L’IA dans les organisations, un défi que la technologie ne résout pas seule.

Intégrer l’intelligence artificielle dans une organisation, c’est aujourd’hui une priorité stratégique affichée — dans les collectivités territoriales, les établissements publics, les associations, les entreprises. Les annonces se multiplient. Les expérimentations aussi.

Et pourtant, les résultats tardent. Les projets s’enlisent. Les équipes résistent. Les usages attendus ne s’installent pas.

Ce n’est pas une surprise si l’on regarde les chiffres : le taux d’échec des projets IA est estimé à 85 %. La cause majeure identifiée par les chercheurs et les praticiens n’est pas technique. C’est une mauvaise analyse du besoin — autrement dit, un problème d’organisation, de gouvernance, de dialogue interne.

C’est précisément ce point que cet article veut mettre en lumière : la gouvernance de l’IA dans les organisations est d’abord un sujet organisationnel. Et si on la traite comme tel, les chances de succès durable augmentent considérablement.

Qu’est-ce que la gouvernance de l’IA dans une organisation ?

Définition : La gouvernance de l’IA dans une organisation désigne l’ensemble des structures, processus et instances qui permettent de piloter l’intégration de l’intelligence artificielle de façon transparente, inclusive et alignée sur les valeurs de l’organisation. Elle ne se limite pas au contrôle technique des outils : elle organise le dialogue entre les agents, les décideurs, les usagers et les experts pour que l’IA reste sous contrôle collectif.

La gouvernance de l’IA répond à trois questions fondamentales :

• Qui décide de ce que l’IA peut ou ne peut pas faire dans l’organisation ?
• Qui surveille les effets réels de l’IA sur le travail, les données, les droits des personnes ?
• Qui arbitre quand des tensions apparaissent entre efficacité technique et valeurs humaines ?

Sans réponse claire à ces trois questions, l’IA ne « gouverne » pas : elle dérive.

Pourquoi les projets IA échouent : les angles morts de l’intégration

1. L’angle mort du besoin : on déploie avant de comprendre

Le premier angle mort est le plus documenté. Les organisations commencent par la solution — « on va utiliser l’IA pour X » — sans avoir clairement défini le problème que X est censé résoudre. Les agents qui vivent le problème au quotidien ne sont pas consultés. Les usages réels divergent des usages anticipés. Le projet échoue non parce que l’outil est mauvais, mais parce qu’il ne répond pas au bon problème.

C’est la raison principale des 85 % d’échec.

Source : The Root Causes of Failure for Artificial Intelligence Projects and How They Can Succeed

2. L’angle mort du temps : l’intégration n’est pas un événement, c’est un processus

L’intégration de l’IA dans une organisation prend du temps — beaucoup plus que les calendriers de déploiement ne le prévoient. Or, la plupart des gouvernances de projet IA sont conçues pour le démarrage, pas pour la durée.

Le temps est l’angle mort le plus sous-estimé de l’intégration de l’IA. Les équipes ont besoin de temps pour comprendre l’outil, pour en tester les limites, pour construire des usages pertinents, pour identifier les cas problématiques. Ce temps n’est jamais intégré dans les plannings. Il n’est pas budgété. Il n’est pas gouverné.

Résultat : les organisations déploient vite, puis constatent que l’outil « n’est pas utilisé » — alors qu’en réalité, personne n’a donné aux agents le temps d’apprendre à l’utiliser de manière critique. (Lire notre article complet sur le sujet)

3. L’angle mort de la maîtrise collective : quelques-uns savent, les autres subissent

Jürgen Habermas, philosophe de la démocratie délibérative, rappelait déjà la nécessité de maîtriser « collectivement la technique » pour éviter qu’elle ne devienne une force autonome échappant au contrôle humain. Cette mise en garde, formulée il y a plusieurs décennies, est d’une actualité brûlante face à l’IA générative.

Dans la plupart des organisations, l’IA est maîtrisée par quelques personnes — le DSI, le référent numérique, un ou deux agents « early adopters ». Le reste de l’équipe utilise sans comprendre, ou n’utilise pas du tout par méfiance. Cette asymétrie crée une fracture interne qui fragilise le projet et exclut ceux dont l’expertise métier est pourtant indispensable pour orienter correctement l’IA.

Une gouvernance de l’IA digne de ce nom redistribue la maîtrise. Elle organise la montée en compétences de tous les membres de l’équipe, pas seulement des experts techniques.

4. L’angle mort éthique : on optimise, on n’évalue pas

L’IA optimise. C’est sa nature. Mais optimiser quoi, au bénéfice de qui, avec quels effets sur les personnes ? Ces questions ne se posent que si une instance est explicitement chargée de les poser. Sans gouvernance éthique active, les projets IA dérivent vers une logique d’efficacité pure qui finit par entrer en conflit avec les valeurs de l’organisation — et parfois avec le droit.

---

L’approche organisationnelle : s’appuyer sur les leviers de l’organisation apprenante

Face à ces angles morts, la réponse n’est pas d’ajouter une couche de contrôle technique. C’est de traiter l’intégration de l’IA comme un projet d’organisation apprenante.

L’organisation apprenante est un modèle dans lequel le collectif de travail capitalise en continu sur ses expériences, ses erreurs et ses réussites pour ajuster ses pratiques. Elle s’appuie sur trois piliers : la réflexivité collective (on analyse ce qu’on fait), la transparence (on partage ce qu’on sait), la régulation par le dialogue (on ajuste par la délibération, pas par l’injonction).

Ces trois piliers sont exactement ce dont un projet IA a besoin pour ne pas dériver.

Concrètement, dans un projet IA, cela implique de :

• Organiser des espaces de discussion sur les finalités de l’IA et ses impacts sur le travail réel — pas seulement sur les gains de productivité
• Encourager la réflexion critique sur les biais, les erreurs, les limites des outils déployés
• Valoriser la transparence dans les choix techniques et dans l’usage des données
• Intégrer des perspectives pluridisciplinaires — éthique, droit, sciences sociales, expertise métier — pour enrichir le pilotage
• Donner du temps : du temps pour apprendre, pour tester, pour remonter les difficultés

Un modèle de gouvernance à quatre instances pour les organisations

S’appuyer sur les clés de l’organisation apprenante conduit à structurer la gouvernance de l’IA autour de quatre instances complémentaires, chacune avec un rôle distinct et une composition adaptée.

Ce modèle a été développé et expérimenté dans le contexte des collectivités territoriales françaises, où la dimension politique, éthique et sociale de l’intégration de l’IA est particulièrement prégnante. Il est transposable à toute organisation publique ou privée qui intègre l’IA dans ses processus de travail.

Instance 1 — Le COPIL+ : instance d’arbitrage stratégique

Rôle : Le COPIL+ valide les orientations stratégiques du projet IA, arbitre les tensions structurelles entre efficacité, éthique et droit, et s’assure que l’intégration de l’IA reste alignée sur les valeurs de l’organisation. C’est l’instance de décision et d’arbitrage juridique.

Composition recommandée : Direction générale (DGS/DGA dans les collectivités), décideurs politiques ou dirigeants référents, représentants des organisations syndicales, référent IA de l’organisation.

Ce que fait le COPIL+ : Il ne pilote pas les usages au quotidien. Il fixe le cadre, valide les grandes orientations, intervient quand une tension ne peut pas être résolue à un niveau inférieur. Il répond à la question : « Dans quel type d’organisation voulons-nous utiliser l’IA ? »

---

Instance 2 — Le COP-IA : instance opérationnelle et apprenante

Rôle : Le COP-IA est le cœur vivant de la gouvernance de l’IA. C’est là que se jouent les usages réels, que se documentent les cas limites, que se produisent les recommandations concrètes à destination du COPIL+.

Composition recommandée : Agents utilisateurs volontaires, référents métiers, formateurs internes, référent IA.

Ce que fait le COP-IA : Il teste les évolutions avant déploiement. Il remonte les usages réels — y compris les usages détournés ou problématiques. Il documente les cas limites. Il produit des recommandations structurées et circonstanciées. C’est l’instance de la connaissance opérationnelle, là où les agents qui font le travail participent à la gouvernance de l’outil qui transforme leur travail.

Le COP-IA répond à la question : « Comment ça se passe vraiment sur le terrain ? »

---

Instance 3 — Le CEC : instance de régulation éthique

Rôle : Le Comité d’Éthique et de Contrôle évalue les impacts de l’IA sur les droits fondamentaux des agents et des usagers. Il identifie les biais systémiques. Il peut formuler des avis contraignants en cas de dérive documentée.

Composition recommandée : Experts indépendants (juriste, éthicien, sociologue), représentant des usagers du service, Délégué à la Protection des Données (DPO), agent de terrain désigné par tirage au sort.

Ce que fait le CEC : Il évalue, pas seulement de manière formelle mais de manière substantielle. Le tirage au sort d’un agent de terrain dans sa composition est un signal fort : la régulation éthique ne se fait pas uniquement « en haut » ou « en dehors ». Elle mobilise le vécu des personnes directement concernées.

Le CEC répond à la question : « L’IA que nous utilisons respecte-t-elle les personnes ? »

---

Instance 4 — Le CVC : instance de surveillance et d’alerte

Rôle : Le Comité de Veille et de Contrôle monitore en continu les indicateurs de dérive — taux de contestation des décisions assistées par IA, patterns d’erreurs récurrentes, usages détournés. Il collecte les remontées spontanées des agents et des usagers, et déclenche les alertes selon une procédure définie.

Composition recommandée : Équipe pluridisciplinaire incluant des profils data, des agents métiers et un représentant des usagers.

Ce que fait le CVC : Il surveille en temps réel ce que le COPIL+ n’a pas la granularité pour voir. Il est l’instance de la vigilance continue. Sans lui, les dérives ne sont détectées qu’après coup, quand elles ont déjà produit leurs effets.

---

Ce que ce modèle change concrètement

Ce modèle à quatre instances n’est pas une bureaucratie supplémentaire. C’est une architecture de dialogue qui rend possible ce qui est ordinairement impossible dans la gestion des projets IA : que les personnes qui subissent les effets de l’IA participent à sa gouvernance.

Il change trois choses en profondeur :

1. Il distribue la responsabilité. La gouvernance de l’IA n’est plus l’affaire exclusive de la DSI ou de la direction. Elle est partagée entre des instances aux logiques complémentaires — décision, terrain, éthique, surveillance.

2. Il organise la remontée d’information. Les usages réels, les cas limites, les effets non prévus remontent structurellement vers les instances décisionnelles. Sans cette remontée, les pilotes naviguent à l’aveugle.

3. Il crée un espace légitimé pour le désaccord. Quand un agent identifie un problème avec un outil IA, il n’a pas à « résister » en secret ou à contourner. Il a une voie de remontée légitime — le COP-IA, le CVC — qui sera entendue. C’est une condition essentielle pour que l’IA soit perçue comme un outil au service du travail, et non comme une menace.

---

Gouvernance de l’IA et cadre réglementaire : une opportunité, pas une contrainte

Le Règlement européen sur l’intelligence artificielle (AI Act), entré en application progressive depuis 2024, impose aux organisations qui utilisent des systèmes IA à haut risque de mettre en place des mécanismes de surveillance humaine, de transparence et de traçabilité. Les collectivités territoriales sont particulièrement concernées, notamment pour les systèmes IA utilisés dans les décisions affectant les usagers (attribution de services, analyse de dossiers, etc.).

Le modèle à quatre instances décrit ci-dessus n’est pas seulement un outil de bonne gouvernance interne. C’est aussi une réponse opérationnelle aux exigences de l’AI Act — COPIL+ pour les décisions de déploiement, CEC pour l’évaluation des risques, CVC pour la surveillance continue, COP-IA pour la documentation des usages réels.

Traiter la gouvernance de l’IA comme un sujet organisationnel, c’est donc aussi se donner les moyens d’une conformité réglementaire qui ne soit pas seulement formelle, mais substantielle.

---

Questions fréquentes sur la gouvernance de l’IA dans les organisations

La gouvernance de l’IA s’applique-t-elle aux petites structures ?
Oui, à condition d’adapter les instances à la taille de l’organisation. Dans une petite structure, les quatre instances peuvent se traduire par des réunions dédiées avec des personnes qui portent plusieurs casquettes, plutôt que par des comités distincts. L’essentiel est que les quatre fonctions — décision stratégique, remontée terrain, régulation éthique, surveillance — soient assurées par quelqu’un, explicitement.

Faut-il un expert technique dans chaque instance ?
Non — et c’est précisément le point. La gouvernance de l’IA ne doit pas être réservée aux experts techniques. Le COP-IA est composé d’agents utilisateurs qui n’ont pas besoin d’être experts en IA pour remonter des usages problématiques ou documenter des cas limites. La diversité des profils est une force, pas une faiblesse.

Par où commencer pour mettre en place cette gouvernance ?
L’étape zéro est le diagnostic : identifier qui, dans votre organisation, remplit aujourd’hui chacune des quatre fonctions (même imparfaitement). Puis construire les instances à partir de ce qui existe, sans repartir de zéro. Le COP-IA est souvent le plus facile à lancer — c’est l’instance la plus proche du terrain et la plus immédiatement utile pour les équipes.

Quel est le lien entre gouvernance de l’IA et organisation apprenante ?
La gouvernance de l’IA telle que nous la décrivons ici est une pratique d’organisation apprenante. Elle organise la capitalisation des expériences terrain (COP-IA), l’évaluation critique (CEC), la vigilance continue (CVC) et la prise de décision éclairée (COPIL+). Une organisation qui pratique déjà la démarche apprenante a déjà une partie de l’infrastructure nécessaire.

La gouvernance de l’IA freine-t-elle l’innovation ?
Non — elle la sécurise. Les projets IA qui échouent (85 % d’entre eux) ne manquent pas d’innovation technique : ils manquent de structure pour ancrer cette innovation dans les réalités du travail et les valeurs de l’organisation. Une bonne gouvernance accélère l’adoption durable là où une absence de gouvernance produit un déploiement rapide suivi d’un abandon silencieux.

---

Conclusion : gouverner l’IA, c’est choisir quel type d’organisation on veut être

La question de la gouvernance de l’IA n’est pas une question technique. C’est une question d’organisation — et, plus profondément, une question de valeurs.

Intégrer l’IA dans une organisation sans gouvernance, c’est laisser un outil puissant opérer sans que personne ne soit vraiment responsable de ce qu’il produit. C’est accepter que l’efficacité technique prime sur le sens du travail, sur les droits des personnes, sur la cohérence interne.

Construire une gouvernance de l’IA, c’est à l’inverse affirmer que la maîtrise collective de la technique — pour reprendre Habermas — est possible et nécessaire. C’est organiser le dialogue entre ceux qui décident, ceux qui font, ceux qui régulent et ceux qui surveillent. C’est donner à l’IA une place dans l’organisation qui soit délibérément choisie, et non subie.

C’est, finalement, une décision profondément humaine.