L’évolution du leadership

Le leadership n’a pas toujours été assorti des attentes qui nous paraissent évidentes aujourd’hui. Il y a deux cents ans, on aurait sincèrement pu se demander s’il était raisonnable d’attendre d’un dirigeant qu’il comprenne la motivation humaine. Aujourd’hui, on appellerait ça le strict minimum.

Je pense qu’on vit exactement le même moment avec l’IA.

La prochaine « compétence de base »

Dans quelques années, se demander « les fondateurs doivent-ils savoir travailler avec l’IA ? » paraîtra aussi dépassé que se demander « un CEO doit-il savoir utiliser l’e-mail ? ». Pas parce que tout le monde va soudain devenir expert en IA, mais parce que les attentes envers les dirigeants s’élargissent toujours au rythme des outils qui façonnent le travail.

L’e-mail n’a pas seulement accéléré la communication. Il a recâblé la coordination. Il a changé la façon dont les décisions circulaient, dont les équipes s’alignaient et dont le management se pratiquait concrètement dans une entreprise. C’est ce genre de bascule qui explique pourquoi les économistes parlent depuis longtemps du « paradoxe de la productivité » : les grandes technologies ne se traduisent pas automatiquement par de gros gains tant que les organisations ne repensent pas leur fonctionnement. Paul David l’a montré avec l’électricité dans son essai classique « Computer and Dynamo » : le vrai potentiel arrive quand on reconstruit les processus autour de la nouvelle capacité, pas quand on se contente de la brancher. Si tu ne l’as pas lu, ça reste l’un des meilleurs rappels que les outils ne créent pas de levier par eux-mêmes.

L’IA est un moment de technologie à usage général. L’outil est là. Le levier dépend du leadership.

Ce que « leadership de l’IA » veut vraiment dire

Quand je parle de « leadership de l’IA », je ne parle pas de fondateurs capables d’expliquer l’architecture des transformers au dîner. Je parle de fondateurs capables de diriger l’intelligence artificielle comme les grands managers dirigent des personnes : une intention claire, de bonnes contraintes, des boucles de retour serrées et un jugement solide.

Ça veut dire être à l’aise pour piloter des agents IA et des équipes hybrides humains-IA. Ça veut dire concevoir des workflows où les modèles rédigent, où les humains décident, et où l’organisation va plus vite sans devenir bâclée.

C’est pour ça que le recrutement change déjà. Aujourd’hui, quand je parle à des candidats, je ne cherche pas seulement à comprendre ce qu’ils savent faire. Je cherche à comprendre ce qu’ils savent faire avec l’IA. Je demande franchement : quels outils utilises-tu, comment les utilises-tu, et dans quels cas ne leur fais-tu pas confiance ?

Parce qu’en pratique, je ne recrute pas « une personne ». Je recrute une personne plus le système qu’elle pilote.

Le bond de productivité est réel, mais ce n’est pas de la magie

Soyons honnêtes sur les chiffres. « Cinq à dix fois plus productif », c’est une impression que beaucoup d’équipes ressentent, mais les meilleures études ne te donnent pas un multiplicateur universel à copier-coller dans un pitch deck.

Ce que montrent les études sérieuses, c’est que des gains mesurables apparaissent vite quand le travail est bien cadré et que l’outil est intégré au workflow.

Dans une expérience de Microsoft Research sur GitHub Copilot, les développeurs ont terminé une tâche de programmation 55,8 % plus vite avec Copilot qu’un groupe témoin. Ce n’est pas théorique : c’est le temps de réalisation d’un vrai exercice de code.

Dans le service client d’une entreprise du Fortune 500, une étude du NBER a montré que l’assistance par IA générative augmentait la productivité d’environ 14 % en moyenne, avec les plus gros gains chez les salariés les moins expérimentés.

Et dans une vaste expérience de terrain randomisée portant sur des milliers de salariés, une autre étude du NBER a montré que l’IA générative modifiait la répartition du temps de travail, notamment en réduisant le temps passé sur les e-mails chez les utilisateurs actifs.

Ce ne sont pas des résultats du type « l’IA fera ton travail à ta place ». Ce sont des résultats du type « l’IA va changer la forme du travail ». C’est précisément pour ça que le leadership compte plus que les démos.

Ton nouvel avantage : jugement, stratégie et supervision

La compétence rare n’est pas technique. C’est le jugement.

L’IA est très douée pour produire des résultats plausibles. Le leadership, c’est décider ce que « bien » veut dire, à quel moment « rapide » devient « risqué », et où l’organisation a besoin qu’un humain prenne ses responsabilités.

Voici le modèle mental auquel je reviens sans cesse : les grands managers ne font pas chaque tâche eux-mêmes. Ils décident quel travail déléguer, à quoi ressemble « terminé » et comment repérer les problèmes tôt.

Les grands leaders de l’IA font la même chose, sauf que ce coéquipier ne dort jamais et te tendra avec assurance quelque chose de faux si tu ne poses pas les limites.

C’est pour ça que je ne pense pas que l’avenir appartienne au fondateur qui connaît le plus de prompts. Il appartient au fondateur qui construit le meilleur système de délégation.

Quatre pratiques que j’observe chez les meilleurs fondateurs

Premièrement, ils rendent l’usage de l’IA explicite. Pas secret, pas improvisé, pas « fais comme tu veux ». Ils définissent quelles tâches sont rédigées par l’IA et quelles décisions exigent une signature humaine. Ils en font un système d’exploitation, pas une astuce personnelle.

Deuxièmement, ils mesurent la qualité. Ils traitent les résultats de l’IA comme le travail d’un junior : relus, testés et mesurés. En logiciel, ça se traduit par de petits changements, une CI solide et des tests pertinents. En contenu, par la vérification des sources et des standards éditoriaux cohérents. L’étude DORA 2024 sert ici d’avertissement utile : l’IA peut donner aux développeurs l’impression d’aller plus vite alors que la performance de livraison globale se dégrade si les fondamentaux se relâchent.

Troisièmement, ils repensent leurs workflows au lieu d’agrafer l’IA sur les anciens. C’est la leçon du « paradoxe de la productivité », en vrai. Si tu gardes les mêmes réunions, les mêmes responsabilités floues et les mêmes specs peu claires, l’IA produit surtout davantage de bruit qui ressemble à du travail. Si tu resserres le système, l’IA devient un levier.

Quatrièmement, ils recrutent sur l’aisance avec l’IA comme on recrutait autrefois sur l’aisance avec Excel. Pas parce que les tableurs ont quelque chose de spécial, mais parce que les équipes qui savent manier l’outil surpassent régulièrement celles qui refusent de s’en servir.

L’écart concurrentiel va être brutal

Voici ce que je crois : les fondateurs qui apprennent tôt à diriger avec l’IA auront l’impression de piloter une entreprise dotée d’avantages déloyaux.

Pas parce qu’ils remplaceront tout le monde par des bots, mais parce qu’ils compresseront les cycles. Ils passeront plus vite de l’idée à l’expérimentation puis au résultat livré. Ils garderont de petites équipes tout en avançant comme de grandes. Ils conserveront l’agilité d’une startup tout en augmentant leur production.

Et les fondateurs qui résistent finiront par affronter des organisations capables d’aller beaucoup plus vite pour le même coût.

Ce n’est pas de la spéculation. Ça se passe déjà par endroits. La seule question, c’est de savoir si tu développes ce muscle avant tes concurrents.

La question que je me pose (et que je te pose)

Si le leadership de l’IA devient une compétence centrale, alors « est-ce qu’on utilise l’IA ? » n’est pas la bonne question.

La bonne question, c’est : pour quoi utilise-t-on l’IA, où tient-on absolument au jugement humain, et comment construit-on un système qui s’améliore chaque semaine ?

Alors je terminerai par la question que j’utilise pour mettre ma propre équipe à l’épreuve : quels outils d’IA utilises-tu aujourd’hui pour démultiplier les capacités de ton équipe, et qu’est-ce qui changerait si tu traitais ça comme une compétence de leadership plutôt que comme une expérience technologique ?