon escient. Les personnes dotées d'une culture de l'IA sont plus enclines à expérimenter, utilisent les outils plus efficacement et surmontent plus rapidement leur incertitude initiale. La culture de l'IA constitue donc l'une des conditions préalables essentielles à une adoption durable.
La confiance s'exerce à deux niveaux : la confiance dans la technologie elle-même (précision, protection des données, transparence) et la confiance dans l'organisation (règles claires, traitement équitable, absence de crainte pour l'emploi). Si l'un de ces deux éléments fait défaut, la volonté d'utiliser ces outils reste faible, même si ceux-ci sont techniquement aboutis.
Les dirigeants ont une influence directe sur cinq des six facteurs du « flywheel » d'adoption de l'IA. Concrètement, ils peuvent contribuer à cette adoption en utilisant eux-mêmes l'IA de manière visible et en en parlant ouvertement, en établissant des lignes directrices claires et un cadre de gouvernance, en autorisant explicitement l'expérimentation, en facilitant la formation continue et en célébrant les succès rapides au sein de l'équipe. L'adoption de l'IA suit le comportement des dirigeants.
L'adoption de l'IA relève de la gestion du changement. Les facteurs du « flywheel » reflètent précisément ce qui fait le succès ou l'échec des processus de changement : les avantages, la confiance, la sécurité, l'implication.
