Les Mandats d’IA : Succès ou Échec ? Les Dirigeants Témoignent
Les directives sur l’IA sont omniprésentes en ce moment. Certaines sont murmurées comme des attentes culturelles, d’autres inscrites dans les OKR et les évaluations de performance. Mais fonctionnent-elles réellement ?
Nous avons demandé à des dirigeants ayant instauré des mandats IA, ainsi qu’aux personnes y étant soumises, quelle était la nature réelle du mandat, comment le succès était mesuré, et ce qui s’est passé ensuite. Leurs réponses mettent en évidence une ligne de démarcation étonnamment constante, et ce n’est pas l’existence du mandat qui la définit. C’est ce que le mandat mesure.
À quoi ressemblaient réellement les mandats
Le mot « mandat » suggère une note de service, mais les versions réelles s’étendaient de simples exigences de formation à des quotas d’ingénierie stricts. À l’extrémité la moins stricte, on trouve Aniket Ghonge, Senior Supply Chain Manager chez Amazon, où il n’y a aucune obligation de taux d’utilisation. « Il n’y a aucune mesure à propos de ce que je fais [avec l’IA] », dit-il.
Déverrouillez gratuitement
Créez un compte gratuit pour terminer la lecture de cet article et rejoindre une communauté de leaders innovants qui accèdent à des outils, des méthodes et des idées pour prospérer à l’ère de l’IA.
Have an account? Log In
Ce qu’Amazon exige, à tous les échelons de l’organisation, c’est une formation à l’IA : « Nous devons suivre la formation IA. Sinon, cela peut être signalé », explique-t-il, qualifiant cette pratique de « standard chez Amazon ». Cette attente légère ne l’a cependant pas freiné : Ghonge a fini par coder un outil pour son équipe qui leur a fait gagner beaucoup de temps.
Il n’y a aucune mesure à propos de ce que je fais [avec l’IA]. Mais, nous devons terminer la formation IA.
À l’opposé, Liu Peng, Fondateur & Tech Lead chez ReelPulse et Quartz, a instauré une règle interne stricte : « 100 % des pull requests pour les pipelines de collecte de données et les scripts de localisation doivent utiliser la génération de code assistée par l’IA, et chaque ingénieur doit consigner ses workflows de prompts LLM quotidiens lors des rétrospectives de sprint. »
La plupart adoptent une position intermédiaire, en limitant l’IA à certaines étapes du travail plutôt qu’en exigeant son usage constant. Neal J. McLeod, Fondateur de CTK Industries, a posé une limite claire : « La règle n’était pas “utilisez l’IA tous les jours”. La règle était “utilisez-la là où elle réduit le travail manuel à faible valeur sans supprimer la vérification humaine sur les étapes sensibles. » Bogdan Condurache, CPO & Co-Fondateur de Brizy, a opté pour une approche similaire côté produit : « Notre mandat IA était que chaque nouvelle fonctionnalité soit d’abord explorée avec l’IA avant de démarrer le travail. »
Quand les mandats ont fonctionné
Les retours de réussite présentent tous le même schéma : les dirigeants mesuraient les résultats finaux, gardaient les humains dans la boucle de validation, et laissaient une marge de manœuvre. Rick Elmore, PDG et fondateur de Simply Noted, a exigé que chaque membre de l’équipe intègre l’IA dans son flux de travail hebdomadaire à partir du T1 2025, mais il l’a évalué à travers les résultats obtenus : « les propositions prenaient-elles moins de temps ? Les tickets de support étaient-ils traités plus rapidement ? Les brouillons marketing nécessitaient-ils moins de révisions ? ». Résultat : « Notre production marketing a à peu près doublé de volume sans augmenter les effectifs. »
Notre production marketing a à peu près doublé de volume sans augmenter les effectifs.
Carlos Rios, fondateur de Tabula, a constaté des progrès similaires après avoir fait de l’IA le mode de travail par défaut pour son équipe. « Environ 95 % de notre contenu de blog commence désormais par une rédaction assistée par l’IA. Un article de blog qui nécessitait une semaine peut aujourd’hui être rédigé en une heure de prompts et de retouches avant d’être prêt pour la relecture », précise-t-il, en ajoutant que chaque contenu passe tout de même par sa validation avant publication.
Ces chiffres se sont vérifiés aussi en environnement technique. Chongwei Chen, Président et PDG de DataNumen, a lié son mandat à un OKR du T1 visant à faire assister 30 % des tickets par l’IA. « Le délai moyen de résolution des cas de restauration est passé de 4,2 jours à 2,8 jours. Le taux de satisfaction client concernant les tickets est passé de 4.1 à 4.6 », rapporte-t-il.
Le délai moyen de résolution des cas de restauration est passé de 4,2 jours à 2,8 jours. Le taux de satisfaction client concernant les tickets est passé de 4.1 à 4.6.
Tous les succès ne tenaient pas à la rapidité. Kristiyan Yankov, cofondateur et Growth Marketer chez Above Apex, a constaté l’avantage ailleurs : « Nous n’avons pas tout à coup divisé notre charge de travail par deux. Ce qui a changé, c’est la régularité. » Condurache a été surpris dans le même sens. « La plus grande surprise, c’est que l’IA a plus aidé la collaboration que la productivité. Produit, design, et ingénierie partaient du même brouillon plutôt que de documents séparés, » dit-il.
Quand les obligations se retournent contre vous
Les échecs suivent un schéma aussi — c'est l'image miroir des succès. Ankita Pathak de OneMetrik a vécu l'exemple le plus parlant : la direction imposait l'utilisation quotidienne de ChatGPT, vérifiée par des captures d'écran à déposer sur un canal Slack avant 16h. Cela a fonctionné quelques semaines, puis l'ambiance s'est dégradée. « Dès le deuxième mois, cela s’est retourné contre nous. Les gens l'utilisaient tous les jours juste pour cocher la case, alors ils ont commencé à s'en servir pour des tâches pour lesquelles il n'était pas adapté, » raconte-t-elle. L’agence a abandonné la contrainte au bout de huit semaines. Sa conclusion : « forcer l’usage quotidien de l’IA ne construit pas de meilleures habitudes, cela ne fait qu’engendrer du conformisme. »
Même les obligations qui produisent des résultats cachent des coûts inattendus. Le quota de pull requests mis en place par Peng a doublé la vélocité de livraison de son équipe en 60 jours — puis la contrepartie est arrivée, ce qu’il appelle la « taxe de refonte IA ». Comme il le décrit : « Les développeurs juniors acceptaient sans discernement des requêtes ORM et des analyseurs regex complexes générés par l’IA, sans vérifier les cas limites. Cela a entraîné des fuites de mémoire silencieuses lors de collectes intensives de données vidéo, faisant exploser de 22% nos coûts de calcul cloud en un mois. » Il a depuis abandonné l'obligation d’utilisation au profit d’un mandat de gouvernance, arguant que « les politiques IA ne fonctionnent que si l’on considère les développeurs comme des ‘Directeurs d'intention’ responsables de l’architecture, et non comme de simples dactylographes passifs. »
Cela a créé ce que j’appelle la taxe de refonte IA. Cela a provoqué des fuites de mémoire silencieuses lors de collectes intensives de données vidéo, faisant exploser nos coûts de calcul cloud de 22% en un mois.
Andrea Sommer, fondatrice et directrice générale de Hive Founders, a observé le même phénomène d'échec côté fondateur. « Les obligations qui se retournent contre nous sont celles mesurées par l’activité. ‘Tout le monde utilise Copilot chaque jour’ ou ‘X % des tickets gérés par l’IA’ deviennent vite des métriques détournées plutôt qu’un travail réellement amélioré », explique-t-elle. McLeod l’énonce tout aussi brutalement : « Les politiques imposées échouent lorsqu'elles récompensent l'usage visible plutôt que l’impact opérationnel mesurable. »
Ce qui a surpris les dirigeants
Au-delà des résultats annoncés, les responsables interrogés ont tous été confrontés aux mêmes effets secondaires, dont peu figuraient au plan initial de déploiement.
Le blocage n’est pas la peur, c’est l’habitude. Elmore s’attendait à rencontrer de la résistance et a trouvé quelque chose de plus discret : « Le principal frein n’a pas été la peur de l’IA, mais l'inertie des habitudes. » Sa solution serait structurelle, en associant toute nouvelle obligation à un sprint d’apprentissage de 30 jours, car « Une contrainte sans accompagnement, c’est juste de la pression. »
L’IA est un rayon X des processus. McLeod a découvert que la production la plus révélatrice de l’IA concernait sa propre organisation : « Si l’entrée était vague ou que la procédure était bancale, l’IA faisait ressortir plus vite l’incohérence. En ce sens, l’IA a surtout mis en lumière les problèmes de processus, plus qu’elle ne les a résolus. »
La valeur du jugement senior se renforce. Barnett a constaté que « Ceux qui tiraient le plus profit n’étaient pas les plus grands utilisateurs d’IA. C’étaient ceux capables de savoir quand arrêter de s’y fier et appliquer leur propre discernement. »
Et le battage médiatique a ses limites. Rion Haber, cofondateur et directeur de la stratégie chez Catalyst Marketing Agency, qui a imposé six mois d’expérimentation ouverte de l’IA à son équipe dirigeante, adresse une mise en garde à tous ceux qui espèrent une transformation de leur activité grâce à la seule injonction : « penser qu’un prompt suffira à décupler votre retour sur investissement, c’est une arnaque. »
Le paradoxe des obligations IA
Voici le paradoxe présent dans chacune de ces histoires : le succès des politiques d’adoption de l’IA est proportionnel... à la flexibilité laissée sur l’usage de l’IA. Les déploiements réussis imposaient des résultats, des points de revue et de l’apprentissage — l’outil en tant que tel était secondaire, librement utilisé par certains et à peine par d’autres. Les échecs, eux, forçaient l’outil et récoltaient précisément ce qu’ils mesuraient : des captures d’écran postées sur Slack, des cases cochées, des prompts consignés. Une obligation mesurée à l’aune des prompts engendre... des prompts. Une obligation mesurée par ses résultats engendre... des résultats — et, au passage, l’adoption de l’IA également.
Vous souhaitez plus de points de vue comme ceux-ci ? Inscrivez-vous gratuitement chez DPM pour découvrir les témoignages d'autres experts.