Gestion du changement dans les projets d’intelligence artificielle : Pourquoi 70 % échouent et ce que font différemment les 30 % restants

10 min de lecture

Environ 70 % de tous les projets d’intelligence artificielle (IA) menés au sein des entreprises allemandes échouent. Pas à cause de la technologie, mais en raison de la résistance des employés. Qui introduit l’intelligence artificielle sans intégrer dès le départ une réflexion sur la gestion du changement brûle à la fois son budget et sa crédibilité. Un guide pratique à destination des décideurs souhaitant faire mieux.

Le problème commence au sommet

Dans les conseils d’administration allemands, un malentendu dangereux prévaut. L’introduction de l’IA est traitée comme un projet informatique : libérer le budget, acheter l’outil, le déployer. Fini. Or la réalité est tout autre. L’IA ne modifie pas seulement les processus, mais aussi les rôles, les hiérarchies et l’identité même de services entiers. Ignorer cet aspect provoque inévitablement une résistance.

Les chiffres confirment ce constat. Depuis des années, McKinsey évalue à environ 70 % le taux d’échec des initiatives de changement. La cause principale ? Une implication insuffisante des personnes concernées et un engagement défaillant de la direction. Ce problème s’aggrave encore dans le cas des projets IA, car la technologie suscite des angoisses existentielles. Les employés ne se demandent pas si un nouvel outil est plus confortable. Ils se demandent s’ils auront encore un emploi l’année prochaine.

Ce que révèle vraiment l’étude BCG sur l’adoption de l’IA

La Boston Consulting Group a publié en 2025 une étude approfondie sur l’utilisation de l’IA sur le lieu de travail. À première vue, les résultats semblent positifs : 72 % des employés dans le monde utilisent désormais des outils d’IA. Mais sous la surface, un autre tableau se dessine. La pénétration est certes élevée chez les travailleurs intellectuels, et la question du retour sur investissement (ROI) se pose alors de façon accrue. En revanche, chez les employés opérationnels, l’utilisation stagne à 51 %.

Encore plus déterminant : seuls 26 % des entreprises interrogées investissent systématiquement dans la refonte des flux de travail et la formation de leurs équipes. Le reste laisse ses employés se débrouiller seuls avec ChatGPT. Le résultat ? Des gains de productivité isolés au niveau individuel, mais aucune transformation organisationnelle. L’écart entre les entreprises qui intègrent l’IA de façon stratégique et celles qui la laissent au hasard ne fera qu’augmenter en 2026.

La contre-position : L’IA a-t-elle vraiment besoin d’une gestion du changement ?

Une école de pensée défend précisément le contraire. Notamment dans la Silicon Valley, on affirme que « bonne technologie se propage d’elle-même ». Si un outil IA est véritablement utile, les employés l’adopteront spontanément. La gestion du changement serait alors un concept dépassé, hérité de l’ère industrielle, qui ne ferait que ralentir le processus naturel d’adoption.

Il y a effectivement un fond de vérité dans cette position. L’étude BCG montre en effet que de nombreux employés découvrent et utilisent eux-mêmes des outils IA, souvent sans que le département informatique en soit informé. Le problème réside ailleurs : sans pilotage, on aboutit à un patchwork d’outils, de processus et de silos de données. Et ce sont précisément les départements qui pourraient en tirer le plus grand bénéfice qui restent exclus. La gestion du changement ne signifie donc pas convaincre les employés. Elle consiste à créer le cadre dans lequel l’adoption peut s’étendre à l’ensemble de l’organisation.

Le modèle Siemens : des ambassadeurs IA, pas un déploiement descendant

Lors de la mise en œuvre de sa plateforme IA interne, Siemens a choisi une voie différente. Plutôt que d’opter pour un déploiement centralisé, l’entreprise a désigné, dans chaque division, des « ambassadeurs IA ». Il ne s’agit ni de consultants externes, ni de spécialistes IT, mais d’experts métiers issus de chaque domaine concerné, ayant suivi une formation IA de trois jours.

Ces ambassadeurs connaissent parfaitement les points de friction de leur équipe. Ils savent quelles tâches sont fastidieuses, où les erreurs surviennent et où la pression temporelle est forte. Leur mission : identifier des cas d’usage concrets et les tester conjointement avec leurs collègues. Pas de présentations PowerPoint, pas de réunions générales (Town Hall Meeting). Mais un collègue qui montre concrètement comment, grâce à l’IA, il gagne une heure par jour. Siemens rapporte un taux d’acceptation de 80 % dans les départements appliquant ce modèle.

„67 % des praticiens de la gestion du changement utilisent déjà l’IA ou prévoient de le faire. Le principal défi demeure l’acceptation au sein des équipes concernées, et non la technologie elle-même.“

Prosci, AI in Change Management: Early Findings (octobre 2023)

Cinq phases pour une gestion durable du changement lié à l’IA

À partir de l’analyse des projets d’introduction de l’IA ayant échoué ou réussi, cinq phases peuvent être identifiées, que les entreprises devraient parcourir de façon systématique. Il ne s’agit pas d’un cadre rigide, mais d’un repère orienté, à adapter à chaque situation spécifique.

Phase 1 : Diagnostic (semaines 1 à 4). Avant même de sélectionner un outil, il faut déterminer avec précision où l’IA peut produire le plus fort impact. Cela implique : des entretiens avec les chefs d’équipe, des analyses de processus et un état des lieux honnête de la qualité des données. C’est déjà à ce stade que beaucoup de projets échouent, car le conseil d’administration saute le diagnostic pour passer directement au pilote.

Phase 2 : Identifier des « premiers succès rapides » (Quick Wins) (semaines 5 à 8). La première application de l’IA ne doit pas être un projet ambitieux de transformation, mais un cas d’usage strictement circonscrit, doté d’un résultat mesurable. Exemples : modèles d’offres automatisés dans le service commercial, catégorisation assistée par IA des tickets de support ou planification intelligente des rendez-vous. L’effet doit être perceptible dans les deux semaines.

Phase 3 : Mettre en place des ambassadeurs (semaines 9 à 16). Parallèlement au premier pilote, des ambassadeurs IA sont identifiés et formés dans chaque département. Important : ils n’ont pas besoin d’être des « natifs du numérique ». Les meilleurs ambassadeurs sont des experts expérimentés, respectés au sein de leur équipe et ouverts aux nouveautés.

Phase 4 : Déploiement à grande échelle avec garde-fous (mois 5 à 9). Ce n’est qu’une fois les « premiers succès rapides » obtenus et le réseau d’ambassadeurs constitué que commence le déploiement généralisé. Celui-ci exige des règles claires de gouvernance : Quelles données peuvent être injectées dans les systèmes IA ? Qui vérifie les résultats ? Comment gérer les erreurs ? Ces règles doivent être élaborées conjointement avec les équipes, et non imposées depuis le haut sous forme de directive.

Phase 5 : Ancrer durablement la transformation culturelle (à partir du mois 10). La compétence IA doit être intégrée aux fiches de poste, aux processus d’intégration (onboarding) et aux évaluations de performance. Les entreprises qui négligent cet aspect connaissent, après un enthousiasme initial, un retour aux anciens schémas. L’étude actuelle du marché du travail d’Anthropic montre que les profils de compétences vont évoluer dans 60 % des catégories d’emplois d’ici deux ans.

Sources : Prosci Change Management Study 2023, BCG AI at Work Report 2025, Siemens Digital Industries

Pourquoi le comité d’entreprise n’est pas un adversaire

Une erreur fréquente consiste à concevoir les projets IA en marge du comité d’entreprise, puis à les lui annoncer uniquement une fois la décision de déploiement prise. Cela génère non seulement des risques juridiques – le comité d’entreprise dispose en effet d’un droit de codécision sur les systèmes affectant la performance ou le comportement -, mais surtout un climat de méfiance qui ralentit l’ensemble du processus.

En revanche, les entreprises qui associent très tôt le comité d’entreprise signalent une mise en œuvre nettement plus rapide. La raison est simple : lorsque le comité d’entreprise soutient le projet, la résistance au sein des équipes diminue fortement. Une convention collective sur l’utilisation de l’IA crée une sécurité juridique et planificatoire pour les deux parties. Elle règle notamment la protection des données, la formation continue et la garantie que l’introduction de l’IA ne sera pas synonyme de suppressions d’emplois.

Checklist : Les 7 erreurs les plus fréquentes dans les projets de changement liés à l’IA

Connaître les pièges classiques permet de les éviter. Ces sept erreurs reviennent régulièrement, quelle que soit la branche d’activité :

● Absence de sponsor exécutif : Sans un membre du conseil d’administration portant visiblement le projet, celui-ci manque de légitimité. La direction intermédiaire bloque, car il n’est pas clair si le projet bénéficie d’un soutien politique.

● Premières étapes trop ambitieuses : Un déploiement IA à l’échelle de l’entreprise, lancé comme premier projet, submerge à la fois l’organisation et les services informatiques. Mieux vaut commencer par une seule équipe, un seul cas d’usage, sur trois mois.

● Formation perçue comme une obligation : Des formations d’une journée entière, déconnectées de la pratique, génèrent du ressentiment plutôt que de la compétence. Préférer des ateliers de 90 minutes axés sur des tâches réelles issues du quotidien professionnel.

● Absence de mesure des résultats : Si personne ne mesure si l’introduction de l’IA produit des effets tangibles, personne ne pourra justifier pourquoi elle devrait se poursuivre.

● Communication à sens unique : Newsletters et articles d’intranet ne suffisent pas. Les employés ont besoin d’un canal leur permettant de poser des questions, d’exprimer leurs réserves et de proposer des idées.

● Protection des données traitée comme une réflexion secondaire : Les systèmes IA traitant des données à caractère personnel exigent une base conforme au Règlement général sur la protection des données (RGPD). Celui qui ne clarifie ce point qu’au moment du déploiement perd des mois. Conformité et IA doivent être pensées conjointement dès le départ.

● Absence de plan B : Tous les pilotes ne réussissent pas. Les entreprises doivent être prêtes à abandonner un cas d’usage pour en tester un autre, sans remettre en question l’ensemble du programme IA.

Ce que les décideurs doivent faire dès maintenant

La gestion du changement liée à l’IA n’est pas un projet avec un début et une fin. C’est une responsabilité managériale permanente. La bonne nouvelle ? Les entreprises qui s’y prennent correctement obtiennent rapidement des résultats. Selon Prosci, le taux d’adoption passe de 15 à 75 % dès lors qu’une gestion du changement professionnelle est mise en œuvre. Cela représente un facteur 5, pour une technologie identique.

La première étape n’est ni une évaluation d’outils, ni un document stratégique. La première étape est une conversation. Avec cinq chefs d’équipe provenant de différents domaines, avec le comité d’entreprise et avec les employés qui travaillent quotidiennement sur les processus que l’IA va transformer. Celui qui écoute avant de décider a bien plus de chances d’appartenir aux 30 % qui réussissent.

Questions fréquentes

Lectures complémentaires

• → Revenue Operations : Ce qui se cache derrière le boom du RevOps (MBF)
• → Gouvernance des clusters Kubernetes dans les PME (cloudmagazin)
• → Agenda des directeurs informatiques (CIO) 2026 (Digital Chiefs)

Plus d’articles du réseau média MBF

• → Coûts IA dans le cloud : Pourquoi les charges GPU font exploser les budgets (cloudmagazin)
• → Sécurité des systèmes OT en 2026 : 119 groupes de ransomware (SecurityToday)

Source de l’image du titre : Pexels / MART PRODUCTION