Ethique du travail et IA : comment doit changer le leadership des organisations

Ibrahima Fall, docteur en sciences de gestion, président de l'Institut du Travail Réel et dirigeant du cabinet Hommes & Décisions, vient de publier un texte qui interpelle tout dirigeant engagé dans une transformation par l'IA.

Sa thèse, résumée en une phrase : il n'y a pas d'éthique de l'intelligence artificielle sans éthique du travail réel.

L'argument déplace le débat là où peu d'organisations regardent. Les chartes éthiques IA se multiplient : transparence, explicabilité, robustesse, non-discrimination. Cette mobilisation est indispensable. Mais elle laisse dans l'ombre une question plus fondamentale : une organisation peut-elle prétendre développer une intelligence artificielle éthique lorsqu'elle méconnaît le travail réel de celles et ceux qui devront vivre avec elle ? 

Fall répond non, et va plus loin : le premier problème éthique de l'intelligence artificielle n'est peut-être pas l'intelligence artificielle elle-même, mais notre ignorance persistante du travail réel.

Pourquoi cette ignorance est structurelle

Une intelligence artificielle n'agit jamais directement sur le réel : elle agit à travers le travail humain. Elle modifie les prescriptions, les procédures, les indicateurs, les critères d'évaluation, les modes de décision. Avant de transformer les organisations, elle transforme le travail. Or le travail ne se réduit jamais aux modèles qui le décrivent.

Les sciences du travail convergent depuis des décennies sur ce point : entre le travail prescrit (ce que les procédures définissent) et le travail réellement accompli (ce que les professionnels font effectivement pour que le travail soit efficace malgré les contingences du réel), subsiste toujours un écart irréductible. 

Cet écart n'est pas un dysfonctionnement mais la condition même du fonctionnement des organisations, du travail bien fait, producteur de santé. Interpréter une consigne, arbitrer entre objectifs contradictoires, composer avec l'imprévu, coopérer, assumer une responsabilité : voilà ce que Fall appelle le jugement, et voilà ce qui constitue le travail réel.

L'intelligence artificielle accroît considérablement notre capacité à produire des représentations du travail. Les données sont plus abondantes, les modèles plus précis, les prédictions plus performantes. C'est une avancée réelle. Mais une représentation, aussi sophistiquée soit-elle, ne devient jamais le réel. 

Le danger surgit lorsqu'une organisation oublie cette limite et finit par gouverner à partir de ses représentations plutôt qu'à partir du travail effectivement réalisé.

Pourquoi les cadres éthiques actuels ne suffisent pas

Les débats sur l'éthique de l'IA portent essentiellement sur les qualités intrinsèques des systèmes : biais, transparence, sécurité, explicabilité. Ces exigences sont nécessaires. Elles ne sont pas suffisantes. Une intelligence artificielle peut les satisfaire toutes tout en dégradant profondément le travail réel : en rigidifiant les décisions, en invisibilisant les arbitrages des professionnels, en réduisant leur autonomie, en affaiblissant leur capacité de jugement. On ne peut pas évaluer l'éthique d'une IA indépendamment de ses effets sur l'activité humaine qui la fait vivre.

C'est là que la responsabilité bascule du côté du leadership. Une organisation devient injuste lorsqu'elle demande à ses salariés de compenser silencieusement les insuffisances de ses procédures. Elle devient injuste lorsqu'elle ne reconnaît que ce qui est mesurable, en oubliant ce qui rend le travail effectivement possible. Elle devient injuste lorsqu'elle attribue aux individus les défaillances de modèles qui ne correspondent plus aux réalités du terrain. Ce ne sont pas des dérives techniques. Ce sont des choix de management.

Ce que le leadership doit réinventer

Si le jugement humain doit rester prédominant sur l'automatisation, comme l'exige Fall, cela ne se décrète pas dans une charte : cela se construit dans quatre dimensions concrètes de la fonction managériale.

• Responsabilité. L'IA agentique ne supprime pas le travail humain, elle le reconfigure. Les nouveaux rôles qui émergent, Agent Owner, AI Reviewer, AI Auditor, ne sont pas des cases organisationnelles supplémentaires : ils sont la traduction opérationnelle du principe selon lequel, entre le modèle et l'action, demeure toujours le jugement d'une personne nommée. Un leadership responsable ne délègue jamais cette responsabilité à un système, aussi performant soit-il. Il la nomme, l'assigne, la trace.

• Conformité. La conformité by design (intégrer les exigences réglementaires dès la conception plutôt que les subir après incident) est souvent présentée comme une contrainte. Elle devrait être vue comme une protection du jugement professionnel. Une conformité mal pensée rigidifie les procédures au point d'écraser l'écart nécessaire entre le prescrit et le réel : elle produit exactement l'injustice organisationnelle que Fall décrit. Une conformité bien pensée, au contraire, documente les limites du modèle pour que les professionnels sachent précisément où leur jugement doit s'exercer.

• Sécurité. Le seuil d'escalade (le point au-delà duquel une décision agentique doit remonter à un humain nommé) est le mécanisme le plus concret par lequel une organisation affirme, dans son architecture même, la prédominance du jugement humain. C'est la matérialisation technique de l'éthique du travail réel. Une règle simple s'impose : commencer par des agents d'assistance, en présence humaine constante, valider la qualité sur une durée suffisante, avant d'envisager d'accroître l'autonomie. La vitesse d'un déploiement ne doit jamais dicter le rythme de cette validation.

• Innovation. Une organisation qui innove avec l'IA sans écouter le travail réel innove contre ses propres équipes. C'est pourquoi une posture managériale fondée sur trois registres, suggérer, faciliter, accompagner, produit de meilleurs résultats qu'une posture de prescription descendante. Elle part d'un postulat simple mais rarement appliqué : le comportement réel est le critère ultime, et la résistance des équipes est de l'information, jamais de l'obstruction. Une équipe qui résiste à un outil IA ne fait pas preuve de mauvaise volonté : elle signale, souvent avec plus de justesse que n'importe quel tableau de bord, un écart entre ce que l'outil suppose du travail et ce que le travail exige réellement.

De la philosophie à la pratique managériale

Cette exigence se traduit concrètement dans la conduite du changement. Une organisation qui veut préserver le jugement humain face à l'automatisation devrait pouvoir répondre oui à sept engagements simples : 

• co-construire avec le terrain plutôt que concevoir pour le terrain ; 

• traiter la résistance comme de l'information, jamais comme de l'obstruction ; 

• expérimenter à petite échelle avant de généraliser ; 

• mesurer l'adoption réelle, et non le seul taux de déploiement ; 

• privilégier le coaching pair-à-pair aux formations descendantes ; 

• recueillir les feedbacks en continu, pas en fin de programme ; 

• maintenir une présence terrain jusqu'à l'autonomie réelle des équipes.

Ces sept engagements sont la condition de la légitimité de l'IA. Un déploiement mesuré uniquement au taux d'adoption technique, sans jamais interroger ce que les équipes font réellement de l'outil au quotidien, reproduit exactement l'aveuglement que Fall dénonce : gouverner à partir d'une représentation du travail plutôt qu'à partir du travail lui-même.

Ce que cela signifie pour un COMEX

Aucun modèle, aussi puissant soit-il, n'agit seul. Entre les modèles et l'action demeure toujours le jugement des femmes et des hommes. Cette phrase de Fall devrait figurer, au même titre que les indicateurs de performance, dans le tableau de bord de toute direction générale qui pilote une transformation IA. Elle ne s'oppose pas à l'innovation : elle en est la condition de durabilité.

Une organisation qui continue de produire des modèles toujours plus performants sans jamais interroger leurs effets sur le travail réel de ses équipes ne construit pas une transformation intelligente. Elle construit une dette qu'elle découvrira, comme toujours, au moment où elle pouvait le moins se le permettre.

L'éthique de l'intelligence artificielle ne se joue donc pas d'abord dans les qualités du système. Elle se joue dans la capacité du leadership à reconnaître que la prescription ne suffit jamais, que le jugement professionnel est irremplaçable, et que la réussite d'une transformation IA se mesure à l'aune du travail réel, jamais à celle du seul déploiement technique.

Une objection à anticiper

On objectera que cette exigence ralentit les déploiements, à l'heure où la pression concurrentielle pousse au contraire à accélérer. L'objection mérite d'être prise au sérieux, et retournée. Une organisation qui déploie vite sur la base d'une représentation incomplète du travail réel ne gagne pas de temps : elle le reporte, sous forme de résistances non anticipées, de contournements silencieux, et d'un désalignement croissant entre ce que le système suppose et ce que les équipes font réellement pour que le travail continue de fonctionner. 

Le diagnostic GAME (Greenfield AI Maturity Evaluation) rappelle une règle utile ici : la maturité globale d'une organisation se mesure à sa dimension la plus faible, jamais à la moyenne. Une organisation qui affiche un déploiement technique rapide mais une dimension Organisation et Conduite du Changement quasi inexistante n'est pas une organisation avancée : elle est une organisation en risque, qui découvrira le prix de cette impasse au moment de l'adoption réelle, pas au moment du lancement.

Ce que cela change pour la fonction de Chief Transformation Officer

Le rôle de Chief Transformation Officer (CTrO), lorsqu'il existe, porte une responsabilité particulière dans cette bascule : il n'est ni le porteur exclusif de la performance technique du système, ni le seul garant de sa conformité réglementaire. Sa colonne vertébrale est la vision panoramique, celle qui relie les cinq référentiels d'une transformation (capacités métier, processus, systèmes, données, organisation) et qui empêche qu'une décision prise sur un seul de ces référentiels, par exemple déployer un système IA sur la base de sa seule performance technique, ne produise des dégâts silencieux sur un autre, par exemple l'organisation du travail et le jugement professionnel des équipes concernées. C'est cette vision panoramique, et non une charte éthique supplémentaire, qui permet de tenir simultanément l'exigence de responsabilité, de conformité, de sécurité et d'innovation sans sacrifier l'une pour satisfaire les autres.

Le texte d'Ibrahima Fall ne propose pas un frein à l'innovation. Il propose une condition de sa réussite durable : une organisation qui prend au sérieux le travail réel de ses équipes construit une IA plus robuste, plus adoptée, et donc, in fine, plus rentable qu'une organisation qui se contente de déployer la technologie la plus avancée disponible sur le marché.