Les entreprises forment leurs équipes à l’IA. Les meilleures, elles, redesignent les rôles.

Depuis dix-huit mois, les budgets formation explosent dans toutes les grandes organisations françaises. Des modules sur les fondamentaux de l’IA, des ateliers de sensibilisation pour les managers, des certifications pour les équipes data. Les tableaux de bord RH verdissent. Et sur le terrain, les chiffres racontent une autre histoire : selon le McKinsey State of AI 2025, environ un tiers des entreprises déclarent avoir commencé à déployer l’IA à l’échelle, moins de 10 % atteignent un déploiement complet, et près des deux tiers restent bloquées au stade pilote. Sur les programmes que nous observons, le constat est systématique : aucun n’avait redéfini les rôles avant de déployer l’outil.

Ce n’est pas un paradoxe. C’est une erreur de conception.

Former pour quoi faire ?

La formation suppose que le problème est un déficit de savoir : les équipes ne savent pas utiliser l’IA, alors on leur apprend. Mais dans la majorité des organisations qui peinent à faire passer leurs projets du pilote à la production, le blocage est ailleurs. Ce n’est pas que les planificateurs supply chain ignorent ce qu’est un algorithme de prévision. C’est qu’on ne leur a pas dit ce qu’ils sont censés faire à la place de ce que l’algorithme fait désormais. On leur a donné un outil. Personne ne leur a donné une nouvelle mission.

Prenons une situation concrète. Un Directeur Planning dans une enseigne de distribution construit depuis vingt ans ses prévisions, les arbitre avec le commerce, les traduit en plan d’approvisionnement. Aujourd’hui, un outil IA produit cette prévision en continu, avec une précision supérieure sur les SKU standards. Si l’organisation s’est contentée de le former à « comprendre l’IA », il se retrouve dans une position inconfortable : son outil sait mieux que lui sur la majorité de son périmètre, mais on attend encore de lui qu’il valide. Ce n’est pas une montée en compétences. C’est une désorientation professionnelle qu’aucune formation ne résout, parce que ce n’est pas un problème de compétences.

Quand une tâche est automatisée, un rôle doit être redistribué. Pas supprimé, redistribué. La production passe à la machine. La supervision, la gestion de l’exception et les décisions que l’algorithme ne peut pas trancher restent humaines, mais elles doivent être définies, attribuées et évaluées différemment. C’est ce travail que la formation ne fait pas, parce que personne ne lui a demandé de le faire.

Le chantier que personne n’ouvre

Ce redesign des rôles est le vrai travail de la transformation IA. Il est évité pour des raisons assez simples : il oblige à retirer des responsabilités à certains postes pour les donner à d’autres, à créer des fonctions hybrides sans précédent dans les grilles RH, à définir noir sur blanc ce que signifie superviser une recommandation algorithmique quand le collaborateur a toujours décidé seul. Ces arbitrages touchent aux équilibres de pouvoir dans l’organisation. Ils coûtent politiquement. Et contrairement à un catalogue de formations, ils ne peuvent pas être délégués à la DRH ou au DSI. Ils remontent au DG, parce qu’ils impliquent de choisir comment le pouvoir de décision se redistribue dans l’entreprise.

Le signal de ceux qui avancent est lisible dans leurs offres d’emploi. Les organisations en avance ne publient pas des postes « Expert IA supply chain ». Elles créent des rôles qui n’existaient pas il y a dix-huit mois : responsables de la relation humain-machine dans le planning, garants de la qualité des recommandations algorithmiques, coordinateurs de l’exception opérationnelle. Des titres qui auraient semblé absurdes en 2022, qui décrivent aujourd’hui une réalité concrète chez ceux qui ont réellement franchi le cap.

Ce que ça exige au niveau direction

L’IA ne change pas ce que les gens savent faire. Elle change ce qu’ils sont censés faire. Et cette question ne se résout pas dans un projet de déploiement technologique : elle se résout dans une décision de direction sur l’organisation, prise avant d’acheter la plateforme.

Concrètement, cela implique trois arbitrages que peu de directions sont prêtes à poser explicitement.

Quelles décisions restent humaines, et lesquelles basculent vers la machine, avec quelles conditions de dérogation ? Qui porte la responsabilité quand la recommandation algorithmique s’avère fausse et que personne ne l’a contestée ? Et comment évalue-t-on la performance d’un collaborateur dont le rôle consiste désormais à détecter ce que l’algorithme ne voit pas, plutôt qu’à produire ce que l’algorithme produit mieux que lui ?

Ces questions n’ont pas de réponses universelles. Elles ont des réponses propres à chaque organisation, selon son modèle de décision, sa culture du risque, la maturité de ses données. Ce que les entreprises qui avancent ont en commun, c’est d’y avoir répondu avant de déployer, pas après avoir constaté que les équipes n’utilisent pas les outils.

Former sans redéfinir les rôles, c’est préparer des équipes à devenir obsolètes plus vite. Tant que cette question n’est pas traitée, l‘IA restera un projet. Pas une transformation. C’est précisément ce que nous accompagnons : aider les organisations à poser ces arbitrages avant que le déploiement les force à les subir, pour qu’elles restent performantes dans un monde qui ne les attend pas.

Patrick

6 mai 2026