Dans beaucoup d’organisations, l’intelligence artificielle est désormais disponible. Réussir son adoption demande pourtant bien davantage que l’ouverture de licences ou une démonstration des outils.
Copilot, Gemini, ChatGPT et les solutions métiers augmentées entrent progressivement dans le quotidien professionnel. Les collaborateurs découvrent leurs possibilités, réalisent leurs premiers essais et commencent parfois à identifier des gains de temps.
Une première étape a donc été franchie. Le plus difficile commence pourtant souvent après.
- Comment passer de quelques expérimentations individuelles à des usages professionnels réellement utiles ?
- Comment aider les équipes à intégrer l’IA dans leur travail sans multiplier les productions inutiles, affaiblir leur discernement ou déplacer la charge vers la vérification ?
- Comment faire en sorte que les pratiques progressent encore plusieurs semaines après la formation ?
C’est tout l’enjeu du dernier kilomètre de l’adoption de l’IA.
Ce dernier kilomètre se situe entre l’outil disponible et son intégration réelle dans les pratiques de travail. Il commence lorsque les collaborateurs retrouvent leurs contraintes, leurs urgences et leurs responsabilités, puis doivent décider par eux-mêmes quand utiliser l’IA, comment l’utiliser et ce qu’ils doivent continuer à garder pleinement à leur main.
Réussir ce passage suppose de choisir quelques cas d’usage reliés au travail réel, de former les équipes à les traiter avec discernement, de clarifier les règles, de donner du temps pour apprendre, d’impliquer les managers et d’organiser les retours d’expérience.
L’adoption dépend donc de bien plus que la technologie ou la qualité de la formation. Elle dépend de la manière dont l’organisation prépare le passage entre la découverte de l’outil et son utilisation professionnelle durable.
Où situer cet article. Il forme un binôme avec Création de valeur avec l’IA : produire plus vite ne suffit pas. L’article sur la création de valeur traite du quoi et du pourquoi : distinguer un gain de temps apparent d’une vraie valeur. Le présent article traite du comment durable : les conditions qui permettent aux usages de s’installer dans le travail après le déploiement et la formation. Il rejoint aussi Formation et changement organisationnel, car adopter l’IA relève d’un changement de pratique.
Réussir l’adoption de l’IA consiste à transformer une possibilité technologique en pratiques professionnelles utiles, utilisables et réellement utilisées.
Cela demande de partir des besoins et des situations de travail, de sélectionner quelques cas d’usage prioritaires, de former sur des situations proches du quotidien des participants, de clarifier les règles d’usage et de vérification, de donner du temps pour expérimenter, d’aider les managers à accompagner les premiers essais et de partager les apprentissages dans le collectif.
Ces conditions paraissent simples. Elles sont pourtant encore souvent traitées après le déploiement, alors qu’elles gagneraient à en faire partie dès le départ.
Une organisation peut avoir choisi un bon outil, préparé une communication claire, ouvert les accès et proposé une formation de qualité. Quelques semaines plus tard, les usages restent pourtant parfois dispersés ou limités.
Cette diversité est normale. Elle traduit autre chose qu’un manque de motivation ou une résistance au changement.
Ce phénomène dépasse d’ailleurs le seul cas de l’intelligence artificielle. Nous l’avons déjà rencontré avec de nombreux outils, méthodes et dispositifs de formation.
Le projet rend la solution disponible. L’adoption commence lorsque les personnes parviennent à l’intégrer dans leur activité, avec leurs contraintes, leurs priorités et leur niveau de responsabilité.
Elle se joue donc au-delà du seul jour du lancement ou de la formation. Elle se joue surtout dans les jours et les semaines qui suivent, lorsque chacun doit transformer une possibilité nouvelle en pratique professionnelle maîtrisée.
L’acculturation à l’IA constitue une première étape utile. Elle permet de comprendre les possibilités des outils, leurs limites, leurs risques et les évolutions qu’ils peuvent entraîner dans les métiers.
Elle aide également à créer un vocabulaire commun, à ouvrir le dialogue et à dépasser certaines représentations. Pour de nombreux collaborateurs, elle facilite les premiers essais.
Comprendre ce que l’IA peut faire reste pourtant distinct de savoir l’intégrer dans son travail.
La formation permet d’aller plus loin. Elle aide à manipuler les outils, à expérimenter plusieurs façons de les solliciter, à traiter des cas concrets et à construire les premiers repères de qualité.
L’appropriation commence réellement lorsque la personne utilise ensuite ces acquis dans ses propres situations professionnelles. Elle apprend progressivement à reconnaître les bons moments pour recourir à l’IA, à évaluer ce qu’elle produit, à l’insérer dans un processus de travail et à déterminer ce qu’elle doit continuer à garder à sa main.
Une organisation peut donc avoir acculturé de nombreux collaborateurs tout en gardant l’adoption encore à achever.
La question dépasse alors : « Les personnes ont-elles compris ce qu’est l’IA et ce qu’elle peut produire ? »
Elle devient : « Savent-elles quand, pourquoi et comment l’utiliser utilement dans leur métier ? »
C’est précisément à cet endroit que le dernier kilomètre commence.
Dans notre jeu pédagogique sur le management de proximité La Hutte du Chef, une scène fonctionne toujours particulièrement bien..
Le village vient d’acquérir de nouveaux filets de pêche. Ils sont plus modernes et plus performants que les anciennes cannes. Stilobix continue pourtant à préférer le matériel qu’il connaît.
On pourrait conclure qu’il refuse le progrès. La situation est plus intéressante.
Stilobix maîtrise ses cannes. Il sait quand les utiliser, comment interpréter ce qui se passe et comment réagir lorsque la pêche ne se déroule pas comme prévu. Les filets lui demandent de développer de nouveaux gestes. Il doit comprendre dans quelles situations ils sont pertinents, apprendre à les manier, repérer leurs limites et les intégrer dans les pratiques du village.
Cette scène est décalée, et elle décrit assez bien ce qui se passe aujourd’hui avec l’intelligence artificielle.
Les organisations peuvent investir, ouvrir des accès et présenter des gains possibles très convaincants. Les collaborateurs doivent pourtant encore apprendre quand l’IA les aide réellement, quand elle ajoute une charge de contrôle, quand elle risque d’appauvrir une réflexion et comment elle peut trouver sa place dans leur manière de travailler.
L’outil a changé. Le mécanisme d’appropriation reste étonnamment stable.
Mettre un outil à disposition est une première étape. Commencer à l’utiliser en est une deuxième. Se l’approprier durablement en est une troisième.
Un outil disponible peut rester peu utilisé. Un outil utilisé peut rester cantonné à des tâches très simples. Un outil apprécié peut permettre de produire beaucoup plus, sans que ces productions soient nécessairement plus utiles.
Avec l’IA générative, la différence entre production et valeur devient particulièrement visible. Il est possible d’obtenir rapidement un texte, une synthèse, une analyse ou un support. Cette rapidité laisse pourtant ouvertes les questions essentielles.
L’IA accélère la production. Elle laisse à l’humain le soin d’éclairer la valeur.
C’est pourquoi nous résumons souvent la réussite d’un usage par trois mots : il doit être utile, utilisable et utilisé.
Les deux premières dimensions peuvent être préparées par la conception et la formation. La troisième se construit dans le travail réel. Elle se gagne au-delà d’une licence supplémentaire.
L’IA facilite l’accès à l’information, et elle fournit aussi des réponses structurées, convaincantes et immédiatement disponibles. Cette qualité apparente peut créer une confusion entre plusieurs niveaux pourtant très différents :
Une personne peut obtenir un plan d’entretien, une analyse de projet ou une proposition de réponse managériale avant d’avoir développé les compétences nécessaires pour évaluer pleinement ce qui lui est proposé.
Elle sait peut-être demander à l’IA de produire. Cela laisse ouverte sa capacité à traiter seule la situation, repérer une erreur subtile, adapter la réponse au contexte ou réagir lorsque le réel s’écarte du scénario prévu.
Cette distinction est importante. Toutes les compétences n’ont pas vocation à être conservées lorsque les outils évoluent. Nous ne regrettons pas les tâches devenues inutiles grâce à l’automatisation.
L’organisation doit toutefois choisir consciemment ce qu’elle peut déléguer et ce que les professionnels doivent continuer à comprendre et à maîtriser.
L’enjeu dépasse donc le maintien de toutes les anciennes manières de faire. Il consiste à préserver les capacités qui permettent de cadrer, de vérifier, de décider, d’expliquer et d’assumer le résultat.
Une formation à l’IA ou à un outil gagne en efficacité lorsqu’elle commence par les situations de travail, plutôt que par une visite exhaustive des fonctionnalités.
Les fonctionnalités ont leur utilité. Elles permettent de découvrir les possibilités de l’outil. Elles laissent toutefois ouverte la question de la valeur pour une équipe donnée.
Une entrée plus féconde consiste à partir des situations de travail.
Ces questions déplacent le centre de gravité. Le sujet dépasse alors : « Que peut faire l’IA ? »
Il devient : « Dans quelles situations voulons-nous améliorer notre manière de travailler, et quelle place l’IA peut-elle raisonnablement y prendre ? »
L’IA peut alors être testée sur des besoins concrets : préparer une réunion, clarifier une demande, structurer une note, synthétiser plusieurs sources, comparer des options, préparer une décision ou identifier les points de vigilance d’un projet.
Les participants vont au-delà de découvrir un outil. Ils apprennent à l’intégrer dans une activité professionnelle complète, avec ce qui précède la production et ce qui doit lui succéder.
Savoir formuler une demande à une IA est utile. Réussir à obtenir une réponse laisse toutefois ouverte la maîtrise de la situation professionnelle concernée.
Une compétence se mesure au-delà de la capacité à restituer une méthode ou à produire un résultat avec l’aide d’un outil. Elle apparaît lorsque la personne sait agir dans le réel, adapter sa réponse, repérer un problème, justifier ses choix et assumer les conséquences de ce qu’elle produit.
C’est pourquoi la formation à l’IA va au-delà de présenter des fonctionnalités, des prompts ou des exemples de résultats. Elle doit permettre aux participants de pratiquer sur des situations proches de leur travail et de produire des preuves d’application.
Il faut alors savoir cadrer le besoin, fournir le bon contexte, évaluer la réponse, repérer ce qui manque, reconnaître une formulation trompeusement convaincante, contextualiser le résultat et décider ce qui mérite d’être conservé, modifié ou abandonné.
Un collaborateur peut demander à l’IA de préparer un compte rendu. Le véritable enjeu consiste ensuite à vérifier si ce compte rendu fait ressortir les décisions, les responsabilités et les prochaines étapes.
Un manager peut demander une première analyse. Il doit encore déterminer ce qui doit être vérifié, enrichi par sa connaissance du contexte ou repris avec les personnes concernées.
Une équipe peut générer davantage de supports. Elle doit encore se demander si ces supports aident réellement leurs destinataires à comprendre, décider ou agir.
Nous travaillons cette progression autour de cinq gestes : cadrer, co-traiter, évaluer, choisir et agir.
Le dernier geste est essentiel. Une production crée de la valeur lorsqu’elle permet de mieux comprendre, de mieux décider ou de mieux agir.
Le dernier kilomètre repose sur plusieurs conditions qui se renforcent mutuellement, plutôt que sur une action isolée.
La formation est importante, et elle porte l’adoption avec d’autres leviers. Elle ouvre des possibilités, développe des repères et permet de s’entraîner. Le passage à l’usage dépend ensuite de la manière dont l’organisation prépare l’après.
Cet après gagne à être pensé dès le départ, plutôt que traité seulement à la fin de la formation.
Avant la formation, le manager et le collaborateur peuvent identifier une ou deux situations dans lesquelles un nouvel usage serait réellement utile. Il peut s’agir de préparer une réunion, structurer une note, clarifier une demande, synthétiser plusieurs sources ou mieux préparer une décision. Ce cadrage donne une direction concrète à l’apprentissage et évite que la formation reste générale.
Pendant la formation, la personne expérimente cet usage sur une situation proche de son travail. Elle peut comparer plusieurs façons de faire, recevoir du feedback, observer ce que l’IA apporte réellement et préciser ses critères de réussite. Elle apprend aussi à repérer ce qu’elle doit vérifier, compléter ou garder pleinement à sa main.
Après la formation, un temps court permet de revenir sur ce qui a été essayé, ce qui a fonctionné, ce qui reste difficile et ce qui mérite d’être ajusté.
Cette continuité transforme la formation en progression, plutôt qu’en moment isolé : essayer, analyser, réactiver, ajuster puis recommencer dans une nouvelle situation.
Un rituel simple peut suffire. Quelques semaines après la formation, le manager, un collègue ou le formateur demande :
Ce suivi va au-delà de vérifier que l’outil a été utilisé. Il aide à consolider les apprentissages et à laisser aux nouvelles pratiques le temps de s’installer avant que les anciennes habitudes reprennent leur place.
Il faut également choisir quelques usages prioritaires. Lorsque les équipes sont invitées à « utiliser davantage l’IA » sans autre précision, elles expérimentent dans de nombreuses directions ou se concentrent sur les usages les plus évidents.
Commencer par quelques situations fréquentes, utiles et suffisamment maîtrisables permet de concentrer l’apprentissage et d’obtenir des résultats observables.
Il faut ensuite donner un cadre qui sécurise sans figer. Les collaborateurs ont besoin de savoir quels usages sont encouragés, quelles données doivent être protégées, quelles productions nécessitent une validation et quels critères de qualité appliquer. Ce cadre doit permettre d’expérimenter avec discernement, au-delà d’une simple énumération d’interdictions.
Le dernier kilomètre demande également du temps pour apprendre. L’IA peut faire gagner du temps, et son appropriation demande d’abord un investissement.
Elle rend également très facile la création de nouvelles ressources, de nouveaux supports et de nouvelles explications. Le risque est alors de traiter le manque de compétence par davantage de contenu.
Or le contenu a cessé d’être la ressource rare. Le véritable goulot d’étranglement devient le temps et l’attention nécessaires pour pratiquer, recevoir du feedback, réactiver ce qui a été appris et intégrer une nouvelle manière de faire.
Il faut essayer, comparer, vérifier, ajuster et parfois renoncer à un usage qui semblait prometteur. Lorsque cette expérimentation doit se faire entre deux urgences, les pratiques connues reprennent rapidement le dessus.
Les managers jouent aussi un rôle déterminant. Ils gardent leur rôle sans avoir besoin d’être les meilleurs utilisateurs techniques de l’outil. Ils doivent surtout aider leur équipe à choisir les bons sujets, à relier les essais aux priorités, à organiser les retours d’expérience et à maintenir le niveau d’exigence attendu.
Enfin, les apprentissages doivent pouvoir circuler dans le collectif. Lorsqu’une personne découvre une pratique utile, identifie une limite ou améliore un processus, cette expérience peut éviter à chacun de recommencer seul.
Des temps courts de partage, des exemples commentés, quelques repères communs et des relais internes permettent de transformer des essais individuels en capacité collective.
Le dernier kilomètre se réussit donc par une progression organisée plutôt que par un grand déploiement uniforme : quelques usages bien choisis, des essais reliés au réel, des critères de qualité, du feedback, des temps de réactivation et une amélioration progressive.
L’adoption de l’IA est parfois présentée comme une affaire de curiosité personnelle. Les collaborateurs les plus motivés progresseraient rapidement, tandis que les autres resteraient en retrait.
Cette lecture reste incomplète.
Une personne peut être motivée et compétente tout en travaillant dans un environnement qui ne lui laisse aucun temps pour expérimenter. Elle peut avoir identifié un usage pertinent sans savoir s’il est autorisé. Elle peut obtenir de bons résultats sans pouvoir les partager ou les intégrer dans un processus collectif.
À l’inverse, une organisation peut imposer des objectifs d’usage sans avoir clarifié la valeur attendue, les responsabilités ou le temps d’apprentissage nécessaire. L’IA devient alors une injonction supplémentaire dans un quotidien déjà chargé.
Le dernier kilomètre oblige à regarder le système complet : les pratiques individuelles, le rôle du manager, les règles collectives, les priorités, la bande passante disponible, les processus de travail et les critères de réussite.
C’est pour cette raison que nous abordons l’adoption de l’IA comme un changement de pratique, au-delà d’une simple formation à un outil.
Cette dimension est développée plus largement dans l’article Formation et changement organisationnel : créer les conditions du transfert.
Pour travailler concrètement cette distinction, nous avons conçu Brief Express, une activité pédagogique dans laquelle une équipe doit répondre rapidement à une demande floue avec l’aide de l’IA.
Produire vite est relativement facile. C’est précisément ce qui rend l’exercice intéressant.
Produire vite est relativement facile. C’est précisément ce qui rend l’exercice intéressant.
Les participants constatent rapidement que la difficulté se situe avant et après la génération. Il faut comprendre ce que le commanditaire attend réellement, repérer les informations manquantes, évaluer ce que l’IA propose, sélectionner ce qui sert le destinataire et assumer la réponse finale.
Le débrief permet ensuite d’analyser ce qui s’est passé. À quel moment l’équipe a-t-elle gagné du temps ? À quel moment a-t-elle produit trop vite ? Qu’a-t-elle délégué à l’IA ? Qu’aurait-elle dû garder à sa main ? Quelles règles seraient utiles dans son environnement professionnel ?
Comme dans nos autres jeux pédagogiques, l’expérience sert de point de départ plutôt que de fin en soi. Elle fait vivre une situation, permet de l’analyser et prépare son transfert dans le travail réel.
L’objectif dépasse une utilisation identique de l’IA par tous les collaborateurs.
Les métiers, les responsabilités et les situations diffèrent. Une pratique utile pour une fonction support peut se révéler inadaptée à un manager de proximité ou à un chef de projet. Une tâche relativement simple peut se prêter à une délégation importante, tandis qu’une situation sensible demandera davantage de jugement, de relation et de responsabilité humaine.
L’organisation peut néanmoins construire quelques repères communs.
Ces repères permettent de passer d’expérimentations dispersées à une pratique collective plus cohérente. Ils donnent également aux managers et aux relais internes une base pour accompagner les équipes tout en préservant la diversité des usages.
Les organisations ne se trouvent pas toutes au même point.
Certaines commencent à ouvrir les accès et veulent éviter que l’usage reste limité à quelques pionniers. D’autres disposent déjà de nombreux utilisateurs tout en cherchant à mieux relier les pratiques à la valeur, à la qualité et aux responsabilités. D’autres encore veulent préparer leurs managers ou leurs formateurs internes à accompagner progressivement l’appropriation.
Notre intervention part du contexte, plutôt que d’un programme standard.
Nous cherchons d’abord à comprendre les outils disponibles, les usages déjà présents, les situations de travail concernées, les contraintes internes et les résultats attendus. Cette étape permet de choisir le bon niveau d’accompagnement et d’éviter une formation trop large ou trop éloignée du quotidien.
Selon le contexte, le dispositif peut prendre la forme d’un atelier sur les cas d’usage, d’une formation active, d’une séquence avec Brief Express, d’un accompagnement de managers, d’un team learning, d’un travail avec des relais internes ou d’une expérimentation menée avec une équipe pilote.
Dans tous les cas, nous cherchons à relier quatre dimensions : les usages utiles, les compétences nécessaires, les conditions organisationnelles et le transfert dans le travail.
Nous aidons également les organisations à définir ce qui devra être observé après la formation. Il peut s’agir d’un usage réellement testé, d’une production améliorée, d’un temps de traitement réduit, d’une décision mieux préparée ou d’une pratique partagée dans l’équipe.
Ces preuves restent volontairement simples. Elles permettent de vérifier qu’une capacité progresse, sans construire une nouvelle usine à gaz d’évaluation.
L’accompagnement peut aussi inclure quelques rendez-vous de réactivation, un travail avec les managers ou la préparation de relais internes. L’objectif est que les équipes aient commencé à utiliser l’IA dans leur environnement, au-delà d’avoir compris ce qu’elles pourraient faire.
Un premier échange permet souvent de clarifier les usages déjà présents, les obstacles rencontrés et les quelques situations de travail sur lesquelles un accompagnement serait réellement utile.
Comment réussir le dernier kilomètre de l’adoption de l’IA ?
Le dernier kilomètre consiste à passer de l’accès à l’outil à des pratiques réellement intégrées. Il demande de choisir quelques cas d’usage utiles, de former sur des situations réelles, de clarifier les règles, de donner du temps pour essayer, d’impliquer les managers et d’organiser des retours d’expérience.
Quelle différence entre déployer l’IA et se l’approprier ?
Déployer l’IA consiste à rendre l’outil disponible et à en ouvrir l’accès. Se l’approprier consiste à savoir quand l’utiliser, comment évaluer ses productions, ce qui doit rester sous responsabilité humaine et comment l’intégrer durablement dans le travail.
Quelle différence entre acculturation, formation et appropriation de l’IA ?
Pourquoi une formation à l’IA ne suffit-elle pas toujours ?
Une formation permet de découvrir, de comprendre et de s’entraîner. L’usage se construit ensuite dans le travail réel. Privés de cas d’usage prioritaires, de temps d’expérimentation, de soutien managérial et de retours d’expérience, les participants peuvent rapidement revenir à leurs pratiques habituelles.
Quel est le rôle des managers dans l’adoption de l’IA ?
Les managers aident leur équipe à choisir les usages prioritaires, à clarifier les critères de qualité, à sécuriser les essais et à partager les apprentissages. Ils gardent leur rôle sans avoir besoin d’être experts de l’outil, en reliant son usage au travail attendu, aux responsabilités et à la création de valeur.
Pourquoi faut-il prévoir du temps pour apprendre à utiliser l’IA ?
Même lorsqu’un outil promet un gain de temps, sa maîtrise demande un investissement initial. Les collaborateurs doivent tester, comparer, vérifier, ajuster et construire de nouveaux réflexes. Sans un minimum de temps protégé, l’ancienne manière de faire reste souvent plus facile à court terme.
Pourquoi avoir accès à l’IA ne signifie-t-il pas savoir l’utiliser ?
L’IA permet d’obtenir rapidement une réponse structurée, ce qui laisse ouverte la maîtrise de la situation professionnelle concernée.
Un usage compétent suppose de savoir cadrer le besoin, évaluer la production, l’adapter au contexte, prendre une décision et assumer le résultat. L’accès à l’information facilite le travail, tout en laissant sa place à la pratique et à l’expérience.
Chaque organisation a ses propres contraintes, ses propres enjeux, son propre terrain.
Un échange de 30 minutes suffit souvent à identifier ce qui serait vraiment utile — et la forme que ça pourrait prendre.
Indiquez votre adresse email pour recevoir la ressource dans votre boite de réception