Le Rapport de recherche sur l’IA en entreprise 2026 récemment publié par HCLTech, Les impératifs de l’impact de l’IA, 2026, soutient que l’IA est désormais répandue dans l’ensemble des entreprises, mais que son impact tarde toujours à suivre le rythme de l’adoption. L’une des raisons les plus claires est la gouvernance. Le rapport révèle que 76 % des répondants affirment que des préoccupations liées à l’IA responsable ont déjà retardé les déploiements, tandis que 89 % estiment que les équipes d’exploitation ont besoin de balises plus solides autour des outils d’IA. Ces chiffres suggèrent que le problème n’est plus de savoir si les organisations se soucient de l’IA responsable, mais plutôt de savoir si elles l’intègrent suffisamment tôt dans l’IA en entreprise pour permettre la mise à l’échelle.

Dans une entrevue récente sur les conclusions du rapport, Heather Domin, vice-présidente et chef du Bureau de l’IA responsable et de la gouvernance chez HCLTech, a fait valoir que l’IA responsable fonctionne mieux lorsqu’elle est intégrée dès la conception, plutôt que superposée par la suite. Ce point de vue met en lumière un changement de modèle d’opération plus large : la gouvernance est plus efficace lorsqu’elle fait partie de l’architecture, des flux de travail et de la gestion du cycle de vie dès le premier jour, plutôt qu’un simple point de contrôle final lorsque les modèles sont prêts à être mis en service.

Pourquoi la gouvernance arrive-t-elle encore trop tard ?

La gouvernance arrive souvent trop tard parce que les initiatives en IA commencent en silo, la pression de livraison priorise la rapidité au détriment de la conception des contrôles et la gouvernance est encore traitée comme un point de contrôle manuel plutôt qu’une partie intégrée du système en soi.

« Ils font ceci essentiellement à la fin au lieu de le faire pendant la phase de conception », a déclaré Domin. C’est là que la gouvernance passe d’un outil permettant la mise à l’échelle à un facteur de révision et de friction.

Domin a évoqué une étude de cas dans le secteur manufacturier dans le Rapport sur la transparence de l’IA responsable de HCLTech, où des lacunes en matière de gouvernance avaient déjà ralenti le déploiement. La solution n’était pas simplement d’ajouter plus de révisions, mais plutôt d’introduire une approche basée sur les risques pour une gestion continue et d’intégrer la gouvernance dès le départ.

Elle a également souligné qu’une partie de cela peut être automatisée. « Tout n’a pas besoin d’être manuel, une partie peut effectivement se produire à l’exécution. »

C’est un point important pour le leadership. La gouvernance arrive souvent tard parce que les organisations croient encore qu’elle doit être ajoutée par des processus une fois le fait accompli, alors qu’en réalité, certaines composantes peuvent être conçues directement dans les systèmes et opérations.

« Lorsqu’on l’introduit tardivement, cela peut ajouter de la friction », a souligné Domin. Par contre, « une gouvernance précoce contribue véritablement à éliminer ce blocage » et « accélère les choses ». La meilleure façon de voir les choses, donc, n’est pas que la gouvernance ralentit l’IA, mais bien que la gouvernance tardive le fait.

La sécurité et l’IA responsable font face au même défi de mise à l’échelle

La recherche identifie également la sécurité comme un obstacle technique majeur, et selon Domin, sécurité et IA responsable ne devraient pas être traitées séparément. « Elles sont intimement liées », a-t-elle expliqué. « L’un des éléments clés d’un système déployé de façon responsable est que la sécurité y est intégrée. »

C’est une perspective utile sur la mise à l’échelle. En pratique, les échecs en sécurité et en IA responsable surviennent fréquemment dans les mêmes contextes : contrôles faibles, traçabilité inadéquate, risques non gérés et faible confiance dans les environnements de production.

« Si on ne traite pas la sécurité, on ne peut pas prétendre déployer de manière responsable », a dit Domin.

Elle note également que la sécurité est devenue plus centrale à mesure que de nouvelles capacités de l’IA génèrent de nouvelles préoccupations, même si l’IA elle-même peut aider à renforcer les contrôles en détectant les vulnérabilités et en soutenant leur correction.

Elle a donné un exemple bancaire pour illustrer cette convergence, décrivant une banque européenne où « cet aspect sécurité et responsabilité était une préoccupation centrale ». Dans ce cas, une gouvernance plus forte et un contrôle technique accru n’ont pas ralenti la rapidité. L’organisation a plutôt constaté « une amélioration de la rapidité de traitement des demandes », a commenté Domin. Le point fondamental est que sécurité et IA responsable ne sont pas des compromis : lorsqu’elles sont conçues ensemble, elles favorisent à la fois la confiance et la performance.

La confiance devient reproductible lorsqu’elle est conçue dès le départ

Cette logique se retrouve aussi autour de l’explicabilité, l’auditabilité et la responsabilisation. Une fois intégrées à la conception, elles cessent d’être des exercices manuels et deviennent des comportements systémiques.

« Ça permet une grande part de l’automatisation possible », a mentionné Domin, car les contrôles font déjà partie de la construction du système et du fonctionnement des flux de travail.

Elle a évoqué un établissement financier pour lequel HCLTech a aidé à bâtir « un ensemble éprouvé d’invites, comme une bibliothèque d’invites », et « plus de 150 invites conformes et sécuritaires originales » conçues pour soutenir l’équité, la transparence et la sécurité. La conséquence, selon elle, fut « une nette amélioration de la fiabilité et de la pertinence des résultats générés par l’IA ».

Cet exemple est utile car il oriente la conversation sur la gouvernance de principes abstraits vers la répétabilité. Lorsque les balises sont intégrées dans les invites, les flux de travail et les comportements en temps réel, la confiance devient plus facile à appliquer de façon constante. Elle ne dépend plus d’efforts de révision exceptionnels à chaque usage du modèle.

Les balises sont un signe de maturité

La conclusion du rapport voulant que 89 % des équipes des opérations aient besoin de balises plus solides autour des outils d’IA suggère que de nombreuses organisations assument toujours manuellement le fardeau de la mise à l’échelle. Selon Domin, cela n’est pas tant un manque d’adhésion à l’IA, mais bien un déficit de maturité en gouvernance. « Il y a un fossé », dit-elle, précisant qu’il s’agit d’« un fardeau important pour les équipes opérationnelles lorsqu’il s’agit de faire évoluer l’IA avec des contrôles cohérents. »

Elle ajoute que cette situation ne devrait pas être vue comme permanente. « Ce déficit de maturité est potentiellement temporaire », affirme-t-elle, si les organisations prennent les bonnes mesures pour redéfinir leurs processus et activer les contrôles de manière plus efficace au fil du temps. Voilà pourquoi les balises sont un signe important de maturité. Elles ne prouvent pas qu’une organisation avance trop lentement. Elles prouvent qu’elle devient prête pour l’entreprise.

La gouvernance devient un atout quand elle est opérationnelle

Beaucoup d’organisations considèrent encore la gouvernance comme un frein à l’innovation, mais il s’agit d’une fausse perception. La question de fond concerne la culture, la maturité et la conception opérationnelle.

La gouvernance paraît un frein quand elle est manuelle, fragmentée et incohérente. Elle devient un accélérateur quand elle est opérationnelle.

Domin a cité le travail de HCLTech avec une banque basée à Dubaï comme exemple probant. La banque éprouvait des difficultés avec des « flux de travail de gouvernance manuels » et des cycles d’approbation longs. HCLTech a aidé à définir les « droits de décision, les forums de gouvernance et les points de contrôle du cycle de vie à travers les différentes parties prenantes, comme les équipes d’affaires, les équipes de gestion des risques, l’informatique et les fonctions données ».  

Le résultat fut une approche plus structurée et évolutive qui a aidé le client à avoir une vue consolidée de « plus de 275 cas d’utilisation de l’IA en entreprise » alignés sur les priorités d’affaires et les attentes réglementaires. La leçon plus générale est que la gouvernance permet la mise à l’échelle quand elle est intégrée au modèle opérationnel, pas lorsqu’on l’ajoute en superposition.

Domin se dit optimiste pour la suite. Bien qu’elle juge « peu surprenant » que de nombreuses organisations éprouvent encore des difficultés en matière de maturité, elle croit aussi que « plusieurs organisations prennent les bonnes mesures » et que les prochaines années devraient apporter « un degré beaucoup plus grand de maturité et une expérience différente ». Ce qui nourrit cet optimisme, c’est non seulement la mise en place de programmes de formation et de mise en œuvre plus solides dans de nombreuses organisations, mais aussi le fait que de plus en plus de capacités sont désormais intégrées directement dans les outils et plateformes. Voilà un signe encourageant d’un changement significatif dans le secteur, vers une IA responsable intégrée par conception plutôt qu’ajoutée après coup.