IA : vos managers ne résistent pas, ils saturent

L’adoption de l’IA bute rarement sur la technologie, et presque jamais sur le comité exécutif. Elle bute un étage plus bas, chez les managers de proximité, à qui l’on demande en même temps de vérifier ce que produit la machine, de former leurs équipes à s’en servir et de tenir les mêmes délais qu’avant. Une recherche de Harvard Business School publiée en juin 2026 décrit cette mécanique avec précision. Voici ce qu’elle change pour votre plan de déploiement, et les quatre décisions à prendre avant la prochaine vague d’outils.

Sommaire

• Où l’adoption de l’IA bloque réellement
• Ce qu’on voit en interrogeant trois étages d’un même cabinet
• Les trois charges nouvelles qui atterrissent sur le manager
• Une couche déjà à saturation avant l’arrivée de l’IA
• Le manager reste le levier d’adoption le plus puissant
• Tous les chantiers d’adaptation atterrissent au même étage
• Une consigne uniforme sur une couche hétérogène
• Quatre décisions à prendre avant la prochaine vague

Où l’adoption de l’IA bloque réellement

Le point de rupture se situe rarement au sommet de l’organisation, ni à sa base. Il se situe à l’étage intermédiaire, celui des managers qui doivent convertir une ambition en gestes quotidiens. Quand cette couche sature, l’outil reste installé, les usages restent superficiels, et la valeur attendue ne remonte jamais jusqu’au compte de résultat.

Gallup mesure cet écart. Dans son rapport State of the Global Workplace 2026, construit sur des données collectées de janvier à décembre 2025 auprès de 263 810 répondants dans plus de 140 pays, l’institut américain observe que les salariés dont le manager soutient activement l’usage de l’IA sont 8,7 fois plus susceptibles d’affirmer que l’IA a changé la quantité de travail qu’ils abattent [3]. Moins d’un salarié sur trois déclare bénéficier de ce soutien.

Un facteur qui multiplie par près de neuf la probabilité d’un usage réel, présent dans moins d’un cas sur trois, voilà le vrai gisement de votre programme IA. Il ne se trouve ni dans le choix du modèle, ni dans le nombre de licences achetées, ni dans le calendrier de déploiement.

Reste à comprendre pourquoi ce soutien manque si souvent. L’explication la plus courante consiste à invoquer la résistance au changement. Les travaux publiés cette année racontent une autre histoire, moins confortable pour les directions qui conçoivent les programmes.

Ce qu’on voit en interrogeant trois étages d’un même cabinet

Une recherche menée dans deux grands cabinets de conseil montre que l’IA ne produit pas le même effet selon l’étage hiérarchique. Elle élargit le périmètre des associés, elle accélère nettement les juniors, et elle alourdit les managers coincés entre les deux. Le résultat net d’un déploiement dépend entièrement de cette couche du milieu.

Julia Shin et Sandra J. Sucher, de la Harvard Business School, ont publié le 26 juin 2026 dans la Harvard Business Review les enseignements de dix-huit entretiens semi-directifs menés auprès d’associés, de managers et de consultants juniors dans deux grands cabinets [1]. Le cadre est celui d’une étude qualitative : elle ne livre pas de pourcentage, elle livre un mécanisme.

Au sommet, les associés utilisent l’IA pour élargir leur périmètre, livrer plus vite avec des équipes plus légères et repenser leurs offres. À la base, les consultants juniors rapportent des gains de productivité importants. Au milieu, les managers héritent d’un travail nouveau : valider les productions de la machine, repérer les erreurs qu’elle glisse dans un livrable par ailleurs impeccable, et former leurs équipes à un usage dont personne ne leur a enseigné les règles. La pression de livraison n’a pas bougé, et les auteurs relèvent l’absence de structure de soutien formelle sur cette couche.

Le conseil est un terrain d’observation commode, avec sa pyramide hiérarchique nette et son adoption précoce. La prudence reste de mise, deux cabinets et dix-huit entretiens ne font pas une population. Mais le mécanisme se retrouve partout où existe une chaîne junior, manager, dirigeant : une direction financière, un service client, une collectivité.

Les trois charges nouvelles qui atterrissent sur le manager

Trois tâches apparaissent en même temps sur le poste du manager : vérifier ce que produit l’IA, repérer les erreurs dissimulées dans un texte plausible, et apprendre à son équipe à s’en servir correctement. Aucune des trois n’existait il y a deux ans. Aucune n’a été retirée du reste de sa charge en contrepartie.

La première coûte plus cher qu’il n’y paraît. Relire un livrable produit par un humain débutant est une tâche familière : les erreurs y sont visibles, souvent signalées par des hésitations dans le texte. Relire une production d’IA demande un effort différent, parce que la forme est toujours assurée et que rien ne signale l’endroit où le raisonnement a dérapé. Le manager doit reconstruire mentalement le chemin, sans les indices habituels.

La deuxième est un travail de formation déguisé. Apprendre à une équipe quand faire confiance à une sortie de modèle, quand la contester, quand ne pas l’utiliser du tout, cela relève de l’ingénierie pédagogique. On le confie pourtant à des managers sans contenu, sans méthode et sans temps dédié, en supposant que la compétence se diffusera par imprégnation. J’ai détaillé ailleurs pourquoi les plans de formation à l’IA visent encore le mauvais geste, celui du prompt plutôt que celui de la supervision.

Une couche déjà à saturation avant l’arrivée de l’IA

Cette charge nouvelle vient se poser sur un étage déjà tendu. Près d’un manager sur deux déclare travailler plus dur qu’un an auparavant, et l’engagement des managers a reculé de neuf points en trois ans à l’échelle mondiale. L’IA n’a pas créé cette fatigue. Elle arrive dessus.

Gartner a publié le 29 avril 2026 les résultats d’une enquête menée en novembre et décembre 2025 auprès de 2 947 salariés et managers : 47 % des managers interrogés déclarent travailler plus dur qu’un an plus tôt [5]. Le cabinet américain relève aussi qu’ils consacrent environ neuf heures par semaine, soit plus de 20 % de leur temps de travail, aux préoccupations personnelles et émotionnelles de leurs équipes.

Le rapport Gallup complète le tableau par un chiffre qui devrait figurer dans tout comité de pilotage IA : l’engagement des managers est passé de 31 % en 2022 à 22 % en 2025, la baisse la plus marquée de toutes les catégories de collaborateurs [3]. Le périmètre est mondial, et le mouvement est régulier plutôt qu’accidentel.

Ces deux chiffres ne parlent pas d’IA. Ils décrivent le terrain sur lequel vous posez votre programme. Un dispositif d’adoption qui suppose de la disponibilité chez les managers construit sur une ressource déjà consommée ailleurs.

Le manager reste le levier d’adoption le plus puissant

Aucun autre facteur ne produit un écart comparable. Quand le manager utilise l’IA devant son équipe et autorise ouvertement l’essai, l’usage décolle. Quand il se contente de relayer la consigne reçue d’en haut, il ne se passe presque rien. C’est le facteur le plus discriminant mesuré par les grandes enquêtes publiées en 2026.

Microsoft, l’éditeur américain de logiciels, a publié le 5 mai 2026 son Work Trend Index, construit sur une enquête menée du 18 février au 20 avril 2026 par Edelman Data x Intelligence auprès de 20 000 salariés utilisateurs d’IA dans dix marchés, dont la France [4]. Deux résultats méritent votre attention. Quand les managers montrent eux-mêmes leur usage de l’IA, les salariés rapportent 17 points de valeur perçue en plus. Et lorsque le manager installe un climat où l’essai est permis, les salariés sont 1,4 fois plus susceptibles d’être des utilisateurs fréquents d’IA agentique, ces systèmes qui enchaînent des tâches en autonomie au lieu de se contenter de répondre.

Vous tenez là le paradoxe complet. Le manager est simultanément le levier le plus efficace et la ressource la plus consommée. Tant que les deux constats restent dans des rapports séparés, le programme continue de miser sur une couche qu’il épuise.

Tous les chantiers d’adaptation atterrissent au même étage

Regardez la liste des actions que les entreprises engagent pour s’adapter à l’IA : refondre les processus de travail, recruter de nouveaux profils, renforcer la montée en compétences. Les trois passent par le manager de proximité pour se concrétiser. Aucune des trois ne le désigne comme un poste à outiller en priorité.

Le cabinet d’audit et de conseil KPMG a publié le 23 juillet 2026 l’édition estivale de son AI Pulse, enquête menée auprès de plus de 2 145 dirigeants de niveau C dans vingt pays [2]. Côté français, les trois premières actions d’adaptation de la main-d’oeuvre sont la refonte des processus pour intégrer l’IA au quotidien (47 %), le recrutement de profils spécialisés comme les architectes IA (43 %) et le renforcement des programmes de montée en compétences (41 %). Trois chantiers, un seul point d’atterrissage : l’équipe, donc son manager.

La même enquête pointe une spécificité française qui aggrave la charge. 31 % des entreprises françaises citent la difficulté à comprendre le comportement des agents IA comme un frein majeur à leur déploiement, contre 21 % au niveau mondial. Un agent désigne ici un système qui exécute une séquence d’actions par lui-même, par exemple traiter une demande client de bout en bout. Quand personne ne sait expliquer pourquoi il a produit ce résultat, la question remonte au manager, qui n’a ni la réponse ni le mandat pour l’obtenir.

C’est le même angle mort que celui repéré du côté de l’organisation du travail : on redessine les postes des équipes sans redessiner celui du manager, alors que c’est le sien qui absorbe la totalité des effets de bord.

Une consigne uniforme sur une couche hétérogène

Les managers ne réagissent pas tous de la même manière à l’arrivée de l’IA, et une consigne unique produit donc des résultats très inégaux. Un sceptique, un attentiste et un catalyseur n’ont besoin ni du même cadre, ni du même soutien, ni de la même incitation. Les traiter en bloc revient à n’en atteindre qu’un tiers.

Gleb Tsipursky propose dans la Harvard Business Review du 1er septembre 2026 une grille en cinq profils : les sceptiques, les traditionnalistes attentistes, les applicateurs prudents, les expérimentateurs enthousiastes et les catalyseurs [6]. Il s’agit d’une tribune d’expert et non d’une enquête, ce qui en fait une grille de lecture utile plutôt qu’une mesure de terrain.

Son intérêt pratique est immédiat. Avant de lancer une vague de déploiement, un DRH peut positionner ses managers sur ces cinq cases en une heure d’atelier. La cartographie dit où placer l’effort : les catalyseurs ont besoin de temps et de visibilité, les applicateurs prudents de règles écrites sur ce qui est autorisé, les sceptiques d’une réponse honnête sur ce que l’IA change à leur propre poste.

Cette dernière question mérite d’être traitée frontalement. Un manager qui soupçonne que l’outil qu’on lui demande de promouvoir réduira à terme la taille de son équipe, donc son périmètre, a une raison rationnelle de traîner des pieds. Laisser cette question sans réponse coûte plus cher que d’y répondre mal.

Quatre décisions à prendre avant la prochaine vague

Première décision : nommer la charge et la retirer ailleurs. Écrivez noir sur blanc les heures que la validation des productions d’IA et l’accompagnement de l’équipe ajoutent au poste de manager. Puis décidez ce qui sort en échange : un reporting, une réunion hebdomadaire, un périmètre. Une charge ajoutée sans contrepartie se paye en qualité de supervision, donc en incidents.

Deuxième décision : écrire qui valide quoi. Définissez par type de livrable le niveau de vérification attendu et la personne qui tranche en cas de désaccord entre la machine et l’équipe. Sans cette règle, chaque manager invente la sienne, et le niveau de risque de l’entreprise devient impossible à connaître.

Troisième décision : former les managers avant les équipes. Le contenu n’est pas le même : les équipes ont besoin de savoir se servir de l’outil, les managers ont besoin de savoir juger une sortie, corriger un usage et arbitrer. Cette compétence de supervision se construit, elle ne se déduit pas de l’ancienneté. L’inscrire comme telle dans votre référentiel suppose de raisonner en compétences plutôt qu’en intitulés de poste.

Quatrième décision : mesurer autre chose que les licences. Le nombre de comptes actifs ne dit rien de la valeur produite. Suivez deux indicateurs : la part de managers qui utilisent l’outil devant leur équipe, et le temps de validation moyen par livrable. Le premier prédit l’adoption, le second détecte la saturation avant qu’elle ne se voie dans les délais.

Conclusion

Les programmes d’IA sont conçus pour deux populations, les dirigeants qui décident et les équipes qui produisent. La couche qui fait tenir l’ensemble reçoit les consignes des uns et les questions des autres, sans budget propre ni temps dégagé. Les entreprises qui traiteront le poste de manager comme un poste à redessiner, au même titre que ceux de leurs équipes, verront leur adoption décoller. Les autres continueront de commander des enquêtes pour comprendre pourquoi leurs outils sont installés partout et utilisés nulle part.

Caroline Prat

Questions fréquentes

Comment savoir si mes managers sont saturés plutôt que réticents ?

Posez-leur deux questions : combien de temps leur prend la vérification des productions d’IA chaque semaine, et qu’ont-ils arrêté de faire depuis. Un manager réticent conteste l’intérêt de l’outil. Un manager saturé décrit précisément le travail supplémentaire et son coût.

Faut-il former les managers avant ou en même temps que les équipes ?

Avant, avec un contenu différent. Un manager formé après son équipe se retrouve à arbitrer des usages qu’il ne maîtrise pas, position intenable qui produit soit du blocage, soit de la validation automatique. Quelques semaines d’avance suffisent.

Le chiffre de 47 % de managers qui travaillent plus dur concerne-t-il la France ?

Non, il provient d’une enquête Gartner menée fin 2025 auprès de 2 947 salariés et managers, sans découpage français publié. La donnée française disponible vient de l’AI Pulse KPMG de juillet 2026, qui porte sur les freins au déploiement plutôt que sur la charge des managers.

Que répondre à un manager qui craint pour son propre poste ?

La vérité connue, y compris quand elle est incomplète. Dire ce qui est décidé, ce qui ne l’est pas et à quelle échéance le sera. Une incertitude nommée se gère, une incertitude niée se transforme en freinage silencieux sur tout le programme.

Sources

1. Julia Shin et Sandra J. Sucher, AI Adoption Is Overloading Your Middle Managers, Harvard Business Review, 26 juin 2026. Étude qualitative fondée sur dix-huit entretiens semi-directifs dans deux grands cabinets de conseil.
2. KPMG, AI Pulse, édition été 2026, 23 juillet 2026. Enquête auprès de plus de 2 145 dirigeants de niveau C dans vingt pays, avec un focus sur les organisations françaises.
3. Gallup, State of the Global Workplace 2026. Données collectées de janvier à décembre 2025 auprès de 263 810 répondants dans plus de 140 pays et territoires.
4. Microsoft, Work Trend Index 2026, 5 mai 2026. Enquête menée du 18 février au 20 avril 2026 par Edelman Data x Intelligence auprès de 20 000 salariés utilisateurs d’IA dans dix marchés, dont la France.
5. Gartner, Gartner HR Survey Finds 47% of Managers Say They Are Working Harder Than One Year Ago, 29 avril 2026. Enquête menée en novembre et décembre 2025 auprès de 2 947 salariés et managers.
6. Gleb Tsipursky, Middle Managers Will Make or Break AI Adoption, Harvard Business Review, 1er septembre 2026. Tribune d’expert.