---
title: Le côté humain de l’adoption de l’IA : pourquoi votre problème humain n’est pas celui que vous croyez
description: Les initiatives d’IA échouent à cause de l’humain, pas de la technologie. Mais la résistance n’a rien à voir avec la peur des robots. C’est plus profond.
date: February 5, 2026
author: Robert Soares
category: ai-strategy
---

Quelque chose d’étrange s’est produit fin 2024, quand des entreprises ont commencé à imposer l’utilisation d’outils d’IA à l’ensemble de leurs équipes. Les salariés ne se sont pas révoltés. Ils n’ont pas manifesté. Ils n’ont pas envoyé de mémos furieux aux RH.

Ils ont fait semblant.

D’après une étude citée par [BetaNews](https://betanews.com/2025/07/22/some-employees-feel-so-pressured-to-use-ai-theyre-pretending-they-are/), un salarié sur six fait désormais semblant d’utiliser l’IA au travail alors qu’il ne l’utilise pas, jouant une forme de théâtre d’entreprise pour satisfaire des dirigeants qui regardent des tableaux de bord d’utilisation sans rien accomplir avec la technologie elle-même. Cette tromperie silencieuse révèle quelque chose d’important sur l’adoption de l’IA au travail, que la plupart des manuels de conduite du changement ratent complètement.

Le problème, ce n’est pas la peur. Ce n’est même pas la résistance. C’est la déconnexion.

## Le mythe du salarié effrayé

Ouvrez n’importe quel article sur l’adoption de l’IA au travail et vous trouverez le même récit éculé : les salariés ont peur de perdre leur emploi, donc ils résistent à l’IA, donc il faut les rassurer. Cette histoire est pratique : elle fait passer les salariés pour irrationnels et la direction pour éclairée. Et elle est largement fausse.

Oui, certains salariés s’inquiètent d’être remplacés. Cette inquiétude est légitime, et pas irrationnelle, vu les gros titres haletants sur l’automatisation qui arrive pour tous les métiers. Mais la peur de perdre son emploi n’explique pas l’ingénieur qui voit l’IA comme techniquement utile mais refuse de l’intégrer à sa façon de travailler, ni le designer qui a testé des outils d’IA en profondeur et les a trouvés pire qu’inutiles, ni le manager qui l’impose à son équipe tout en l’évitant discrètement lui-même.

Quand [Section a interrogé 5 000 cols blancs](https://futurism.com/artificial-intelligence/workers-ai-useless-bosses-miracle), ils ont constaté que 40 % des salariés non cadres disaient que l’IA ne leur faisait gagner aucun temps sur une semaine entière. Pas « un peu de temps » ou « un petit peu ». Zéro. Pendant ce temps, leurs supérieurs restaient convaincus que l’IA transformait la productivité. Cet écart de perception n’a rien à voir avec la peur. Il a tout à voir avec le réel.

Steve McGarvey, un designer UX cité dans l’enquête de Futurism, a décrit son expérience : "I can't count the number of times that I've sought a solution for a problem, asked an LLM, and it gave me a solution to an accessibility problem that was completely wrong."

Ce n’est pas la peur qui parle. C’est l’expérience.

## Pourquoi les gens résistent vraiment

Les vraies raisons de la résistance à l’IA sont moins flatteuses pour la technologie, et plus intéressantes qu’une simple histoire de peur.

**L’outil ne fonctionne pas pour eux.** Tous les métiers n’ont pas le même rapport aux capacités de l’IA. Les agents du service client peuvent trouver l’IA réellement utile pour rédiger des réponses. Les architectes logiciels peuvent la trouver carrément nuisible pour des décisions d’architecture système. La personne au marketing qui écrit trois articles de blog par mois peut gagner des heures. Le romancier qui travaille sur son troisième livre peut produire une prose pire avec l’aide de l’IA que sans.

Quand les organisations imposent l’IA de façon uniforme, elles ignorent complètement cette variation, et traitent la technologie comme l’email ou les tableurs plutôt que pour ce qu’elle est réellement : une collaboratrice puissante mais inégale, qui aide énormément certains types de tâches et pas du tout d’autres.

**Le niveau d’exigence compte.** Les sorties de l’IA demandent souvent la même compétence pour être corrigées que pour être produites depuis zéro. Résultat : pour des professionnels expérimentés, l’assistance de l’IA peut en réalité ralentir le travail, tout en dégradant la qualité de manière subtile — des défauts qu’il faut justement de l’expertise pour repérer. Le junior voit un brouillon qui a l’air bon. Le senior voit dix-sept erreurs fines qui prendront plus de temps à corriger que de repartir de zéro.

**L’identité et le métier sont réels.** Des écrivains qui ont passé des décennies à construire une voix. Des designers qui ont affûté leur sens esthétique au fil de milliers d’itérations. Des ingénieurs qui privilégient l’élégance à la simple fonctionnalité. Ces professionnels ne font pas juste leur travail. Ils sont leur travail. Et l’idée qu’un simple appariement statistique de motifs puisse reproduire leurs compétences chèrement acquises paraît non seulement fausse, mais insultante.

Ce n’est pas du luddisme. C’est de la fierté pour le métier. Et balayer ça d’un revers de main comme une résistance au changement, c’est passer complètement à côté.

**L’aspect surveillance met mal à l’aise.** Beaucoup de déploiements d’IA arrivent avec de la supervision : suivi de l’utilisation, analyse des sorties, tableaux de bord de productivité. Les salariés ne sont pas paranoïaques quand ils remarquent que l’outil censé les « aider » produit aussi des données sur chacune de leurs frappes. L’aide vient avec un surveillant, et les gens se méfient à juste titre de ce mélange.

## Ce qui crée vraiment l’adhésion

Oubliez les cadres de conduite du changement avec leurs phases et leurs matrices de parties prenantes. Voilà ce qui marche vraiment.

**Commencez par les sceptiques, pas par les convaincus.** La plupart des organisations font l’inverse. Elles repèrent les enthousiastes, les couvrent d’attention, et espèrent que l’enthousiasme se propage. Ça ne marche pas. Les sceptiques regardent les convaincus réussir et se disent : « cette personne était déjà une machine à produire ; évidemment que l’IA l’aide ».

À la place, trouvez les personnes les plus sceptiques et travaillez avec elles directement. Si vous répondez à leurs inquiétudes, vous répondez à celles de tous ceux qui le sont moins. Et si vous n’y arrivez pas, peut-être que leurs inquiétudes sont valables — et que vous devriez ajuster votre approche.

Un utilisateur de Hacker News nommé sevenzero a décrit sa situation dans une [discussion sur les utilisateurs de l’IA](https://news.ycombinator.com/item?id=46850588) : "I started to outsource thinking at my job as my company made it very clear that they do not want/cant afford thinking engineers." Ce n’est pas quelqu’un qui a peur de l’IA. C’est quelqu’un qui l’a adoptée comme mécanisme de survie dans un environnement qui dévalorisait sa réflexion. Ce contexte compte plus que n’importe quel programme de formation.

**Rendez-le vraiment facultatif, au moins au début.** Les obligations fabriquent du ressentiment. Quand l’adoption de l’IA est obligatoire, les gens adoptent le comportement minimal viable pour satisfaire l’exigence, puis décrochent mentalement. Quand c’est facultatif, ceux qui y trouvent une vraie utilité deviennent des défenseurs sincères, et leur enthousiasme authentique convainc bien plus efficacement que n’importe quel mémo de la direction.

Les organisations qui imposent l’IA dès le premier jour signalent de la méfiance. Celles qui la proposent comme une option, et laissent l’adoption se diffuser organiquement, signalent de la confiance — dans la technologie comme dans leurs équipes.

**Reconnaissez quand l’IA est le mauvais outil.** Rien ne construit la crédibilité plus vite qu’une évaluation honnête des limites. Quand la direction dit « on a essayé l’IA pour cet usage et ça ne marche pas bien, donc on n’y va pas », les salariés comprennent que l’organisation évalue l’IA honnêtement, au lieu de la pousser pour elle-même.

Les [recherches sur l’adoption de l’IA en entreprise à partir de discussions Hacker News](https://news.ycombinator.com/item?id=45165019) montrent de façon constante qu’une évaluation posée bat le battage. Comme un utilisateur l’a résumé : "There's definite potential, it's very useful in some specific tasks, but it's not an all-intelligent panacea."

**Formez sur le travail réel, pas sur les outils.** La plupart des formations à l’IA apprennent à utiliser l’outil. Peu apprennent à l’intégrer dans les façons de travailler existantes, sur des tâches existantes. La différence est énorme. Une heure à découvrir des fonctionnalités de ChatGPT ne produit rien. Une heure à travailler sur comment utiliser l’IA pour accomplir une tâche récurrente que le salarié fait déjà produit une valeur immédiate.

## Le soutien qui compte vraiment

Les programmes de formation se concentrent généralement sur les capacités. Ce que l’IA peut faire. Comment écrire des invites. Quels modèles sont meilleurs pour quelles tâches. Des informations utiles, qui ratent le vrai point de friction.

Le point de friction n’est pas la connaissance des capacités. C’est la connaissance de l’intégration. Comment j’insère ça dans le travail que je fais déjà ? Qu’est-ce qui change, et qu’est-ce qui reste identique ? Comment je décide si une sortie de l’IA est assez bonne, ou si elle exige une révision lourde ?

Ces questions dépendent du rôle et de la tâche, et ne peuvent pas être traitées par une formation générique. Un responsable marketing de contenu a besoin d’un accompagnement d’intégration différent d’un analyste financier. Un agent du support client a besoin d’ajustements de façon de travailler différents d’un chef de produit.

La structure de soutien la plus efficace n’est pas un programme de formation. C’est un accès continu à quelqu’un qui comprend à la fois les outils d’IA et le travail concret qui est fait. Appelez-les coachs, consultants, ou simplement collègues serviables. Ce qui compte, c’est la disponibilité quand les questions surgissent au moment du travail, pas dans une salle de classe séparée du contexte.

Ce type de soutien coûte cher et passe mal à l’échelle, c’est pour ça que la plupart des organisations choisissent l’alternative moins chère : des vidéos de formation enregistrées que personne ne regarde deux fois. Mais l’approche bon marché produit les résultats bon marché qu’on voit partout dans les statistiques d’adoption.

## À quoi ressemble une adoption réussie

Ça ne ressemble pas à un enthousiasme universel.

Une adoption réussie de l’IA ressemble à des usages pragmatiques : certaines personnes utilisent l’IA intensivement pour les tâches où elle aide, d’autres l’utilisent occasionnellement pour des besoins très précis, et certaines l’utilisent à peine parce que leur travail n’en tire réellement aucun bénéfice.

Cette distribution frustre les dirigeants qui veulent des graphes d’utilisation en crosse de hockey et des courbes d’adoption uniformes. Mais c’est à ça que ressemble une adoption saine. Tout le monde n’a pas besoin d’utiliser l’IA. Toutes les tâches n’en profitent pas. Toutes les façons de travailler ne s’améliorent pas quand on y injecte de l’IA.

Les organisations qui comprennent ça déploient les outils d’IA largement, soutiennent l’expérimentation avec générosité, mesurent les résultats plutôt que l’utilisation, et acceptent qu’une adoption organique produise des schémas inégaux — reflet d’une utilité réelle, pas d’un théâtre de conformité.

[D’après l’étude 2025 de BCG](https://www.bcg.com/publications/2025/ai-at-work-momentum-builds-but-gaps-remain), les organisations avec des stratégies formelles de conduite du changement réussissent trois fois plus souvent que celles qui n’en ont pas. Mais une « conduite du changement » formelle ne veut pas dire obligations et tableaux de bord. Ça veut dire une attention réfléchie aux dynamiques humaines de l’adoption technologique.

Les pires déploiements d’IA traitent les gens comme des obstacles à surmonter. Les meilleurs les traitent comme des collaborateurs pour comprendre où l’IA aide vraiment.

## La vérité qui dérange

Voilà ce que personne, à la tête d’une transformation IA, n’a envie d’entendre : peut-être que votre problème de résistance est en réalité un problème de valeur.

Pas la valeur au sens de l’éthique — même si ça compte. La valeur au sens de l’utilité. Peut-être que ceux qui résistent à l’IA sont justement ceux qui l’ont évaluée le plus sérieusement. Peut-être que leur résistance reflète une appréciation réelle, pas de la peur. Peut-être que l’outil ne les aide vraiment pas, et que leur scepticisme est une donnée que vous devriez collecter, pas une résistance que vous devriez vaincre.

Un responsable d’équipe en agence, cité dans [l’enquête de Piccalilli sur l’usage forcé de l’IA](https://piccalil.li/blog/are-peoples-bosses-really-making-them-use-ai/), a décrit son entreprise : "They want to be the 'first AI agency' and are basically telling us to get on board or you're not a fit." Cette pression produit de la conformité sans adhésion. Elle produit aussi le « faire semblant » dont on parlait au début : une adoption théâtrale qui satisfait les métriques tout en ne changeant rien au travail réel.

Quand des salariés font semblant d’utiliser l’IA, ils envoient un message. Le message n’est pas « nous avons peur du changement ». Le message, c’est « l’outil ne nous aide pas, et vous n’écoutez pas ».

Une adoption réussie de l’IA exige d’écouter. Vraiment.

## Un point à garder en tête

Les organisations dépensent une énergie énorme à gérer la résistance à l’IA. Elles bâtissent des programmes de formation. Elles développent des stratégies de communication. Elles identifient des promoteurs et répondent aux sceptiques. Tout cet effort part du principe que la résistance est un problème à résoudre.

Mais la résistance est aussi de l’information. Elle vous dit où se trouve l’écart entre ce que la direction croit et ce que les salariés vivent. Elle révèle quels usages fonctionnent vraiment, et lesquels ne font que briller en démo. Elle fait remonter les inquiétudes que les présentations léchées des fournisseurs ne mentionnent jamais.

Les organisations qui réussissent avec l’IA ne sont pas celles qui surmontent le plus efficacement la résistance. Ce sont celles qui distinguent la résistance qu’il faut surmonter de celle dont il faut apprendre.

Vos équipes ne sont pas des obstacles à votre transformation IA. Elles sont la transformation elle-même. La question n’est pas comment les faire adopter. La question est de savoir si ce que vous leur demandez d’adopter mérite d’être adopté.

Cette question met les dirigeants mal à l’aise. Tant mieux.