Le change management ne suffit plus. L’IA peut changer la donne, encore faut-il bien l’utiliser

L’illusion qui persiste : la conduite du changement, c’est concevoir, puis dérouler 

En 2026, une majorité de transformations échoue encore ; pas faute de stratégie, pas faute d’outils, mais parce que le change management repose encore sur l’illusion qu’on peut définir une trajectoire, puis la dérouler. 

Dans un monde en constante transformation (ou a minima perçu comme tel), entretenir cette illusion n’est plus pardonnable. À l’ère de l’IA, les entreprises ont les moyens d’observer, d’ajuster et d’agir en continu. Or dans la plupart des transformations, la stratégie est conçue en amont, puis “déployée” ; sur le papier, tout est cohérent : les objectifs sont clairs, les plans structurés, les jalons définis. 

Le problème n’est ni la stratégie, ni l’exécution. C’est leur découplage, et l’absence de boucle de retour 

La réalité est différente. Prenons un exemple : Julien, commercial grands comptes, doit passer d’une logique de volume à une logique de marge, avec un meilleur pilotage de son pipe et des interactions clients mieux structurées. En théorie, tout est clair : meilleur taux de transformation, cycles de vente plus courts, priorisation des opportunités à fort potentiel. Des formations ont été déployées, des guides partagés, des messages diffusés. Pourtant, dans son quotidien, le changement lui demande un effort immédiat. Alors il procrastine, il s’adapte, il contourne, il revient à ses anciens réflexes, et progressivement, il décroche. 

Sophie, en charge de la conduite du changement, ne le voit pas (ou trop tard). Elle continue à dérouler son plan, à pousser des messages, à animer des rituels qui deviennent de plus en plus déconnectés du terrain. Résultat, le problème n’est pas corrigé, et la crédibilité s’érode. 

Ainsi, les plans se transposent difficilement dans la réalité : si la stratégie est limpide, l’exécution dépend de quelques individus clés (les fameux ambassadeurs, parfois mal identifiés et toujours sur-sollicités). Les signaux terrain ne remontent pas, ou trop tard, et les ajustements sont lents. Tout repose alors sur une poignée de personnes plutôt que sur un dispositif robuste. Le changement devient fragile, plus imprévisible, et l’exécution se fait de manière fragmentée, incertaine et largement non pilotée.  

L’erreur classique : utiliser l’IA pour accélérer ce qui ne fonctionne pas 

C’est là que la baguette magique IA doit tout arranger… Et c’est là que beaucoup d’organisations se trompent. Si Sophie utilise l’IA pour créer des contenus, automatiser des communications ou produire plus vite des plans, elle risque de ne rien régler. Au contraire, elle amplifie les défauts existants : on industrialise des messages génériques, des actions mal ciblées, des approches déjà déconnectées du terrain. In fine, Julien se retrouve saturé de messages inadaptés au regard de ce qu’il vit au quotidien, bien loin de l’effet recherché. 

Même si cela semble contre-intuitif, le risque n’est pas d’en faire trop peu avec l’IA, mais d’en faire trop… dans la mauvaise direction.  

Ce que l’IA rend enfin possible : observer, comprendre, réagir 

Le véritable potentiel est ailleurs. Il réside dans la capacité de l’IA à reconnecter, en continu, la stratégie et la réalité terrain. D’abord en permettant d’observer ce qui se passe réellement. Dans le cas de Julien, notre commercial, cela signifie voir qu’il continue à mal qualifier ses opportunités, qu’il passe peu de temps sur la compréhension du client, et qu’il se concentre sur des deals rapides mais peu rentables. Il applique partiellement les nouveaux standards, mais sans en adopter la logique. L’exploitation de ces signaux, longtemps faite à retardement ou de manière trop générique, est grandement facilitée par l’IA. 

Ensuite, en permettant de comprendre ces comportements. Julien n’est pas opposé au changement, il ne perçoit simplement pas de bénéfice immédiat. Comme l’effort demandé lui semble supérieur au gain il est plus simple de maintenir la routine et les habitudes. À partir de là, l’action change de nature. Il ne s’agit plus pour Sophie d’envoyer un message supplémentaire, mais de prévoir la bonne action au bon moment. Cela peut prendre la forme d’une recommandation intégrée aux outils de pilotage commercial lorsqu’il qualifie une opportunité, ou un push automatique qui lui suggère une question clé à poser au client. Dans certains cas, un comparatif lui montre immédiatement l’impact potentiel d’une qualification plus approfondie sur ses chances de succès. En parallèle, son manager reçoit un point d’attention ciblé, utile, actionnable. En utilisant à bon escient les nudges et les différents leviers d’influence sur le comportement individuel, on aboutit à ne plus parler de campagnes globales, mais d’ajustements fins, au plus près de l’usage quotidien. 

Passer d’une logique de plan à un pilotage en continu 

Enfin, et c’est probablement le point le plus structurant, chaque action alimente une boucle d’apprentissage. Si Julien modifie son comportement, l’approche est renforcée. Sinon, elle est ajustée. Certains leviers disparaissent, d’autres émergent, les priorités évoluent. Le change n’est plus figé : il s’adapte, c’est là que se situe la bascule. Il ne s’agit plus de définir un plan et de le dérouler, mais de donner une direction, d’observer ce qui se passe réellement, et d’ajuster en permanence. Autrement dit, de passer d’une logique de conception à une logique d’adaptation : moins d’énergie dans la réflexion et plus dans l’exécution, qui vient elle-même nourrir le plan, dans des boucles de plus en plus courtes. 

Julien ne subit plus des communications déconnectées de ses préoccupations. Le changement s’intègre dans son quotidien, au moment où le besoin apparaît, avec des leviers adaptés à son usage réel. Il devient moins visible, mais beaucoup plus utile. 

Change managers, arrêtez de dérouler vos plans : l’IA permet enfin d’ajuster 

Dans ce modèle, Sophie ne disparaît pas, mais son rôle se transforme. Elle ne se contente plus de produire des plans ou d’animer des formations. Elle doit être capable de donner une direction claire, d’utiliser les données remontées automatiquement pour comprendre ce qui se passe réellement sur le terrain et de rectifier rapidement. Elle intervient moins sur la production de contenu, davantage sur la compréhension en temps réel de la dynamique pour prendre des ajustements rapides. Moins de planification, moins de « je dois me reposer sur une ou deux personnes clés ». Plus de décisions appuyées sur des signaux concrets, plus de pilotage en temps réel. 

Le risque n’est pas que l’IA remplace le change manager. C’est qu’elle soit utilisée pour industrialiser des approches obsolètes. L’enjeu n’est donc pas d’ajouter de l’IA au change management, mais de repenser le change pour ce qu’il doit devenir : une capacité à s’adapter en continu, au plus près de la réalité des usages.