Votre programme IA a délivré.
Vos équipes ne s'en servent pas.
Votre programme IA a délivré.
Vos équipes ne s'en servent pas.
Votre programme IA a délivré.
Vos équipes ne s'en servent pas.
Le modèle est en production. Le déploiement s'est passé dans les délais. Les équipes ont été formées.
Et six mois après le go-live, les pratiques n'ont pas changé. Les analyses se font toujours à la main.
Les décisions se prennent toujours sur les mêmes bases qu'avant. L'outil existe. Il ne structure pas le travail réel.
Pas parce que les équipes sont réfractaires à l'IA. Parce que personne n'a eu pour mandat de faire changer leurs pratiques.
Le modèle est en production. Le déploiement s'est passé dans les délais. Les équipes ont été formées.
Et six mois après le go-live, les pratiques n'ont pas changé. Les analyses se font toujours à la main. Les décisions se prennent toujours sur les mêmes bases qu'avant. L'outil existe.
Il ne structure pas le travail réel. Pas parce que les équipes sont réfractaires à l'IA.
Parce que personne n'a eu pour mandat de faire changer leurs pratiques.
Le modèle est en production. Le déploiement s'est passé dans les délais. Les équipes ont été formées. Et six mois après le go-live, les pratiques n'ont pas changé. Les analyses se font toujours à la main.
Les décisions se prennent toujours sur les mêmes bases qu'avant. L'outil existe. Il ne structure pas le travail réel. Pas parce que les équipes sont réfractaires à l'IA. Parce que personne n'a eu pour mandat de faire changer leurs pratiques.
Le problème n'est pas humain. Il est organisationnel.
Le problème n'est pas humain.
Il est organisationnel.
Le secteur de l'IA a produit un consensus qui arrange tout le monde : si un programme échoue à transformer les pratiques, c'est un problème d'adoption.
Et l'adoption, c'est l'affaire du change management. Formation, communication, sponsors, relais opérationnels. La boîte à outils est connue. Et pourtant, les pratiques ne changent pas.
La raison est plus simple et plus dérangeante : le programme IA s'arrête à la livraison. La DSI livre, le métier reçoit, et entre les deux, le vide. Ce qui devrait commencer à ce moment-là (le travail de faire changer les pratiques dans les équipes métier) n'a ni responsable désigné, ni budget, ni indicateurs. Il est traité comme un sous-produit naturel du déploiement.
Ce n'est pas un problème de technologie. Ce n'est pas un problème humain. C'est un problème de gouvernance : il n'existe pas, dans la plupart des organisations, de responsable désigné pour l'ancrage opérationnel post-déploiement.
Le secteur de l'IA a produit un consensus qui arrange tout le monde : si un programme échoue à transformer les pratiques, c'est un problème d'adoption.
Et l'adoption, c'est l'affaire du change management. Formation, communication, sponsors, relais opérationnels. La boîte à outils est connue. Et pourtant, les pratiques ne changent pas. La raison est plus simple et plus dérangeante : le programme IA s'arrête à la livraison.
La DSI livre, le métier reçoit, et entre les deux, le vide. Ce qui devrait commencer à ce moment-là (le travail de faire changer les pratiques dans les équipes métier)
n'a ni responsable désigné, ni budget, ni indicateurs. Il est traité comme un sous-produit naturel du déploiement.
Ce n'est pas un problème de technologie. Ce n'est pas un problème humain.
C'est un problème de gouvernance : il n'existe pas, dans la plupart des organisations, de responsable désigné pour l'ancrage opérationnel post-déploiement.
Le secteur de l'IA a produit un consensus qui arrange tout le monde : si un programme échoue à transformer les pratiques, c'est un problème d'adoption. Et l'adoption, c'est l'affaire du change management. Formation, communication, sponsors, relais opérationnels. La boîte à outils est connue. Et pourtant, les pratiques ne changent pas. La raison est plus simple et plus dérangeante : le programme IA s'arrête à la livraison. La DSI livre, le métier reçoit, et entre les deux, le vide. Ce qui devrait commencer à ce moment-là (le travail de faire changer les pratiques dans les équipes métier) n'a ni responsable désigné, ni budget, ni indicateurs.
Il est traité comme un sous-produit naturel du déploiement.
Ce n'est pas un problème de technologie.
Ce n'est pas un problème humain. C'est un problème de gouvernance : il n'existe pas, dans la plupart des organisations, de responsable désigné pour l'ancrage opérationnel post-déploiement.
Pourquoi le change management classique ne suffit pas
Pourquoi le change management classique
ne suffit pas
Pourquoi le change management classique ne suffit pas
Le change management a été conçu pour accompagner les déploiements. Il est structuré pour réduire la résistance pendant la phase de transition. Il se termine quand le système est en production.
Mais la transformation des pratiques commence précisément à ce moment-là. Les équipes découvrent les cas d'usage réels, pas ceux imaginés en atelier.
Elles identifient les situations où l'outil est inadapté. Elles développent des contournements, légitimes ou non. Et sans quelqu'un pour piloter cette phase, pour arbitrer entre ce qui doit changer dans l'outil et ce qui doit changer dans les pratiques, le programme se stabilise à un niveau d'utilisation bien en-deçà de sa promesse.Les plans de formation ne résolvent pas ce problème non plus. Une journée de formation explique comment utiliser un outil. Elle ne change pas la façon dont un analyste structure sa journée, priorise ses analyses, prend ses décisions. Ce sont des comportements ancrés, qui changent sous la pression d'une gouvernance opérationnelle. Pas d'une session de formation.
Le change management a été conçu pour accompagner les déploiements. Il est structuré pour réduire la résistance pendant la phase de transition. Il se termine quand le système est en production. Mais la transformation des pratiques commence précisément à ce moment-là. Les équipes découvrent les cas d'usage réels, pas ceux imaginés en atelier.
Elles identifient les situations où l'outil est inadapté. Elles développent des contournements, légitimes ou non. Et sans quelqu'un pour piloter cette phase, pour arbitrer entre ce qui doit changer dans l'outil et ce qui doit changer dans les pratiques, le programme se stabilise à un niveau d'utilisation bien en-deçà de sa promesse.Les plans de formation ne résolvent pas ce problème non plus. Une journée de formation explique comment utiliser un outil.
Elle ne change pas la façon dont un analyste structure sa journée, priorise ses analyses, prend ses décisions. Ce sont des comportements ancrés, qui changent sous la pression d'une gouvernance opérationnelle. Pas d'une session de formation.
Le change management a été conçu pour accompagner les déploiements. Il est structuré pour réduire la résistance pendant la phase de transition. Il se termine quand le système est en production.
Mais la transformation des pratiques commence précisément à ce moment-là. Les équipes découvrent les cas d'usage réels, pas ceux imaginés en atelier.
Elles identifient les situations où l'outil est inadapté. Elles développent des contournements, légitimes ou non.
Et sans quelqu'un pour piloter cette phase, pour arbitrer entre ce qui doit changer dans l'outil et ce qui doit changer dans les pratiques, le programme se stabilise à un niveau d'utilisation bien en-deçà de sa promesse.Les plans de formation ne résolvent pas ce problème non plus. Une journée de formation explique comment utiliser un outil. Elle ne change pas la façon dont un analyste structure sa journée, priorise ses analyses, prend ses décisions.
Ce sont des comportements ancrés, qui changent sous la pression d'une gouvernance opérationnelle. Pas d'une session de formation.
La gouvernance que personne ne pilote
La gouvernance que personne ne pilote
Sur les programmes de transformation IA et data, nous observons systématiquement l'absence d'une phase de gouvernance distincte : celle de l'ancrage opérationnel. Cette phase a ses propres caractéristiques. Elle n'est pas technique : le déploiement est terminé. Elle n'est pas projet : il n'y a plus de livrable.
Elle est entièrement organisationnelle.
Elle exige un responsable dont le mandat est précis : s'assurer que les pratiques changent. Pas que l'outil est utilisé, que les pratiques changent. La nuance est décisive. Un outil peut être utilisé de façon marginale sans que les comportements de fond aient évolué. Le vrai indicateur n'est pas le taux d'utilisation, c'est le changement de comportement mesurable : est-ce que les décisions se prennent différemment ? Est-ce que les processus ont été restructurés autour des nouvelles capacités ? Est-ce que les équipes savent quand ne pas utiliser l'outil, ce qui suppose qu'elles ont internalisé quand l'utiliser ?
Ce responsable travaille avec le management de proximité, pas à côté. Il aide les managers à piloter le changement dans leurs équipes, à identifier les résistances réelles (pas les résistances déclarées) et à arbitrer entre les ajustements de l'outil et les ajustements des comportements.
Sur les programmes de transformation IA et data, nous observons systématiquement l'absence d'une phase de gouvernance distincte : celle de l'ancrage opérationnel. Cette phase a ses propres caractéristiques.
Elle n'est pas technique : le déploiement est terminé. Elle n'est pas projet : il n'y a plus de livrable. Elle est entièrement organisationnelle.
Elle exige un responsable dont le mandat est précis : s'assurer que les pratiques changent.
Pas que l'outil est utilisé, que les pratiques changent. La nuance est décisive. Un outil peut être utilisé de façon marginale sans que les comportements de fond aient évolué. Le vrai indicateur n'est pas le taux d'utilisation, c'est le changement de comportement mesurable : est-ce que les décisions se prennent différemment ? Est-ce que les processus ont été restructurés autour des nouvelles capacités ? Est-ce que les équipes savent quand ne pas utiliser l'outil, ce qui suppose qu'elles ont internalisé quand l'utiliser ?
Ce responsable travaille avec le management de proximité, pas à côté. Il aide les managers à piloter le changement dans leurs équipes, à identifier les résistances réelles (pas les résistances déclarées) et à arbitrer entre les ajustements de l'outil et les ajustements des comportements.
Ce que ça change concrètement
Ce que ça change concrètement
Les organisations qui désignent explicitement un responsable de l'ancrage post-déploiement obtiennent des résultats différents à douze mois. Pas parce qu'elles ont plus de ressources dédiées au changement, mais parce qu'elles ont une gouvernance dont le critère de succès n'est pas le go-live, c'est l'ancrage.
Elles savent aussi identifier plus tôt les programmes qui n'atterriront pas dans les conditions actuelles. Et faire le choix, difficile mais nécessaire, d'arrêter ou de recadrer avant d'avoir dépensé deux ans de budget sur un programme dont les pratiques n'auront pas bougé.
Le test est simple. Prenez un programme IA considéré comme déployé et posez la question aux managers opérationnels :
quelles pratiques ont disparu depuis le go-live ? Pas quels outils ont été installés. Pas quelles formations ont été réalisées. Quelles pratiques n'existent plus.
Si la réponse est vague, vous avez votre diagnostic. L'IA ne tient sa promesse que si quelqu'un a pour mandat explicite de faire changer les pratiques autour d'elle. Pas de livrer le projet. De faire atterrir.
Les organisations qui désignent explicitement un responsable de l'ancrage post-déploiement obtiennent des résultats différents à douze mois. Pas parce qu'elles ont plus de ressources dédiées au changement, mais parce qu'elles ont une gouvernance dont le critère de succès n'est pas le go-live, c'est l'ancrage.Elles savent aussi identifier plus tôt les programmes qui n'atterriront pas dans les conditions actuelles.
Et faire le choix, difficile mais nécessaire, d'arrêter ou de recadrer avant d'avoir dépensé deux ans de budget sur un programme dont les pratiques n'auront pas bougé.
Le test est simple. Prenez un programme IA considéré comme déployé et posez la question aux managers opérationnels :
quelles pratiques ont disparu depuis le go-live ? Pas quels outils ont été installés. Pas quelles formations ont été réalisées. Quelles pratiques n'existent plus.
Si la réponse est vague, vous avez votre diagnostic. L'IA ne tient sa promesse que si quelqu'un a pour mandat explicite de faire changer les pratiques autour d'elle. Pas de livrer le projet. De faire atterrir.
Auteur : Christoph Hatat
Date de publication : 15 Juin 2026
© 2026 Parker Conseil. Tous droits réservés.
© 2026 Parker Conseil. Tous droits réservés.
© 2026 Parker Conseil. Tous droits réservés.