Dans bien des entreprises, l’IA générative n’a pas attendu d’être inscrite dans une feuille de route pour s’imposer : ce sont les collaborateurs eux-mêmes qui l’ont introduite pour rédiger, synthétiser ou analyser, souvent avant que la direction n’ait fixé la moindre règle. Ce mouvement ascendant impacte en premier lieu les managers, dont l’autorité reposait en partie sur un accès privilégié à l’information et sur la maîtrise de l’expertise métier. Lorsque chacun peut obtenir en quelques secondes une synthèse ou un premier jet de qualité, cet avantage s’érode. Le manager n’en devient pas superflu pour autant : son rôle se déplace vers ce que l’IA ne sait pas faire, à savoir donner du sens, arbitrer, organiser et accompagner. Encore faut-il que les directions transforment ces usages dispersés en un véritable projet collectif.
3 points clés à retenir
- L’IA menace moins la fonction de manager que son style de management : sa valeur passe à l’arbitrage, au jugement et à la responsabilité des décisions plutôt qu'au contrôle de l'information.
- Sans cadre, les usages de l’IA devancent les règles : il revient aux directions de poser un cadre évolutif et de former les managers à partir de leurs situations réelles plutôt qu’aux seuls outils.
- L’adhésion des équipes se gagne dans la relation managériale : le soutien du manager est un levier décisif d’adoption de l’IA, à condition que l’entreprise reconnaisse et allège la charge qu’il représente.
Pourquoi l’IA bouscule-t-elle la place des managers dans l’organisation ?
Contrairement à une idée répandue, les managers ne sont pas à la traîne. L’étude « Les cadres et l’IA » publiée par l’Apec en 2026 montre que 55 % d’entre eux utilisent l’IA au moins une fois par semaine, une proportion supérieure à celle de l’ensemble des cadres. Ce chiffre dit quelque chose d’essentiel : l’IA s’installe d’abord comme un outil de travail personnel, adopté au gré des besoins, bien avant de devenir un sujet d’organisation. Les managers s’en servent pour eux-mêmes ; reste à savoir ce qu’elle change à la manière dont ils dirigent.
Or c’est précisément là que l’équilibre se rompt. Une part de l’autorité managériale reposait sur une asymétrie d’information : le responsable savait avant son équipe, consolidait l’information et en contrôlait la circulation. De nos jours, lorsqu’un chargé d’études prépare seul, avec son assistant IA, l’analyse de marché que son responsable mettait plusieurs jours à produire, cette asymétrie disparaît.
Franck Lidar, dans une analyse publiée en 2026, en tire une conséquence éclairante : l’IA peut prendre en charge une partie du « comment faire », mais la décision sur le « pourquoi faire » reste humaine. Fixer les priorités, juger de la pertinence d’un résultat et en assumer la responsabilité deviennent dès lors le cœur du métier de manager. Faut-il pour autant annoncer un aplatissement massif des hiérarchies ? Le même auteur juge le mouvement déjà mesurable, notamment aux États-Unis, où plusieurs études font état d’un recul de l’encadrement intermédiaire ; ce qui demeure inconnu, en revanche, c’est la part des managers qui seront reclassés vers des fonctions d’accompagnement plutôt que supprimés.
Le risque est donc bien réel, et il pèse d’abord sur l’encadrement qui, faute de s’approprier l’outil et de redéfinir sa valeur ajoutée, pourrait perdre peu à peu sa légitimité auprès d’équipes devenues plus autonomes.
Que doivent structurer les directions : cadre, projets, compétences ?
Laisser les usages se développer sans cadre a un coût que les directions mesurent souvent trop tard. Antoine Roy, résume le phénomène dans une analyse actualisée en 2026 : « Sans cadre explicite, les usages se diffusent souvent plus vite que les règles. » L’idée est simple, mais lourde de conséquences : chaque équipe choisit alors ses outils, invente ses pratiques et décide seule des données qu’elle confie à des services extérieurs, qui n’offrent pas tous les mêmes garanties de sécurité, avec un risque de shadow IA à la clé.
Pour une direction, l’alternative devient stratégique pour reprendre la main sur l’organisation du travail et ne pas subir des choix technologiques faits équipe par équipe, ce qui suppose de :
- définir les bonnes pratiques : outils autorisés, données qui ne doivent jamais y être saisies ;
- sélectionner quelques chantiers à fort impact plutôt que de multiplier les expérimentations isolées ;
- repenser les processus de bout en bout, au lieu de greffer un outil sur des méthodes inchangées.
Encore faut-il éviter l’excès inverse. Un cadre trop rigide, fait d’interdictions ou de procédures de validation interminables, produit l’effet contraire à celui recherché : les usages ne disparaissent pas, ils se déplacent hors du regard de l’entreprise, et l’expérimentation qui aurait pu nourrir les choix collectifs s’éteint. Le bon cadre est donc évolutif, révisé à mesure que les usages mûrissent, et porté par une instance commune associant ressources humaines, informatique et métiers, seule à même d’arbitrer entre exigences techniques, organisation du travail et besoins en compétences.
Reste la question, décisive, de la formation. Selon la même étude de l’Apec, seuls 3 cadres sur 10 déclarent avoir été formés à l’IA, le plus souvent au travers de modules généralistes. Le constat est révélateur : on a appris aux salariés à se servir d’un outil, rarement à l’intégrer dans leur métier. Pour un manager, une formation utile part de ses situations réelles, qu’il s’agisse de vérifier un résultat produit par l’IA, de fixer des règles sur l’usage des données ou d’organiser le travail d’une équipe qui l’utilise au quotidien.
Quel style de management pour des équipes qui travaillent avec l’IA ?
Si la direction fixe le cadre, c’est au plus près des équipes que se joue l’adoption. L’enquête AI at Work du BCG, menée en 2025 dans 11 pays, en apporte une illustration frappante : la part des salariés de terrain qui voient l’IA générative positivement atteint 55 % lorsque le soutien de leur hiérarchie est fort, alors qu’elle reste très minoritaire en l’absence de ce soutien.
L’enseignement principal de l’étude tient moins à l’outil qu’à l’accompagnement : l’adhésion ne se décrète pas, elle se construit dans la relation de travail. Ce soutien consiste moins à contrôler qu’à poser un cadre clair, à ménager du temps pour expérimenter et à reconnaître un droit à l’erreur.
Ce rôle a toutefois un coût que les organisations sous-estiment. Accompagner une équipe dans un changement d’outils et de pratiques exige du temps, de l’attention et des compétences nouvelles. Une direction qui confie cette mission aux managers sans alléger d’autres responsabilités fragilise précisément ceux sur qui repose la transformation, et le temps gagné grâce à l’IA risque alors de se dissoudre dans une charge supplémentaire que personne ne mesure.
Cet accompagnement s’apprend d’ailleurs davantage dans les cas pratiques que dans la théorie : la formation sur-mesure, les échanges entre pairs et un temps réservé à l’expérimentation permettent aux managers d’acquérir eux-mêmes les réflexes qu’ils devront ensuite transmettre. Le contenu même du management s’en trouve modifié. Lorsqu’une partie de l’exécution est assistée, évaluer un collaborateur sur le seul volume produit perd de sa pertinence ; la qualité de son jugement, sa capacité à vérifier ce que propose l’outil et sa contribution au collectif comptent davantage.
Un rituel mensuel, au cours duquel chacun présente un usage réussi et un échec, permet également de diffuser les bonnes pratiques sans les imposer. Le manager cesse alors d’être un simple relais pour devenir un leader : celui qui relie les outils, les personnes et les choix de l’entreprise.
L’IA ne retire pas aux managers leur place ; elle leur retire un appui, celui de l’expertise exclusive, pour leur en offrir un autre, celui de l’organisation du travail et de l’accompagnement des équipes. Pour les directions, l’enjeu consiste à structurer les usages, à former au plus près des situations réelles et à reconnaître la charge que représente cette transformation. Trois points méritent d’être suivis de près : l’évolution des lignes hiérarchiques, la charge des managers et la montée en compétences des équipes.
Vous vous posez peut-être ces questions ?
Quelles compétences un manager doit-il développer en priorité ?
Trois compétences paraissent prioritaires : savoir vérifier et interpréter un résultat produit par l’IA, fixer des règles claires sur les usages et les données, et animer le partage de pratiques au sein de l’équipe. S’y ajoutent des compétences plus classiques, mais dont le poids s’accroît : donner du sens aux priorités, conduire le changement et accompagner chacun dans sa progression.
Comment mesurer si l’IA améliore réellement le travail d’une équipe ?
Le temps gagné, souvent mis en avant, ne suffit pas comme indicateur. Il est plus parlant de suivre la qualité des livrables, le temps effectivement consacré aux tâches à forte valeur, la satisfaction des clients internes ou externes et la montée en compétences de l’équipe ; une comparaison menée sur plusieurs mois en donne une image plus juste qu’un bilan ponctuel.
Faut-il nommer un référent IA dans chaque équipe ?
Un référent peut accélérer la diffusion des bonnes pratiques et faire remonter les besoins vers la direction, à condition de ne pas se substituer au manager, qui demeure responsable des priorités, de l’organisation du travail et de l’usage des données. Dans une petite équipe, un temps d’échange régulier peut suffire à jouer ce rôle.
Sources citées :
https://www.apec.fr/tendances-emploi-cadre/evolution-des-metiers-et-competences/la-banalisation-de-l-intelligence-artificielle-va-fortement-impacter-les-cadres.html
https://www.fr.adp.com/rhinfo/articles/2026/07/ia-agentique-le-management-intermediaire-face-a-deux-menaces.aspx
https://www.ey.com/fr_fr/insights/workforce/ia-au-travail-le-vrai-changement-nest-pas-technologique
https://www.bcg.com/publications/2025/ai-at-work-momentum-builds-but-gaps-remain
Cet article a été rédigé à l'aide d'un outil d'intelligence artificielle.
