L'IA en entreprise : de l'empilement à l'architecture

L'IA s'impose partout, mais sans vision ni gouvernance

L'intelligence artificielle a envahi tous les aspects de l'entreprise ces deux dernières années. Des suites bureautiques aux CRM, en passant par les outils métiers et les plateformes de relation client, chaque structure a ajouté sa couche "AI". Chaque direction a testé ses usages, et chaque collaborateur a trouvé ses raccourcis. Ce mouvement, bien que logique, devient de plus en plus difficile à piloter.

La question n'est plus de savoir s'il faut adopter l'IA. Cette étape est derrière nous. Désormais, il s'agit de transformer une présence diffuse, hétérogène et parfois opportuniste en une architecture de travail cohérente, maîtrisée et créatrice de valeur.

Du catalogue d’outils au travail réel

L'angle mort se situe dans l'approche actuelle des entreprises qui, en se concentrant sur les outils, perdent de vue le travail réel. Qui produit l'information ? Qui la reformule, la valide, l'exploite ? Où se situent les frictions, les pertes de temps, les doublons, les angles morts de responsabilité ? Tant que l'IA reste une surcouche ajoutée à des logiciels existants, elle améliore parfois des gestes isolés, mais transforme rarement l'organisation.

Le premier risque est celui du patchwork. Une fonction de résumé dans la messagerie, un assistant de rédaction dans la suite bureautique, un copilote dans le CRM, un moteur d'analyse dans un outil métier. Pris séparément, chacun de ces ajouts peut avoir du sens. Ensemble, ils créent souvent un paysage peu lisible : des fonctionnalités qui se recouvrent, des usages qui varient selon les équipes, des coûts qui se dispersent, des règles de sécurité qui ne sont pas toujours alignées.

À cela s'ajoute un troisième biais, plus discret : une partie des usages actuels n'apporte tout simplement pas grand-chose au travail réel. On génère des comptes rendus que personne ne relit, des résumés de mails déjà courts, des présentations automatiques qui relèvent davantage de la démonstration technologique que d'un besoin métier. Tant que l'IA reste centrée sur des contenus faciles à produire mais peu stratégiques, elle consomme du temps, des budgets et de l'attention, sans alléger vraiment la charge de travail qui compte pour les équipes.

Shadow AI : un signal plus qu’une faute

Le deuxième risque est plus silencieux, mais plus structurant : celui des usages individuels non gouvernés. Quand les outils internes sont absents, limités ou jugés trop contraignants, les salariés contournent. Ils ouvrent un compte personnel sur un assistant grand public, testent un générateur de présentations, un outil de transcription, un moteur d'analyse ou un assistant de code. Ce phénomène de shadow AI est désormais bien réel. Avec lui, un risque simple et majeur apparaît : l'exposition de données sensibles hors du périmètre de contrôle de l'entreprise.

Il faut le regarder sans naïveté. Si les collaborateurs contournent, ce n'est généralement ni par désinvolture ni par malveillance. C'est parce qu'ils cherchent à gagner du temps, à simplifier une tâche, à alléger une charge mentale. En cela, le shadow AI est moins un problème disciplinaire qu'un signal organisationnel. Il indique souvent deux choses : qu'un besoin de productivité est réel, et que l'entreprise n'a pas encore fourni un cadre de travail suffisamment simple, utile et lisible.

Changer de niveau : de l’outil au workflow

C'est précisément pour cette raison qu'il faut changer de niveau d'analyse. Une entreprise ne se transforme pas parce qu'elle a activé beaucoup d'outils IA. Elle se transforme lorsqu'elle décide comment l'IA s'insère dans ses workflows. Le bon point de départ n'est donc pas le catalogue des solutions disponibles, mais la cartographie des processus : où l'information entre, où elle est enrichie, où elle est validée, où elle se bloque, où elle perd de la valeur.

À partir de là, l'IA redevient ce qu'elle devrait être : une couche de traitement de l'information au service d'une chaîne de travail précise. Certaines étapes peuvent être préparées plus vite. Certaines synthèses peuvent être fiabilisées. Certaines recommandations peuvent être formulées plus tôt. Certaines interfaces entre équipes peuvent être fluidifiées. Mais cela suppose une condition simple : partir du processus réel, non de la démonstration technologique.

Architecturer, dans ce contexte, ne veut pas dire lancer immédiatement un grand programme théorique ou une plateforme abstraite de plus. Cela veut d'abord dire mettre de l'ordre dans l'existant. Quels outils ou modules IA sont déjà utilisés ? Par qui ? Pour quelles tâches ? Avec quelles données ? Avec quel niveau de supervision humaine ? Avec quels coûts visibles et invisibles ? Et surtout : quelles pratiques parallèles se développent déjà en dehors du cadre officiel ?

Cet exercice est beaucoup plus stratégique qu'il n'y paraît. Il permet de sortir de la fascination pour entrer dans la lisibilité. On voit alors les redondances, les angles morts, les dépenses dispersées, les cas d'usage réellement utiles et les zones de risque insuffisamment couvertes. On peut ensuite sélectionner quelques processus prioritaires, non pas les plus spectaculaires, mais ceux où l'IA peut produire un effet tangible : beaucoup de volume, beaucoup de charge cognitive, beaucoup d'allers-retours, beaucoup de temps perdu.

Un cadrage qui doit venir de la direction

Mais ce cadrage ne peut pas reposer uniquement sur les équipes projet ou sur quelques profils passionnés. Il doit être porté par la direction. Sans vision explicite de ce que l'entreprise veut réellement changer dans sa manière de travailler, l'IA reproduira les mêmes travers que d'autres vagues de transformation : projets empilés, initiatives concurrentes, promesses non tenues et fatigue des équipes.

C'est aussi à ce moment-là qu'une question plus décisive apparaît : qui fait quoi ? Tant que cette nouvelle partition du travail n'est pas explicitée, l'IA reste soit une promesse floue, soit une inquiétude diffuse. Or la valeur se joue dans des arbitrages très concrets. Qu'est-ce qui reste entièrement du ressort de l'humain ? Qu'est-ce qui peut être préparé, synthétisé, structuré par un modèle ? Qu'est-ce qui pourra, demain, être confié à des agents plus autonomes, à condition d'être supervisé et borné ?

Ne pas répéter les erreurs de la “transfo digitale”

On retrouve ici un schéma connu. Lors de la transformation digitale, beaucoup d'entreprises ont multiplié les projets, les outils et les refontes, sans toujours clarifier ce qu'elles voulaient vraiment transformer dans leur modèle et dans leurs métiers. L'IA suit aujourd'hui une trajectoire proche : beaucoup d'initiatives, peu de priorisation, encore moins de renoncements. La différence, c'est que le cycle est plus rapide, les attentes plus élevées et les risques, notamment sur les données, plus sensibles. Répéter les mêmes erreurs aurait cette fois un coût plus élevé.

C'est à cette condition que l'IA peut devenir un levier d'organisation plutôt qu'un facteur de dispersion. Non pas parce qu'elle remplace le travail, mais parce qu'elle redistribue plus clairement certaines tâches, certains contrôles, certaines préparations. Dit autrement : l'enjeu n'est pas d'avoir plus d'IA dans l'entreprise. L'enjeu est d'avoir plus de maîtrise sur la manière dont elle travaille déjà avec nous, parfois de façon visible, parfois dans l'ombre.

Les prochains mois ne départageront pas les entreprises qui ont testé le plus d'outils. Ils départageront celles qui auront su relier trois niveaux encore trop souvent séparés : les usages réels des salariés, les processus métier où la valeur peut être mesurée et le socle commun de gouvernance, de sécurité et de responsabilité. C'est ce passage qui permet de sortir de l'empilement.

L'IA est déjà entrée dans l'entreprise. La vraie question est désormais plus simple, et plus exigeante : restera-t-elle une addition de fonctionnalités, de contournements et de risques ou deviendra-t-elle enfin une architecture de travail assumée ?