Le plus récent rapport de recherche mondial de HCLTech, Le plan directeur pour le leadership en IA, met en évidence un paradoxe : la plupart des organisations croient qu’elles sont prêtes pour le changement de main-d’œuvre axé sur l’IA, mais beaucoup moins ont mis en place les systèmes nécessaires pour rendre cette préparation réelle. Bien que 79 % disent être très ou plutôt prêtes à former et à perfectionner leurs employés pour les changements opérationnels liés à l’IA agentive, seulement 33 % disposent d’une stratégie globale de requalification ou de perfectionnement pour l’ensemble de l’organisation. Près des deux tiers indiquent que leurs plans sont définis, mais limités en portée.

Un écart semblable apparaît au niveau du recrutement, de l’intégration et de l’orchestration humains-agents. Les organisations se disent confiantes quant à l’adaptation du recrutement et de l’intégration (79 %) ainsi qu’à la combinaison du travail entre humains et agents (80 %). Pourtant, la confiance faiblit en ce qui concerne la redéfinition des rôles, la réaffectation et l’adoption cohérente à grande échelle.

« La confiance sans stratégie est une forme de pensée magique organisationnelle. Elle est confortable à court terme, mais crée un risque important à mesure que les capacités de l’IA évoluent et que les besoins de la main-d’œuvre changent », affirme Lester Lam, vice-président directeur et chef mondial, Conseil et consultation, Services d’affaires numériques, HCLTech.

Seulement 27 % des organisations se disent très confiantes de gérer le changement axé sur l’IA aujourd’hui. Les leaders de l’IA (18 % de l’échantillon) restent nettement en avance sur les suiveurs de l’IA (60 % de l’échantillon), bien que plusieurs s’attendent à ce que l’écart se rétrécisse d’ici trois ans. Cet optimisme soulève une question essentielle : les organisations mesurent-elles les retombées de l’IA par rapport à leur capacité d’exécution actuelle, ou selon un état futur présumé ?

La différence est frappante. Parmi les leaders de l’IA, 93 % disposent d’une stratégie complète de requalification ou de perfectionnement, comparativement à seulement 20 % des suiveurs de l’IA.

« Les leaders de l’IA traitent le perfectionnement des compétences comme une priorité stratégique accompagnée d’investissements conséquents », précise Lam. « Ils ont pris des engagements substantiels en temps, en argent et en attention de la direction pour s’assurer que du temps dédié à l’apprentissage soit inclus dans les horaires de travail, et non simplement dans des cours du soir facultatifs. »

Les suiveurs considèrent souvent le développement de la main-d’œuvre comme une initiative ponctuelle des RH au lieu de l’intégrer à l’organisation du travail. Seulement 24 % des suiveurs de l’IA sont prêts à gérer un changement organisationnel continu axé sur l’IA, comparativement à 52 % des leaders de l’IA.

« Les efforts de perfectionnement qui sont déconnectés de la façon dont la performance est évaluée ou dont le travail est organisé seront toujours moins efficaces, car les employés comprennent bien que la compétence en développement n’est pas réellement requise pour réussir dans leur rôle actuel, » explique Sebastian Reiche, professeur de gestion du personnel dans les organisations, IESE Business School.

Les suiveurs sont aussi trois fois moins susceptibles que les leaders d’encourager l’expérimentation avec des outils d’IA et de nouvelles façons de travailler. Les organisations qui intègrent plus efficacement les compétences conçoivent le travail afin que l’apprentissage survienne naturellement, grâce à la rotation des rôles, à la rétroaction par les pairs et à l’autonomie des employés. Elles harmonisent également la conception du travail, la gestion de la performance et les incitatifs. L’acculturation à l’IA n’est donc pas seulement un défi de formation technique; c’est un enjeu de conception du travail. Les organisations doivent définir ce que chaque rôle devient une fois augmenté par l’IA, puis bâtir l’apprentissage autour de cette réalité.

Réduire l’écart de compétences

Pour les suiveurs de l’IA, la fenêtre pour combler l’écart se rétrécit. Les leaders sont aussi avancés en compétences qu’en technologie parce qu’ils ont bâti l’infrastructure de main-d’œuvre nécessaire pour transformer l’investissement en IA en avantage cumulatif : systèmes de développement, culture d’expérimentation et capacités de redéfinition des rôles.

Les suiveurs peuvent aussi diagnostiquer le mauvais problème. L’adoption de l’IA est souvent perçue comme une résistance des employés, mais la recherche indique le contraire. Le principal obstacle est la pénurie de compétences, citée par 47 % des organisations. La résistance des employés n’est citée que par 20 %, tandis que la désalignement du leadership occupe un rang plus élevé à 29 %.

Les enjeux de talents évoluent à mesure que les organisations mûrissent. Attirer et retenir des talents compétents en IA est un défi majeur pour 38 % des leaders en IA, comparativement à seulement 26 % des suiveurs. Les organisations matures se disputent déjà les compétences spécialisées, tandis que les suiveurs en sont encore à la préparation de base. Des programmes de formation insuffisants sont cités par 30 % des suiveurs contre 15 % des leaders, ce qui confirme que le problème réside moins dans les travailleurs réticents que dans l’infrastructure d’apprentissage sous-développée.

« Le potentiel de transformation de l’IA ne se concrétise pas lorsque vous implantez des systèmes d’IA. Il se manifeste quand les gens partout dans vos organisations savent comment exploiter efficacement ces systèmes, peuvent repérer de nouvelles occasions d’application de l’IA et sont à l’aise de travailler de façon augmentée par l’IA, » affirme Lam. « La technologie est nécessaire mais pas suffisante. »

Reiche renchérit : « La résistance des employés comme récit est certes commode, mais elle est incomplète. » Les travailleurs sont souvent plus prêts à s’adapter qu’on ne le croit, surtout s’ils participent à la façon dont les outils s’intègrent dans leurs rôles et s’ils peuvent voir comment leur travail évoluera.

Le défi le plus profond est structurel. Le modèle dominant d’organisation du travail, où les tâches sont définies et attribuées de façon centralisée, convient mal à la reconfiguration dynamique requise par l’IA.

« Ce modèle produit de la clarté et du contrôle, mais il s’y prête très mal, » explique Reiche.

Lorsque l’IA s’intègre au flux de travail, les organisations doivent repenser l’objectif des rôles, la circulation du travail entre personnes et systèmes, et là où le jugement humain ajoute le plus de valeur. Ce sont des questions de conception du travail, mais de nombreuses organisations manquent des cadres et des habitudes pour y répondre.

Perfectionner pour l’ère autonome

L’urgence augmente. Moins de 10 % des capacités d’IA en entreprise sont autonomes aujourd’hui, mais cette part devrait croître rapidement au cours des trois prochaines années dans les domaines de la technologie, de l’infrastructure, des données et de l’analytique. Les leaders et les suiveurs restent éloignés dans leur préparation à ce virage, notamment pour gérer les déplacements de main-d’œuvre (38 % des leaders sont très préparés contre 19 % des suiveurs) et remanier les rôles (51 % contre 29 %).

La gouvernance, la supervision et la capacité de remettre en question les systèmes autonomes deviendront des compétences de base de la main-d’œuvre. Elles n’apparaîtront pas spontanément. Même aujourd’hui, la préparation à la gouvernance de l’IA n’est que de 43 %, bien derrière la préparation au déploiement ou à la maintenance des systèmes d’IA.

« Les organisations ne peuvent pas gouverner ce qu’elles ne comprennent pas, » déclare Reiche. « Bâtir une main-d’œuvre capable d’assurer une supervision significative de l’IA exige d’abord que les gens qui travaillent avec des systèmes autonomes comprennent suffisamment leur fonctionnement pour savoir lorsqu’il y a un problème. »

Si les systèmes d’IA sont traités comme des boîtes noires et que les employés exécutent simplement les résultats, la gouvernance demeurera faible. Mais quand le travail est conçu de façon à ce que les employés questionnent les résultats, signalent les anomalies et perfectionnent les systèmes, la supervision fait partie des opérations quotidiennes. Les organisations auront aussi besoin de rôles qui relient les systèmes d’IA au contexte humain. Ces rôles exigeront un jugement contextuel, un raisonnement éthique et la confiance pour remettre en question les résultats du système.

Sans ces systèmes de main-d’œuvre, les initiatives en IA peuvent rester prometteuses mais limitées. Lorsque l’apprentissage, la supervision et l’adaptation sont intégrés au modèle opérationnel, les organisations sont beaucoup plus susceptibles de transformer l’investissement en IA en retombées soutenues pour l’entreprise.