Adoption de l’IA : faut-il continuer parce qu’on a déjà investi ?
Après l’achat d’un outil et la formation de l’équipe, interrompre un usage de l’IA peut sembler désavouer une décision collective. La question managériale est précise : comment décider de poursuivre sans transformer l’investissement passé en obligation de continuer ?
Ce que la littérature établit
Barry Staw (1976, Organizational Behavior and Human Performance) a étudié expérimentalement l’escalade d’engagement dans une décision d’allocation de ressources. Dans ce dispositif, la responsabilité personnelle de la décision initiale favorisait un réinvestissement après des résultats négatifs. Le résultat attire l’attention sur une difficulté managériale : la personne qui a choisi une solution n’est pas nécessairement la mieux placée pour réexaminer sereinement son financement.
Quand l’effort passé devient un argument
Hal Arkes et Catherine Blumer (1985, Organizational Behavior and Human Decision Processes) décrivent l’effet des coûts irrécupérables : avoir déjà investi de l’argent, du temps ou des efforts peut favoriser la poursuite d’une action. Leurs travaux mettent notamment en évidence le rôle du souhait de ne pas paraître gaspiller ces ressources. Appliqué à l’IA, ce mécanisme suggère une hypothèse à vérifier, et non un constat établi : les efforts de formation pourraient devenir un argument pour maintenir un usage dont l’intérêt futur reste incertain.
La conclusion trop rapide
On pourrait en déduire qu’il faut interrompre tout usage dès que les premiers résultats déçoivent. Ce serait confondre l’escalade d’engagement avec une persévérance justifiée par des bénéfices encore plausibles. Une compétence déjà acquise peut réduire les coûts futurs ; en revanche, une dépense devenue irrécupérable ne constitue pas, à elle seule, une raison de poursuivre. (nos formations pour cadres et collaborateurs)
Ce que ces données ne permettent pas de trancher
Ces études ne portent ni sur l’IA générative ni sur les équipes de travail valaisannes. Elles ne fournissent aucun seuil universel permettant de décider quand arrêter, et une poursuite après un échec ne prouve pas, à elle seule, un biais. L’examen doit également considérer les coûts de sortie, les engagements contractuels et la valeur des apprentissages encore attendus.
Une implication pratique, vérifiable à Sion
Dans le cadre du programme « Conduire l’adoption de l’IA dans son équipe », une équipe à Sion pourrait appliquer cette distinction lors de sa prochaine revue des usages. Qu’il s’agisse de documentation dans l’énergie hydraulique, de tâches administratives en santé, de contenus commerciaux en viticulture ou d’information aux visiteurs dans le tourisme alpin, chaque usage serait examiné en séparant dépenses irrécupérables, coûts futurs et bénéfices attendus. La mesure proposée est la proportion de décisions de poursuite dont le compte rendu précise un bénéfice futur vérifiable, son échéance de vérification et une alternative examinée, arrêt compris. Cet indicateur vérifie la traçabilité de l’arbitrage, non la rentabilité de l’IA ; il rend toutefois repérables les décisions justifiées seulement par « nous avons déjà investi ». Pour aller plus loin : découvrez la formation Conduire l'adoption de l'IA dans son équipe à Sion dans le canton du Valais, ou parcourez nos formations pour cadres et collaborateurs en Suisse.
En images : Conduire l'adoption de l'IA dans son équipe à Sion
- conduire l'adoption de l'ia dans son équipe
- Sion
- recherche
- formation sion