De l’adoption à la maîtrise : le véritable défi de l’IA en entreprise

Manu Narayan, Chief Information Officer de GitLab partage ses recommandations

D’autres équipes, quant à elles, attendent encore un déploiement officiel, une validation en matière de gouvernance ou simplement un accompagnement dédié. En France, cette fracture est déjà mesurable. La Banque de France a constaté que deux tiers des entreprises d’au moins 20 salariés utilisaient l’IA générative début 2026, mais le plus souvent de façon limitée ou expérimentale, et principalement dans les fonctions support telles que l’administration et les ventes. Seuls les secteurs les plus intensifs en connaissances ont intégré l’IA à leurs processus de production et d’innovation.

L’accès à l’IA s’est généralisé. La maîtrise, elle, n’a pas suivi le même rythme, et cet écart ne cesse de se creuser. Le combler suppose un nouveau modèle opérationnel.

Renforcez le soutien apporté à vos équipes

Lorsque les dirigeants constatent cette répartition inégale des compétences au sein de leur entreprise, ils tendent à y voir un problème d’outils. Ils s’efforcent alors de donner à toutes les équipes un accès aux mêmes plateformes, de dispenser une formation généraliste et de recruter quelques spécialistes pour renforcer le service informatique.

Mais l’accès seul n’est pas suffisant. C’est un bon point de départ, mais il ne suffit pas à instaurer une adoption solide à l’échelle de l’entreprise.

Une expérience menée par des chercheurs de la Harvard Business School en collaboration avec des consultants du Boston Consulting Group a révélé que les participants qui utilisaient l’IA accomplissaient leurs tâches 25 % plus rapidement et produisaient des résultats dont la qualité était jugée supérieure de plus de 40 %. Mais cette même étude a également révélé que les performances reculaient lorsque les utilisateurs recouraient à ces outils sans comprendre leur contexte d’utilisation. C’est la maîtrise qui détermine les résultats, et non uniquement l’accès.

Les responsables de service ont besoin de conseils sur la manière d’utiliser l’IA dans leur travail quotidien. Sans ces repères, ils ne sont pas en mesure de poser les bonnes questions.

Les équipes qui cherchent à rattraper leur retard ont tendance à se concentrer sur la manière d’intégrer de nouveaux outils à leurs workflows existants, alors qu’elles devraient envisager de repenser entièrement leurs processus.

Manu Narayan, Chief Information Officer de GitLab

Réinventer un processus suppose aussi de prendre du recul. Voici comment cette approche se traduit concrètement :

Une équipe commerciale sollicite le service informatique avec une demande précise : « améliorer le routage des prospects ». Une demande tout à fait légitime, dont la véritable opportunité n’apparaît que lorsque le service informatique, qui possède une vue d’ensemble du système, se penche sur le problème. Le pipeline de données qui alimente la répartition des prospects est inutilement complexe. Grâce à un accompagnement adéquat, une refonte complète du pipeline peut être envisagée, avec à la clé l’automatisation d’une partie du processus de suivi par des agents d’IA.

Les responsables de service ne manquent pas d’ambition, mais leur fournir une licence logicielle, une formation générique et un canal de collaboration supplémentaire ne suffira pas à garantir une adoption optimale.

Un soutien technique et un accompagnement stratégique sont indispensables pour repenser l’ensemble des méthodes de travail.

Faites de la maîtrise de l’IA un enjeu structurel

Dans le schéma habituel, une équipe centralisée doit recueillir les besoins, les interpréter en vase clos, puis livrer des fonctionnalités aux services concernés plusieurs mois plus tard. Ce modèle ne peut pas suivre le rythme lorsque de nouvelles capacités d’IA sortent chaque semaine.

Une approche plus efficace associe un « hub » central, responsable de la stratégie de plateforme, de la gouvernance et des modèles réutilisables, à des ingénieurs spécialisés dans l’IA intégrés directement au sein des services. Ces ingénieurs font office de relais : ils aident les équipes à identifier au quotidien des cas d’utilisation propres à leur domaine et apportent la visibilité transversale nécessaire pour obtenir des résultats tangibles. L’ingénieur qui a résolu un problème pour le service financier peut transposer cette approche auprès de l’équipe des opérations confrontée au même défi.

Dans un service encore aux prémices de l’adoption de l’IA, l’ingénieur dédié assure l’essentiel de la dimension technique : exploration, prototypage, développement. Dans un service plus mature, il bascule vers un rôle d’accompagnement : il intègre les bonnes pratiques au « hub » et aide les équipes à tirer parti de l’IA sans qu’elles soient ralenties par des processus. Au fil du temps et en apprenant au contact des ingénieurs, les services développeront naturellement leur propre maîtrise de l’IA.

Transformez la maîtrise de l’IA en avantage concurrentiel

Adopter le bon modèle conditionne la façon dont une organisation fonctionne réellement. Une solide maîtrise de l’IA renforce les processus et le savoir-faire institutionnel, de sorte que les résultats s’améliorent au fil du temps. À mesure que ce cercle vertueux s’amplifie, chaque problème résolu repousse les limites de ce que votre équipe peut accomplir de manière autonome. La Banque de France a conclu que l’enjeu économique résidait désormais moins dans l’adoption de l’IA que dans sa capacité à transformer durablement les organisations et les performances des entreprises. Identifier les processus à repenser dépend du degré de compréhension et d’utilisation de l’IA au sein de vos équipes.

Partout en France, les organisations adoptent l’IA. La question est désormais de savoir si votre modèle opérationnel permet à vos équipes d’identifier la meilleure voie à suivre pour la mettre en œuvre. Si ce n’est pas le cas, c’est là l’écart à combler en priorité.