Le paradoxe du management intermédiaire qui bloque l'adoption de l'IA

Nils Brosch
25 sept.
6 min de lecture

Au cours des dernières décennies, les cadres intermédiaires ont été amenés à prendre la plupart des décisions d'achat en matière de nouvelles technologies (SaaS), car celles-ci sont devenues moins chères. Aujourd'hui, on leur demande d'acquérir des technologies susceptibles de réduire le nombre de leurs subordonnés directs, souvent assimilé à un pouvoir de décision. Si cette stratégie n'est pas bien menée, les cadres intermédiaires se protègent (et c'est compréhensible), à l'instar des artisans il y a 150 ans, lorsque les machines menaçaient leurs moyens de subsistance.

L'histoire que vous devez connaître

Laissez-moi vous brosser un tableau de 1816. En Angleterre, des ouvriers qualifiés du textile détruisaient littéralement des machines à coups de marteau. Il ne s'agissait pas d'actes de violence aléatoires, mais de réactions calculées de la part d'artisans qui voyaient leur savoir-faire devenir obsolète du jour au lendemain.

Mais voici ce qui est fascinant : il n'y avait pas que les ouvriers. Lorsque Frederick Taylor a introduit la gestion scientifique au début des années 1900, les contremaîtres ont résisté activement parce que les experts en efficacité usurpaient leur contrôle traditionnel. Cela vous semble familier ?

Pour être précis, nous observons actuellement la même dynamique dans les entreprises modernes. Vos cadres intermédiaires, chargés de mettre en œuvre votre vision de l'IA, sont confrontés à ce que ces contremaîtres ont connu : des « experts » externes (votre équipe IA) introduisent des systèmes qui menacent leur proposition de valeur fondamentale.

Les données derrière le problème humain de l'adoption de l'IA

Voici les chiffres qui m’ont tenu éveillé la nuit dernière :

71 % des entreprises citent la culture organisationnelle comme le principal obstacle à l’adoption de l’IA
72 % des dirigeants d'entreprise affirment que leur entreprise a rencontré au moins un défi lors de son parcours vers l'adoption de l'IA. Parmi ces obstacles figurent les luttes de pouvoir, les conflits, les cloisonnements et même le sabotage, selon le rapport Enterprise AI adoption report 2025 de Writer.
Selon certaines sources, 70 % des échecs des pilotes d’IA sont dus à des lacunes humaines et de processus, et non à la technologie elle-même.
68 % des cadres intermédiaires s'inquiètent de l'impact de l'IA sur leur carrière
Gartner prédit que 20 % des organisations utiliseront l’IA pour éliminer plus de la moitié des postes actuels de cadres intermédiaires d’ici 2026.

Mais voici le hic : pendant que vous essayez de définir une stratégie d'IA, vos managers intermédiaires protègent discrètement leur territoire. Ils ne refusent pas de mettre en œuvre l'IA ; ils ne la priorisent simplement pas. Ou bien ils trouvent des raisons pour lesquelles elle ne fonctionnera pas dans leur contexte spécifique.

Le problème de l’Empire Building

Réfléchissez à la façon dont vous mesurez la réussite managériale. Équipes plus grandes = plus d'influence = rémunération plus élevée = meilleures perspectives de carrière. Cela crée ce que j'appelle le « piège de la construction d'empire ».

Votre responsable des opérations qui supervise 15 personnes sait que si l'IA automatise 10 de ces fonctions, il en gèrera soudainement 5. Dans la plupart des cultures d'entreprise, il s'agit d'une rétrogradation, et non d'une amélioration de l'efficacité.

La vérité inconfortable : Vous avez créé des structures d'incitation qui récompensent la croissance des effectifs, puis vous vous êtes demandé pourquoi les managers résistent aux technologies de réduction des effectifs.

Une observation récente :

J'ai discuté avec un ami recruteur qui m'a confié être submergé par les postes vacants de recruteurs BDR/SDR à pourvoir actuellement. Il semble que les managers luttent contre le bruit blanc généré par l'IA sortante et la baisse des taux de conversion qui en résulte en se contentant de déployer des ressources humaines pour résoudre le problème (en développant leur empire), au lieu de se concentrer sur l'efficacité de l'IA.

Le problème des gros pointages du doigt

Contrairement à la révolution industrielle, où l'adoption de la technologie était descendante et centralisée en raison de l'ampleur des investissements à réaliser, nous sommes désormais à l'ère de ce que j'appelle la « démocratie d'achat », en raison des abonnements logiciels récurrents à moindre risque, la prise de décision s'est déplacée vers les niveaux hiérarchiques inférieurs.

Par conséquent, l’achat de technologies comme l’IA est étranger à la haute direction et constitue une menace pour la direction subalterne.

Les trois scénarios qui se déroulent actuellement

D’après mes conversations avec plus de 50 fondateurs de SaaS, je distingue trois modèles distincts :

Scénario 1 : La résistance Les cadres intermédiaires ralentissent le déploiement des initiatives d’IA. Ils ne disent pas non ; ils trouvent simplement des raisons aux retards. « Nous devons d’abord améliorer la qualité des données. » « L’équipe n’est pas prête. » « Testons-le au prochain trimestre. »

Scénario 2 : La fragmentation Les équipes adoptent les outils d'IA de manière indépendante. Vous gagnez en rapidité mais perdez en cohésion. Les données vivent dans des silos. Les outils ne s'intègrent pas. Vous payez pour des capacités qui se chevauchent.

Scénario 3 : L'évolution (c'est rare) Les cadres intermédiaires deviennent des champions de l'IA parce que vous avez redéfini ce à quoi ressemble le succès de la gestion.

Le cadre qui fonctionne réellement

Voici ce que font les entreprises qui réussissent dans ce domaine :

1. Redéfinir les indicateurs de gestion

Arrêtez de mesurer les managers à l'effectif. Mesurez plutôt la performance, l'efficacité et le développement des équipes. Un PDG m'a confié : « Nous valorisons désormais les managers qui éliminent leurs tâches superflues grâce à l'automatisation. »

2. Créer des parcours professionnels natifs de l'IA

La gestion des agents IA doit être considérée comme une véritable expérience de gestion. Workday a récemment introduit un système d'enregistrement des agents IA, traitant les IA comme des employés numériques dans sa structure organisationnelle.

3. Le modèle d'autorité hybride

Vos managers intermédiaires devraient disposer d'une autorité budgétaire pour les outils d'IA au niveau de l'équipe, mais dans le cadre de la gouvernance. Pensez à une prise de décision fédérée et à une autonomie encadrée.

4. Transformez les managers en traducteurs IA

Les implémentations d'IA les plus réussies que j'ai observées placent les cadres intermédiaires au cœur de l'interaction entre les capacités de l'IA et les besoins de l'entreprise. Ils deviennent les experts qui savent quand utiliser l'IA, quand le jugement humain est irremplaçable et à quoi ressemble un bon résultat d'IA.

5. Concentrer les responsabilités d'innovation en IA sur un seul rôle, par exemple l'ingénierie GTM par département

Les grandes entreprises disposent d'équipes IA, tandis que les plus petites commencent à recruter des ingénieurs fonctionnels, par exemple en ingénierie du recrutement, en ingénierie marketing ou en ingénierie GTM. Le problème est que la définition de ces postes reste floue et que l'expérience commerciale moyenne d'un ingénieur GTM n'est que de deux ans. Il est donc dangereux de laisser les équipes automatiser les processus ou les messages clients sans les protéger ni les maîtriser. Il est primordial de faire vérifier rigoureusement la qualité des résultats par le responsable (traducteur IA) et de centraliser les expérimentations d'innovation en IA, par exemple au sein des équipes RevOps ou Opérations.

6. L'adhésion de la direction ne suffit pas, des mandats d'IA de la direction sont nécessaires

Le PDG de Shopify, Tobias Lütke, a publié une note interne le 7 avril 2025 à l'intention du personnel de Shopify. Il y soulignait la nécessité de démontrer ses compétences en IA et de démontrer qu'un problème ne peut être résolu par l'IA, mais nécessite des effectifs supplémentaires. Cette démarche s'inscrit dans la lignée de l'adoption des machines au XVIIIe siècle, imposée d'en haut par les propriétaires d'entreprises. Si cette impulsion était laissée aux cadres intermédiaires, les incitations au changement seraient tout simplement insuffisantes, voire trop dangereuses.

Le mandat en cinq points de Shopify sur l'IA remodèle les attentes des professionnels face à l'économie numérique

Les questions que vous devez poser lundi matin

Quel pourcentage de la rémunération de vos cadres intermédiaires est lié à la taille de l'équipe ? Si ce pourcentage est important, vous encouragez la résistance à l'IA.
Combien d'outils d'IA/ML différents les équipes utilisent-elles dans votre entreprise ? Si vous ne connaissez pas la réponse, vous avez un problème de fragmentation.
Qui prend réellement la décision d'adopter de nouveaux outils d'IA dans chaque département ? Si c'est toujours le chef de département, vous avez besoin d'une stratégie plus centralisée.
Lorsque vous promouvez des managers, tenez-vous compte de leur capacité à exploiter l'IA ? Si ce n'est pas le cas, vous sélectionnez les mauvaises compétences.

La réalité inconfortable

Vos managers intermédiaires ne sont pas des obstacles à l'adoption de l'IA ; ils sont la clé de sa réussite. Mais seulement si vous cessez de les traiter comme des exécutants et commencez à les considérer comme des partenaires stratégiques de votre transformation vers l'IA.

Les entreprises qui comprendront cela en premier bénéficieront d'un avantage considérable. Elles bénéficieront des avantages de coordination de l'ancien modèle centralisé, combinés à la rapidité et à l'innovation du nouveau modèle distribué.

Ceux qui ne le feront pas finiront comme ces constructeurs britanniques qui ont ignoré les innovations de Brunel pendant des décennies, tandis que les Américains prenaient les devants.

Votre choix : faire évoluer votre couche de gestion ou regarder votre stratégie d’IA mourir en cours de route.

Les données présentées dans cet article proviennent d'études récentes de Gartner, Deloitte, Harvard Business Review et Korn Ferry, ainsi que d'une analyse historique des modèles de gestion de la révolution industrielle. Les analyses des achats SaaS s'appuient sur des enquêtes sectorielles de 2025 qui suivent la démocratisation des achats de logiciels d'entreprise.

Envoyez-moi un message pour discuter de la manière de moderniser vos processus de mise sur le marché de manière holistique, pour faire une utilisation intelligente et structurée de l'IA.