> Une étude de Harvard Business School (Das Narayandas et Shunyuan Zhang, HBS) le confirme : au moins 30 % des projets d'IA générative en entreprise sont abandonnés — non pas à cause de bugs techniques, mais à cause du rejet des équipes. Lire l'étude complète sur HBS Working Knowledge →

Comment déployer l'IA en entreprise sans créer de rejet interne

L'intelligence artificielle promet des gains de productivité spectaculaires, mais la réalité du terrain est souvent plus nuancée : beaucoup de projets échouent non pas parce que l'outil ne fonctionne pas, mais parce que les équipes le rejettent. C'est exactement ce que démontrent Das Narayandas et Shunyuan Zhang, professeurs à Harvard Business School, dans une recherche largement relayée par HBS Working Knowledge : la principale cause d'échec des projets d'IA générative n'est pas technique, elle est humaine.

Pourquoi les salariés résistent à l'IA — et ce n'est pas ce que vous pensez

Les chercheurs de Harvard qualifient l'IA générative de technologie « auto-disruptive » : contrairement aux outils précédents, elle ne se contente pas d'automatiser des tâches, elle touche directement à l'identité professionnelle de celui qui l'utilise. Leur étude identifie trois formes précises de menace ressentie par les salariés :

• La compression du rôle : le collaborateur garde son poste, mais l'IA absorbe les tâches les plus intéressantes et valorisantes de son travail quotidien.
• Le glissement du contrôle : les algorithmes réduisent la marge de décision et le sentiment d'autorité des managers sur leurs propres choix.
• L'érosion du périmètre : moins d'influence sur les équipes, les budgets, les processus — un rétrécissement silencieux de l'autorité perçue.

Ce n'est donc pas la technologie en elle-même qui bloque l'adoption, mais l'absence de réponse claire à une question très concrète pour chaque collaborateur : qu'est-ce que je deviens, moi, dans cette nouvelle organisation ?

La solution HBS : rendre l'IA compatible avec l'identité professionnelle

Face à ce constat, Narayandas et Zhang proposent cinq leviers concrets pour transformer la résistance en adhésion :

1. Redéfinir les rôles pour mettre en avant une expertise nouvellement visible plutôt que de la faire disparaître. 2. Construire des garde-fous décisionnels qui laissent aux collaborateurs un vrai pouvoir de supervision sur les décisions assistées par IA. 3. Créer des couches d'analyse qui viennent renforcer le jugement humain plutôt que le remplacer. 4. Prévoir des parcours de reconversion avec formation, pour les postes les plus transformés par l'automatisation. 5. Obtenir un sponsoring exécutif clair des rôles redessinés, porté par la direction — pas seulement par l'IT.

Le principe central de cette recherche est simple à retenir : une IA n'a besoin ni d'être convaincue, ni d'être motivée pour fonctionner — mais l'humain, lui, a besoin de comprendre concrètement ce qu'il y gagne.

Ce que ça change concrètement pour une PME

Ces principes, pensés à l'origine pour de grandes organisations, s'appliquent tout autant — sinon plus — aux PME, où chaque collaborateur porte souvent plusieurs casquettes et où la confiance de l'équipe est un actif encore plus fragile.

Chez Busony, on le constate directement sur le terrain avec nos clients PME à l'export : les projets d'agents IA qui réussissent sont ceux qui partent d'un irritant métier précis (qualification des leads entrants, relances commerciales sur WhatsApp, support client multilingue) et qui laissent explicitement à l'équipe commerciale le dernier mot sur la relation client — l'IA prépare, qualifie, relance ; le commercial décide, négocie, signe.

C'est cette répartition claire des rôles — l'IA sur les tâches répétitives et chronophages, l'humain sur le jugement et la relation — qui évite l'effet « boîte noire qui remplace » et transforme un projet d'automatisation en outil que les équipes s'approprient plutôt qu'elles ne subissent.

Notre approche chez Busony

Avant de déployer un agent IA chez un client, nous commençons toujours par la même question que pose implicitement l'étude HBS : qu'est-ce que cet outil change pour les personnes qui vont devoir l'utiliser au quotidien ? C'est cette étape — souvent négligée au profit de la seule performance technique — qui fait la différence entre un projet d'IA qui prend et un projet qui s'éteint après trois mois d'usage en baisse.

Vous préparez un déploiement d'IA dans vos équipes et voulez éviter les pièges classiques de l'adoption ? Contactez Busony pour en discuter.