J’ai récemment lu un article défendant la nécessité d’un changement radical des organisations en raison de l’avancement de l’IA. Il me semble encore prématuré de formuler des affirmations aussi catégoriques sur un supposé futur post-IA, d’autant plus accompagnées d’un sentiment d’urgence presque inévitable.
Ce que j’observe, c’est que même les entreprises qui développent les modèles d’IA les plus avancés n’ont pas connu une reconfiguration structurelle radicale de leurs formes d’organisation. Et les cabinets-conseils qui prônent cette transformation n’opèrent pas, dans la pratique, selon des modèles organisationnels fondamentalement différents de ceux qui existaient avant l’IA générative.
Il existe un motif récurrent dans ce débat : la tendance à projeter le potentiel futur de la technologie comme si celui-ci avait déjà réécrit entièrement le présent. Or la réalité organisationnelle est plus lente, plus incrémentale et profondément conditionnée par des contraintes économiques, réglementaires, institutionnelles et humaines.
L’idée d’une rupture totale en matière de culture, de gouvernance et de structure part d’une hypothèse trop forte, celle selon laquelle la technologie, à elle seule, réorganise les institutions de manière immédiate et linéaire. L’histoire économique des technologies générales contredit cela à maintes reprises. L’électricité, Internet, l’informatique en nuage et la mobilité ont profondément transformé l’économie, mais ils ont traversé de longs cycles d’adoption, d’adaptation des processus et de coexistence entre modèles anciens et nouveaux. Dans de nombreux cas, les gains de productivité les plus significatifs sont apparus des décennies après l’introduction de la technologie.
De plus, les organisations ne sont pas seulement des systèmes techniques. Elles sont des systèmes d’incitations. Des structures hiérarchiques, des mécanismes de gouvernance et des processus de prise de décision existent moins à cause de limites technologiques qu’en raison des besoins de coordination, de responsabilité juridique, de gestion des risques et d’alignement des intérêts. Ces facteurs ne disparaissent pas parce que nous utilisons des modèles de langage.
Un autre aspect peu discuté est qu’il n’existe pas encore de preuve robuste que l’IA produise des gains de productivité transformationnels à l’échelle macroéconomique. Il existe d’innombrables cas de succès localisés, des gains importants dans des tâches spécifiques et des améliorations visibles dans certaines fonctions. Mais cela ne revient pas à affirmer que nous sommes déjà face à une révolution organisationnelle comparable aux grandes transformations technologiques de l’histoire.
Aujourd’hui, ce que nous observons est un stade initial d’adoption, marqué par l’expérimentation, l’automatisation ponctuelle, des copilotes de productivité et une forte hétérogénéité entre les secteurs. Dans certains contextes, comme le développement logiciel, le marketing numérique et le service client, l’IA se rapproche déjà d’une infrastructure opérationnelle. Dans d’autres, comme les domaines de la santé régulée, l’industrie lourde ou le secteur public, l’adoption reste limitée par des questions de fiabilité, de conformité, de sécurité et d’intégration.
Il est également important de distinguer la forme organisationnelle de l’exercice opérationnel. Même en l’absence de changements visibles dans les organigrammes, de nombreuses entreprises modifient déjà en profondeur les flux de travail, les processus d’ingénierie, la production de contenu et le support client. La transformation existe. Mais elle se produit à l’intérieur des structures organisationnelles existantes, et non par leur remplacement.
L’expérience même des GAFAM devrait servir de signal d’alerte. Les entreprises qui sont à la frontière de l’IA continuent d’opérer avec des hiérarchies formelles, des processus de budgétisation, des structures fonctionnelles, des mécanismes de reddition de comptes traditionnels et des systèmes classiques de gouvernance d’entreprise. Ce qui a changé, ce sont les processus, les outils et la vitesse d’exécution. Il n’y a pas eu de réinvention radicale de l’organisation.
Un autre élément souvent ignoré est la fiabilité. Les modèles de langage restent des systèmes probabilistiques sujets à des erreurs, des incohérences, des hallucinations et des comportements difficiles à prévoir. Cela signifie qu’ils peuvent soutenir des décisions, mais ne remplacent pas la responsabilité. Les organisations peuvent déléguer des tâches à l’IA. Elles ne peuvent pas déléguer la reddition de comptes.
De la même manière, de nombreuses prévisions sur l’avenir supposent que des agents autonomes rendront les hiérarchies obsolètes. Mais la coordination organisationnelle ne dépend pas uniquement de la rareté de l’information. Elle résulte aussi du fait que les ressources sont limitées, que les intérêts entrent en conflit, que les priorités se disputent et que des risques doivent être pris par quelqu’un. L’IA peut réduire les coûts de coordination, mais elle n’élimine pas le problème de la coordination.
Il faut aussi prendre en compte le coût de la transformation. Des changements structurels profonds doivent être techniquement possibles, mais aussi économiquement justifiables. Réorganiser des entreprises implique des risques opérationnels, des coûts de transition, la requalification des équipes et une incertitude sur les bénéfices attendus. C’est pourquoi, historiquement, les technologies transformatrices sont absorbées de manière incrémentale et non par des substitutions brusques.
Rien de tout cela ne signifie minimiser l’impact de l’IA. Bien au contraire. Son impact est réel et croissant. Mais tout indique que nous faisons face à un processus évolutif, et non à une substitution immédiate des paradigmes organisationnels existants.
Peut-être que la plus grande erreur de ce débat est d’imaginer que la capacité d’automatiser les tâches cognitives entraîne automatiquement la nécessité de réinventer des organisations entières. L’histoire de la technologie suggère le contraire. Les transformations profondes commencent rarement par la structure formelle des institutions. Elles commencent par les processus, progressent vers les modèles opérationnels et, après de nombreuses années, finissent par modifier la structure. L’IA suivra probablement le même chemin.
C’est pourquoi, avant de spéculer sur une organisation post-IA hypothétique, peut-être convient-il d’examiner une question plus concrète : pourquoi les propres entreprises qui créent la technologie n’ont-elles pas encore ressenti le besoin de promouvoir la révolution organisationnelle que tant d’analystes affirment inévitable ?
