Ce que les organisations qui comblent l’écart d’impact de l’IA font différemment

La plupart des organisations considèrent encore la performance de l’IA comme un problème d’adoption.

Quand les résultats ne sont pas au rendez-vous, elles ajoutent davantage d’outils, de licences, d’agents, d’injonctions et de tableaux de bord. Mais l’accès n’a jamais suffi. La vraie question était de savoir si l’IA pouvait fonctionner au sein des workflows, du contexte de l’entreprise et des pratiques opérationnelles qui déterminent comment le travail est réellement effectué. L’adoption n’est plus la principale contrainte.

L’ Work AI Index 2026, du Work AI Institute de Glean, a révélé que 87% des travailleurs du numérique utilisent l’IA au travail, 75% disent qu’elle les rend plus productifs, et les employés déclarent économiser environ 11 heures par semaine grâce à l’automatisation par l’IA.

Pourtant, seuls 13% affirment que leur organisation obtient des performances nettement meilleures grâce à elle.

Nous appelons ces entreprises des organisations transformatrices : des sociétés dont les employés disent que l’IA a significativement amélioré les performances et les résultats de l’organisation.

Nous avons interrogé 6 000 travailleurs du numérique à temps plein aux États-Unis, au Royaume-Uni et en Australie, échangé avec des dizaines de leaders de l’IA, et analysé des interactions d’IA en entreprise anonymisées et agrégées issues de la plateforme d’IA d’entreprise de Glean afin de comprendre ce qui les distingue.

La différence la plus surprenante tient à la manière dont leurs employés passent leur temps.

Les employés des organisations qui ne constatent aucun impact, un impact négatif ou restent dans l’incertitude consacrent 49% de leur temps lié à l’IA à l’utilisation directe d’outils d’IA. Dans les organisations transformatrices, ce chiffre tombe à 27%.

Ils n’évitent pas l’IA. Ils consacrent davantage de leur temps lié à l’IA au travail qui l’entoure : fournir du contexte, vérifier les résultats, intégrer les outputs dans de vrais workflows et décider quand l’IA ne doit pas être utilisée.

C’est la différence entre l’activité IA et l’impact IA.

Ils mesurent les résultats, pas seulement l’activité

De nombreuses organisations suivent l’IA via ce qui est le plus simple à compter :

• Tokens consommés
• Prompts soumis
• Outils activés
• Agents créés
• Lignes de code générées
• Taux de connexion et d’adoption

Ces métriques peuvent indiquer si les employés utilisent l’IA. Elles ne peuvent pas dire si le travail est exact, utile ou prêt à avancer.

Les organisations transformatrices mesurent l’IA selon 5 dimensions en moyenne, contre 3 dans les autres organisations. Elles sont plus susceptibles de suivre la qualité, la productivité, le temps gagné, les compétences en IA, l’engagement des employés et la croissance du chiffre d’affaires.

Cette vision plus large compte, car chaque métrique indique aux employés ce que l’organisation valorise. Elles façonnent la manière dont les employés définissent la réussite et là où ils choisissent d’investir leur attention. 

Dans les organisations qui ne mesurent que la productivité, 74% des employés déclarent faire du botshitting. Cela signifie livrer un travail généré par l’IA qu’ils n’ont pas suffisamment relu, qu’ils ne comprennent pas pleinement ou qu’ils ne pourraient pas défendre avec assurance. Dans les organisations qui mesurent à la fois la productivité et la qualité, ils sont 64% à le faire.

Le même schéma apparaît dans la manière dont les employés jugent le résultat. Là où les organisations mesurent la qualité en plus de la productivité, 83% des employés disent que l’IA a amélioré la qualité de leur travail. Dans les environnements centrés uniquement sur la productivité, 68% disent la même chose.

Les métriques d’activité gardent de la valeur. Elles peuvent montrer quels outils sont utilisés, où l’adoption progresse et quels workflows peuvent avoir besoin de soutien. Mais elles doivent s’accompagner de mesures qui répondent à une question plus importante : le travail s’améliore-t-il ?

Ils transforment les données d’usage en feedback

Qui peut voir les données d’usage de l’IA compte presque autant que ce que l’organisation suit.

Les organisations transformatrices sont plus susceptibles de surveiller l’usage de l’IA :

• 73% le suivent, contre 44% des autres organisations.
• 71% laissent les employés consulter leurs propres données d’usage, contre 40%.

Quand les données d’IA ne remontent que vers le haut, les employés peuvent les vivre comme de la surveillance ou comme un score de performance. Ils pilotent la métrique, cachent les endroits où les outils créent des problèmes et adoptent la version de l’adoption que la direction semble récompenser.

Quand les employés peuvent voir eux-mêmes les données, cela peut soutenir de meilleures questions :

• Où l’IA fait-elle gagner du temps ?
• Quelles tâches demandent plus de relecture que de valeur créée ?
• Où les équipes sortent-elles à répétition des systèmes approuvés ?
• Quels workflows produisent de meilleurs résultats ?
• La qualité et l’expérience employé s’améliorent-elles en parallèle de l’adoption ?

L’objectif n’est pas de classer les employés selon l’usage qu’ils font de l’IA. Il s’agit de donner aux équipes une vision plus claire de là où l’IA améliore le travail et de là où elle doit évoluer.

Ils rendent la gouvernance applicable

La plupart des organisations ont une politique IA. Cela ne signifie pas que les employés savent quoi faire lorsque la décision devient difficile.

La gouvernance compte lorsqu’une échéance approche, que l’outil approuvé produit une réponse faible et qu’un système non approuvé semble mieux fonctionner. Elle compte lorsqu’une personne décide si un agent peut agir, à quelles informations il peut accéder et à quel point son travail doit être relu.

Les organisations transformatrices clarifient ces décisions. Par rapport aux autres organisations, elles sont plus susceptibles de :

• Revoir régulièrement leur politique IA : 93% contre 55%
• Expliquer pourquoi la politique existe : 91% contre 57%
• Rendre claires les conséquences des violations : 85% contre 56%
• Définir qui peut créer ou déployer des agents IA : 89% contre 61%

La gouvernance fonctionne lorsque les employés disposent de consignes claires qu’ils peuvent appliquer de manière réaliste aux décisions auxquelles ils font face au quotidien.

Si les employés ne comprennent pas la raison d’une règle, ils sont plus susceptibles de la voir comme une friction. Si le système approuvé ne peut pas accomplir la tâche, ils chercheront une autre option. Si la responsabilité du déploiement des agents n’est pas claire, les équipes peuvent se retrouver avec des workflows dupliqués, des contrôles incohérents et personne clairement responsable en cas de problème.

Le résultat d’une meilleure gouvernance, c’est la confiance. 93% des employés dans les organisations transformatrices disent faire confiance à la stratégie IA de leur entreprise, contre 57% ailleurs.

Les employés qui ont confiance dans la stratégie de leur organisation ont aussi 28% moins de chances de chercher activement un autre emploi.

Les employés ont besoin de plus qu’une liste de règles. Ils doivent comprendre ce que l’organisation cherche à accomplir, où se situent les limites et qui reste responsable de ce que l’IA produit.

Ils commencent par le travail

Pour de nombreuses organisations, la stratégie IA commence par la technologie qu’elles possèdent déjà.

Un fournisseur ajoute de l’IA à un produit existant. Un contrat s’étend. Un nouvel outil devient disponible. On demande alors aux équipes de trouver où l’utiliser.

Cette séquence facilite la mesure de l’adoption, mais elle ne garantit pas que la technologie répond aux problèmes les plus importants de l’organisation ni qu’elle s’intègre au travail. 

Les organisations qui comblent l’écart commencent par identifier où le travail est bloqué :

• Quels transferts ralentissent les équipes ?
• Où les employés reconstruisent-ils sans cesse le contexte ?
• Quel travail doit être refait en aval ?
• Quelles décisions stagnent parce que la bonne information arrive trop tard ?
• Où les clients ou les employés sont-ils régulièrement frustrés ?
• Quelles tâches devraient être automatisées ?
• Quelles parties nécessitent encore un jugement humain ?

Ensuite, elles choisissent la technologie adaptée à ces problèmes.

Les employés des organisations transformatrices sont moins susceptibles de dire que les fournisseurs existants contraignent leur stratégie IA : 33% contre 49% ailleurs. Ils sont aussi plus susceptibles de décrire les déploiements d’IA comme collaboratifs avec les fournisseurs : 78% contre 44%.

Commencer par le travail change la définition du succès. Activer l’outil ne suffit pas. La vraie mesure est de savoir si le flux de travail s’améliore.

Cette amélioration peut venir de la suppression d’un transfert lent, de la réduction du travail répétitif, de l’aide apportée à une personne pour prendre une meilleure décision, ou de la création de capacité que l’équipe peut utiliser ailleurs.

Ils donnent à l’IA un contexte complet, pas seulement un accès

Choisir le bon flux de travail n’est que la première étape. Les organisations doivent aussi s’assurer que l’IA dispose du contexte nécessaire pour exécuter ce travail efficacement.

Donner à un système d’IA l’accès aux données de l’entreprise n’est pas la même chose que lui donner le contexte nécessaire pour utiliser ces données correctement.

L’accès permet à l’IA de récupérer un document ou un enregistrement. Le contexte l’aide à comprendre :

• Si l’information est à jour
• Quelle source fait autorité
• Comment l’information se rapporte à la tâche
• Quelles définitions internes s’appliquent
• Ce que l’employé est autorisé à voir ou à faire
• Ce qui doit se passer ensuite

Ce contexte se trouve souvent réparti sur plusieurs systèmes ou dans l’expérience de l’employé qui réalise le travail.

Un outil d’IA peut être capable de récupérer toutes les prévisions sans savoir laquelle est définitive. Il peut trouver le processus officiel sans comprendre la solution de contournement que l’équipe utilise en pratique. Il peut faire ressortir le bon dossier client sans savoir quelle partie de cet historique compte pour la décision.

53% des employés disent que des informations critiques dont ils ont besoin ne sont pas accessibles via leurs systèmes d’IA.

Quand ce contexte manque, les employés comblent eux-mêmes les lacunes. Ils copient des informations dans les prompts, réexpliquent la tâche à répétition, comparent des réponses contradictoires et déplacent le travail vers des outils non approuvés lorsque les systèmes approuvés ne peuvent pas aider.

Les employés dans des environnements d’IA riches en contexte rapportent une expérience différente :

• 18% se sentent épuisés par l’IA, contre 50% dans des environnements pauvres en contexte.
• 26% livrent un travail qu’ils ne peuvent pas expliquer, contre 54%.
• 21% utilisent des outils non approuvés, contre 53%.
• 48% relancent des prompts d’un outil à l’autre, contre 70%.

Un meilleur contexte ne supprime pas le besoin de revue humaine. Il réduit le travail répétitif que les employés doivent accomplir avant que la revue puisse vraiment commencer.

Lorsque l’IA peut travailler avec un contexte d’entreprise fiable, à jour et respectant les autorisations, les employés passent moins de temps à rendre l’outil utilisable et plus de temps à décider quoi faire du résultat.

Ils investissent dans les personnes

Donner aux employés l’accès à l’IA ne crée pas, à lui seul, la maîtrise.

Les personnes ont besoin de temps pour apprendre où un outil aide, où il échoue et quel travail nécessite encore leur jugement. Les organisations doivent aussi montrer que ces compétences comptent.

Les employés des organisations transformatrices sont plus susceptibles de dire que leur entreprise :

• Fournit suffisamment de formation et de support IA : 90% contre 52%
• Récompense formellement les compétences IA : 84% contre 48%
• Reconnaît publiquement les contributions IA utiles : 83% contre 48%
• Donne aux employés les compétences IA dont ils ont besoin : 93% contre 70%

Ces investissements aident les employés à développer leur jugement grâce au travail réel, plutôt que de « jouer » la maîtrise pour un tableau de bord d’adoption.

Les managers ont aussi un rôle important ici.

Les managers qui obtiennent de très bons résultats avec l’IA (des employés qui signalent des gains à la fois de productivité et de qualité du travail grâce à l’IA) délèguent 32% de travail de coordination en plus à l’IA que les autres managers. Des tâches comme la rédaction de mises à jour routinières, la synthèse de réunions, la préparation de suivis et la collecte de contexte peuvent créer plus de temps pour le coaching, le feedback, la priorisation et le développement des compétences.

L’IA peut faire avancer une partie du travail. Les managers doivent encore aider les personnes à améliorer le travail, et le jugement qui le sous-tend.

Ils repensent le travail au lieu d’ajouter du volume

La différence la plus nette se situe peut-être dans ce que les organisations transformatrices font du temps que l’IA libère.

L’IA peut accélérer une tâche existante sans changer la façon dont l’organisation travaille. L’employé finit plus tôt, reçoit davantage du même travail et continue d’opérer dans le même processus. Le temps gagné disparaît dans davantage de volume, de revue et de nettoyage.

90% des employés des organisations transformatrices disent que leur employeur considère l’IA comme une opportunité de repenser le travail, contre 54% ailleurs.

Repenser le travail signifie décider :

• Quelles étapes peuvent disparaître entièrement
• Quelles tâches ne nécessitent plus une personne
• Où le jugement humain doit encore guider
• Qui reste responsable lorsque l’IA contribue
• Quelles compétences les employés doivent acquérir ensuite
• À quoi doit servir le temps que l’IA fait gagner

Ces choix déterminent si l’IA crée de meilleurs résultats, plus de production, ou plus de travail à absorber pour les employés.

Supprimer une étape répétitive peut libérer du temps pour l’analyse, le travail client, le coaching ou de meilleures décisions. Automatiser la partie d’un rôle dans laquelle les employés développent une expertise et un jugement peut affaiblir les capacités dont l’organisation dépend encore.

La technologie crée de la capacité. La conception du travail détermine si cette capacité se transforme en valeur.

L’avantage se joue autour du modèle

Les outils d’IA continueront de s’améliorer, et davantage d’organisations auront accès aux mêmes capacités sous-jacentes.

Cela rend l’adoption plus facile à réaliser et moins significative comme facteur de différenciation.

Ce qui est plus difficile à copier, c’est tout ce qui se trouve autour du modèle, y compris le contexte de l’entreprise dont il peut se servir, les standards de qualité appliqués à ses résultats, les décisions qu’il est autorisé à prendre, et les personnes qui savent quand s’y fier et quand intervenir.

Ce sont des choix organisationnels.

Les entreprises qui comblent l’écart entre l’adoption de l’IA et son impact ne s’en remettent pas à un meilleur modèle pour régler le problème à leur place. Elles mettent en place les mesures, la gouvernance, le contexte et la conception du travail nécessaires pour transformer des résultats plus rapides en un travail auquel l’entreprise peut se fier.

Lisez l’intégralité du Work AI Index 2026 pour voir comment les organisations comblent l’écart entre l’adoption de l’IA et l’impact métier.