IA on the job : adopter parce que les autres adoptent ?
L’adoption de l’IA peut devenir un signe de sérieux avant même que son usage soit défini. La question managériale est précise : comment décider d’un investissement lorsque l’argument principal est que les concurrents, les partenaires ou les employeurs voisins s’y mettent ?
Ce que la littérature établit
Paul J. DiMaggio et Walter W. Powell (1983, American Sociological Review) proposent un cadre théorique pour expliquer pourquoi les organisations d’un même champ tendent à se ressembler, sans que cette convergence résulte nécessairement d’une efficacité supérieure. Ils distinguent des pressions coercitives, mimétiques et normatives : exigences externes, imitation face à l’incertitude et normes professionnelles. Appliqué à l’IA, ce cadre invite à examiner ce qui motive l’adoption, plutôt qu’à prendre sa diffusion pour une démonstration de valeur.
Quand l’adoption sert aussi à paraître légitime
John W. Meyer et Brian Rowan (1977, American Journal of Sociology) développent l’idée que les structures formelles peuvent procurer de la légitimité en reprenant des modèles socialement reconnus. Ils décrivent notamment un découplage possible entre ces structures et les activités effectives. Une annonce de déploiement de l’IA, une charte ou un catalogue de formations peuvent ainsi être visibles sans que les conditions du travail aient changé : c’est une hypothèse d’analyse, non un résultat de leur article sur l’IA.
La conclusion trop rapide
Il serait excessif d’en conclure qu’imiter est toujours irrationnel ou que toute communication sur l’IA relève de l’affichage. Une exigence d’un donneur d’ordre peut constituer une contrainte réelle, et l’expérience d’un partenaire peut fournir un point de départ utile. La nuance consiste à séparer deux justifications : rester un interlocuteur reconnu et résoudre un problème opérationnel identifié. (nos formations pour cadres et collaborateurs)
Ce que ces travaux ne permettent pas de décider
Ces articles classiques sont des contributions théoriques, non des évaluations expérimentales de l’IA générative. Ils ne permettent ni de chiffrer la part des investissements motivés par l’imitation, ni de décider qu’un projet particulier est inutile. La pratique courante reste néanmoins fragile lorsqu’un dossier d’adoption documente les initiatives des concurrents, mais pas la situation de travail que l’investissement doit modifier.
Une implication pratique, vérifiable à Fribourg
Dans le cadre du programme « IA on the job » de SHR, un exercice serait de soumettre chaque usage envisagé à une fiche distinguant pression externe, problème local et résultat observable. À Fribourg, les cas pourraient porter sur une entreprise agroalimentaire, une équipe industrielle bilingue et un service du pôle universitaire, avec des critères propres à chacun plutôt qu’une obligation commune d’adopter. Avant l’arbitrage budgétaire, calculer la proportion des propositions qui comportent à la fois une situation initiale documentée, un critère de réussite et une solution possible sans IA. Cette proportion mesure la préparation de la décision, pas la valeur de l’IA ; une attente de modernité ne tient plus, à elle seule, lieu de justification opérationnelle. Pour aller plus loin : découvrez la formation IA on the job à Fribourg, ou parcourez nos formations pour cadres et collaborateurs en Suisse.
En images : IA on the job à Fribourg
- ia on the job
- Fribourg
- recherche
- formation fribourg