Le triathlète de l'IA et le problème que personne ne veut nommer en salle de direction
Il existe une phrase qui revient dans presque toutes les réunions de comité exécutif où l'on passe en revue des projets d'intelligence artificielle : « le pilote a été un succès. » Et ensuite, le silence. Personne ne demande pourquoi le pilote ne s'est jamais transformé en autre chose. L'organisation célèbre l'expérience, archive les apprentissages et, trois mois plus tard, lance un nouveau pilote. Le cycle reprend depuis le début sans que personne n'ait résolu la question de fond : qui est responsable de faire passer tout cela à l'échelle.
C'est le véritable problème qu'identifie un article publié récemment dans le Forbes Technology Council sous la signature d'Anna Drobakha, directrice mondiale de la transformation digitale et de l'IA chez Groupe SEB. L'argument central ne tourne pas autour de la technologie ni du budget. Il tourne autour de l'architecture du leadership. Et cette distinction compte bien plus que la majorité des comités de direction ne sont prêts à l'admettre.
La proposition de Drobakha est concrète : les organisations qui échouent dans la transformation par l'IA ne le font pas par manque de stratégie, ni par manque de talent technique, ni par manque d'investissement. Elles échouent parce qu'elles distribuent les trois disciplines que requiert cette transformation — clarté stratégique, intégration des capacités et responsabilité d'exécution — entre des personnes, des fonctions et des couches organisationnelles distinctes, sans que personne ne soit propriétaire de ce qui se passe dans les espaces qui les séparent. La métaphore qu'elle utilise est précise : un triathlon n'est pas trois courses séparées. C'est un effort continu dans lequel les transitions entre les disciplines sont aussi exigeantes que les disciplines elles-mêmes.
Pourquoi les pilotes ne passent pas à l'échelle
Le diagnostic de Drobakha n'est pas nouveau, mais la majorité des organisations le traitent comme s'il l'était. Périodiquement, une nouvelle nomenclature apparaît pour le même problème : fossé de mise en œuvre, dette de changement, vide d'adoption. Le nom change, la fracture persiste.
Ce que l'article met sur la table avec une clarté inhabituelle, c'est que cette fracture n'est ni technique ni budgétaire. C'est une fracture de responsabilité. Dans la plupart des grandes organisations, le stratège qui conçoit la feuille de route IA ne contrôle pas les ressources de données. L'architecte de capacités qui construit la plateforme ne gouverne pas les flux de travail opérationnels. L'opérateur qui tente de mettre en œuvre le changement n'a pas d'autorité sur l'agenda du comité qui approuve ce qui passe à l'échelle et ce qui est abandonné. Chacun fait sa part avec rigueur. Personne n'est propriétaire de ce qui se passe entre les parties.
Ce n'est pas un dysfonctionnement mineur. C'est le mécanisme exact par lequel la majorité des initiatives d'IA corporate meurent d'une mort lente et décente, sans échouer avec suffisamment d'éclat pour générer une urgence de correction. Le pilote « a été un succès. » L'adoption « est en cours. » Le passage à l'échelle « nécessite davantage d'alignement. » Et l'organisation continue d'investir dans la technologie tandis que le véritable goulot d'étranglement — la cohérence du leadership entre stratégie, capacité et exécution — demeure sans intervention.
Ce que Drobakha appelle « le triathlète de l'IA » n'est pas un profil de recrutement ni un nouveau titre pour l'organigramme. C'est une description de la capacité que les organisations doivent développer au sein de leurs équipes de direction complètes : la faculté de maintenir les trois disciplines en mouvement simultané, de lire les signaux dans l'une et de prendre des décisions opérationnelles dans une autre sans perdre la cohérence du système. Cette capacité ne se délègue pas à un Chief AI Officer pour être considérée comme résolue. Elle se construit ou ne se construit pas dans le collectif de leadership. Il n'existe pas de raccourci structurel.
La transition comme unité de mesure
Il y a un détail dans l'argument de Drobakha qui mérite davantage d'attention que celle qu'il reçoit habituellement dans les analyses de transformation : l'idée selon laquelle les transitions entre disciplines sont l'endroit où les initiatives se gagnent ou se perdent. Pas dans le sprint stratégique initial. Pas dans la phase d'exécution. Dans le passage de l'une à l'autre.
Cela a des implications concrètes sur la façon dont les organisations devraient mesurer la maturité de leur transformation par l'IA. La plupart des cadres actuels mesurent des capacités : disposent-elles de données de qualité ? Ont-elles des modèles déployés ? Ont-elles du talent en data science ? Ce sont des questions légitimes, mais incomplètes. Ce qu'elles ne mesurent pas, c'est la qualité de la transition entre le diagnostic stratégique et la refonte opérationnelle, ou entre la refonte opérationnelle et l'adoption à grande échelle. C'est précisément là que le travail accumulé se dissipe ou se consolide.
Une équipe de direction peut avoir une clarté stratégique impeccable sur l'endroit où l'IA génère de la valeur pour son activité, construire une plateforme technique solide et voir quand même l'adoption stagner parce que personne n'a conçu avec rigueur le passage entre la logique de construction et la logique de mobilisation organisationnelle. Ce sont des disciplines distinctes. Elles nécessitent une attention distincte. Et dans la plupart des organisations, ce passage est tenu pour acquis ou délégué à la gestion du changement comme s'il s'agissait d'un processus administratif séparé du noyau stratégique.
Drobakha le formule de manière plus rigoureuse : les leaders qui soutiennent la transformation ne réagissent pas à chaque transition. Ils gèrent le système de façon continue, en anticipant là où l'énergie va se dissiper avant que cela ne se produise et en y redirigeant les ressources. Ce n'est pas de la gestion de projet. C'est une pensée systémique appliquée à l'architecture du leadership.
La différence entre ces deux capacités n'est pas triviale. Un gestionnaire de projet exécute le plan. Un penseur systémique modifie le plan lorsqu'il détecte que les conditions qui le justifiaient ont changé, et il le fait sans attendre que l'échec l'y oblige. En pratique, les organisations qui font passer l'IA à l'échelle de manière durable comptent au moins quelques leaders de ce second type qui opèrent avec une visibilité et une autorité suffisantes pour ajuster le système pendant qu'il avance. Celles qui n'en ont pas accumulent des pilotes réussis.
Le problème structurel que la métaphore ne résout pas
L'article de Drobakha est rigoureux dans le diagnostic et honnête quant à la complexité du problème. Cependant, il existe un point où l'argument nécessite une tension plus grande pour être utile comme instrument de décision exécutive.
Affirmer que les organisations doivent développer la capacité du « triathlète de l'IA » au sein de toute l'équipe de direction — que chaque leader fonctionnel doit opérer avec cohérence entre stratégie, capacité et exécution en matière d'IA — est correct comme description de l'état cible. Mais cela omet la question de savoir comment financer cette capacité sans dissoudre le focus fonctionnel qui rend précieuse chaque position de direction en premier lieu.
Un directeur financier qui consacre une énergie cognitive significative à modéliser l'impact de l'IA sur la structure des coûts tout en gérant un cycle d'endettement complexe et un processus de clôture fiscale n'est pas stratégiquement irresponsable en priorisant. Il choisit. Et ce choix a un coût d'opportunité visible. La proposition du triathlète suppose que la capacité d'opérer dans trois disciplines simultanément est cumulable sans un coût équivalent en profondeur fonctionnelle. Cette hypothèse mérite d'être questionnée avant de devenir une attente organisationnelle.
Ce qui distingue les organisations qui résolvent cela de manière plus durable n'est pas que chaque leader soit également compétent dans les trois disciplines. C'est qu'elles disposent d'une densité suffisante de leadership aux points de transition — des personnes dotées d'une autorité réelle, et pas seulement de visibilité — pour qu'aucune des brèches entre disciplines ne reste sans propriétaire. Cela peut s'accomplir avec des triathlètes individuels. Cela peut aussi s'accomplir avec des équipes de direction où le chevauchement délibéré des responsabilités couvre les espaces entre les fonctions.
La distinction est importante parce qu'elle définit ce qu'une organisation recherche lorsqu'elle recrute ou développe des leaders. Rechercher des triathlètes complets est un pari concentré sur des profils rares. Concevoir des équipes avec un chevauchement stratégique délibéré aux points de transition est un problème d'architecture organisationnelle plus accessible et, dans de nombreux contextes, plus robuste face à la rotation des talents.
La renonciation que l'article ne nomme pas
Il y a quelque chose que l'argument de Drobakha laisse implicite mais qui mérite d'être explicité, car c'est là que la majorité des organisations n'arrive pas : faire passer l'IA à l'échelle de manière durable exige que l'équipe de direction accepte de mettre fin à des initiatives avec la même rigueur qu'elle les lance.
Le problème des pilotes qui ne passent pas à l'échelle ne tient pas seulement au fait que personne ne soit propriétaire de la transition. C'est aussi que les organisations ont rarement la discipline pour clore ce qui ne fonctionne pas avant de lancer la chose suivante. Le résultat est une accumulation d'initiatives actives qui se disputent les mêmes ressources de données, le même talent technique et la même capacité d'attention du leadership, sans qu'aucune n'atteigne la masse critique nécessaire pour parvenir à l'échelle.
Drobakha mentionne en passant que l'exécution requiert « une gouvernance disciplinée sur ce qu'il faut tester, ce qu'il faut arrêter et ce qu'il faut faire monter en échelle. » Cette phrase mérite d'être au centre de l'analyse, et non de figurer comme une clause subordonnée. Parce que la capacité d'arrêter est, en pratique, la plus rare. Arrêter un pilote visible qui a été lancé avec le soutien politique du PDG a un coût organisationnel réel. Cela exige que quelqu'un disposant d'une autorité suffisante l'exécute, le justifie et absorbe le coût relationnel de le faire. Cette décision est, à proprement parler, la plus exigeante des trois disciplines du triathlète. Pas la plus technique. Pas la plus stratégique. La plus humaine.
Les organisations qui gagnent du terrain en matière d'IA ne sont pas nécessairement celles qui investissent le plus ni celles qui disposent des modèles les plus sophistiqués. Ce sont celles qui ont développé la capacité institutionnelle de s'engager sur moins de choses et de maintenir cet engagement lorsque la pression pour démontrer une ampleur d'agenda se fait sentir depuis le conseil d'administration. C'est la renonciation qui définit si l'architecture de leadership décrite dans l'article est un cadre opérationnel ou une aspiration bien rédigée.
Le triathlète de l'IA, dans la version la plus utile du concept, n'est pas le leader qui sait tout. C'est celui qui sait quoi laisser aller pour que le reste arrive quelque part.
