Pourquoi vos meilleurs collaborateurs résistent-ils à l'IA ? En général parce qu'ils ont des standards et que les outils n'y répondent pas. Si vous traitez la résistance à l'IA en agence comme un problème de personnes, vous obtenez des obligations, des journées de formation et des seniors épuisés qui refont à 19 h le travail de la machine. Si vous la traitez comme un problème de standards, vos résistants deviennent ceux qui rendent l'IA assez bonne pour être livrée.
Jamais les enjeux de qualité n'ont été aussi publics. Dans Marketing Week le mois dernier, Sir John Hegarty, cofondateur de BBH, a qualifié une bonne partie du marketing actuel de « répétitif, cliché, ennuyeux ». Selon lui, le secteur est désormais peuplé de « penseurs de l'hémisphère gauche » qui comprennent les tableurs mais pas les idées, et il a rappelé que « quelque 95 % des lancements de nouveaux produits échouent », un taux qui, dit-il, n'a pas bougé en 20 ans malgré beaucoup plus de données. Injectez des résultats d'IA médiocres dans ce système et vous obtenez la même chose, en plus vite.
Pourquoi les profils expérimentés résistent-ils aux outils d'IA ?
Un fondateur d'agence, intervenant cette semaine lors d'une session sur l'adoption de l'IA à Singapour, s'est montré d'une franchise rafraîchissante sur le sujet. Il a passé 18 mois à tenter de faire de son agence d'une vingtaine de personnes une agence nativement IA et a fortement poussé à l'adoption. En regardant de près qui résistait, il a constaté que ce n'étaient pas des technophobes. Ils résistaient à de mauvais résultats : le système produisait du travail médiocre et on les forçait à l'utiliser.
Ces collaborateurs avaient cinq ou six ans d'expérience. Ils savaient à quoi ressemble un bon travail. Quand le brouillon de l'IA ne tenait pas la route, ils devaient refaire le travail eux-mêmes, alors ils revenaient à l'ancienne méthode. Selon lui, la résistance à l'IA signifiait souvent simplement que les outils n'atteignaient pas les standards de l'équipe. Le changement de comportement échoue quand la qualité échoue.
C'est un recadrage utile pour tout dirigeant d'agence. Le directeur de clientèle qui refuse d'envoyer un point d'avancement rédigé par l'IA, ou le stratège qui reconstruit de zéro le deck persona de l'IA, ne fait pas de mauvaise volonté. Il assure votre contrôle qualité, sans rémunération ni remerciement.
L'adoption forcée de l'IA aggrave-t-elle le burn-out en agence ?
Cela peut arriver. Mal menée, l'adoption de l'IA double le travail : on produit le brouillon avec l'outil parce qu'on vous l'a demandé, puis on le corrige à la main parce que le client ne peut pas le voir tel quel. Ajoutez la culpabilité de « ne pas adopter assez vite » et vous avez la recette d'un personnel senior épuisé.
Bien menée, elle produit l'effet inverse. Dans un article du Forbes Agency Council sur la manière dont les agences restent indispensables, Matt Jayson, de Multiply, a désigné le paramétrage et le contrôle qualité de campagnes comme le travail le plus automatisable : « Pour un client à forte croissance, cela représente facilement 20 heures par semaine de travail invisible. » C'est la corvée que l'IA devrait supprimer, avec les feuilles de temps, les points d'avancement, le redimensionnement, le suivi budgétaire et les audits concurrentiels.
Tout est de savoir si le résultat atteint le standard sans une seconde journée de reprise. Si votre équipe travaille plus longtemps depuis le déploiement de l'IA, les outils ne font pas gagner de temps. Ils le déplacent en soirée.
Pourquoi la confiance dans l'IA s'effondre-t-elle si vite ?
La théorie de la confiance en donne une explication simple. Nous faisons confiance à une personne ou à un système quand nous le croyons compétent, fiable et agissant dans notre intérêt. Chacune de ces qualités s'acquiert par l'expérience et la conversation ; aucune ne se décrète. Un outil qui produit trois mauvais brouillons de suite perd sa légitimité en matière de compétence. Un outil imposé sans consulter l'équipe perd le sentiment d'être de son côté.
C'est pourquoi les obligations se retournent contre ceux qui les imposent. Un tableau de bord d'usage indique aux dirigeants qui s'est connecté. Il ne leur dit pas si les gens font confiance aux résultats. Seule la conversation le permet : s'asseoir avec la stratège et lui demander ce qu'elle a modifié, et pourquoi.
Les clients font le même calcul. Le fondateur de Singapour l'a dit : on ne peut pas envoyer à des clients un travail à peine ébauché, car c'est ainsi qu'on perd leur confiance. Vos résistants protègent la relation client.
Qui doit décider de ce que « bon » veut dire ?
Ceux qui le savent déjà. La solution du fondateur a été de donner aux experts métier un rôle explicite de validateurs : ils définissent ce qu'est un bon résultat, et rien ne part sans leur feu vert. Tout le monde profite de l'IA, mais tout le monde n'a pas besoin de la construire. Ce sont les experts qui fixent le niveau d'exigence.
Il est aussi utile de lire les signes habituels de résistance comme des signaux sur les standards plutôt que sur l'attitude.
| À quoi ressemble la résistance | Ce que cela signifie en général | Que faire |
|---|---|---|
| Les gens reviennent discrètement à l'ancien modèle | Le résultat n'atteint pas leur niveau d'exigence | Demandez à voir leurs corrections ; réparez le système, pas la personne |
| Les brouillons prennent plus de temps à corriger qu'à écrire | L'IA ajoute du travail au lieu d'en retirer | Mesurez le temps de correction ; suspendez le workflow jusqu'à ce que le taux d'acceptation remonte |
| Personne ne veut présenter un résultat d'IA à un client | Ils ne voient pas d'où viennent les conclusions | Exigez une source traçable pour chaque affirmation de l'IA |
| Les seniors se désengagent pendant que les juniors s'en remettent trop à l'IA | Le standard n'a jamais été écrit | Faites des experts des validateurs qui définissent ce qu'est un bon résultat |
| Des blagues sur « le robot » à chaque réunion générale | L'outil a été imposé sans discussion | Associez l'équipe au choix et au test des outils |
Les thèmes récurrents du panel de Forbes vont dans le même sens : la responsabilité, le jugement et le fait d'assumer le travail dont l'IA ne peut pas être tenue responsable sont ce qui rend les agences indispensables.
Comment transformer les résistants à l'IA en validateurs ?
- Repérez vos sceptiques les plus bruyants et demandez à voir leurs corrections. L'écart entre le brouillon de l'IA et ce qu'ils ont réellement envoyé est votre cahier des charges du « bon ».
- Écrivez le standard. Ton, structure, sources, ce qui ne doit jamais apparaître. S'il n'existe que dans la tête d'un senior, ni l'IA ni une nouvelle recrue ne pourront l'atteindre.
- Faites des experts des validateurs, avec une vraie autorité. Ils donnent leur feu vert avant que tout contenu assisté par IA n'arrive chez un client, et ils peuvent suspendre un workflow qui n'atteint pas le niveau.
- Mesurez le temps de correction, pas les connexions. Si corriger prend plus de temps que faire, arrêtez-vous et réparez le workflow avant de le déployer plus largement.
- Réinjectez les corrections. Transformez chaque retouche d'un validateur en meilleurs prompts, modèles et exemples, pour que le prochain brouillon demande moins de corrections.
- Commencez par le travail invisible. Paramétrage, contrôle qualité, reporting et veille, là où une erreur coûte peu et où le temps gagné se ressent tout de suite.
- Parlez-en ouvertement. Une demi-heure tous les quinze jours sur ce qui a marché et ce qui n'a pas marché crée plus de confiance que n'importe quel e-mail de déploiement.
Qu'est-ce qui rend un résultat d'IA assez fiable pour être livré ?
Des preuves que vos experts peuvent vérifier. Une stratège senior acceptera une conclusion de l'IA si elle voit d'où elle vient et peut en juger elle-même. Elle rejettera celle qui arrive sous la forme d'un paragraphe assuré sans aucune trace.
C'est pourquoi, sur la plateforme Defy, chaque conclusion de l'IA remonte aux publications réelles qui la fondent. La stratégie est reconstituée à partir de ce que les audiences et les concurrents publient réellement, et non à partir d'enquêtes, de sorte que le validateur peut ouvrir les preuves et se faire sa propre opinion.
Les humains, a dit le fondateur, ne sont pas les meilleurs face au changement. Ils sont à la fois le plus gros frein et le plus gros moteur de la transformation par l'IA. Ce qu'ils deviennent dépend de la façon dont les outils respectent leurs standards.
