Culture d’équipe vs outils d’IA (Guide 2026)

Introduction

Le trimestre dernier, j’ai vu un de mes amis, fondateur, déployer trois outils d’IA en six semaines. Assistante de rédaction pour l’équipe marketing. Un planificateur IA pour les opérations. Un robot de synthèse pour les réunions auxquelles personne ne voulait assister en premier lieu. À la huitième semaine, son équipe passait plus de temps à comprendre les outils qu’à effectuer le travail pour lequel les outils étaient censés l’aider. Il m’a appelé frustré : « Je leur ai donné tout ce qu’ils demandaient. Pourquoi rien n’avance-t-il plus vite ? »

J’entends constamment des versions de cette histoire. Et je comprends. Lorsque vous créez une entreprise, la promesse de l’IA revient à trouver un code de triche. Automatisez le travail chargé. Récupérez les heures. Expédiez plus rapidement. Mais voici ce que j’ai appris en créant ATMOS et en regardant des dizaines d’autres équipes essayer d’intégrer l’IA sur des flux de travail défectueux : l’outil n’est jamais le goulot d’étranglement. La culture l’est.

La frénésie d’adoption de l’IA (et la gueule de bois qui s’ensuit)

Les chiffres racontent une histoire fascinante en surface. Selon le Work Trend Index 2024 de Microsoft et LinkedIn, 75 % des travailleurs du savoir dans le monde utilisent désormais l’IA générative au travail, un chiffre qui a presque doublé en seulement six mois. Le Slack Workforce Lab a constaté que l’utilisation quotidienne de l’IA a augmenté de 233 % sur une période similaire allant jusqu’en 2025.

Tout le monde adopte donc l’IA. Super. Mais l’adoption n’est pas la même chose que les résultats.

Une étude du BCG menée auprès de dirigeants de 59 pays a révélé que 74 % des entreprises ont du mal à aller au-delà des preuves de concept et à générer une réelle valeur commerciale grâce à l’IA. Seuls 4 % ont développé la capacité de produire des rendements significatifs de manière constante. Gartner est allé plus loin, prédisant qu’au moins 30 % des projets d’IA seraient abandonnés après validation de principe d’ici fin 2025, citant la mauvaise qualité des données, la valeur commerciale peu claire et l’escalade des coûts.

Relisez-le : trois entreprises sur quatre qui investissent dans l’IA n’en voient pas les résultats. Il ne s’agit pas d’un échec technologique. C’est une question d’organisation.

Le véritable goulot d’étranglement n’est pas votre pile technologique

Lorsque je discute avec les fondateurs et les chefs d’équipe des blocages de leurs déploiements d’IA, les réponses impliquent rarement le logiciel lui-même. Les outils fonctionnent bien. Les problèmes ressemblent à ceci : « Les gens ne font pas confiance aux résultats. » « Personne n’était d’accord sur le moment de l’utiliser ou de ne pas le faire. » « La moitié de l’équipe pense qu’utiliser l’IA est de la triche. »

Ce dernier cas est plus courant que prévu. L’étude de Slack a révélé qu’environ 48 % des travailleurs cachent leur utilisation de l’IA à leurs collègues parce qu’ils craignent d’être perçus comme paresseux ou incompétents. Pensez à ce que cela signifie pour une équipe essayant d’intégrer de nouveaux outils. Près de la moitié de vos collaborateurs utilisent peut-être l’IA en secret, craignant de partager ce qu’ils ont appris ou construit grâce à elle. Vous ne pouvez pas optimiser un flux de travail qui vit dans l’ombre.

Ensuite, il y a le problème de la qualité. Des chercheurs de Stanford et de BetterUp Labs ont inventé le terme « workslop » pour décrire un contenu généré par l’IA de mauvaise qualité, qui semble soigné mais manque de substance. Leur étude a révélé que 41 % des employés de bureau ont rencontré des problèmes de travail au cours du mois précédent, et que chaque cas a coûté aux destinataires près de deux heures à démêler. Pour une entreprise de 10 000 personnes, cela représente une perte de productivité estimée à 9 millions de dollars par an. Techniquement, l’IA « fonctionne ». Cela produit simplement du bruit que les vrais humains doivent nettoyer.

Ce ne sont pas des problèmes technologiques. Ce sont des problèmes de confiance, de communication et de clarté. Ce sont des cultures.

Ce que les plus performants obtiennent

Voici la partie qui me donne de l’espoir. L’étude du BCG n’a pas seulement documenté l’échec. Il a également dressé le profil des entreprises qui réussissaient, et la tendance était cohérente. Les adeptes de l’IA les plus performants suivent ce que le BCG appelle la règle 10-20-70 : ils investissent 10 % de leurs ressources dans les algorithmes, 20 % dans la technologie et l’infrastructure de données, et 70 % dans les personnes et les processus.

Soixante-dix pour cent. Il ne s’agit pas d’une erreur d’arrondi. C’est une déclaration sur l’origine réelle de la valeur.

J’ai vu cela se jouer chez ATMOS. Lorsque nous avons introduit l’IA dans nos flux de travail internes, nous n’avons pas commencé avec l’outil. Nous avons commencé par la conversation. Quelles sont les tâches que les gens souhaitent réellement retirer de leur assiette ? Où sont les transferts qui créent la confusion ? À quoi ressemble une production d’IA « assez bonne » pour notre contexte spécifique, et qui décide ?

Ces questions semblent simples, mais la plupart des équipes les ignorent complètement. Ils passent directement de « nous avons acheté l’abonnement » à « pourquoi tout le monde ne l’utilise-t-il pas ?

Construire d’abord l’infrastructure humaine

Si vous êtes un fondateur ou un manager qui essaie de faire en sorte que les outils d’IA soient réellement efficaces, voici le cadre sur lequel je reviens. Rien de tout cela ne nécessite un budget logiciel plus important.

Commencez par la permission, pas par les mandats

Avant de déployer un outil, nommez l’éléphant dans la pièce. Dites-le directement à votre équipe : utiliser l’IA pour travailler plus intelligemment n’est pas de la triche. C’est prévu. Intégrez-le aux normes de votre équipe, et non à une solution de contournement murmurée. Lorsque j’ai fait cela chez ATMOS, le changement a été immédiat. Les gens ont commencé à partager des invites, à comparer les résultats et à signaler les points faibles de l’IA. C’est de l’intelligence collaborative, et cela ne se produit que lorsque les gens se sentent en sécurité.

Définir le transfert humain-IA

Chaque flux de travail impliquant l’IA nécessite un point clair à partir duquel une personne prend le relais, tout comme le choix de la bonne solution de lieu de travail numérique nécessite d’abord de comprendre les besoins réels de votre équipe. Non pas pour approuver automatiquement, mais pour appliquer son jugement. Qui examine la première ébauche générée par l’IA ? Qui décide si le résumé des données est suffisamment précis pour être partagé avec un client ? Sans cette clarté, vous obtenez du travail. Vous demandez aux gens de transmettre les résultats de l’IA qu’ils n’ont pas lus, en supposant que quelqu’un d’autre les vérifiera. Attribuez le transfert. Rendez-le explicite.

Mesurer les résultats, pas l’adoption

Arrêtez de suivre le nombre de personnes connectées à la plateforme AI cette semaine. Commencez à vérifier si les projets se terminent plus rapidement, si la qualité des livrables s’est améliorée et si votre équipe déclare consacrer moins de temps aux tâches répétitives. Chez ATMOS, nous avons arrêté de compter les connexions aux outils au cours du premier mois. Au lieu de cela, nous avons commencé à demander lors de nos enregistrements hebdomadaires : « Un outil vous a-t-il permis de gagner du temps réel cette semaine ? Quelque chose a-t-il créé plus de travail ? » Les réponses honnêtes ont façonné toute notre approche.

Investissez dans la maîtrise de l’IA en tant que compétence d’équipe

La plupart des entreprises considèrent la formation en IA comme un événement d’intégration ponctuel. Regardez ce webinaire, lisez ce guide et bonne chance. Cela ne renforce pas les compétences. Organisez des sessions courtes et récurrentes au cours desquelles les membres de l’équipe partagent ce qu’ils ont essayé, ce qui a fonctionné et ce qui a échoué. Les bons outils de collaboration peuvent faciliter l’organisation et la documentation de ces sessions. Faites en sorte que les enjeux soient faibles et dirigés par les pairs. Le but n’est pas de transformer tout le monde en ingénieur prompt. Il s’agit de construire un vocabulaire partagé et une confiance collective afin que l’équipe puisse apprendre ensemble plutôt que de lutter seule.

Protéger l’espace pour un travail en profondeur

Les outils d’IA peuvent accidentellement remplir les calendriers avec davantage de tâches en accélérant le travail superficiel. Si votre équipe peut désormais générer dix rapports alors qu’il en fallait auparavant pour en rédiger deux, cela ne signifie pas qu’elle doit produire dix rapports. Protégez le temps dont vos collaborateurs ont besoin pour la réflexion stratégique, la résolution créative de problèmes et le type de collaboration qui ne se produit que lorsque les humains sont confrontés à un problème suffisamment longtemps pour le voir clairement. Les outils gèrent le volume. Vos collaborateurs gèrent la valeur.

Le changement de culture qui fait réellement bouger les choses

Je reviens sans cesse à quelque chose qu’un de mes mentors m’a dit au début de la création d’ATMOS : « Les outils font évoluer ce qui fonctionne déjà. Ils font également évoluer ce qui est cassé. » Si votre équipe communique bien, se fait confiance et a des priorités claires, l’IA amplifiera tout cela. Si votre équipe est cloisonnée, confuse quant aux objectifs ou a peur de s’exprimer, l’IA amplifiera également cela, plus rapidement et avec un meilleur formatage.

Les entreprises figurant dans les 4 % les plus performants de l’étude du BCG n’y sont pas parvenues en choisissant le bon modèle ou le bon fournisseur. Ils y sont parvenus en investissant dans le travail compliqué et peu glamour consistant à aligner leurs collaborateurs avant d’aligner leur technologie. Ils ont construit des cultures où l’expérimentation était encouragée, où l’échec était discuté ouvertement et où le but de tout outil était mesuré par son impact sur le travail humain réel.

C’est le recadrage avec lequel je veux vous laisser. La question n’est pas « quel outil d’IA devrions-nous acheter ? La question est : « Avons-nous constitué une équipe où n’importe quel outil pourrait réellement atterrir ?

Si vous êtes un fondateur ou un manager regardant un tableau de bord de licences IA et vous demandant pourquoi rien n’a changé, fermez le tableau de bord. Ouvrez plutôt une conversation avec votre équipe. Demandez-leur ce qui les gêne. Écoutez les réponses. Ensuite, construisez à partir de là.

La culture passe avant tout. Cela l’a toujours été.