Valon coupe l’IA à ses nouvelles recrues et bouscule les DRH

Un CEO de startup IA qui coupe… l’IA à ses propres recrues. C’est le pari déroutant que fait Valon, fintech américaine spécialisée dans les prêts immobiliers, en 2026. En quelques jours, la décision a fait le tour de LinkedIn : l’accès aux outils d’IA générative est désormais désactivé pour la plupart des nouveaux entrants, même dans des fonctions business. Derrière ce choix contre-intuitif se joue en réalité un débat beaucoup plus large : comment former des talents, sécuriser les données et rester conforme aux nouvelles lois sur l’IA – tout en gardant un avantage compétitif ? Ce qui peut ressembler à un cas isolé préfigure en fait un mouvement plus structurel : l’IA devient un outil régulé, audité, encadré – et les entreprises n’ont plus le luxe de l’improvisation.

Ce que Valon change concrètement pour ses nouvelles recrues

La décision de Valon illustre un basculement : l’IA n’est plus un gadget de productivité, mais un outil qui nécessite une maturité professionnelle.

D’après un article de Business Insider publié fin août 2026, Valon a mis en place une politique interne qui désactive l’accès aux outils d’IA pour la plupart des nouvelles recrues, dans quasiment tous les métiers non techniques. Le CEO Andrew Wang explique avoir d’abord ouvert largement l’accès à l’IA avant de constater des dérives : des employés s’appuyaient trop sur les modèles pour des tâches critiques, sans toujours vérifier les erreurs.

« Ils doivent d’abord apprendre le métier à l’ancienne, sans IA, avant de s’en servir. »

Une publication LinkedIn d’un dirigeant de Valon, mi-août 2026, précise la mécanique :

• chaque nouveau collaborateur non ingénieur démarre avec l’IA désactivée sur les outils internes ;
• l’accès aux assistants (type ChatGPT-like, copilots, etc.) est ouvert uniquement quand le manager atteste que la personne sait vérifier et remettre en question les réponses du modèle ;
• les ingénieurs sont exemptés, car tout leur code est revu en peer-review avant mise en production, ce qui joue le rôle de garde-fou humain.

> 💡 À retenir : chez Valon, l’IA devient un “droit d’usage” conditionnel, débloqué quand le collaborateur a prouvé un niveau suffisant de compétence métier et de sens critique.

Pour les entreprises, ce cas est intéressant pour trois raisons :

• il renverse la logique classique du « tout le monde a Copilot dès le jour 1 » ;
• il introduit une graduation de l’accès à l’IA selon l’ancienneté et le rôle ;
• il formalise un principe clé des nouvelles régulations : l’humain doit rester capable de superviser la machine, pas l’inverse.

Pourquoi l’IA pose un problème spécifique dans les métiers non techniques

Limiter l’IA aux profils expérimentés n’est pas un réflexe instinctif, mais il répond à des risques très concrets dans les métiers non techniques.

Valon distingue clairement deux mondes :

• côté engineering, chaque ligne de code passe en revue humaine avant déploiement, ce qui permet de détecter les hallucinations, erreurs de logique ou failles de sécurité générées par un LLM ;
• côté finance, RH, opérations, il n’existe pas toujours de processus aussi systématique de revue – et les erreurs peuvent se glisser dans des décisions clients, des contrats ou des documents réglementaires.

Quand un junior rédige un email client, un rapport de risque ou un contrat avec l’aide d’une IA, trois risques se cumulent :

• hallucinations non détectées sur des montants, des dates, des références réglementaires ;
• fuites de données si des informations sensibles sont collées dans un outil grand public ;
• déresponsabilisation : l’employé se sent moins comptable du résultat final.

Les recommandations de plusieurs acteurs de cybersécurité convergent : les entreprises doivent définir des politiques explicites sur l’IA, lister les outils autorisés, les types de données interdits dans les prompts, et bloquer techniquement les services non approuvés. Cela va de pair avec des contrôles techniques, par exemple au niveau du DNS ou des proxies réseau, pour empêcher l’usage d’outils non validés sur des postes de travail.

> 💡 À retenir : l’IA accroît la puissance de chaque employé, mais aussi la portée potentielle de chaque erreur ; dans les fonctions sensibles, l’absence de garde-fous structurés n’est plus tenable.

L’EU AI Act redistribue les contraintes sur l’IA en entreprise

L’exemple Valon arrive au moment où l’EU AI Act commence à s’appliquer concrètement aux entreprises européennes, y compris en matière de recrutement et de gestion du personnel.

Plusieurs jalons réglementaires sont déjà effectifs :

• depuis le 2 février 2025, certaines pratiques d’IA sont interdites dans l’UE, notamment les systèmes d’emotion recognition au travail, sauf exceptions très limitées (santé, sécurité) ;
• depuis le 2 août 2025, les règles spécifiques aux General Purpose AI (GPAI) s’appliquent, avec des obligations renforcées pour les modèles utilisés largement dans plusieurs domaines ;
• les systèmes d’IA utilisés pour le recrutement, l’évaluation et la gestion des salariés sont classés comme “high-risk” dans l’annexe III, avec un régime complet d’obligations.

Un guide pratique dédié aux RH et plateformes de recrutement rappelle plusieurs obligations clés pour les entreprises qui déploient de tels systèmes dans l’UE :

• human oversight obligatoire : des personnes identifiées et compétentes doivent pouvoir intervenir, corriger ou bloquer une décision assistée par IA ;
• information des candidats et salariés : ils doivent être informés lorsqu’un système d’IA high-risk est utilisé pour les évaluer ;
• logs conservés pendant au moins six mois pour tracer le fonctionnement du système ;
• obligation de supprimer ou désactiver les fonctions d’emotion recognition, de social scoring ou de catégorisation biométrique par critères protégés.

Certaines analyses mentionnent également une extension de délai pour la pleine application des obligations high-risk à certains systèmes autonomes (dont des outils RH), jusqu’au 2 décembre 2027, ce qui donne un peu de temps aux entreprises mais ne les dispense pas de préparer leur conformité.

> 💡 À retenir : même si Valon est une entreprise américaine, sa logique d’“IA sous supervision” est exactement ce que l’EU AI Act impose aux employeurs européens pour les systèmes high-risk.

Entreprises : comment articuler productivité, conformité et formation ?

La décision de Valon pose une question directe aux entreprises : comment former les nouveaux collaborateurs sans les priver des gains de productivité de l’IA, tout en restant conformes aux nouvelles régulations ?

Dans ce contexte, plusieurs contraintes convergent :

• en Europe, l’AI Act impose transparence, supervision humaine et documentation des systèmes d’IA utilisés dans le travail ;
• des lois nationales, comme la loi italienne n°132/2025, rappellent que l’IA au travail doit respecter la sécurité, la fiabilité, la dignité humaine et la confidentialité des données, et obligent les employeurs à informer les salariés dès qu’un système d’IA intervient dans les processus ;
• aux États-Unis, diverses lois locales (par exemple à New York) imposent des audits de biais et des obligations d’information des candidats lorsque des outils automatisés participent à la décision d’embauche.

Cela crée un paysage où :

• le juridique demande des garde-fous solides ;
• la tech pousse à une adoption rapide des copilots, assistants et automatisations ;
• les managers se demandent comment maintenir un niveau de compétence métier réel chez des juniors qui ont grandi avec ChatGPT.

Une ligne directrice se dégage du cas Valon : l’IA devient un outil à débloquer, et non un droit automatique, en particulier pour les profils juniors.

Trois modèles de gestion de l’IA pour les recrues

On voit progressivement émerger trois grands modèles :

• Accès libre dès le jour 1

• Tout nouvel employé a accès à des assistants IA (Copilot, ChatGPT, etc.) dès son arrivée.

• Avantage : productivité immédiate, attrait pour les talents.

• Risque : erreurs non détectées, fuites de données, difficulté à évaluer le niveau réel du collaborateur.

• Accès encadré par rôle

• Certains métiers (engineering, data, product) ont un accès large, tandis que des fonctions comme finance, juridique, RH ont des restrictions plus fortes.

• Avantage : alignement sur les risques métier.

• Risque : gestion complexe, friction interne.

• Accès progressif “à la Valon”

• Aucun accès pour les recrues non techniques au début ; l’accès est ouvert après validation du manager.

• Avantage : formation “sans filet” initiale, alignée avec les exigences de supervision humaine.

• Risque : perception d’un retard technologique, frustration des jeunes talents.

> 💡 À retenir : le modèle de Valon illustre une quatrième variable souvent oubliée : le niveau de littératie IA de chaque collaborateur, qui devient un critère à part entière dans les politiques internes.

Politiques internes d’IA : ce que les entreprises doivent formaliser

Les règles internes d’usage de l’IA ne peuvent plus être improvisées : elles deviennent des documents de gouvernance au même titre que les chartes IT ou les politiques de sécurité.

Des modèles de politiques d’usage de l’IA en entreprise, publiés en 2026, proposent une structure relativement standardisée :

• Objectif et périmètre : préciser que la politique encadre l’usage des outils d’IA par tous les salariés, internes comme prestataires ;
• Liste des outils autorisés : mentionner explicitement les services approuvés (LLM internes, Copilot entreprise, solutions sectorielles, etc.) ;
• Règles sur les données : interdire l’injection de données personnelles, de secrets d’affaires ou d’informations sensibles dans des modèles publics ;
• Scénarios interdits : chargement de bases clients, contrats complets, données RH ou financières dans des outils non validés ;
• Principe de vérification : rappeler que les réponses de l’IA ne doivent jamais être utilisées comme des faits sans validation humaine.

Ce type de document permet :

• de cadrer l’usage des LLM pour les nouveaux arrivants ;
• d’intégrer l’IA dans les processus d’onboarding ;
• d’articuler les obligations légales (AI Act, RGPD, droit du travail) avec la réalité opérationnelle.

> 💡 À retenir : une politique IA sans liste d’outils autorisés, sans règles de donnée et sans scénarios interdits explicites laisse la porte ouverte aux dérives – et rend la position de Valon plus difficilement tenable juridiquement si elle n’est pas formalisée.

Comparatif : trois approches d’IA au travail vues par les entreprises

Pour les directions générales et les DRH, la question n’est pas seulement “IA ou pas IA”, mais quel modèle d’accès retenir et comment le rendre cohérent avec la stratégie et la réglementation.

Voici un tableau comparatif simplifié des grandes approches qu’on observe aujourd’hui, en prenant Valon comme exemple du modèle à accès progressif.

Ce tableau montre que le choix n’est pas binaire mais stratégique :

• une entreprise très régulée (banque, santé, assurance) aura tendance à converger vers des modèles par rôle ou progressifs ;
• une scale-up tech en hypercroissance pourra privilégier un accès libre, à condition de renforcer la formation et les contrôles.

> 💡 À retenir : le modèle de Valon n’est pas forcément exportable tel quel, mais il offre un canevas conceptuel utile : l’IA comme privilège acquis par compétence, et non comme droit acquis par contrat de travail.

Comment adapter son onboarding pour intégrer une IA “sous conditions”

Pour les entreprises qui voudraient s’inspirer (au moins partiellement) de l’approche Valon, l’enjeu est de traduire ce principe dans l’onboarding et la montée en compétence.

Un onboarding “IA sous conditions” pourrait suivre trois grandes phases :

1. Phase sans IA : apprendre le métier “en dur”

Pendant les premières semaines, les recrues seraient invitées à :

• réaliser les tâches clés sans IA (rédiger un mail client, analyser un dossier, produire un reporting) ;
• documenter leurs méthodes et leurs sources ;
• travailler avec des pairs ou mentors qui valident la compréhension.

L’objectif n’est pas de bannir l’IA par principe, mais de s’assurer qu’un collaborateur peut :

• raisonner sans copilote ;
• comprendre les contraintes réglementaires de son métier ;
• repérer des incohérences dans un résultat généré par une machine.

2. Phase de formation spécifique à l’IA

Une fois ce socle établi, l’entreprise peut proposer :

• des modules sur ce qu’est un LLM, ses limites, ses biais ;
• des cas pratiques de prompts, en montrant volontairement des hallucinations et des erreurs ;
• des rappels sur les obligations internes (politique IA, RGPD, sécurité des données).

Dans le contexte européen, cette formation contribue aussi à répondre à l’exigence de “AI literacy” inscrite dans l’AI Act, qui demande aux organisations de développer les compétences de base de leurs salariés en matière d’IA.

3. Phase d’accès encadré

L’accès à l’IA pourrait ensuite être :

• activé progressivement sur certains outils ;
• conditionné à une validation du manager, comme chez Valon ;
• accompagné d’objectifs explicites (gagner en productivité sur certaines tâches, mais pas sur toutes).

> 💡 À retenir : intégrer l’IA dans l’onboarding ne signifie pas “fournir un tutoriel Copilot le jour 1”, mais structurer un parcours où le collaborateur apprend d’abord à travailler sans, puis à superviser l’outil.

Notre avis : qui devrait s’inspirer de Valon dès maintenant ?

Les choix de Valon sont radicaux, mais ils offrent un révélateur utile pour les entreprises qui hésitent encore à trancher.

À six mois, le paysage semble évoluer dans trois directions :

• les régulateurs, en Europe comme ailleurs, vont s’intéresser de plus en plus à l’IA au travail : usage dans le recrutement, l’évaluation, la productivité ;
• les salariés vont attendre de leur employeur qu’il leur offre des outils modernes, mais aussi un cadre clair ;
• les clients et partenaires vont poser davantage de questions sur la façon dont les décisions sont prises, surtout dans les secteurs sensibles.

Pour un DRH, un DPO ou un CTO, trois profils d’entreprise ressortent :

• les organisations très régulées (banque, assurance, santé, secteur public) ont tout intérêt à structurer rapidement une politique IA qui combine restrictions initiales, formation, et accès gradué ;
• les scale-ups et entreprises tech peuvent adopter un modèle plus ouvert, mais devront documenter sérieusement leurs pratiques et anticiper les exigences des régulateurs, notamment en Europe ;
• les PME et ETI, souvent moins outillées, gagneront à réutiliser des modèles de politique et à adopter des mesures simples mais fermes (liste d’outils autorisés, interdictions claires, revue humaine obligatoire sur certaines décisions).

L’angle le plus intéressant de la démarche Valon est peut-être le signal envoyé aux talents : l’entreprise dit explicitement que l’IA n’est pas un substitut aux compétences, mais un multiplicateur de celles-ci.

La question pour les six à douze prochains mois est simple :

• qui assumera d’expliquer à ses nouvelles recrues que l’accès à l’IA se mérite, et non qu’il est automatique ?
• et à l’inverse, combien d’entreprises continueront de laisser leurs juniors déléguer des décisions critiques à des modèles qu’ils ne sont pas encore capables de contredire ?

Les choix faits aujourd’hui sur l’IA dans l’onboarding et les politiques internes conditionneront non seulement la conformité réglementaire, mais aussi la culture d’entreprise de demain. La décision de Valon ouvre une brèche : à quelle vitesse les entreprises européennes, soumises à l’AI Act, vont-elles à leur tour repenser l’accès à l’IA pour leurs nouvelles recrues ?