L’IA s’est imposée comme le sujet dominant dans le monde des affaires et au-delà. Si certains y voient un outil utile pour rédiger leurs e-mails ou un divertissement permettant de générer leur portrait dans le style de Miyazaki, dans les entreprises, l’utilisation et l’application de l’IA sont stratégiques. 88 % des entreprises déclarent utiliser régulièrement l’IA dans au moins une fonction (Singla et al. 2025), même si la majorité d’entre elles sont encore dans des phases d’expérimentation et de pilotage (Singla et al. 2025). Mais si un tiers des entreprises ont commencé à déployer leurs programmes d’IA à grande échelle (Singla et al. 2025) et communiquent souvent largement sur leur intégration de l’IA, la réalité est que l’utilisation de l’IA à grande échelle, c’est-à-dire à travers toute l’organisation et dans de multiples fonctions, est loin d’être une réalité.

L’IA est encore au stade de potentiel : elle a la possibilité d’amener des transformations à petite ou grande échelle, souligne le professeur Aaron J Barnes, spécialiste de la recherche sur le comportement interculturel des consommateurs. Mais son impact réel, contrairement à tous nos souhaits, n’est pas encore très clair.

On s'attendrait à ce que son adoption à grande échelle augmente à mesure que la technologie progresse et devient plus efficace dans l’exécution des tâches. Étrangement, la recherche suggère que ce n’est pas le cas. Non seulement l’adoption de l’IA est inégale (elle varie selon les régions géographiques), mais son acceptation l’est également. Barnes souligne la disparité entre les pays “occidentaux” et “orientaux”, les premiers percevant un avantage dans les applications spécifiques de l’IA et les seconds considérant l’IA comme un avantage global pour la société (Barnes et al. 2024).

Barnes postule que cette division est liée aux différences de valeurs culturelles entre les pays. La différence entre les valeurs individualistes et collectivistes, et la force avec laquelle elles s’expriment dans le contexte culturel d’un pays donné peut influencer par exemple l’adoption de l’IA.

S’il vous semble tout à fait rationnel de “se mettre à l’IA”, les croyances et les valeurs culturelles jouent un rôle crucial dans la définition de ces évidences qui nous semblent partagées : la “rationalité”, voire la “réussite”. “L’élément le plus pertinent qui diffère culturellement dans sa signification est peut-être la définition du soi.” (Barnes et al. 2024). Cela est d’autant plus pertinent que la technologie est de plus en plus utilisée comme outil de médiation dans les relations entre le “soi” et les autres. Les limites de ces relations sont définies et varient en fonction d’un contexte culturel spécifique, ce qui signifie que l’IA peut être considérée comme une extension du soi ou externe au soi.

Barnes montre que lorsque l'IA est vue comme externe à soi mais pas plus puissante, elle peut être perçue comme une menace, en particulier dans des contextes culturels à tendance individualiste. Par exemple, dans les contextes occidentaux, la résistance s’exprime face à l’automatisation dans des domaines qui touchent l’identité (comme les activités créatives ou artisanales) par crainte de perdre le contrôle ou le sens de leur geste. En revanche, lorsque l’IA est considérée à la fois comme externe et plus puissante que soi, elle est souvent mieux acceptée, des facteurs tels que la religiosité peuvent renforcer la confiance dans l’IA. Lorsque l’IA est vue comme une extension du soi, elle peut être mieux acceptée, car nous attribuons à l’IA des caractères familiers, ceux de l’intelligence humaine. Les cultures où la croyance prédominante est que l’intelligence augmente graduellement, telles que les cultures d’Asie de l’Est et du Sud, peuvent plus facilement faire confiance à l’IA lorsque sa capacité d’apprentissage est mise en avant.

Par conséquent, l’intégration de l’IA dans les entreprises relève davantage d’un défi culturel que technologique. Les différences de représentations entre les lieux, les métiers et les âges agissent sur la perception de l’IA et sur son adoption. Alors comment faciliter cette adoption et, surtout, sa mise en œuvre réussie au sein des entreprises ?

Le rapport du MIT qui fait l’état des lieux de l’IA dans les entreprises en 2025 met en évidence une “fracture de l’IA générative”. Il suggère que le déploiement à grande échelle de l’IA dans les entreprises a un faible retour sur investissement, mesuré en fonction de l’impact sur le compte de résultat (Aditya Challapally et al. 2025). Il conclut que la plupart des IA d’entreprise (c’est-à-dire d’IA internes) ne parviennent pas à atteindre la phase de production et de mise en œuvre (une conclusion discutable selon d’autres experts).

Bien évidemment, les pratiques réelles débordent des process officiels, et la plupart des employés déclarent utiliser régulièrement et de manière informelle une IA générative sur un abonnement personnel dans leurs tâches individuelles, tout en ayant des difficultés à adopter l’IA générative interne de leur entreprise. Ils se plaignent que ces IA internes manquent de mémoire et de capacités d’apprentissage, mais surtout qu’elles sont ironiquement déconnectées des flux de travail et des processus existants.

Le problème d’adoption n’est donc pas là où nous le pensons et est plus complexe. La “fracture de l’IA générative” n’est pas l’incapacité des collaborateurs à utiliser l’IA dans leurs pratiques quotidiennes, mais l’incapacité des entreprises à mailler leurs IA internes avec les pratiques quotidiennes des collaborateurs. Cette inadéquation classique dans le déploiement des programmes informatiques amène les collaborateurs à utiliser “leurs” LLM de manière informelle, car ils ressentent le besoin de ces outils flexibles et réactifs — mais en s’exposant à des failles de sécurité et de diffusion de l’information.

Il existe donc un paradoxe qui offre aux entreprises l’occasion de comprendre le besoin et l’application stratégique de l’IA générative dans leur activité au lieu de se lancer aveuglément dans la course à l’IA. Les services informatiques et les fonctions chargées de mettre en place l’IA d’entreprise doivent d’abord essayer de comprendre très précisément les besoins des employés et des fonctions commerciales en matière d’IA, qui sont susceptibles d’être très diversifiées au sein de l’entreprise, et spécifiques à chaque fonction.

Cela nécessite d’ouvrir un dialogue entre toutes les fonctions et services à long terme, d’impliquer activement les différentes parties prenantes et de s’engager dans la co-construction d’outils d’IA générative afin qu’ils soient mis en œuvre et adoptés avec succès. Cela ouvre la voie à la création de solutions d’IA génératives collectives et adaptées au contexte et donc au plus proche des besoins individuels permettant la réalisation de la stratégie de l’entreprise.

Illustration :Calculating Empires: A Genealogy of Technology and Power Since 1500 By Kate Crawford and Vladan Joler (2023)