La sensibilisation et l’accès à l’IA ont connu une croissance fulgurante, pourtant la création de valeur réelle et le RCI demeurent rares. Comment ancrerez-vous de nouveaux comportements et repenserez-vous les flux de travaux pour faire du travail habilité par l’IA la nouvelle norme?

Points essentiels

• L’investissement dans l’IA est élevé, mais la valeur tarde parce que 93 % des budgets vont à la technologie, ne laissant que 7 % aux comportements et aux capacités nécessaires pour générer une valeur tangible.
• L’intégration de l’IA dans des flux de travaux repensés dégage un RCI réel et évolutif. Il faut financer le système de travail pour éviter que les investissements en IA ne deviennent du « logiciel tablette ».
• L’adoption centrée sur les personnes fonctionne : notre projet pilote comportemental avec CIBC a permis d’atteindre 90 % d’adoption par les développeurs et une hausse de productivité de 10 à 14 % en intégrant l’IA dans les flux de travaux et en soutenant un changement comportemental dirigé par les leaders.
• Le renforcement des nouvelles habitudes liées à l’IA peut augmenter les gains de productivité à plus de 20 %, stimuler l’expérimentation jusqu’à 28 % et accroître de 18 % l’ouverture envers les futures avancées en IA.  

Les outils d’IA sont désormais omniprésents. Les copilotes pour développeurs, assistants de connaissances et agents autonomes sont approuvés et déployés à un rythme record. Pourtant, les gains mesurables de productivité et le RCI demeurent limités.

Dans notre sondage auprès de 1 854 dirigeants, 85 % des organisations ont augmenté leurs investissements en IA dans les 12 derniers mois, et 91 % prévoient de le refaire cette année^1. Toutefois, seulement 6 % affirment avoir obtenu un RCI dans l’année. Un autre sondage auprès de plus de 3 000 leaders révèle que moins de 60 % des employés ayant accès à l’IA l’utilisent régulièrement².

Ce qui freine la création de valeur liée à l’IA

Les organisations continuent d’investir majoritairement dans la technologie plutôt que dans la refonte du travail. C’est comme acheter du matériel d’entraînement sans concevoir de programmes adaptés. Résultat : les déploiements ralentissent, l’expérimentation se fragmente et le RCI demeure faible ou difficile à mesurer.

Pour générer de la valeur à l’échelle de l’entreprise, il ne suffit pas d’ajouter l’IA à des processus hérités. Il faut ancrer un nouveau système de travail reposant sur des comportements maîtrisant l’IA, des flux de travaux réinventés et une maîtrise de l’IA exercée par les leaders.

C’est ainsi que l’IA passe de « tâches plus rapides » à de meilleures décisions, une expérience client améliorée et une croissance évolutive grâce à une responsabilité partagée.

Avec la bonne approche, l’IA peut passer du statut d’outil facultatif de productivité à celui de moteur de valeur mesurable, et positionner votre organisation en tête de la concurrence.

Accès élevé, utilisation faible : l’écart qui limite le RCI

Seulement 10 % des organisations sondées affirment réaliser la valeur attendue³. Et ce n’est pas surprenant lorsqu’on observe que 93 % du budget IA est alloué à la technologie et seulement 7 % aux personnes et aux flux de travaux censés générer la valeur⁴.

Quelques exemples de cet écart entre enthousiasme technologique et usage réel :

• 76 % des dirigeants croient que les employés sont enthousiastes, mais seulement 31 % des employés de première ligne sont d’accord^5.
• Malgré l’enthousiasme grandissant pour le potentiel des agents d’IA autonomes, seulement 11 % des organisations les ont déployés en production avec succès⁶.

Pourquoi l’accès ou l’investissement ne se traduit pas par du RCI

1. L’adoption est traitée comme de la formation, pas comme un changement comportemental

Les organisations consacrent la majeure partie de leurs investissements limités liés aux personnes à la formation sur les outils d’IA, tout en sous‑investissant dans ce qui favorise réellement une adoption durable : le changement comportemental, soutenu par des attentes claires, des normes sociales et des incitatifs. Résultat : les employés tombent dans l’écart du « savoir versus faire » – ils comprennent ce que l’IA peut accomplir, mais ne l’utilisent pas de manière constante.

Lorsque les systèmes, les processus et les leaders ne redéfinissent pas les comportements par défaut ni ne renforcent les nouvelles façons de travailler, la charge du changement repose sur l’individu. Le changement comportemental quotidien devient alors exigeant et perçu comme facultatif. Pour générer un impact réel, les organisations doivent créer un environnement où l’utilisation de l’IA est visible et valorisée, où les leaders modélisent et exigent une exécution habilitée par l’IA, et où les nouvelles normes de travail sont claires et renforcées de manière continue.

2. L’IA est déployée, mais elle n’est pas intégrée dans la manière dont le travail est accompli

La plupart des organisations accusent du retard de l’une des deux façons suivantes :

1. elles ajoutent l’IA à des flux de travaux déjà inefficaces; ou
2. elles donnent un accès généralisé aux outils d’IA sans offrir de directives claires sur quand, où et comment l’utiliser.

Dans les deux cas, les employés doivent continuellement décider si et comment l’IA s’intègre à leurs tâches. Lorsque l’utilisation de l’IA demeure facultative plutôt qu’intégrée directement aux flux de travaux, cette décision répétée crée des frictions inutiles, réduit l’adoption et limite la valeur à des usages individuels et isolés, au lieu d’en faire une capacité organisationnelle évolutive et appliquée à grande échelle.

3. Les leaders ne sont pas outillés pour diriger le travail habilité par l’IA

Les gestionnaires intermédiaires sont le point où la stratégie se traduit en travail quotidien. Dans de nombreuses organisations, ils ne sont ni outillés ni clairement tenus responsables d’intégrer l’IA dans la façon dont le travail est réellement accompli. Lorsque cela se produit, l’adoption de l’IA ralentit, non pas parce que les employés résistent, mais parce que les attentes sont insuffisamment définies.

Nos recherches internes révèlent une tendance nette : les employés utilisent davantage l’IA lorsque les leaders sont explicites et constants quant à son importance. En pratique, les employés se fient à ce que les leaders font et valorisent dans le travail réel – et non aux messages ou aux présentations.

Le comportement des leaders devient ainsi un levier opérationnel plutôt qu’un symbole. Lorsqu’ils utilisent l’IA dans leurs décisions quotidiennes, l’intègrent dans les demandes de travail et expliquent ouvertement comment le temps gagné doit être réaffecté, ils clarifient ce qu’est un « bon » comportement. C’est ainsi que l’IA passe d’un outil utilisé ponctuellement à une manière standard de travailler – et que de petits gains de productivité s’additionnent pour générer des résultats réels à l’échelle de l’entreprise.

Pourquoi l’adoption de l’IA centrée sur les personnes est la clé

L’IA crée de la valeur lorsqu’elle transforme réellement la journée de travail, en libérant les employés des tâches routinières, ce qui leur permet de réaffecter leur temps et leurs talents et de profiter de nouvelles possibilités de contribution qui étaient auparavant impossibles. Cela exige des ajustements délibérés aux flux de travaux, aux rôles et aux modèles opérationnels, et non simplement l’ajout de nouveaux outils. Pourtant, 84 % des organisations n’ont pas repensé les rôles pour un modèle humain + IA⁷.

Exemple réel : CIBC stimule la productivité des développeurs

Nous avons collaboré avec CIBC pour tester puis déployer GitHub Copilot de Microsoft à grande échelle auprès de plus de 1 800 développeurs. Résultat : une hausse de productivité de 10 à 14 % et un taux d’adoption de 90 %⁸.

La productivité a été mesurée d’une année à l’autre à l’aide de données quantitatives, incluant la quantité et la rapidité des demandes de tirage ainsi que les délais de traitement des demandes.

Ce résultat ne provient pas de l’outil uniquement. Il découle de la manière dont GitHub Copilot a été intégré au système de travail :

• le travail de programmation répétitif était, par défaut, augmenté par l’IA;
• les leaders modélisaient activement l’utilisation de l’IA;
• l’habilitation était ciblée, et non générique;
• l’apprentissage entre pairs renforçait l’adoption;
• la gouvernance et les balises d’IA responsable étaient établies dès le départ.

En intégrant GitHub Copilot directement dans les flux de travaux des développeurs, CIBC a évité l’écueil de l’expérimentation isolée et a dégagé une valeur répétable et évolutive à grande échelle.

Points essentiels tirés du projet CIBC

• Le changement comportemental surpasse la formation. Le RCI durable découle de la réinitialisation des attentes et des comportements par défaut, non d’une habilitation ponctuelle.
• Le modèle fourni par les leaders est le multiplicateur manquant. Lorsque les leaders utilisent l’IA de manière visible et constante, l’adoption devient normale plutôt que facultative.
• Les incitatifs ciblés, les parcours d’adoption personnalisés et la preuve sociale transforment l’essai en habitude.
• L’instrumentation est essentielle. Les gains de productivité doivent être mesurés selon des indicateurs opérationnels (temps de cycle, débit, qualité) plutôt qu’à partir de perceptions ou d’évaluations de temps économisé.

Comment Deloitte aide à transformer une adoption lente de l’IA en avantage concurrentiel

Le point déterminant pour obtenir un RCI lié à l’IA repose sur l’ambition de votre organisation à transformer la manière dont le travail est accompli.

Nous aidons les organisations à :

• dépasser les projets pilotes et l’expérimentation fragmentée;
• démarrer dans les domaines présentant le plus fort potentiel, mesurer les retombées et évoluer avec confiance;
• aligner la technologie, les personnes et les processus pour dégager un RCI mesurable et reproductible.

Prêt à convertir vos investissements en IA en retombées durables pour votre organisation?

Communiquez avec nos leaders en IA et en transformation pour repenser le travail, accélérer l’adoption et dégager un avantage concret grâce à l’IA.