Intelligence artificielle et management : décider, déléguer et rester responsable

L’intelligence artificielle ne supprime pas le management. Elle déplace la frontière entre ce qui peut être produit par une machine et ce qui doit encore être jugé, assumé et expliqué par un humain. Cette distinction est essentielle. Un système d’intelligence artificielle peut synthétiser des informations, proposer des scénarios, détecter des régularités, rédiger une recommandation ou automatiser une décision. Il ne connaît pourtant ni la totalité du contexte, ni les conséquences politiques d’un arbitrage, ni les obligations réciproques qui structurent une organisation. Il ne répond pas davantage de ce qui arrive lorsque sa proposition est suivie.

Le risque n’est donc pas seulement qu’une IA se trompe. Il est qu’elle produise une réponse suffisamment plausible pour que personne ne fasse plus le travail de la mettre à l’épreuve.

L’enjeu de l’intelligence artificielle et du management ne consiste pas à rendre les managers plus rapides dans toutes leurs activités. Il consiste à organiser une coopération dans laquelle l’IA étend les capacités d’analyse sans provoquer une démission progressive du jugement.

Manager avec l’IA, ce n’est pas déléguer davantage. C’est apprendre à déléguer avec discernement.

Intelligence artificielle et management : au-delà du manager augmenté

Le vocabulaire du « management augmenté » suggère une opération simple : ajouter l’intelligence artificielle aux pratiques existantes afin d’obtenir de meilleures décisions, plus rapidement et à moindre coût.

La réalité est moins linéaire.

L’intelligence artificielle peut effectivement produire des gains importants sur certaines tâches. Dans leur expérience portant sur des activités professionnelles de rédaction, Shakked Noy et Whitney Zhang observent une réduction moyenne de 40 % du temps nécessaire et une augmentation de 18 % de la qualité des productions chez les participants utilisant ChatGPT.

Mais ces gains concernent des tâches définies, dont le résultat peut être évalué. Ils ne démontrent pas que l’IA améliore mécaniquement toute décision managériale.

L’expérience conduite auprès de consultants du Boston Consulting Group met en évidence une frontière technologique irrégulière. À l’intérieur de cette frontière, l’IA augmente fortement la vitesse et la qualité du travail. En dehors de celle-ci, lorsqu’une tâche excède ses capacités, son utilisation peut au contraire dégrader la performance. Deux tâches qui semblent comparables à un humain peuvent ainsi se situer de part et d’autre de la frontière.

Cette frontière est dite irrégulière parce qu’elle n’est ni stable, ni intuitive, ni parfaitement visible. Une IA peut réussir une analyse complexe et échouer sur une contrainte élémentaire. Elle peut produire un raisonnement juste à partir d’une information, puis inventer une donnée avec la même assurance rédactionnelle.

Le manager augmenté n’est donc pas celui qui utilise l’IA partout. C’est celui qui sait déterminer :

• les tâches pour lesquelles l’IA possède un avantage réel ;
• les conditions dans lesquelles sa production peut être vérifiée ;
• les décisions qu’il est possible de lui déléguer ;
• les conséquences qui exigent une responsabilité humaine ;
• le moment où il faut cesser de l’utiliser.

Ce que l’IA transforme réellement dans le travail du manager

Le management ne se réduit pas à produire des documents, analyser des données ou organiser des réunions. Il consiste à rendre l’action collective possible dans un contexte où les objectifs, les contraintes et les intérêts ne sont jamais parfaitement alignés.

L’intelligence artificielle peut intervenir dans au moins quatre dimensions de ce travail.

La question n’est donc pas de savoir si l’IA peut participer au management. Elle y participe déjà.

La question est de savoir ce que cette participation fait au jugement, à l’autonomie, à la responsabilité et au travail réel.

Manager avec l’IA commence par distinguer production et décision

Une réponse générée par une IA est une production. Elle ne devient une décision que lorsqu’une personne ou une organisation choisit de lui attribuer des conséquences.

Cette distinction paraît évidente. Elle disparaît pourtant facilement dans les usages.

Une proposition de priorisation devient un plan. Une synthèse devient une représentation commune du problème. Une note de risque devient un arbitrage. Une recommandation de recrutement devient une sélection. Une reformulation des objectifs devient une instruction adressée aux équipes.

La fluidité de l’outil masque alors le passage entre assistance et autorité.

Plus une production est claire, structurée et immédiatement exploitable, plus elle risque d’être acceptée sans examen. La qualité de la formulation devient un substitut involontaire à la qualité du raisonnement.

Manager avec l’IA impose donc de maintenir trois séparations :

1. Ce que le système produit et ce que l’organisation décide.
2. Ce que le système calcule et ce que le manager interprète.
3. Ce que le système recommande et ce que le responsable accepte d’assumer.

Sans ces distinctions, l’organisation n’automatise pas seulement des tâches. Elle externalise progressivement son jugement.

L’IA ne supprime pas les biais : elle modifie leur circulation

L’intelligence artificielle est souvent présentée comme un moyen de réduire les biais humains. Cette affirmation n’est vraie que dans des conditions précises.

Une IA peut limiter certaines variations arbitraires, comparer davantage d’informations ou appliquer un critère avec constance. Mais elle peut aussi reproduire les biais contenus dans ses données, amplifier les hypothèses de ses concepteurs ou enfermer une décision dans des catégories qui ne représentent que partiellement le réel.

Surtout, elle introduit une nouvelle difficulté cognitive : le biais d’automatisation.

Celui-ci conduit une personne à accorder une confiance excessive à une recommandation automatisée, y compris lorsqu’elle reste officiellement responsable de la décision. L’OCDE relève précisément ce risque dans les activités de gestion et de décision assistées par l’IA.

L’IA ne remplace donc pas les biais humains par une rationalité neutre. Elle crée un système dans lequel interagissent :

• les biais des données ;
• les choix de conception du système ;
• les biais du manager ;
• la confiance accordée à l’outil ;
• la manière dont le résultat est présenté ;
• les rapports de pouvoir qui déterminent qui peut contester la recommandation.

Le problème n’est plus seulement : « Cette personne a-t-elle correctement raisonné ? »

Il devient : « Comment cette personne, cet outil, ces données et cette organisation ont-ils produit ensemble cette décision ? »

La pensée critique ne consiste pas à vérifier une réponse à la fin

Demander aux managers de « garder leur esprit critique » ne constitue pas un dispositif de management.

Cette injonction suppose qu’une personne puisse utiliser intensivement un outil, bénéficier de sa rapidité, subir la pression du temps, puis réactiver spontanément un examen rigoureux juste avant de valider le résultat. C’est une hypothèse fragile.

Une étude menée auprès de 319 travailleurs de la connaissance montre que l’usage de l’IA générative réduit l’effort de pensée critique perçu. Elle observe également une relation entre la confiance accordée à l’outil et la diminution de cet effort. Les auteurs ne démontrent pas que l’IA détruit mécaniquement la pensée critique, mais ils montrent que celle-ci se déplace et dépend fortement de la manière dont le travail est organisé.

La pensée critique doit donc être incorporée dans le processus, et non ajoutée comme une précaution morale.

Cela suppose, par exemple :

• de formuler une hypothèse avant de consulter l’IA ;
• de séparer la génération des options de leur évaluation ;
• d’exiger une source pour les affirmations importantes ;
• de rechercher volontairement un contre-argument ;
• de désigner une personne chargée de contester la recommandation ;
• de définir à l’avance ce qui invaliderait la réponse ;
• de comparer le résultat à une méthode sans IA ;
• de documenter les raisons humaines de la décision finale.

L’objectif n’est pas de ralentir systématiquement l’usage de l’IA. Il est de placer l’effort cognitif là où une erreur serait coûteuse.

Que peut-on réellement déléguer à l’intelligence artificielle ?

La délégation ne devrait pas dépendre uniquement de la capacité apparente de l’outil. Elle doit être proportionnée à trois propriétés de la tâche :

• l’enjeu, c’est-à-dire le coût potentiel d’une erreur ;
• la vérifiabilité, c’est-à-dire la possibilité de contrôler la production ;
• la réversibilité, c’est-à-dire la possibilité de corriger les conséquences.

Une tâche fréquente, vérifiable et réversible peut être largement automatisée. Une décision rare, ambiguë et difficilement réversible exige une implication humaine beaucoup plus forte.

Cette matrice évite deux erreurs symétriques.

La première consiste à interdire l’IA dès qu’une activité est importante. Une IA peut fournir une aide précieuse dans une décision à fort enjeu, à condition que son rôle soit limité, explicite et contrôlable.

La seconde consiste à considérer que la présence d’un humain dans la boucle suffit à sécuriser la décision. Une validation humaine purement formelle ne constitue pas un véritable contrôle. Si le manager ne dispose ni du temps, ni des compétences, ni de l’autorité nécessaires pour contester le système, sa présence ne fait que donner une apparence humaine à une décision automatisée.

Le NIST recommande justement de définir et de différencier les rôles humains dans les configurations humain-IA, de documenter les responsabilités et d’organiser explicitement la supervision. Il attribue également à la direction la responsabilité des décisions relatives aux risques liés au déploiement de l’IA.

L’IA transforme la responsabilité managériale sans la transférer

Un manager peut déléguer une analyse. Il ne peut pas déléguer la responsabilité attachée à la décision qui en résulte.

Cette règle devient particulièrement importante lorsque l’IA intervient dans :

• le recrutement ;
• l’évaluation de la performance ;
• la répartition du travail ;
• la fixation d’objectifs ;
• l’allocation de ressources ;
• l’identification des salariés considérés comme « à risque » ;
• la définition d’un parcours professionnel ;
• les décisions disciplinaires.

Dans ces domaines, une recommandation n’est jamais purement technique. Elle produit une représentation des personnes, distribue des opportunités et modifie les rapports de pouvoir.

L’enquête de l’OCDE sur le management algorithmique montre que les managers perçoivent des améliorations possibles dans la qualité de leurs décisions, tout en signalant trois préoccupations : l’opacité de la logique des outils, l’incertitude sur la responsabilité et la protection insuffisante de la santé des travailleurs. L’OCDE souligne également l’intérêt de consulter les salariés pour améliorer l’acceptation et réduire certains risques.

La responsabilité managériale ne consiste donc plus seulement à répondre de la décision. Elle consiste aussi à répondre du dispositif qui l’a produite.

Le manager doit pouvoir expliquer :

• pourquoi l’IA a été utilisée ;
• quelles données ou informations elle a mobilisées ;
• quelles limites étaient connues ;
• quelle vérification a été réalisée ;
• qui pouvait contester la recommandation ;
• pourquoi la décision finale a été retenue ;
• comment ses effets seront observés et corrigés.

Le manager ne doit pas seulement contrôler l’IA, mais préserver le travail

Une intelligence artificielle peut optimiser une variable sans comprendre ce que cette optimisation déplace.

Elle peut réduire un temps de traitement tout en augmentant les interruptions. Accélérer la production tout en transférant la vérification vers d’autres personnes. Uniformiser une réponse tout en appauvrissant le traitement des exceptions. Améliorer un indicateur tout en réduisant l’autonomie nécessaire pour faire face au réel.

C’est ici que l’intelligence artificielle et le management rejoignent le développement organisationnel.

La performance d’un outil ne peut pas être appréciée séparément du système de travail dans lequel il intervient. Il faut observer la redistribution :

• des tâches ;
• de la charge cognitive ;
• des responsabilités ;
• des contrôles ;
• des exceptions ;
• des compétences ;
• des erreurs ;
• du pouvoir de décision.

Un gain local peut créer une dette organisationnelle ailleurs.

Si l’IA produit une première version deux fois plus vite, mais que sa vérification nécessite l’intervention d’un expert rare, l’organisation n’a pas nécessairement gagné du temps. Elle a déplacé son goulot d’étranglement.

Si elle automatise la résolution des cas simples, les salariés ne traitent plus que les situations complexes. Leur activité peut alors devenir plus exigeante, même si le nombre total de dossiers diminue.

Si elle répond immédiatement aux questions opérationnelles, les équipes peuvent gagner en autonomie à court terme tout en perdant progressivement la capacité de construire leurs propres raisonnements.

Installer une IA est une décision technologique. L’intégrer est une transformation du travail.

Cinq disciplines pour manager avec l’IA

Le management de l’IA ne repose pas sur une liste d’outils. Il repose sur des disciplines collectives qui rendent la coopération humain-machine observable, discutable et améliorable.

1. Cadrer le problème avant de solliciter l’IA

Une IA répond à la demande formulée. Elle ne garantit pas que cette demande corresponde au véritable problème.

Avant toute utilisation importante, le manager doit préciser :

• la décision à préparer ;
• les personnes concernées ;
• les contraintes non négociables ;
• les informations qui manquent ;
• les conséquences possibles d’une erreur ;
• les critères selon lesquels une proposition sera évaluée.

Ce cadrage évite d’utiliser l’IA pour résoudre efficacement un problème mal posé.

2. Attribuer un rôle précis à l’IA

L’IA peut être utilisée pour explorer, produire, critiquer, comparer, simuler ou vérifier. Ces fonctions ne sont pas équivalentes.

Demander successivement au même système de produire une recommandation puis de la valider crée une illusion de contrôle. Le second résultat reste dépendant des mêmes limites, des mêmes informations et parfois des mêmes hypothèses implicites.

Le manager doit donc définir le rôle de l’outil dans chaque séquence :

• générateur d’options ;
• synthétiseur ;
• contradicteur ;
• simulateur ;
• contrôleur formel ;
• aide à la décision.

Cette attribution permet de savoir ce que l’on peut raisonnablement attendre du système et ce qui doit être réalisé autrement.

3. Concevoir la contradiction

Une décision robuste ne dépend pas de la bonne volonté d’un utilisateur qui penserait à vérifier.

La contradiction doit être organisée :

• hypothèse alternative obligatoire ;
• recherche d’informations incompatibles avec la recommandation ;
• revue par un expert métier ;
• comparaison avec un échantillon traité sans IA ;
• pré-mortem de la décision ;
• seuil imposant une escalade humaine ;
• droit explicite de suspendre l’automatisation.

Une organisation qui ne prévoit pas comment contredire son IA finit par ne plus savoir la contredire.

4. Maintenir la traçabilité du jugement humain

La traçabilité ne doit pas se limiter au prompt et à la réponse générée.

Elle doit aussi enregistrer :

• les hypothèses humaines initiales ;
• les éléments retenus ou rejetés ;
• les corrections apportées ;
• les désaccords éventuels ;
• la personne qui a validé la décision ;
• les raisons de cette validation ;
• les résultats observés dans le réel.

Cette trace permet d’apprendre. Elle empêche également que le manager attribue rétrospectivement à l’outil une décision qu’il a lui-même choisie.

5. Organiser une boucle d’apprentissage

Les capacités d’une IA évoluent. Les usages se transforment. Les équipes développent des tactiques informelles. Les erreurs changent de forme.

Un protocole valable au moment du déploiement peut devenir obsolète quelques mois plus tard.

Le management doit donc organiser une boucle régulière :

L’apprentissage ne porte pas seulement sur la qualité du modèle. Il porte sur la qualité de l’ensemble formé par l’outil, ses utilisateurs, les règles et l’organisation du travail.

Le rôle du manager face à l’IA devient plus exigeant

Lorsque la production devient moins coûteuse, le discernement devient plus précieux.

Le manager doit apprendre à reconnaître une sortie convaincante mais fragile, à déceler une information absente, à distinguer une mesure d’un jugement et à rendre une décision explicable à ceux qui en subissent les effets.

Il doit également maintenir des capacités qui risquent de s’éroder lorsqu’elles sont rarement mobilisées :

• raisonner sans assistance ;
• formuler un problème ;
• produire une hypothèse ;
• supporter l’incertitude ;
• confronter des interprétations ;
• décider avec des informations incomplètes ;
• reconnaître qu’aucune option n’est pleinement satisfaisante.

Le paradoxe est important. Plus l’IA devient performante, plus le manager peut être tenté de lui confier des activités intellectuelles. Mais plus il les lui confie, moins il exerce les capacités nécessaires pour détecter le moment où l’outil ne doit pas être suivi.

Le rôle du manager n’est donc pas seulement de savoir utiliser l’IA. Il est d’entretenir la compétence collective permettant de s’en passer, de la contester et de reprendre la main.

Intelligence artificielle et leadership adaptatif

Une situation simple permet d’appliquer une règle connue. Une situation complexe exige d’explorer, d’apprendre et d’ajuster l’action.

L’intelligence artificielle peut être très efficace pour traiter la première. Elle peut aider à naviguer dans la seconde, mais elle ne peut pas supprimer l’incertitude qui la caractérise.

C’est là que le leadership adaptatif prend toute son importance.

Le leader adaptatif ne prétend pas posséder immédiatement la bonne réponse. Il rend le problème examinable, confronte les interprétations, distribue le travail d’apprentissage et protège la capacité du collectif à réviser ses hypothèses.

Avec l’IA, cette posture implique de :

• résister à la clôture prématurée du problème ;
• maintenir plusieurs hypothèses suffisamment longtemps ;
• distinguer une solution probable d’une décision légitime ;
• rendre les limites de l’outil discutables ;
• protéger le droit de signaler une anomalie ;
• ajuster les règles à partir des usages réels ;
• prendre la responsabilité de l’arbitrage final.

Le programme Leadership adaptatif d’UNREST entraîne précisément cette capacité à décider, mobiliser et ajuster l’action lorsque la solution n’est pas donnée d’avance.

Comment mesurer la performance réelle du management augmenté par l’IA ?

Le temps gagné ne suffit pas.

Une organisation peut produire davantage tout en dégradant la qualité, en augmentant les reprises ou en affaiblissant le jugement de ses équipes. La performance doit être examinée à plusieurs niveaux.

Le véritable indicateur n’est pas le nombre de collaborateurs ayant utilisé un outil. Ce n’est pas davantage le nombre d’heures théoriquement économisées.

C’est la capacité de l’organisation à obtenir un meilleur résultat sans perdre la maîtrise des mécanismes qui le produisent.

Une transformation managériale, pas une simple adoption d’outil

L’intelligence artificielle ne s’ajoute pas au management comme un logiciel supplémentaire.

Elle modifie la manière dont l’information est produite, dont les options sont formulées, dont le travail est contrôlé et dont la responsabilité est distribuée. Elle peut augmenter la capacité d’action d’une équipe. Elle peut aussi rendre invisibles certaines décisions et réduire progressivement la possibilité de les contester.

La question déterminante n’est donc pas : « Nos managers utilisent-ils l’IA ? »

Elle est : « Notre organisation sait-elle dans quelles conditions l’IA améliore une décision, dans quelles conditions elle la fragilise et qui reste capable de faire la différence ? »

Un management réellement augmenté n’est pas un management qui délègue son intelligence. C’est un management qui utilise l’IA pour élargir ses options tout en renforçant ses exigences de jugement, de vérification et de responsabilité.

L’intelligence artificielle peut produire une réponse.

Manager commence lorsqu’il faut décider ce que cette réponse vaut, ce qu’elle autorise et ce que l’on accepte d’en faire.

Questions fréquentes sur l’intelligence artificielle et le management

Comment l’intelligence artificielle transforme-t-elle le management ?

Elle transforme la production d’informations, la préparation des décisions, la coordination du travail et le contrôle de l’activité. Elle oblige surtout à redéfinir ce qui peut être automatisé, ce qui doit être vérifié et qui assume la décision finale.

L’intelligence artificielle peut-elle remplacer un manager ?

Elle peut automatiser certaines tâches managériales, comme la planification, la synthèse ou le suivi d’indicateurs. Elle ne peut pas assumer la responsabilité politique, sociale et organisationnelle d’un arbitrage. Plus une décision est ambiguë, contestable ou lourde de conséquences, plus l’intervention humaine reste déterminante.

Comment manager avec l’IA sans perdre son esprit critique ?

Il faut intégrer la vérification au processus : formuler une hypothèse avant l’usage, exiger des sources, rechercher un contre-argument, définir les critères d’invalidation et documenter les raisons humaines de la décision.

Quelles décisions ne faut-il pas déléguer à l’IA ?

Les décisions à fort enjeu, difficilement vérifiables et peu réversibles ne doivent pas être déléguées. L’IA peut aider à explorer des options, mais l’arbitrage doit rester humain, explicite et traçable.

Qu’est-ce que le management augmenté par l’IA ?

Le management augmenté désigne l’utilisation de l’IA pour étendre les capacités d’analyse, de production ou de coordination. Il ne devient réellement performant que si les rôles, les contrôles et les responsabilités entre l’humain et le système sont clairement définis.

À propos de l’auteur

Maxime Rabéchault est président-fondateur d’UNREST et enseignant vacataire à l’IAE Paris-Sorbonne Business School. Il intervient dans l’Executive Programme « Manager la performance des organisations avec l’intelligence artificielle », proposé en partenariat avec Neocognition. Ses travaux portent sur l’intégration organisationnelle de l’IA, le change enablement et les conditions comportementales de la performance adaptative.

Références

Dell’Acqua, F., McFowland, E., Mollick, E. R., et al. (2023). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality. Harvard Business School Working Paper 24-013.

Lee, H. P., Sarkar, A., Tankelevitch, L., et al. (2025). The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. CHI Conference on Human Factors in Computing Systems.

NIST (2023). Artificial Intelligence Risk Management Framework, AI RMF 1.0. National Institute of Standards and Technology.

Noy, S., et Zhang, W. (2023). Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence. Science, 381(6654), 187-192.

OCDE (2025). Algorithmic Management in the Workplace: New Evidence from an OECD Employer Survey. OECD Artificial Intelligence Papers, no 31.