Pendant longtemps, la prise de décision stratégique reposait sur un équilibre relativement stable : l’expérience du dirigeant, les analyses des fonctions expertes, les échanges avec le comité de direction et une part d’intuition forgée par le terrain. L’intelligence artificielle ne supprime aucun de ces éléments, mais elle en modifie l’articulation. Elle rend disponibles davantage de données, accélère la comparaison des scénarios et introduit des recommandations automatisées au cœur de décisions autrefois entièrement humaines.
Cette évolution est déjà engagée. Dans son enquête mondiale publiée en 2025, McKinsey indique que 88 % des répondants déclarent que leur organisation utilise régulièrement l’IA dans au moins une fonction. Pourtant, seule une entreprise sur trois environ affirme avoir commencé à déployer ses programmes d’IA à grande échelle. L’écart est révélateur : les outils progressent plus vite que les modèles de gouvernance et les compétences nécessaires pour les utiliser avec discernement.
La vraie question n’est donc plus de savoir si les dirigeants utiliseront l’IA, mais comment ils préserveront la qualité de leurs arbitrages lorsque l’analyse devient plus rapide, plus abondante et parfois plus difficile à contester.
L’IA transforme la matière première de la décision
L’IA permet de consolider des informations dispersées, de détecter des anomalies, d’anticiper certaines évolutions et de simuler les conséquences possibles d’un choix. Pour une direction générale, une DAF, une DSI ou une direction industrielle, cette capacité change le pilotage : les délais d’analyse se raccourcissent et les signaux faibles deviennent plus visibles. L’entreprise peut réagir plus tôt à une dérive de marge, à un risque d’approvisionnement ou à une évolution de la demande.
Les premiers résultats expliquent l’intérêt des dirigeants. Dans son enquête 2025 menée auprès de 4 701 directeurs généraux, PwC rapporte que 56 % constatent déjà des gains d’efficacité dans l’utilisation du temps de travail grâce à l’IA générative. Environ un tiers déclare aussi une progression du chiffre d’affaires ou de la rentabilité. Ces résultats montrent surtout que l’IA libère du temps et déplace la valeur du dirigeant : moins vers la collecte de l’information, davantage vers son interprétation.
Décider plus vite ne signifie pas décider mieux
Une recommandation algorithmique peut sembler convaincante parce qu’elle est précise, chiffrée et produite rapidement. Pourtant, sa qualité dépend des données utilisées, des objectifs assignés au modèle et des hypothèses retenues. Une IA peut repérer une corrélation sans comprendre sa cause, prolonger une tendance devenue obsolète ou sous-estimer un changement de contexte absent des données historiques.
Le rôle du dirigeant consiste donc à interroger la recommandation plutôt qu’à simplement la valider. Quelle question a réellement été posée ? Quelles informations sont absentes ? La décision est-elle réversible ? Ses conséquences seront-elles acceptables pour les équipes, les clients et les autres parties prenantes ? En réalité, le principal danger n’est pas seulement d’obtenir une mauvaise réponse, mais de recevoir une réponse très élaborée à une question mal formulée.
L’illusion d’objectivité peut fragiliser la gouvernance
L’IA donne parfois à la décision une apparence de neutralité. Or, un modèle reflète toujours des données, des règles, des priorités et des choix humains. Lorsque ces éléments ne sont pas documentés, le risque est de déléguer progressivement l’arbitrage à un système que personne ne sait réellement expliquer. La rapidité devient alors un facteur de fragilité plutôt qu’un avantage.
L’enquête McKinsey de 2024 montrait que seulement 18 % des organisations interrogées disposaient d’une instance à l’échelle de l’entreprise ayant autorité sur la gouvernance responsable de l’IA. Dans le même temps, 44 % déclaraient avoir déjà subi au moins une conséquence négative liée à l’IA générative, l’inexactitude arrivant en tête des difficultés signalées. L’adoption technologique ne peut donc pas précéder indéfiniment la définition des responsabilités, des contrôles et des règles d’escalade.
Cette question dépasse le seul fonctionnement des outils. Lorsqu’une recommandation automatisée influence un recrutement, un investissement, une politique tarifaire ou l’évaluation d’un collaborateur, elle engage directement l’entreprise. Les dirigeants doivent pouvoir comprendre l’origine du résultat, identifier ses limites et conserver une capacité réelle de contestation. Sans cela, l’IA risque de produire une forme de déresponsabilisation collective dans laquelle chacun applique la recommandation sans en assumer pleinement les conséquences.
IA et prise de décision : la responsabilité du dirigeant devient plus visible
L’IA peut suggérer une réduction de coûts, identifier des profils à risque, recommander un investissement ou hiérarchiser des projets. Elle ne porte toutefois ni les conséquences sociales d’un arbitrage, ni le risque réputationnel, ni l’obligation d’expliquer une décision au conseil d’administration ou aux collaborateurs. Plus la recommandation automatisée prend de place, plus le dirigeant doit pouvoir justifier pourquoi il la suit, la nuance ou s’en écarte.
Cette exigence devient aussi réglementaire. Le règlement européen sur l’intelligence artificielle, entré en vigueur le 1er août 2024 et appliqué progressivement, organise les obligations selon le niveau de risque et prévoit une supervision humaine pour les systèmes à haut risque. Il confirme un principe essentiel : l’utilisation d’un outil ne transfère pas la responsabilité de celui qui décide.
Cette évolution concerne également le rôle du manager face à l’IA, car une décision prise au sommet n’a de valeur que si elle peut être comprise, expliquée et appliquée sur le terrain. Une direction qui automatise ses arbitrages sans préparer les managers à les interpréter crée de la défiance, même lorsque la décision paraît rationnelle.
Repenser les processus avant de déployer de nouveaux outils
La première étape consiste à identifier les décisions réellement concernées par l’IA. Une recommandation de stock, une présélection de candidatures, une projection financière ou une décision de maintenance industrielle n’exposent pas l’entreprise aux mêmes conséquences. Pour chaque usage, la direction doit préciser les données mobilisées, le niveau de confiance attendu, la personne qui valide le résultat et les situations dans lesquelles une intervention humaine est obligatoire.
La gouvernance doit ensuite réunir les fonctions qui portent une partie du risque : direction générale, métiers, DSI, direction juridique, DPO, cybersécurité et DRH selon les cas. L’objectif n’est pas de créer une structure lourde, mais de rendre explicites les droits de décision, la traçabilité, les contrôles et le traitement des incidents. La transformation digitale de l’entreprise ne peut donc pas être pilotée comme une simple succession de déploiements technologiques.
Enfin, les dirigeants doivent développer une culture minimale de l’IA. Il ne s’agit pas de devenir spécialistes des modèles, mais de comprendre leurs limites, de challenger les résultats et de distinguer un indicateur utile d’une certitude artificielle. Le discernement doit être partagé par le comité de direction, et non concentré dans la seule DSI. Une gouvernance solide suppose également de réévaluer régulièrement les usages, car un modèle pertinent au moment de son déploiement peut perdre en fiabilité lorsque les données, le marché ou l’organisation évoluent.
Quand une expertise de transition aide à sécuriser le passage à l’échelle
Certaines entreprises doivent structurer cette gouvernance rapidement, alors que les compétences sont dispersées et que plusieurs projets avancent simultanément. Dans certaines situations, le rapprochement entre management de transition et intelligence artificielle permet de cadrer les usages, d’aligner la direction générale, les métiers et la DSI, puis de transformer des expérimentations isolées en feuille de route cohérente.
Le manager de transition n’a pas vocation à se substituer durablement aux décideurs. Son apport réside dans sa capacité à poser un diagnostic indépendant, clarifier les responsabilités, sécuriser les premiers arbitrages et transmettre une méthode aux équipes internes. Il intervient là où l’entreprise doit avancer sans confondre vitesse, précipitation et délégation de responsabilité.
Cette intervention peut notamment être pertinente lorsqu’une organisation multiplie les projets pilotes sans parvenir à les hiérarchiser, lorsque la direction générale et la DSI ne partagent pas les mêmes priorités ou lorsqu’aucune fonction ne porte clairement la gouvernance de l’IA. L’enjeu n’est alors pas seulement technologique. Il consiste à remettre de la cohérence dans les décisions et à installer un cadre qui continuera de fonctionner après la mission.
L’IA augmente l’analyse, pas la responsabilité
L’IA et la prise de décision sont désormais indissociables dans de nombreuses entreprises. Les outils permettent de traiter davantage d’informations, de comparer plus vite les scénarios et de rendre certains choix plus documentés. Mais ils ne déterminent ni la finalité poursuivie, ni le niveau de risque acceptable, ni la manière d’assumer les conséquences humaines d’un arbitrage.
Le dirigeant de demain ne sera donc pas celui qui suit le mieux les recommandations de la machine. Il sera celui qui sait les replacer dans un contexte, les confronter à la réalité de l’organisation et décider lorsque les données restent incomplètes ou contradictoires. Plus l’intelligence artificielle gagne en puissance, plus la qualité du jugement, la clarté de la gouvernance et la responsabilité humaine deviennent des avantages stratégiques.