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.

Lorsque les résultats ne sont pas au rendez-vous, elles ajoutent davantage d'outils, de licences, d'agents, de directives et de tableaux de bord. Mais l'accès n'a jamais suffi. La véritable question était de savoir si l'IA pouvait fonctionner au sein des flux de travail, du contexte d'entreprise et des pratiques opérationnelles qui déterminent la façon dont le travail s'accomplit. L'adoption n'est plus la principale contrainte.

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

Pourtant, seuls 13 % affirment que leur organisation est nettement plus performante grâce à elle.

Nous appelons ces entreprises des organisations transformatrices : des entreprises dont les employés affirment que l'IA a considérablement amélioré la performance 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 responsables de l'IA et analysé des interactions anonymisées et agrégées liées à l'IA en milieu de travail issues de la plateforme d'IA d'entreprise de Glean afin de comprendre ce qui les distingue.

La différence la plus surprenante réside dans la façon dont leurs employés gèrent leur temps.

Les travailleurs des organisations qui déclarent un impact nul, négatif ou incertain consacrent 49 % de leur temps lié à l'IA à utiliser directement les outils d'IA. Dans les organisations transformatrices, ce chiffre tombe à 27 %.

Ils n'évitent pas l'IA. Ils consacrent une plus grande partie de leur temps lié à l'IA au travail qui l'entoure : fournir du contexte, vérifier les résultats, intégrer les résultats dans de véritables flux de travail et décider quand l'IA ne devrait pas être utilisée.

C'est là toute la différence entre activité liée à l'IA et impact de l'IA.

Elles mesurent les résultats, pas seulement l'activité

De nombreuses organisations suivent l'IA à travers ce qui est le plus facile à comptabiliser :

• Tokens consommés
• Requêtes soumises
• Outils activés
• Agents créés
• Lignes de code générées
• Taux de connexion et d'adoption

Ces indicateurs peuvent montrer si les employés utilisent l'IA. Ils ne peuvent pas montrer si le travail est précis, 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 économisé, les compétences en IA, l'engagement des employés et la croissance du chiffre d'affaires.

Cette vision plus large est importante car chaque indicateur indique aux employés ce que l'organisation valorise. Ils façonnent la manière dont les employés définissent le succès et choisissent de concentrer leur attention.

Dans les organisations qui mesurent uniquement la productivité, 74 % des travailleurs déclarent faire du « botshitting ». Cela signifie livrer un travail généré par l'IA qu'ils n'ont pas suffisamment examiné, qu'ils ne comprennent pas pleinement ou qu'ils ne pourraient pas défendre en toute confiance. Dans les organisations qui mesurent à la fois la productivité et la qualité, ce chiffre tombe à 64 %.

Le même schéma apparaît dans la façon dont les travailleurs jugent le résultat. Là où les organisations mesurent la qualité en plus de la productivité, 83 % des travailleurs affirment que l'IA a amélioré la qualité de leur travail. Dans les environnements axés uniquement sur la productivité, ils ne sont que 68 % à l'affirmer.

Les indicateurs d'activité conservent une valeur. Ils peuvent montrer quels outils sont utilisés, où l'adoption progresse et quels flux de travail nécessitent un accompagnement. Mais ils doivent s'accompagner de mesures qui répondent à une question plus importante : le travail s'améliore-t-il ?

Elles transforment les données d'utilisation en retours d'information

Savoir qui peut consulter les données d'utilisation de l'IA compte presque autant que ce que l'organisation mesure.

Les organisations transformatrices sont plus susceptibles de surveiller l'utilisation de l'IA :

• 73 % la suivent, contre 44 % des autres organisations.
• 71 % permettent aux employés de consulter leurs propres données d'utilisation, contre 40 %.

Lorsque les données relatives à l'IA ne remontent que vers le haut, les employés peuvent les percevoir comme une surveillance ou comme une note de performance. Ils gèrent l'indicateur, dissimulent les endroits où les outils créent des problèmes et adoptent la version de l'adoption que la direction semble récompenser.

Lorsque les employés peuvent consulter eux-mêmes les données, cela peut nourrir de meilleures questions :

• Où l'IA fait-elle gagner du temps ?
• Quelles tâches génèrent plus de vérifications que de valeur ?
• Où les personnes quittent-elles de façon répétée les systèmes approuvés ?
• Quels flux de travail produisent de meilleurs résultats ?
• La qualité et l'expérience des employés s'améliorent-elles parallèlement à l'adoption ?

L'objectif n'est pas de classer les employés selon le volume d'IA qu'ils utilisent. Il s'agit de donner aux équipes une vision plus claire des endroits où l'IA améliore le travail et de ceux où elle doit évoluer.

Elles rendent la gouvernance exploitable

La plupart des organisations disposent d'une politique en matière d'IA. Cela ne signifie pas pour autant 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 médiocre et qu'un système non approuvé semble mieux fonctionner. Elle compte lorsque quelqu'un doit décider si un agent peut agir, à quelles informations il peut accéder et avec quelle rigueur son travail doit être examiné.

Les organisations transformatrices rendent ces décisions plus claires. Comparées aux autres organisations, elles sont plus susceptibles de :

• Réviser régulièrement leur politique en matière d'IA : 93 % contre 55 %
• Expliquer pourquoi la politique existe : 91 % contre 57 %
• Clarifier 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 réellement appliquer aux décisions auxquelles ils sont confrontés au quotidien.

Si les employés ne comprennent pas la raison d'être d'une règle, ils sont plus susceptibles de la percevoir comme un frein. 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 flux de travail dupliqués, des contrôles incohérents et personne de clairement responsable lorsqu'un problème survient.

Le résultat d'une meilleure gouvernance est la confiance. 93 % des travailleurs des organisations transformatrices affirment faire confiance à la stratégie IA de leur entreprise, contre 57 % ailleurs.

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

Les employés ont besoin de plus qu'une simple 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.

Elles commencent par le travail

Pour beaucoup d'organisations, la stratégie d'IA commence par la technologie qu'elles possèdent déjà.

Un fournisseur ajoute de l'IA à un produit existant. Un contrat s'élargit. Un nouvel outil devient disponible. On demande ensuite aux équipes de trouver des endroits 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'adapte au travail. 

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

I'll review this translation carefully against the English original. Checking key sections: 1. Statistics match correctly (53%, 18%/50%, 26%/54%, 21%/53%, 48%/70%, 90%/52%, 84%/48%, 83%/48%, 93%/70%, 32%, 90%/54%). 2. "Reconnaît publiquement les contributions utiles à l'IA" - The EN is "Publicly recognizes useful AI contributions" meaning contributions made *using* AI, not contributions *to* AI. "à l'IA" implies contributions to AI, which is a slight mistranslation. Should be "les contributions utiles réalisées grâce à l'IA" or "les contributions IA utiles." 3. "permission-aware" → "conscient des autorisations" - acceptable. 4. "managers who are high AI achievers" → "les managers qui excellent dans l'IA" - acceptable. 5. HTML tags, links, hrefs all preserved correctly. The main issue is the "contributions à l'IA" mistranslation. Let me provide the correction.

• Quels transferts ralentissent les équipes ?
• Où les employés reconstruisent-ils constamment le contexte ?
• Quel travail doit être refait en aval ?
• Quelles décisions sont retardées parce que les bonnes informations arrivent trop tard ?
• Où les clients ou les employés sont-ils régulièrement frustrés ?
• Quelles tâches devraient être automatisées ?
• Quelles parties nécessitent encore le jugement humain ?

Elles choisissent ensuite la technologie adaptée à ces problèmes.

Les collaborateurs des organisations transformatrices sont moins susceptibles d'affirmer que leurs fournisseurs existants limitent leur stratégie d'IA : 33 % contre 49 % ailleurs. Ils sont aussi plus enclins à décrire les déploiements d'IA comme collaboratifs avec les fournisseurs : 78 % contre 44 %.

Partir du travail change la définition du succès. Activer l'outil ne suffit pas. La véritable mesure, c'est de savoir si le flux de travail s'améliore.

Cette amélioration peut passer par la suppression d'un transfert lent, la réduction du travail répétitif, l'aide à une prise de décision plus solide, ou la création de capacité que l'équipe peut utiliser ailleurs.

Elles 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 accès aux données de l'entreprise n'équivaut pas à 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 réside souvent dans plusieurs systèmes ou dans l'expérience de l'employé qui effectue le travail.

Un outil d'IA peut être capable de récupérer chaque prévision 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 remonter le bon dossier client sans savoir quelle partie de cet historique compte pour la décision.

53 % des collaborateurs affirment que les informations essentielles dont ils ont besoin ne sont pas accessibles via leurs systèmes d'IA.

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

Les collaborateurs évoluant dans des environnements d'IA riches en contexte décrivent une expérience différente :

• 18 % se sentent épuisés par l'IA, contre 50 % dans les 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 sur plusieurs outils, contre 70 %.

Un meilleur contexte n'élimine pas le besoin d'une revue humaine. Il réduit le travail répétitif que les employés doivent accomplir avant qu'une revue pertinente puisse commencer.

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

Elles investissent dans les personnes

Donner aux employés accès à l'IA ne crée pas à lui seul une maîtrise.

Les gens 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 collaborateurs des organisations transformatrices sont plus susceptibles d'affirmer que leur entreprise :

• Offre suffisamment de formation et d'accompagnement en matière d'IA : 90 % contre 52 %
• Récompense formellement les compétences en IA : 84 % contre 48 %
• Reconnaît publiquement les contributions utiles réalisées grâce à l'IA : 83 % contre 48 %
• Donne aux employés les compétences en IA dont ils ont besoin : 93 % contre 70 %

Ces investissements aident les employés à développer leur jugement grâce à un travail réel, plutôt qu'à simuler une maîtrise pour un tableau de bord d'adoption.

Les managers ont aussi un rôle important à jouer ici.

Les managers qui excellent dans l'IA (les collaborateurs qui rapportent des gains à la fois en productivité et en qualité de 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 de routine, la synthèse de réunions, la préparation de suivis et la collecte d'informations contextuelles peuvent libérer 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 gens à améliorer le travail, et le jugement qui le sous-tend.

Elles repensent le travail au lieu d'augmenter le volume

La différence la plus nette réside peut-être dans ce que les organisations transformatrices font du temps que l'IA leur fait gagner.

L'IA peut rendre une tâche existante plus rapide sans changer la façon dont l'organisation travaille. L'employé termine plus tôt, reçoit davantage du même travail et continue à opérer au sein du même processus. Le temps gagné se dissipe dans un volume plus élevé, des revues et des corrections.

90 % des collaborateurs des organisations transformatrices affirment que leur employeur considère l'IA comme une opportunité de repenser le travail, contre 54 % ailleurs.

Repenser le travail, c'est décider :

• Quelles étapes peuvent disparaître entièrement
• Quelles tâches ne nécessitent plus de personne
• Où le jugement humain doit encore primer
• Qui reste responsable lorsque l'IA contribue
• De quelles compétences les employés auront besoin ensuite
• Où doit aller le temps que l'IA fait gagner

Ces choix déterminent si l'IA génère de meilleurs résultats, une production accrue ou simplement plus de travail à absorber pour les collaborateurs.

Supprimer une étape répétitive peut libérer plus de temps pour l'analyse, la relation client, l'accompagnement ou des décisions plus solides. Automatiser la partie d'un poste où les collaborateurs développent leur expertise et leur jugement peut affaiblir les compétences 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 situe autour du modèle

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

Cela rend l'adoption plus facile à atteindre et moins pertinente comme facteur de différenciation.

Ce qui est plus difficile à copier, c'est tout ce qui entoure le modèle, notamment le contexte d'entreprise qu'il peut exploiter, les normes de qualité appliquées à sa production, 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 le fossé de l'impact de l'IA n'attendent pas qu'un meilleur modèle le résolve à leur place. Elles mettent en place la mesure, la gouvernance, le contexte et la conception du travail nécessaires pour transformer une production plus rapide en un travail auquel l'entreprise peut se fier.

Lisez l'intégralité du Work AI Index 2026 pour découvrir comment les organisations comblent le fossé entre l'adoption de l'IA et l'impact sur l'entreprise.