When everyone has AI and the company still learns nothing
- Auteur
- Robert Glaser
- Thème
- Leadership
- Mots-clés
- adoption IA, apprentissage organisationnel, productivité, ROI, gouvernance
- Ton
- opinion
Résumé
Robert Glaser, en s'appuyant sur les travaux d'Ethan Mollick (« Making AI Work: Leadership, Lab, and Crowd »), pose une question simple et inconfortable : est-ce que vos équipes utilisent l'IA, ou est-ce que votre organisation apprend d'elle ? Les gains individuels de productivité ne se transforment pas automatiquement en gains collectifs. La plupart des boîtes en sont à mesurer l'usage de licences sans avoir mis en place le mécanisme qui transforme une découverte individuelle en capacité d'équipe puis d'organisation. Sans ce mécanisme, les tokens dépensés produisent des cyborgs solitaires plutôt qu'une boîte qui apprend.
💡 Pourquoi ça compte
Pour tout dirigeant tech qui a déployé Copilot ou ChatGPT Enterprise et se demande pourquoi le ROI ne se voit pas dans les chiffres : le problème n'est probablement pas la technologie, c'est le mécanisme d'apprentissage organisationnel qui manque. Cette source rappelle qu'à l'ère de l'IA, l'avantage compétitif ne vient pas de la possession de l'outil, mais de la capacité à transformer les apprentissages individuels en capacités collectives.
Analyse approfondie
Ethan Mollick écrit depuis longtemps sur l'adoption de l'IA dans les organisations. Dans Making AI Work: Leadership, Lab, and Crowd, il défend une thèse simple : les gains de productivité individuels que produit l'IA ne deviennent pas automatiquement des gains organisationnels. Les gens peuvent devenir plus rapides, mieux écrire, analyser plus, automatiser davantage, ou silencieusement se transformer en versions cyborgs d'eux-mêmes. L'entreprise, elle, peut n'apprendre presque rien.
Beaucoup d'entreprises arrivent maintenant dans la phase où les licences GitHub Copilot sont provisionnées, où ChatGPT Enterprise existe quelque part dans le stack, où Claude, Gemini ou Cursor apparaissent par poches, et où chaque équipe a au moins une personne beaucoup plus avancée que ce que le matériel d'enablement officiel suppose. Une partie de ce mouvement est visible, une grande partie ne l'est pas. Le management voit l'usage des licences (« où est le ROI sur les 2 millions d'euros payés à Anthropic l'an dernier ? »), peut-être des comptes de prompts, peut-être un sondage, peut-être quelques PoCs internes qui paraissent suffisamment encourageants pour finir dans un deck de comité de pilotage. Dans d'autres boîtes, l'IA est partie directement à l'IT et y est morte.
La question centrale que pose Glaser est : qu'est-ce qui a changé parce qu'on a dépensé ces tokens ? Et au-delà : qui déplace les découvertes de l'individu vers l'équipe, puis de l'équipe vers les capacités de l'organisation ? Si personne ne le fait, alors chaque ingénieur réinvente sa façon d'utiliser l'IA dans son coin. Quand il part, son savoir part avec lui. La boîte n'a pas appris.
Glaser identifie une structure tripartite (en écho à Mollick) :
- Leadership : ceux qui définissent la posture stratégique et les arbitrages
- Lab : un noyau d'expérimentation explicite, où on teste, on documente, on capitalise
- Crowd : la masse des utilisateurs quotidiens, qui découvrent en faisant
Les boîtes qui apprennent vraiment sont celles qui ont les trois — et surtout, qui ont mis en place un mécanisme de circulation entre les trois. Sans circulation, le crowd avance, le lab sait sans pouvoir diffuser, le leadership pilote à l'aveugle.
Les outils ne suffisent pas. Les politiques internes, les comités de gouvernance, les newsletters internes "AI tips of the week" non plus, si elles ne sont pas adossées à un vrai retour d'usage. Ce qui manque, c'est l'infrastructure de capture — au sens littéral : capter une découverte, l'évaluer, la formaliser en pattern réutilisable, la diffuser, la maintenir.
Le plus dur est culturel. Les ingénieurs qui sont en avance n'ont pas toujours envie de partager (parce que ça leur donne un avantage individuel), ou n'ont pas le temps, ou n'ont pas le format pour le faire. Le management ne sait pas toujours quelles questions poser. Et les processus d'évaluation valorisent rarement la diffusion.