Un nouvel assistant dans la messagerie, une formation entre deux réunions, puis cette question : « Alors, vous l’utilisez ? » Pour les équipes, l’IA peut arriver comme une promesse de soulagement assortie d’une obligation supplémentaire. Dans la perspective de septembre 2026, le défi managérial ne consiste pas seulement à déployer les bons outils. Il consiste à accompagner une transformation sans exiger que chacun s’en réjouisse. Car derrière un silence en réunion ou un usage timide, il n’y a pas forcément du conservatisme : parfois, il y a simplement trop de changements à absorber.
Une fatigue qui ne vient pas de nulle part
Depuis le lancement public de ChatGPT fin 2022, l’IA générative s’est installée dans les discussions professionnelles, puis dans les suites bureautiques, les outils de développement et les services clients. Microsoft et Google ont notamment intégré des assistants à leurs environnements de travail. Cette trajectoire, déjà engagée avant 2026, laisse envisager une présence toujours plus diffuse : on ne décide plus nécessairement d’aller « faire de l’IA », on la rencontre dans un logiciel habituel.
Or cette vague succède à d’autres : travail hybride, migrations vers le cloud, nouveaux tableaux de bord, réorganisations. Chaque projet paraît raisonnable pris isolément. Leur accumulation peut produire une lassitude très concrète : retenir une nouvelle procédure, refaire une formation, vérifier une sortie automatique, comprendre qui valide quoi. La fatigue du changement naît aussi de cette addition de petites adaptations, souvent invisibles dans les calendriers de déploiement.
L’IA ajoute une incertitude particulière. Elle touche au contenu du travail, pas seulement à son organisation. Une personne peut apprécier qu’un assistant résume une réunion et s’inquiéter, simultanément, de ce que cette automatisation annonce pour son poste. Ces deux réactions ne se contredisent pas. Les traiter comme un défaut de motivation empêche de comprendre ce qui se joue.
Sortir du casting entre pionniers et réfractaires
La tentation est forte de partager le collectif en deux camps : les enthousiastes qui entraîneraient les autres, et les réfractaires qu’il faudrait convaincre. Cette lecture simplifie la communication, mais appauvrit le diagnostic. Un salarié peu démonstratif peut avoir identifié un risque de confidentialité. Un utilisateur assidu peut surestimer la fiabilité des réponses. L’enthousiasme n’est ni une compétence ni une garantie de discernement.
Les recherches sur les effets de l’IA au travail invitent justement à regarder les tâches plutôt que les tempéraments. Des études de terrain sur l’assistance client et des expérimentations auprès de consultants ont montré des gains possibles, mais aussi des différences selon l’expérience et la nature du problème. Les travaux sur la « frontière technologique irrégulière » soulignent qu’un outil performant sur une tâche peut échouer sur une autre, apparemment proche.
La bonne question devient donc : où cet outil aide-t-il réellement, et à quelles conditions ? Cette formulation autorise un désaccord utile. Elle permet à un professionnel de dire « pas sur ce dossier » sans être catalogué comme hostile à l’innovation. Le droit de contester un usage précis protège la qualité du travail, à condition que la discussion repose sur des éléments vérifiables.
Écouter les inquiétudes sans organiser leur disparition
Un atelier d’écoute perd sa crédibilité si sa conclusion est écrite d’avance. Demander ce qui inquiète, puis répondre systématiquement que l’IA est une opportunité, revient à transformer la consultation en exercice de persuasion. Mieux vaut distinguer les sujets : peur de l’erreur, perte d’autonomie, surveillance, avenir du métier, surcharge ou difficulté d’apprentissage. Chacun appelle une réponse différente.
Un manager peut ouvrir la discussion avec trois questions : qu’est-ce que cet outil vous ferait gagner ? Qu’est-ce qu’il risque de vous faire perdre ? De quoi avez-vous besoin pour l’essayer dans de bonnes conditions ? L’échange gagne à partir d’une situation récente, plutôt que d’opinions générales sur « le futur du travail ».
Il faut aussi savoir répondre « nous ne savons pas encore ». Si les conséquences sur les effectifs ne sont pas arrêtées, promettre que rien ne changera serait trompeur. La confiance repose davantage sur des engagements contrôlables : qui prendra les décisions, comment les représentants du personnel seront associés, quelles données d’usage seront collectées, et quand les questions ouvertes recevront une réponse.
Reconnaître ce qui se perd, même quand on gagne du temps
Automatiser un premier jet peut supprimer une corvée. Cela peut aussi retirer un moment où l’on construisait son raisonnement. Résumer automatiquement une réunion facilite le suivi, mais ne remplace pas toujours l’attention portée aux hésitations ou aux désaccords. Derrière une tâche se trouvent parfois une fierté professionnelle, un espace d’autonomie ou une manière d’apprendre le métier.
Reconnaître ces pertes ne signifie pas renoncer à l’outil. Cela permet de redessiner le travail avec davantage de précision. Si l’IA prépare une analyse, qui conserve la responsabilité de l’argumentation ? Comment un junior apprend-il à repérer une erreur s’il ne pratique jamais les étapes intermédiaires ? Le temps économisé mérite d’être discuté : sera-t-il consacré à mieux travailler, ou immédiatement absorbé par davantage de volume ?
Faire de l’apprentissage une activité, pas un supplément
L’injonction « testez quand vous avez un moment » avantage les personnes déjà à l’aise et laisse les autres apprendre sur leur temps de récupération. Un accompagnement crédible réserve des créneaux dans la charge de travail. Il prévoit des exercices liés au métier, des exemples d’échecs et un interlocuteur capable d’aider sans juger. Il ne se limite pas à montrer une démonstration spectaculaire.
Le cadre européen renforce cette exigence. Les dispositions du règlement européen sur l’IA relatives à la maîtrise de l’IA sont entrées en application en février 2025. Elles demandent aux fournisseurs et aux déployeurs concernés de prendre des mesures pour assurer un niveau suffisant de compréhension chez les personnes qui utilisent ces systèmes pour leur compte, en tenant compte du contexte. Cela ne se résume pas à faire suivre un module uniforme à tout le monde.
Un essai limité, avec de vrais garde-fous
- Choisir une tâche circonscrite, dont le résultat peut être contrôlé et l’erreur corrigée.
- Alléger temporairement la charge pour intégrer l’essai, la vérification et le partage des difficultés.
- Fixer les limites : données autorisées, validation humaine et situations où revenir à la méthode habituelle.
- Évaluer le travail réel, en observant qualité, reprises et fatigue, pas seulement le nombre de connexions.
Le manager n’a pas à vendre une émotion
Accompagner l’IA exige moins un discours mobilisateur permanent qu’une capacité à arbitrer. Arrêter un usage décevant, corriger une procédure ou reconnaître une surcharge peut être plus convaincant qu’une campagne interne. Le manager doit lui aussi disposer de temps et de marges de décision. Sans cela, il devient le relais d’une injonction qu’il ne peut ni expliquer ni adapter.
Et maintenant ? À l’horizon de septembre 2026, la banalisation probable des assistants pourrait rendre cette question encore plus aiguë : comment apprendre lorsque les outils changent en continu ? Les organisations auraient intérêt à remplacer l’adoption à marche forcée par une capacité durable d’expérimentation. Ni célébration obligatoire ni refus de principe : des usages discutés, du temps protégé et la possibilité de revoir une décision. L’objectif n’est pas que tout le monde aime l’IA, mais que chacun puisse travailler avec discernement.
