Comment les organisations changent la perception de leurs travailleurs de première ligne sur l’utilisation de l’IA

La conversation autour de l’intelligence artificielle sur le lieu de travail a un défi de perception. Elle est dominée par deux camps opposés : les dirigeants qui sont convaincus par la technologie et les travailleurs qui en ont peur. Ce qui se perd entre ces deux positions, c’est la chose qui détermine réellement si un déploiement d’IA réussit ou échoue : l’expérience des personnes qui doivent l’utiliser tous les jours.

Les chiffres racontent une histoire sombre. Les recherches montrent constamment que 70 à 80 pour cent des projets d’IA ne parviennent pas à livrer les avantages attendus, et la principale cause n’est pas une défaillance technique. C’est un manque d’adoption par les utilisateurs. Les employés qui n’ont jamais été associés au processus n’utilisent simplement pas le système, revenant plutôt aux tableurs et aux méthodes manuelles qu’ils connaissent déjà. La technologie fonctionne. L’organisation ne change pas.

Pourquoi les travailleurs résistent

La compréhension de la résistance commence par la compréhension de ce que les travailleurs entendent réellement avant l’arrivée d’un nouveau système d’IA. Une enquête EY de 2024 a révélé que 75 pour cent des employés s’inquiètent que l’IA puisse rendre les emplois obsolètes, et 65 pour cent craignent pour leur propre rôle spécifique. Dès lors qu’un nouveau système est introduit, de nombreux travailleurs de première ligne ont déjà formé des opinions solides sur ce que cela signifie pour eux.

La peur est aggravée par la façon dont la plupart des décisions de déploiement sont prises. Dans la majorité des organisations, le choix d’adopter l’IA est pris au niveau exécutif ou de conseil d’administration et communiqué vers le bas. Les travailleurs sont informés, mais pas consultés. Ils n’ont pas de visibilité sur la raison pour laquelle l’outil a été choisi, sur le problème qu’il est censé résoudre, ou sur la façon dont leur retour d’expérience pourrait façonner son utilisation. Le résultat est un déploiement qui commence avec un déficit de crédibilité avant même qu’un seul employé n’ait connecté.

Une étude du Pew Research Center de 2025 a révélé que plus de la moitié des travailleurs américains s’inquiètent de l’impact futur de l’IA sur le lieu de travail, et 33 pour cent se sentent submergés par elle. Ce ne sont pas des réactions irrationnelles. Elles reflètent une réaction raisonnable à la demande d’adopter quelque chose qui n’a jamais été conçu autour de la façon dont ils travaillent réellement.

Le problème d’adoption est un problème organisationnel

Encadrer la résistance à l’IA comme un problème de travailleur diagnostique mal la situation. Lorsque l’adoption stagne, c’est presque toujours parce que l’organisation n’a pas créé les conditions de réussite, et non parce que les employés sont incapables ou réticents.

Le modèle de défaillance le plus courant ressemble à ceci : la technologie est mise en œuvre correctement, la formation couvre les fonctionnalités, le lancement est annoncé, et puis rien ne change. Les travailleurs continuent à utiliser les outils et les méthodes qu’ils font confiance, et le système d’IA devient une infrastructure coûteuse fonctionnant en arrière-plan tandis que le véritable travail se déroule ailleurs. Une analyse de 2025 des obstacles à l’adoption de l’IA a révélé que la résistance au changement a été citée comme un obstacle majeur par près d’un tiers des organisations interrogées, tandis que moins de la moitié ont une politique de gouvernance formelle pour guider l’aspect humain de la mise en œuvre.

À quoi ressemble une meilleure approche

Les organisations qui réussissent avec l’adoption de l’IA par les travailleurs de première ligne partagent une caractéristique commune : elles traitent le déploiement comme une initiative axée sur les personnes soutenue par la technologie, et non comme une initiative technologique imposée aux personnes.

Cela commence par l’implication avant le lancement. Les travailleurs qui participent à des pilotes, à des séances de rétroaction ou à des tests précoces développent un sentiment de propriété sur le résultat. Ils sont plus susceptibles d’identifier des problèmes réels, de suggérer des ajustements utiles et de plaider en faveur de l’outil parmi leurs pairs. La transition du sceptique au champion interne commence presque toujours par le sentiment d’être entendu.

Cela nécessite également que le système d’IA fournisse une valeur pratique et immédiate au niveau de chaque travailleur, et non seulement au niveau de la direction. Si le seul bénéficiaire visible d’un nouveau système d’IA est le manager qui consulte les tableaux de bord, les travailleurs de première ligne n’ont aucune raison de lui faire confiance. Lorsqu’un système aide un associé à localiser l’inventaire, guide un nouveau recruté à travers un processus étape par étape, ou permet à un superviseur de signaler une lacune de dotation avant qu’un quart ne soit en retard, la valeur devient personnelle et concrète.

C’est là que la philosophie de conception compte énormément. Les systèmes conçus en isolement des utilisateurs réels tendent à optimiser les capacités qui semblent impressionnantes dans une démo mais ne correspondent pas à la façon dont le travail est réellement effectué. Les systèmes développés en étroite collaboration avec les travailleurs qui les utiliseront résolvent les problèmes que ces travailleurs rencontrent réellement, ce qui rend l’adoption moins semblable à une gestion du changement et plus comme du bon sens.

La communication est la troisième pièce. Les travailleurs ont besoin de réponses honnêtes aux questions qu’ils posent réellement : Qu’est-ce que cela fera à mon emploi ? Qui a décidé cela et pourquoi ? Que se passe-t-il si je soulève une préoccupation ? La transparence sur l’objectif et les limites d’un système d’IA fait beaucoup plus pour instaurer la confiance que n’importe quelle annonce de fonctionnalité.

De la menace à l’outil

Les organisations qui réussissent avec l’adoption de l’IA par les travailleurs de première ligne ne sont pas nécessairement celles qui ont dépensé le plus en technologie. Ce sont celles qui ont investi pour aider les travailleurs à comprendre à quoi sert la technologie et leur ont donné un rôle réel dans la façon dont elle est utilisée.

Quand cela se produit, le récit change. L’IA cesse d’être la chose que les travailleurs ont entendue à la télévision et commence à être la chose qui a rendu une partie difficile de leur travail plus facile. Ce changement ne se produit pas automatiquement. Il nécessite des choix délibérés pris longtemps avant que tout système ne soit mis en ligne.

La question que la plupart des organisations se posent n’est pas de savoir s’il faut adopter l’IA. Cette décision a largement été prise. La question la plus conséquente est de savoir si les personnes qui doivent l’utiliser tous les jours finiront par lui faire vraiment confiance.