IA générative : pourquoi dirigeants et praticiens ne partagent pas les mêmes priorités

L’intelligence artificielle générative est devenue, en 2024, un sujet de stratégie autant qu’un outil de travail quotidien. Pourtant, une entreprise ne parle pas toujours d’une seule voix lorsqu’elle l’adopte. Les dirigeants y voient volontiers une promesse de croissance, de différenciation et d’amélioration de l’expérience client. Les praticiens, ceux qui déploient ou utilisent concrètement ces outils, en perçoivent aussi les applications plus discrètes, mais souvent structurantes, dans les opérations, les ressources humaines ou la finance.

Un rapport de Publicis Sapient met précisément en lumière cette divergence. L’étude distingue la C-suite, c’est-à-dire les cadres dirigeants, de la V-suite, le terme retenu pour les praticiens. Le décalage ne concerne pas seulement les cas d’usage imaginés. Il porte également sur l’évaluation des projets, sur la perception des risques et, au bout du compte, sur la façon d’organiser l’innovation dans l’entreprise.

Pourquoi la même technologie produit deux lectures

L’IA générative désigne des systèmes capables de produire, à partir d’une consigne, du texte, des images, du code ou d’autres contenus. En entreprise, son intérêt ne se limite donc pas à un assistant conversationnel visible du grand public. Elle peut, par exemple, aider à retrouver une information dans une documentation interne, résumer des échanges, préparer une première version de contenu ou assister certaines tâches répétitives.

Cette polyvalence explique en partie les différences observées par Publicis Sapient. Les membres de la C-suite concentrent leur attention sur les cas d’usage les plus exposés : amélioration de l’expérience client, optimisation des services et soutien aux ventes. Ce sont des projets dont la promesse est facilement compréhensible par la direction, car ils touchent directement la relation commerciale, la qualité de service ou le chiffre d’affaires.

Les praticiens ont une vision plus large des terrains d’application. Ils citent les opérations, les ressources humaines et la finance, autant de domaines moins visibles depuis l’extérieur, mais essentiels au fonctionnement quotidien de l’organisation. Une amélioration de la recherche d’information, de la circulation des connaissances ou de la préparation de documents peut générer un effet concret sans nécessairement devenir une vitrine de l’entreprise.

Ce n’est pas forcément un désaccord sur l’utilité de la technologie. C’est d’abord une différence de point de vue. La direction doit arbitrer des priorités stratégiques et rendre compte des investissements. Les équipes proches du terrain constatent, elles, les frictions opérationnelles et les tâches qui peuvent être assistées.

Les chiffres qui révèlent le fossé

Les résultats rapportés par Publicis Sapient donnent une forme concrète à ce décalage entre priorités, inquiétudes et capacité de pilotage.

L’étude ne suggère pas que l’une de ces visions serait intrinsèquement meilleure que l’autre. Elle montre plutôt qu’une stratégie cohérente suppose de les faire dialoguer. Miser uniquement sur quelques démonstrateurs commerciaux peut faire passer à côté de gains de productivité internes. À l’inverse, multiplier des usages locaux sans cadre commun expose l’entreprise à des redondances, à des coûts difficiles à contrôler et à des risques mal anticipés.

Les risques : un écart de 28 points entre dirigeants et praticiens

La différence la plus nette de l’étude concerne les inquiétudes liées à l’éthique et aux risques inhérents à l’IA générative. 51 % des dirigeants interrogés les mentionnent, contre 23 % des praticiens. Cet écart de 28 points ne signifie pas que les équipes opérationnelles ignorent les risques. Il indique qu’elles ne les évaluent pas avec la même intensité ou à partir des mêmes expériences.

Publicis Sapient associe notamment la prudence des dirigeants à une vision plus abstraite des dangers potentiels, nourrie par des scénarios de superintelligence popularisés par la fiction. Les praticiens, de leur côté, sont davantage confrontés aux contraintes immédiates : choix d’un outil, qualité des réponses produites, intégration dans un processus métier, droits d’accès aux données et validation humaine des résultats.

Dans les faits, les risques de l’IA générative prennent souvent une forme très concrète dans l’entreprise. Un contenu produit automatiquement peut être inexact, inadapté à son contexte ou révéler une information qu’il ne fallait pas utiliser. Une organisation doit également s’interroger sur les données confiées à l’outil, sur les biais possibles dans les résultats et sur la responsabilité en cas de décision prise à partir d’un contenu généré.

La bonne réponse n’est donc ni le blocage systématique ni l’expérimentation sans règles. Le rapport insiste sur le renforcement du lien entre les unités métiers, le bureau du responsable informatique et les équipes chargées des risques. Cette coordination permet de traiter les garde-fous au début d’un projet, plutôt qu’après sa mise en circulation.

Pourquoi mesurer le succès reste si difficile

L’un des résultats les plus préoccupants de l’étude est l’absence de repères partagés pour évaluer les projets. Plus de deux tiers des répondants ne disposent d’aucun moyen efficace pour mesurer les résultats de leurs initiatives en IA générative. Or, sans objectif défini, il devient très difficile de distinguer une démonstration impressionnante d’un projet qui améliore réellement le travail ou le service rendu.

Cette difficulté révèle aussi des niveaux de maturité très variables selon les organisations. Certaines testent encore les possibilités de la technologie. D’autres cherchent déjà à l’intégrer à leurs processus. Mais un prototype n’est pas automatiquement un déploiement durable. Pour passer de l’expérimentation à un usage suivi, il faut savoir quel problème est résolu, qui utilise l’outil, comment sa production est vérifiée et ce qui justifie son coût.

Une évaluation utile ne se limite pas à compter le nombre d’utilisateurs ou de requêtes adressées à un assistant. Selon le projet, elle peut porter sur le temps consacré à une tâche, la qualité d’un premier livrable, la rapidité d’accès à l’information ou la réduction d’étapes répétitives. L’essentiel est d’établir ces critères avant le déploiement, puis de les relier à une attente métier précise.

Sans cette discipline, les entreprises risquent deux écueils opposés : abandonner trop vite un projet qui nécessitait un ajustement, ou poursuivre des expérimentations qui ne produisent pas de bénéfice démontré. Le manque de mesure fragilise alors autant les investissements que la confiance des salariés dans les outils proposés.

Le potentiel discret des opérations, des RH et de la finance

L’étude souligne que l’IA générative peut transformer silencieusement des fonctions de back-office. Alors que la C-suite porte davantage son attention sur les usages visibles, une majorité des membres de la V-suite considère la technologie comme essentielle pour l’avenir de la finance et des opérations au cours des prochaines années.

Cette différence mérite attention, car les fonctions internes concentrent une part importante de la production documentaire et de la gestion de l’information. Elles manipulent des procédures, des contrats, des comptes rendus, des tableaux de suivi, des règles internes et des demandes récurrentes. Une IA générative peut assister la recherche, la synthèse ou la préparation de contenus, sans se substituer au jugement des professionnels concernés.

En ressources humaines, le sujet renvoie par exemple à la gestion de connaissances et à l’évolution des compétences. En finance et dans les opérations, il interroge la capacité à rendre l’information plus accessible et à fluidifier certains processus. Ces applications demandent toutefois une expertise métier solide. Un outil entraîné ou paramétré sans connaissance des règles internes peut produire une réponse plausible, mais inutilisable ou erronée.

Le rapport recommande d’ailleurs de s’appuyer sur l’expertise des domaines spécifiques. Cette exigence est centrale : les équipes métiers ne doivent pas être de simples destinataires d’une solution décidée ailleurs. Elles doivent contribuer à définir le besoin, à tester les résultats et à identifier les limites de l’outil dans leur environnement de travail.

Cinq leviers pour rapprocher stratégie et terrain

Pour maximiser l’innovation, Publicis Sapient identifie cinq étapes clés. Elles dessinent moins une recette technique qu’un cadre de gouvernance pour éviter que l’IA générative ne reste une juxtaposition d’initiatives isolées.

• Adopter une approche de portefeuille : l’entreprise doit gérer plusieurs projets, avec des ambitions, des coûts, des risques et des horizons de résultats différents, plutôt que parier sur une seule initiative.
• Améliorer le dialogue entre informatique et gestion des risques : le bureau du directeur informatique et les équipes chargées des risques doivent coopérer dès la conception des usages.
• Identifier les innovateurs internes : les salariés qui expérimentent des améliorations concrètes peuvent aider à faire émerger des cas d’usage pertinents et réalistes.
• Utiliser l’IA générative pour la gestion de l’information : la valeur de la technologie dépend largement de sa capacité à aider les équipes à exploiter les connaissances dont elles disposent déjà.
• Faire évoluer les compétences et la culture d’entreprise : l’adoption passe par l’accompagnement des équipes, pas seulement par l’achat d’un outil.

L’approche de portefeuille répond directement au problème de dispersion. Elle invite les responsables à piloter les projets, à éviter les duplications et à contrôler le shadow IT. Elle permet aussi de distinguer les initiatives exploratoires, qui servent à apprendre, de celles qui sont suffisamment mûres pour être déployées plus largement.

La décentralisation prônée dans le rapport ne signifie donc pas l’absence de règles. Elle suppose au contraire un cadre commun assez solide pour sécuriser les usages, tout en laissant les équipes métiers révéler les opportunités liées à leur activité. Cette articulation entre autonomie locale et coordination centrale est l’un des enjeux déterminants de l’adoption.

Ce qu’il faut surveiller

En novembre 2024, le principal défi pour les entreprises n’est pas seulement de choisir un modèle ou une interface d’IA générative. Il consiste à relier une ambition stratégique aux réalités du travail. Les dirigeants ont besoin d’une vision claire sur la valeur, les risques et les investissements. Les praticiens ont besoin d’outils encadrés, de données accessibles, de compétences et d’une écoute réelle de leurs retours.

Le fossé décrit par Publicis Sapient peut devenir une faiblesse s’il conduit à opposer innovation visible et modernisation des fonctions internes. Il peut aussi devenir une force si les deux approches se complètent. Les projets les plus solides seront probablement ceux qui associeront, dès l’origine, des objectifs métier précis, une expertise opérationnelle, des critères de mesure et une gestion rigoureuse des risques.

L’IA générative ne produit pas mécaniquement une transformation. C’est l’organisation du travail autour de l’outil, la qualité du dialogue entre ses parties prenantes et la capacité à apprendre de chaque déploiement qui détermineront sa valeur durable.