Chez l’un de nos clients, presque tous les collaborateurs s’étaient servis de l’outil d’IA mis à leur disposition au cours des trois premiers mois. Sur le tableau de bord, l’adoption de l’IA semblait acquise. Le détail racontait autre chose. La grande majorité des demandes passaient par le chat généraliste, une petite part seulement par les assistants construits pour les métiers.
Une partie des utilisateurs actifs, dont plusieurs parmi les plus assidus, n’avaient jamais ouvert un assistant métier. Or ces assistants portaient les consignes et les données de l’équipe. Le chat généraliste n’en a aucune, et chacun s’en sert à sa façon.
Si vous avez acheté des licences et organisé une formation, vous avez sans doute vu la même chose. Quelques personnes s’en servent tous les jours, les autres ont essayé puis arrêté, ou n’ont jamais ouvert l’outil. À l’échelle du pays, l’usage reste lui aussi peu profond. Début 2026, 67 % des entreprises françaises d’au moins 20 salariés (industrie manufacturière, bâtiment et services marchands non financiers, hors commerce) déclaraient utiliser l’IA générative, un usage « principalement limité ou expérimental » selon l’enquête de la Banque de France, menée auprès d’environ 7 000 entreprises.
Cet article commence là où s’arrête notre guide pour intégrer l’IA dans une entreprise, quand les outils sont choisis, la formation faite et l’usage en panne. Nous décrivons ici ce que nous faisons chez nos clients, PME et ETI, à ce moment-là, ce que nos propres erreurs nous ont appris et, pour chaque exemple, où en est la mesure. Plusieurs chantiers sont encore en cours.
Adoption de l’IA en entreprise : ce que le tableau de bord ne dit pas
Une fois les licences attribuées, la question se déplace vers la répartition de l’usage, et parfois vers un accès qu’on croyait réglé. Notre protocole de mesure pose une définition courte : « Une licence est un accès. Un usage est une tâche réalisée avec l’outil, à une fréquence définie à l’avance. »
Une formation d’acculturation réussie ne suffit pas à installer cet usage. Dans le journal d’un outil, nous avons vu un participant envoyer quelques messages le jour de sa formation collective, puis plus rien le mois suivant. Un questionnaire de satisfaction ne dit rien de l’usage ; seule l’activité dans l’outil le montre.
Nous avons fait l’erreur nous-mêmes, chez un client, en construisant des assistants taillés pour des personnes précises, souvent en atelier avec elles. À la fin de l’été, trois d’entre eux n’avaient servi qu’une poignée de fois. Nous avions compté un assistant livré comme un résultat. Le résultat, c’est l’usage.
- 17 %Des TPE et PME utilisent l’IA générative régulièrement, quand 55 % déclarent y recourir (Bpifrance Le Lab, fin 2025)
- 71 %Des cadres non dirigeants n’ont pas encore été formés à l’IA (Microsoft France avec YouGov, janvier 2026)
- 36 %Des salariés du privé disent que leur entreprise a officiellement déployé l’IA générative, quand deux sur trois l’utilisent (Ipsos pour Greenworking, mai 2025)
Ces enquêtes françaises ne mesurent ni la même population ni la même chose : 4 722 TPE et PME de 1 à 249 salariés pour Bpifrance Le Lab (fin 2025), 657 cadres et dirigeants du privé pour l’étude menée par Microsoft France avec YouGov (janvier 2026), 1 000 salariés du privé, hors ouvriers, pour l’enquête Ipsos réalisée pour Greenworking (mai 2025). Elles pointent pourtant dans le même sens, celui d’un usage déclaré qui va plus vite que l’usage régulier, formé et encadré par l’entreprise. Reste à savoir qui se sert de l’outil, et surtout qui ne s’en sert pas.
Lire l’usage personne par personne, équipe par équipe
Un taux d’adoption global ne dit pas où agir. Vos dix utilisateurs les plus actifs montrent ce qui est possible, l’équipe restée à zéro montre où commencer. Une équipe à zéro peut aussi n’avoir aucune tâche qui s’y prête ; notez-le, et retirez-la du dénominateur plutôt que de la relancer.
Dans une équipe où la plupart des gens utilisaient l’outil de façon soutenue, quelques personnes n’avaient rien envoyé de tout l’été. Le taux de l’équipe était excellent, et il ne disait rien d’elles.
La direction a, en plus, un angle mort. Selon une enquête Gallup menée en février 2026 auprès de 23 717 salariés américains, dans les organisations qui fournissent des outils d’IA, deux dirigeants sur trois s’en servent au moins quelques fois par semaine, contre 52 % des managers et 46 % des collaborateurs sans fonction managériale. Celui qui juge l’adoption est donc souvent, à notre avis, celui qui s’en sert le plus.
Les indicateurs d’adoption à lire à la place du tableau de bord
Exportez un trimestre d’activité, lisez-le personne par personne, puis regroupez par équipe ou par métier. Selon l’offre souscrite, les consoles d’administration de Claude, ChatGPT ou Copilot donnent au moins le nombre d’utilisateurs actifs sur une période, pas toujours le détail par personne. Chaque résultat s’écrit avec son dénominateur, comme le prévoit notre protocole de mesure de l’adoption : « Sur N personnes, X ont utilisé l’outil chaque semaine pendant la période Y. »
| Ce que montre le tableau de bord | Ce qu’il faut lire à la place | Ce que cela déclenche |
|---|---|---|
| Comptes actifs | Les sièges achetés jamais utilisés depuis leur ouverture | Vérifier l’accès, puis proposer un premier cas réel |
| Utilisateurs du mois | Les personnes actives au lancement, silencieuses depuis 30 jours | Les voir individuellement et noter le frein |
| Taux d’adoption global | La part de chaque équipe active chaque semaine, rapportée à son effectif | Choisir le prochain cas réel avec l’équipe restée à zéro |
| Volume total de messages | La part portée par les dix premiers utilisateurs | Repérer les méthodes à transmettre |
| Nombre d’assistants livrés | La part des demandes passées par les assistants métier | Reprendre ou retirer les assistants que personne n’ouvre |
Ce que le journal ne voit pas
D’après la même étude de Microsoft France avec YouGov, menée en janvier 2026 auprès de 657 cadres et dirigeants du privé, 61 % des répondants qui utilisent l’IA au travail passent au moins une fois par semaine par un compte personnel, dont 38 % tous les jours. C’est un usage que l’entreprise ne voit pas, ce qu’on appelle le shadow AI. Avant de classer quelqu’un comme inactif, posez-lui la question, en précisant qu’aucune réponse ne sera sanctionnée ; notre protocole prévoit d’ailleurs, à côté du journal de l’outil, un sondage de trois questions.
Une lecture nominative de l’usage porte sur des données personnelles. Informez l’équipe avant la première lecture, présentez la démarche au CSE s’il existe, et voyez-la avec votre DPO ou votre juriste avant l’export. Réservez les noms à la personne qui ira voir les décrocheurs ; la direction reçoit des chiffres par équipe. Ce cadre revient aux RH, qui ont un rôle direct dans l’adoption, et la démarche sert à lever des freins, jamais à évaluer quelqu’un.
Les décrocheurs : aller les voir un par un
Chez un client, nous avons regardé une à une, dans les données, les personnes qui avaient décroché. Là où une cause apparaissait, elle était précise et pratique, et aucune formation générale ne l’aurait réglée.
Un modèle retiré de l’outil, qui portait l’essentiel des demandes d’une personne. Une messagerie jamais connectée. Un assistant qui tournait en boucle. Le coût, lui, n’expliquait aucun décrochage.
Vérifier l’accès avant de parler de résistance
Avant toute relance, contrôlez l’accès. Une invitation expirée, un siège jamais attribué ou un connecteur jamais validé suffisent à fabriquer un « inactif ». Vérifiez que l’outil ou le modèle qu’utilisait la personne existe encore, et que ses connexions tiennent. Un document partagé permet de suivre la démarche, avec une ligne par personne, un statut (à voir, rendez-vous pris, vu, hors périmètre) et le frein constaté.
Aller chercher ceux qui ne viennent pas
Une permanence ouverte à tous attire ceux qui arrivent, rarement ceux qui ont décroché. Lors de la première que nous avons tenue, ce sont surtout les nouveaux arrivants qui sont venus. Pour les autres, nous avons préparé un message par personne, avec une phrase sur ce qu’elle faisait réellement de l’outil. Cette relance est en cours, sans résultat mesuré à ce jour.
Les ateliers ouverts, eux, attiraient toujours les mêmes volontaires. D’où la règle que nous avons proposée ensuite : sans cas réel apporté par l’équipe, pas de session.
Le manager de proximité pèse aussi. Dans la même enquête Gallup, menée aux États-Unis en février 2026 dans les organisations qui fournissent des outils d’IA, 78 % des salariés tout à fait d’accord pour dire que leur manager soutient activement l’usage de l’IA dans l’équipe sont des utilisateurs fréquents, contre 44 % des autres. Ce lien ne prouve pas de cause, mais il dit par qui commencer, les managers des équipes restées à zéro.
Vous ne savez pas qui, chez vous, a décroché, ni pourquoi ? C’est un bon point de départ pour un pré-audit : trente minutes pour trouver votre première action.
Réserver mon pré-audit gratuitSortir la méthode d’une seule tête
Si vous avez désigné un référent IA, ou champion IA, notre guide opérationnel décrit ses missions (rien à voir avec les « Ambassadeurs IA » du plan public « Osez l’IA »). La question utile ici est plus étroite. Que produit la personne la plus avancée, et d’autres peuvent-ils l’exécuter sans elle ?
Selon l’Insee, plus de la moitié des entreprises françaises de 10 salariés ou plus qui utilisent l’IA se disent freinées par un manque d’expertise (secteurs marchands hors agriculture, finance et assurance ; enquête 2025 publiée en juillet 2026). Cette expertise existe souvent, à notre avis, chez une ou deux personnes en interne, sans circuler.
Nous avons rencontré un utilisateur avancé qui avait écrit, seul, des procédures d’un excellent niveau, de l’accueil d’un nouvel arrivant au point de la semaine. Aucune ne pouvait tourner sans lui, car les accès étaient à son nom et les liens ne s’ouvraient que dans son carnet de notes personnel. Il nous a répété trois fois ce qu’il attendait : que d’autres puissent s’en servir sans lui.
Faire écrire la méthode par celui qui produit le livrable
La procédure s’écrit avec la personne qui produit le livrable aujourd’hui. Elle décrit le livrable, ses étapes, ses contrôles et le format de sortie, l’outil venant en dernier, puis devient un modèle réutilisable, un assistant partagé ou un kit par métier. Nous avons détaillé comment transformer une procédure en compétence partagée (un « skill », dans Claude), écrite par celui qui la pratique puis exécutée sans aide par trois collègues. Chez Assemble, la mission s’est conclue sur des skills Claude en production, documentés et transmis à l’équipe, qui les fait évoluer elle-même.
Du carnet personnel à l’outil commun
Une méthode est transmise quand elle ne dépend plus de son auteur. Nous le vérifions sur quatre questions, et tant qu’une réponse est non, la méthode appartient encore à une seule personne.
Est-elle écrite dans l’outil commun, et non dans les notes ou la bibliothèque de prompts de quelqu’un ? Tourne-t-elle avec un compte de l’entreprise plutôt qu’avec un compte personnel ? A-t-elle un porteur et un relais nommés ? Quelqu’un qui ne l’avait jamais faite l’a-t-il exécutée seul ?
Le premier chantier : l’IA prépare, une personne décide
Pour choisir le premier chantier, notre guide des 5 processus à automatiser en priorité propose quatre critères : plus de 20 heures par mois, une tâche répétitive, des données structurables, une erreur rattrapable. Notre matrice de priorisation des processus aide ensuite à les classer entre eux. Un premier chantier sert l’adoption autant que le gain de temps, parce qu’il oblige plusieurs personnes à partager une méthode et à dire qui décide à chaque étape.
Chez Affective, chaque réponse à un appel d’offres public demandait des heures de tâches répétitives. Un agent lit le dossier de consultation et rédige le mémoire technique sur la trame et les critères de l’acheteur ; une automatisation crée le dossier et pré-remplit les formulaires DC1, DC2 et AE. Le cas, validé par le client, le résume ainsi : « Moins de temps sur chaque appel d’offres, un mémoire technique de meilleure qualité. »
Mesurez avant de choisir, car le temps ne part pas toujours là où on le croit. Sur un processus de facturation, nous pensions automatiser un calcul, qui prenait en fait peu de temps. Ce qui coûtait, c’était de relancer pour obtenir une référence manquante, puis d’attendre, parfois des semaines. La première piste repérée est une règle de saisie, avant toute IA, et ce chantier est en cours.
Une chaîne où chaque rôle garde sa décision
Le cas du pôle DERBI-CEMATER montre ce que devient une tâche redécoupée entre plusieurs rôles, ici dans une même équipe de sept salariés. La veille des appels à projets y était refaite par chacun dans son coin. Elle est devenue une chaîne où un agent collecte au fil de l’eau, un chargé de projets valide ce qui part et l’assistante met en page et envoie. La décision reste humaine.
Deux mois après la formation, tous usages confondus (veille, comptes rendus, newsletter) et avec une réorganisation des missions décidée au même moment, le pôle estime avoir dégagé l’équivalent d’un demi-poste, en ordre de grandeur. Il dit aussi ce qui n’a pas pris, les usages sur la messagerie.
Lire, préparer, puis seulement écrire
Une IA qui lit, résume et prépare ne modifie rien, mais elle voit tout ce qu’on lui ouvre ; limitez son accès aux dossiers du cas traité. Une erreur se voit avant d’engager quoi que ce soit, et l’équipe apprend à juger ce que l’outil propose. Chez Buro Aménagement, nous avons livré au dirigeant un connecteur sur mesure entre Claude et son ERP, en lecture seule.
Si votre comptabilité tourne sur Pennylane, nous avons décrit comment brancher la comptabilité en lecture seule. Nous appliquons la même règle aux assistants que nous construisons pour des dirigeants : ils lisent et préparent, et un compte rendu rédigé en brouillon ne part qu’après un « envoie » écrit par la personne. Si l’accès direct à un logiciel n’existe pas encore, partez de ses exports, sans contourner les règles de sécurité, et écrivez des règles qui resteront valables le jour où l’accès arrivera.
L’un des trois assistants cités plus haut préparait, pour chaque responsable de dossier, la demande de justification d’un dépassement de budget, sans rien envoyer. Il était publié et branché sur la messagerie, et il n’a servi qu’une poignée de fois de tout l’été. Nous n’avions pas fixé qui le lançait, ni quand. Quand un outil sert deux équipes, le déclencheur compte autant que l’outil.
Avant de construire, nommez donc le déclencheur (qui lance, à quel moment, qui reçoit) et le porteur. L’écriture dans les outils viendra quand la lecture aura servi.
Écrire d’abord ce que l’IA a le droit de faire
L’autonomie d’une IA se donne tâche par tâche, et elle peut se reprendre. Dès que l’IA écrit dans un outil ou envoie un message, trois listes s’écrivent avant de construire : ce qu’elle fait seule, ce qu’elle soumet, ce qu’elle ne fait jamais. C’est là que passe la frontière entre un assistant et un agent.
La grille que nous proposons, du brouillon à l’envoi
Pour un agent, c’est la règle que nous posons dans nos trois niveaux (automatisation, modèle, agent), en partant du plus simple qui fait le travail. La grille ci-dessous, à ajuster à vos risques, dit en plus, pour chaque action, qui valide, ce qui se passe en cas d’erreur et qui maintient.
| Ce que fait l’IA | Qui valide | En cas d’erreur | Qui maintient |
|---|---|---|---|
| Lire, résumer, préparer un brouillon | La personne qui l’utilise, avant tout envoi | Elle corrige le brouillon, rien n’est parti | Le porteur de l’assistant |
| Écrire dans un outil interne | Le responsable de l’outil, par écrit | Une ligne de journal et une alerte à une personne nommée | Un référent nommé, avec la documentation |
| Envoyer à un client ou un fournisseur | La direction, qui fixe un plafond d’envois | Un arrêt d’urgence testé avant la mise en service, chaque envoi journalisé | Un référent nommé et son suppléant |
| Recommander ou choisir | Le métier, par une règle écrite qu’il valide | La personne qui relit avant envoi reprend la main | Le métier, qui fait évoluer la règle |
Chez Wild Buzz Agency, les garde-fous sont écrits : brouillons uniquement, jamais d’envoi automatique, la décision reste humaine. Avant qu’une automatisation écrive à de vrais clients, vérifiez aussi combien de messages partent au premier passage, qui l’a décidé et quel plafond empêche une erreur de toucher tout le monde le même jour. Contrôlez enfin les réglages de la plateforme. L’envoi de mail peut y être autorisé sans confirmation pour tout l’espace de travail, et le seul contrôle tient alors dans la consigne de l’assistant.
Retirer la décision à l’IA quand elle engage
Sur une recommandation d’offre remise à un client, la même analyse ne donnait pas toujours la même réponse d’un passage à l’autre. Nous avons retiré la décision à l’IA. Elle lit les documents et remplit une grille, une règle écrite validée par le client fait le choix, puis l’IA rédige la justification. En recette, sur cinq dossiers réels et huit passages, chaque dossier a reçu la même offre à chaque passage.
Une automatisation qui échoue en silence
Une automatisation qui échoue sans prévenir personne est pire qu’une absence d’automatisation. Nous avons vu une exécution planifiée tourner à vide parce que ses outils étaient connectés avec des accès personnels, qu’elle ne pouvait pas valider, sans que rien ne signale l’échec. Prévoyez donc une alerte d’échec, adressée à une personne nommée.
Une charte courte pour les données
Des règles claires vont de pair avec l’usage. Dans l’enquête Gallup déjà citée (États-Unis, février 2026, organisations qui fournissent des outils d’IA), 68 % des salariés tout à fait d’accord pour dire que leur organisation a des règles claires pour utiliser l’IA en sécurité sont des utilisateurs fréquents, contre 47 % des autres. Une charte d’usage courte, qui dit quelles données vont dans quel outil, pose les premières règles sur les données personnelles ; la conformité au RGPD se vérifie ensuite outil par outil, avec votre DPO si vous en avez un.
Un assistant doit bientôt écrire dans vos outils ou à vos clients ? Écrivons d’abord ce qu’il a le droit de faire seul.
Prendre 30 minutesLe plan d’adoption de l’IA à 90 jours
Les dates reprennent les deux lectures à 30 et 90 jours de notre protocole. À 30 jours, les premiers décrochages se voient, et l’on corrige avant que l’habitude de ne pas s’en servir s’installe. À 90 jours, on décide d’étendre, d’ajuster ou d’arrêter. Avant le jour 1, nommez la personne qui tient ce plan et réservez-lui du temps chaque semaine, puisque c’est elle qui fera les visites et datera les lectures.
-
Jusqu’à la lecture à 30 jours : lire et débloquer
Lisez la répartition de l’usage par équipe, avec son dénominateur, et nommez les équipes restées à zéro. Voyez les décrocheurs individuellement et réglez accès et connexions. Faites écrire dans l’outil commun la méthode d’un utilisateur avancé, et calez le point des nouveaux arrivants à une semaine et à un mois.
-
Entre les deux lectures : transmettre et lancer en lecture seule
Faites exécuter la méthode écrite par trois collègues, seuls. Tenez des sessions courtes de montée en compétences, à partir d’un cas réel apporté par l’équipe. Lancez le premier chantier en lecture seule, avec un déclencheur et un porteur nommés.
-
À 90 jours : relire, décider, puis autoriser
Relisez l’usage avec le même dénominateur qu’au départ, puis étendez, ajustez ou arrêtez. N’accordez le droit d’écrire que là où les trois listes sont écrites et où une erreur alerte une personne nommée. Datez la lecture suivante.
Un suivi promis sans date ni nom n’a pas lieu : le point à 30 jours existe quand il figure dans l’agenda d’une personne nommée. Nous n’avons encore publié aucune lecture à 90 jours d’un plan de ce type.
Ce plan porte sur l’adoption et ne remplace pas une feuille de route. Pour celle-ci, partez d’un modèle de feuille de route en trois horizons ou d’une feuille de route de transformation en cinq étapes.
Conclusion : regarder d’abord ceux qui n’ont pas commencé
L’adoption se lit personne par personne, bien après l’achat des licences et la fin de la formation, et elle se construit en transmettant ce qui marche. Elle avance par des gestes précis, un frein levé, une méthode que d’autres exécutent seuls, un droit d’écrire accordé tâche par tâche.
Notre protocole le résume en une ligne : « Livré, utilisé, mesuré : jamais l’un pour l’autre. » Cette semaine, sortez équipe par équipe la liste des comptes qui n’ont rien fait depuis un mois. Si vous voulez tenir ce plan avec nous, notre accompagnement à l’adoption s’étale sur 12 semaines au moins.
Questions fréquentes
Comment savoir si mes équipes utilisent vraiment l’IA ?
Lisez l’activité de l’outil personne par personne, puis équipe par équipe, plutôt que le nombre de comptes ouverts. Cherchez trois choses : qui n’a jamais commencé, qui a décroché, quelle équipe est restée à zéro. Écrivez chaque résultat avec son dénominateur : sur N personnes concernées, X ont utilisé l’outil chaque semaine pendant la période. Complétez par un court sondage, car une partie de l’usage passe par des comptes personnels que le journal de l’outil ne voit pas.
Nous payons des licences Copilot ou ChatGPT que peu de salariés utilisent : que faire ?
Cherchez d’abord pourquoi elles dorment, avant de les retirer. Quand nous avons regardé une à une les personnes qui avaient décroché chez un client, nous avons trouvé plusieurs causes précises : un modèle retiré de l’outil, une messagerie jamais connectée, un assistant qui tournait en boucle. Réglez ces freins, relisez l’usage 30 jours plus tard, puis réaffectez les licences qui restent inutilisées.
Pourquoi l’usage de l’IA retombe-t-il quelques semaines après une formation ?
Parce qu’une session isolée montre l’outil sans installer une tâche qui revient chaque semaine. Dans le journal d’un outil, nous avons vu un participant envoyer quelques messages le jour de sa formation collective, puis plus rien le mois suivant ; seule l’activité dans l’outil le montre, pas le questionnaire de satisfaction. Ce que nous proposons désormais : des sessions courtes sur un cas réel apporté par l’équipe, et un point à 30 jours inscrit dans l’agenda d’une personne nommée.
Que faire d’un collaborateur qui a arrêté d’utiliser l’IA ?
Allez le voir en tête-à-tête, en partant de ce qu’il faisait réellement avec l’outil, plutôt que de le réinscrire à une formation. Vérifiez d’abord son accès et les outils connectés à son compte : dans les cas que nous avons examinés, les freins identifiés étaient pratiques. Si la cause est réglée et que l’outil ne lui sert toujours pas, notez-le : sa tâche n’était peut-être pas la bonne cible, et c’est une information aussi utile qu’un succès.
Quel taux d’adoption de l’IA viser dans une PME ?
Celui que vous fixez avant de commencer, pour une tâche et une population précises : aucune moyenne de marché ne décrit votre entreprise. Un objectif vérifiable s’écrit ainsi : sur N personnes concernées, X utilisent l’outil chaque semaine pour telle tâche pendant telle période. Un pourcentage sans dénominateur ni définition de l’usage ne permet de rien décider, et il ne dit pas quelle équipe est restée à zéro.
Comment partager les prompts et les méthodes de nos meilleurs utilisateurs ?
Faites écrire la méthode par la personne qui produit le livrable aujourd’hui, en décrivant le livrable et ses étapes plutôt que l’outil. Rangez-la dans l’outil commun, sous forme de modèle, d’assistant partagé ou de kit par métier, et vérifiez qu’elle tourne avec un compte de l’entreprise. Elle est transmise le jour où un collègue qui ne l’avait jamais faite l’exécute seul. Chez un client, une simple consigne d’écriture, partagée entre plusieurs assistants, est allée plus loin que l’assistant le plus impressionnant.
Mes salariés utilisent ChatGPT avec leur compte personnel : est-ce de l’adoption ?
C’est un usage réel, que l’entreprise ne voit ni n’encadre encore. Le phénomène est courant : selon une étude de Microsoft France avec YouGov, menée en janvier 2026 auprès de 657 cadres et dirigeants du privé, 61 % des répondants qui utilisent l’IA au travail passent au moins une fois par semaine par un compte personnel. Ces usages échappent à vos règles sur les données et ne se transmettent pas. Partez-en pour repérer vos utilisateurs avancés, puis ramenez leurs méthodes dans un outil commun, avec un compte de l’entreprise.
Le dirigeant doit-il utiliser l’IA lui-même pour que l’équipe s’y mette ?
Son exemple peut aider, mais son propre usage risque de fausser sa lecture de l’adoption. Dans l’enquête Gallup menée en février 2026 aux États-Unis, dans les organisations qui fournissent des outils d’IA, deux dirigeants sur trois s’en servent au moins quelques fois par semaine, contre 46 % des collaborateurs sans fonction managériale. La même enquête compte 78 % d’utilisateurs fréquents chez les salariés tout à fait d’accord pour dire que leur manager soutient activement l’usage de l’IA dans l’équipe, contre 44 % chez les autres, une association qui n’établit pas de cause. Le rôle du dirigeant est surtout de fixer ce qui est autorisé et de demander chaque mois la lecture de l’usage, équipe par équipe.
Quel rôle le DRH doit-il jouer dans l’adoption de l’IA ?
Le DRH tient les sujets dont dépend l’adoption : l’accueil des nouveaux arrivants, la formation, le suivi des personnes qui décrochent. Les recrues n’ont pas assisté aux formations de lancement : prévoyez leur point d’usage à une semaine et à un mois, sinon elles forment la prochaine vague de décrocheurs. Il veille aussi au cadre : information des salariés avant toute lecture individuelle de l’usage, présentation au CSE s’il existe, charte d’usage. Présentez cette lecture pour ce qu’elle est, un moyen de repérer des freins et de les lever, et dites à l’équipe qui verra quoi.
Faut-il laisser un agent IA écrire directement dans notre CRM ou notre ERP ?
Pas pour commencer. Un premier chantier gagne à lire, résumer et préparer, pendant qu’une personne valide ce qui entre dans l’outil. Le droit d’écrire se donne ensuite, tâche par tâche, quand trois listes sont écrites (ce que l’agent fait seul, ce qu’il soumet, ce qu’il ne fait jamais) et qu’une erreur alerte une personne nommée, chargée de maintenir l’automatisation. Vérifiez aussi les réglages de la plateforme : l’envoi de mail peut y être autorisé sans confirmation pour tout l’espace de travail, et la seule protection tient alors dans la consigne de l’assistant.
Peut-on avancer sur l’IA sans attendre le service informatique ?
Oui, pour un premier cas qui tourne sur des exports ou sur des outils déjà ouverts à l’équipe, sans contourner aucune règle de sécurité. Écrivez vos règles pour qu’elles restent valables le jour où un accès direct arrivera : chez un client dont le logiciel de gestion n’offrait pas d’accès direct, le plan s’est construit sur des exports réguliers. Associez l’informatique dès que l’IA doit écrire dans un outil, et si un projet dépend d’un accès que seul un prestataire peut ouvrir, fixez ce rendez-vous avant de commencer.
Combien de temps faut-il pour savoir si l’IA est adoptée ?
Comptez trois mois, avec un point d’étape. Au bout d’un mois, vous savez qui a décroché et pourquoi, assez tôt pour régler les accès et relancer les personnes. Au bout de trois, vous comparez l’usage au même dénominateur qu’au départ et vous décidez d’étendre, d’ajuster ou d’arrêter. Un chiffre relevé la première semaine mesure surtout la nouveauté.
Relancer l’usage de l’IA là où il cale
En trente minutes, nous regardons votre contexte, vos équipes et les endroits où l’usage s’arrête, et vous repartez avec une première action pour le mois qui vient.
Réserver mon pré-audit gratuit
