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.
Un usage réellement approprié suppose de savoir si la production répond au besoin, si elle est adaptée au contexte, quelles reprises restent nécessaires, ce qui doit se passer ensuite dans le travail réel et qui assume finalement le résultat utilisé.
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’accès à une réponse bien formulée peut donner une impression de maîtrise supérieure à la compétence réellement disponible. Pour intégrer l’IA professionnellement, l’utilisateur doit rester capable d’évaluer ce qu’il obtient, de le contextualiser, de repérer un problème et d’assumer le résultat utilisé.
La question plus large de ce qu’il faut encore apprendre et pratiquer lorsque l’IA peut produire à notre place mérite un traitement spécifique.
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.
Une équipe gagne à partir des situations qui consomment beaucoup de temps, des productions qui demandent davantage de qualité, des décisions qui méritent une meilleure préparation ou des activités suffisamment sensibles pour exiger un contrôle humain renforcé.
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.
La formation ne doit pas seulement apprendre à obtenir une réponse. Elle doit entraîner les participants à cadrer une situation, répartir le travail entre humain et IA, évaluer ce qui est produit, choisir ce qu’ils gardent puis reconnecter la production à une action réelle.
Cette progression est développée plus complètement dans Création de valeur avec l’IA : produire plus vite ne suffit pas et peut être expérimentée sous pression avec Brief Express.
Le premier enjeu consiste à commencer petit et réel. Quelques situations fréquentes et utiles produisent davantage d’apprentissage qu’une invitation générale à utiliser davantage l’IA. Mieux vaut choisir deux ou trois usages qui comptent réellement dans le travail, les tester et regarder ce qu’ils produisent.
Il faut ensuite laisser le temps d’apprendre. L’IA peut faire gagner du temps, mais sa maîtrise demande d’abord des essais, des comparaisons, des vérifications et parfois l’abandon d’un usage qui semblait prometteur. Cette phase d’apprentissage fait partie de l’adoption.
L’organisation doit également poser un cadre suffisamment clair : quels usages sont possibles, quelles informations doivent être protégées, quelles productions nécessitent une validation et quels critères permettent de juger qu’un résultat est suffisamment fiable et adapté.
Enfin, il faut faire circuler l’apprentissage. Le manager n’a pas besoin d’être le meilleur utilisateur technique de l’IA. Il aide surtout à relier les essais aux priorités, à la qualité attendue et aux situations de travail. Les retours d’expérience permettent aussi d’éviter que chacun reconstruise seul les mêmes repères.
L’adoption ne dépend donc pas seulement des compétences individuelles. Elle dépend aussi du management, des règles, de la capacité disponible et de la manière dont les usages s’intègrent au travail. Une personne peut être motivée et pourtant manquer de temps, de cadre ou d’autorisation pour expérimenter. À l’inverse, fixer un objectif d’usage ne suffit pas si la valeur recherchée et les responsabilités restent floues.
L’adoption de l’IA doit donc être traitée comme une transformation des pratiques et non comme une simple mise à disposition d’outil.
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.
Brief Express place les participants dans une situation où l’IA permet de produire très vite alors que la demande reste imparfaitement cadrée. L’expérience rend visibles la tentation de générer immédiatement, l’illusion de qualité d’une réponse fluide, le travail de vérification et surtout la nécessité de choisir ce qui mérite réellement d’être utilisé.
Le débrief reconnecte ensuite ces mécanismes aux situations professionnelles des participants : quand utiliser l’IA, quand ralentir, quoi vérifier et ce qui doit rester sous responsabilité humaine.
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’équipe peut progressivement expliciter les usages qui apportent réellement de la valeur, ceux qui demandent davantage de validation, les informations à protéger, les critères de qualité communs et les situations dans lesquelles elle choisit volontairement de ne pas utiliser l’IA.
Ces repères n’imposent pas les mêmes pratiques à tous. Ils donnent un cadre commun permettant à chacun d’adapter ses usages à son métier et à ses situations tout en partageant quelques règles de responsabilité et de qualité.
Le bon dispositif dépend d’abord de votre point de départ. Certaines équipes découvrent encore les usages possibles ; d’autres expérimentent déjà largement mais cherchent à mieux maîtriser la qualité, les responsabilités ou le partage des pratiques.
Chez Eikos, nous partons des outils réellement autorisés, des usages déjà présents, des métiers concernés et de quelques situations de travail suffisamment importantes pour justifier l’apprentissage. Selon le besoin, le travail peut concerner des collaborateurs, des managers, des chefs de projet ou des formateurs et concepteurs.
Brief Express peut compléter ces parcours lorsqu’il est utile de faire vivre très concrètement l’écart entre vitesse de production, qualité apparente et discernement.
L’objectif n’est pas de multiplier les usages, mais d’aider les équipes à installer des pratiques utiles, contrôlées et adaptées à leur contexte.
Pour approfondir la question de la valeur produite avant celle de l’adoption, voir Création de valeur avec l’IA : produire plus vite ne suffit pas.
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.
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.
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.
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.
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.
Parce que l’accès à l’outil ne donne ni les critères permettant d’évaluer une production, ni la connaissance du contexte métier, ni les règles permettant de décider quand et comment l’utiliser. L’appropriation se construit par des situations réelles, des essais, des vérifications, des retours et quelques repères partagés.
Vous avez déjà ouvert les accès, mais les usages restent encore dispersés ou difficiles à stabiliser ?
Nous pouvons partir de vos pratiques actuelles pour identifier les situations sur lesquelles un accompagnement produirait réellement de la valeur.
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