Les entreprises multiplient les tests autour de l’IA, mais à peine 25 % des initiatives délivrent le retour sur investissement attendu, selon IBM. La plupart des projets de transformation autour de l’IA échouent dès la phase d’expérimentation, ou juste après. Soit bien avant leur adoption et l’obtention de résultats concrets.
Ces initiatives n’échouent pas à cause de la technologie, mais pour les raisons suivantes :
- Les équipes ont du mal à suivre. Les entreprises misent sur la technologie, mais en réalité, ce sont les compétences humaines qui font défaut. Vous vous souvenez du modèle d’apprentissage 70:20:10 ? Forbes and Boston Consulting Group en propose une version actualisée appliquée à l’IA. Selon ces analystes, une intégration réussie de l’IA repose à 10 % sur les algorithmes, à 20 % sur la technologie et à 70 % sur les personnes et les processus. La technologie n’est qu’une pièce du puzzle. Tout se joue du côté des équipes et des processus.
- Le projet pilote n’a pas été mis à l’échelle. Il est essentiel de mener des tests sur un périmètre restreint, mais la réussite d’un projet pilote ne garantit pas systématiquement un déploiement réussi à l’échelle de l’entreprise. Pour aller au-delà des démonstrations de faisabilité isolées, vos investissements en IA doivent se traduire en processus et en systèmes reproductibles. Ils doivent s’intégrer naturellement à vos flux de travail et à votre pile technologique.
- Les initiatives liées à l’IA n’ont jamais été adaptées aux besoins des entreprises ni à ceux des apprenants. Très peu d’entreprises ont franchi le cap de l’optimisation à l’échelle de l’organisation, où l’IA génère des résultats concrets. En cause : un manque d’adhésion et des initiatives déconnectées des objectifs mesurables à l’échelle de l’entreprise, ou de ses enjeux clés. Résultat, l’impact reste souvent théorique, voire purement qualitatif.
Mais alors, que faire concrètement pour relever ces défis ?
Lors du salon LENS 2026, des responsables de Yara, HubSpot, Pearson et GSK ont fait part de leur expérience après avoir réussi à passer de la phase d’expérimentation à la mise en œuvre. Découvrez les enseignements tirés de leur expérience sur le terrain, ainsi que les actions qui ont réellement fait la différence :
Ancrez vos initiatives d’IA dans la réalité de l’entreprise, pas dans l’idéalisme
Il est facile de se laisser emporter par le potentiel de l’IA, mais une implémentation réussie repose avant tout sur les besoins concrets de l’entreprise. En partant des fonctionnalités ou de l’engouement autour de la technologie, vous risquez de l’appliquer à des problèmes secondaires. Au final, cela peut susciter de l’enthousiasme, sans pour autant générer de véritable impact.
Leanne Jefferson, Global Head of Learning and Development chez Yara, souligne qu’il est important d’aligner les initiatives d’IA sur les difficultés rencontrées par l’entreprise sur le terrain. Par exemple : « Dans une organisation internationale comme Yara, il est difficile de mettre en place un accompagnement managérial de qualité, tel que le coaching, à grande échelle. »
Cela fait du coaching une excellente occasion de tester les capacités de l’IA, notamment grâce à Degreed Maestro. Plutôt que de chercher à impressionner, les équipes ont obtenu l’adhésion pour cet outil d’IA en s’appuyant sur des cas d’utilisation pertinents pour l’entreprise, en l’occurrence, le développement du leadership.
Le fait de se concentrer sur la résolution d’un problème clairement identifié a été déterminant pour convaincre les parties prenantes et susciter l’enthousiasme, malgré les changements en cours au sein de l’entreprise et une tendance à éviter les risques.
Transformer le L&D en écosystème IA cohérent
À mesure que l’IA gagne en maturité, le rôle du L&D doit lui aussi évoluer : la formation est plus que jamais un facteur essentiel à la réussite de l’entreprise. Selon l’étude McKinsey, près de 90 % des responsables souhaitent repenser le développement des compétences.
« Même si l’avenir reste incertain dans un monde façonné par l’IA, aucun scénario positif ne peut exister sans le développement des compétences humaines », explique Zoe Botterill, Head of Learning and Development chez Pearson.
Les entreprises innovantes délaissent les modèles statiques de formation en ligne au profit de systèmes dynamiques, conçus pour s’adapter en continu. Chez HubSpot, cette transformation est telle qu’aucune formation d’e-learning traditionnelle n’a été produite depuis avril 2024, et qu’elle redéfinit même les rôles métier.
« Nombre d’entre nous, autrefois concepteurs d’expériences de formation, évoluent aujourd’hui vers des rôles d’architectes de systèmes d’apprentissage basés sur l’IA, puisque nous ne produisons plus de modules e-learning », explique Jackson. Ce nouveau rôle consiste à connecter les systèmes et à amplifier le travail des premiers adeptes au sein de l’entreprise, plutôt que de tout prendre en charge de manière isolée.
Dans le cadre de la mise en place d’un système à grande échelle, la production et la diffusion des contenus de formation doivent, elles aussi, évoluer pour rester en phase avec un contexte en évolution permanente. Le temps disponible pour concevoir des expériences de formation de qualité se réduit, car les connaissances sur lesquelles elles reposent évoluent très rapidement, tandis que les cycles métiers s’accélèrent considérablement.
Pour répondre à ces enjeux, Zoe Botterill recommande d’adopter des modes de travail plus itératifs, permettant d’ajuster les contenus en continu : « Il faut lancer, adopter une logique produit, puis itérer et apprendre au fil de l’eau. »
Les capacités émergentes de l’IA renforcent cette nouvelle approche, grâce à des expériences de formation adaptatives et à des bibliothèques de contenus mises à jour automatiquement.
Créer un environnement dédié à la mise en pratique des compétences
Un avantage souvent sous-estimé des capacités de l’IA, y compris pour le développement des talents, est sa faculté à offrir un cadre sécurisant, propice à la pratique. Lorsque les collaborateurs ont besoin de s’entraîner à mettre leurs compétences en pratique, mais qu’ils ne sont pas encore tout à fait prêts à affronter des situations réelles où les enjeux sont élevés, des outils tels que les mises en situation basées sur l’IA et le coaching individuel constituent une excellente alternative.
« Personne n’aime se livrer à des mises en situation devant les autres… L’IA permet de s’entraîner, un peu comme quand on va à la salle de sport », explique Antonia Jackson, Senior Manager of Learning Innovation and Technology chez HubSpot.
Elle souligne que, lorsqu’ils utilisent Degreed Maestro pour s’entraîner à mener des conversations difficiles, les collaborateurs se montrent plus réceptifs aux retours de l’IA qu’à ceux d’un manager, qu’ils perçoivent comme étant plus neutres et dénués de jugement.
« Il faut savoir échouer, car c’est dans l’échec que l’on tire des enseignements », déclare Antonia Jackson.
Cet environnement d’entraînement sécurisé permet d’expérimenter sans pression, d’apprendre de ses erreurs et de progresser avant de se confronter à des situations réelles avec un collègue ou un manager. En plus d’être progressive et sécurisante, cette approche permet de gagner en efficacité tout en réduisant le temps de coaching nécessaire côté managers.
La gouvernance, un atout souvent sous-estimé pour étendre les projets
La gouvernance est souvent perçue comme un frein aux projets pilotes innovants dans le domaine de l’IA. Mais ce sont justement des pratiques rigoureuses en matière de protection des données et de gestion des risques qui permettent d’instaurer la confiance nécessaire à un déploiement à grande échelle. En effet, le moindre décalage initial, qu’il s’agisse des autorisations ou des intégrations, peut rapidement créer des dysfonctionnements lorsque le projet est étendu à l’ensemble de l’organisation.
Carlo Jose, Global Head of Learning and Talent Technology chez GSK, considère que les phases pilotes sont le moment idéal pour mettre à l’épreuve la gouvernance et les systèmes, afin de préparer les projets à être déployés à grande échelle : « Je suis plutôt partisan de pousser les systèmes dans leurs limites dès la phase de test, pour pouvoir ensuite les améliorer. »
Son approche consiste à repérer les failles dès les premières phases, en mobilisant des profils de différentes fonctions pour tester l’outil et en identifier les limites avant un déploiement à l’échelle de l’entreprise. Non seulement il est beaucoup plus simple de corriger les failles des systèmes de gouvernance et des systèmes techniques avant le lancement général, mais le fait de déployer dès le départ un dispositif structuré, avec une gouvernance solide, crée des conditions favorables à la réussite des équipes.
Repenser les compétences clés à l’ère du travail moderne
Les compétences évoluent, tout comme les façons de les développer et de les évaluer.
Le fait d’aborder les compétences à travers le prisme de la transformation par l’IA change en profondeur ce que les entreprises valorisent et la manière dont elles priorisent leur développement. Par exemple, Zoe Botterill explique que Pearson se concentre sur trois « compétences clés » dans un monde façonné par l’IA :
- Apprendre à apprendre : maîtriser des méthodes d’apprentissage efficaces et durables.
- Maîtrise de l’IA : intégrer l’IA dans les flux de travail du quotidien.
- Capacité d’adaptation : maintenir les performances à mesure que les progrès technologiques s’accélèrent.
Chez Yara, l’équipe formation a constaté que le développement du leadership constituait à la fois un cas d’utilisation métier pertinent et une priorité dans les investissements liés aux « personnes et aux processus ». C’est une initiative qui a également suscité une adhésion massive. Selon Leanne Jefferson, à l’issue du projet pilote avec Degreed Maestro, « le leadership coach était la fonctionnalité la mieux notée ».
Aligner l’IA sur les résultats commerciaux, une réalité opérationnelle
Les entreprises qui génèrent un réel impact ne se contentent pas d’expérimenter davantage. Elles repensent en profondeur la façon dont le travail, la technologie et les compétences s’articulent.
La transformation par l’IA n’est pas un projet ponctuel. Que vous cherchiez à la déployer rapidement comme Pearson ou à la tester en profondeur comme GSK, un point commun se dégage : l’alignement. L’alignement entre la stratégie et les résultats attendus, entre la technologie et les usages quotidiens, entre la formation et le travail réel.
Même lorsqu’il s’agit d’expérimentation, le développement des compétences humaines joue un rôle déterminant. La technologie seule ne suffit pas à garantir un déploiement durable. Pour créer de la valeur à grande échelle avec l’IA, il est essentiel de transformer en profondeur la manière dont les équipes se forment et travaillent.
Restons en contact
Je souhaite m’inscrire à la newsletter mensuelle pour me tenir informé(e) des prochains événements, bénéficier d’éclairages exclusifs et recevoir l’actualité des solutions Degreed.