L’intelligence artificielle promet d’importants gains de productivité : rédiger plus vite, automatiser des tâches répétitives, accélérer l’analyse ou réduire le temps consacré à certaines opérations administratives. Mais une question reste largement évitée : qui bénéficiera réellement de cette productivité supplémentaire ?

Rien ne garantit qu’un salarié qui gagne deux heures grâce à l’IA travaillera deux heures de moins ou sera mieux rémunéré. L’entreprise peut tout aussi bien transformer ce gain en objectifs supplémentaires, réduire ses effectifs ou améliorer ses marges. La technologie crée une possibilité économique. Elle ne décide pas de sa répartition.

C’est là que se trouve probablement l’un des futurs points de tension autour de l’IA au travail. Les salariés doivent apprendre de nouveaux outils, modifier leurs méthodes et contrôler des systèmes encore imparfaits. Ils supportent donc une partie importante du coût de la transition. Si la seule conséquence est ensuite de devoir produire davantage avec les mêmes moyens, l’adoption de l’IA risque de devenir rationnellement indésirable pour eux.

Il faut donc créer un véritable « dividende IA ». Une partie des gains peut revenir directement aux salariés par la rémunération, l’intéressement ou la participation. Une autre peut prendre la forme de temps : moins de tâches administratives, davantage de temps de formation ou, lorsque les gains deviennent suffisamment importants, une réduction du temps de travail.

Le partage doit aussi concerner l’employabilité. Apprendre à travailler avec l’IA ne peut pas devenir une obligation supplémentaire réalisée en dehors du travail normal. La formation, l’expérimentation et la reconversion doivent être considérées comme du temps de travail. Lorsqu’une automatisation menace certains postes, la mobilité interne devrait également être examinée avant les suppressions d’emploi.

Un autre risque concerne les fonctions juniors. L’IA automatise précisément beaucoup de tâches autrefois confiées aux débutants. Supprimer ces postes peut produire une économie immédiate, tout en détruisant les parcours qui permettent de former les experts de demain.

Les entreprises doivent donc mesurer les gains de productivité avant et après le déploiement de l’IA, puis rendre explicite leur répartition. Elles doivent également mesurer ce que la transformation coûte réellement aux salariés pendant la période d’adaptation.

La vraie question n’est plus seulement : « Combien l’IA nous fait-elle gagner ? » Elle devient : « Sur la valeur supplémentaire créée grâce à l’IA, quelle part revient réellement à ceux qui ont dû transformer leur manière de travailler ? »

Contenu généré avec l'aide de l'IA générative

Le Shadow AI désigne l’utilisation professionnelle d’outils d’intelligence artificielle qui n’ont pas été validés ou déclarés par l’entreprise.

Face à ce phénomène, certaines organisations pourraient être tentées de répondre par la sanction, voire par le licenciement. Pourtant, considérer tout usage non autorisé de l’IA comme une faute grave serait une erreur de raisonnement.

Le véritable sujet n’est pas de savoir si un salarié a utilisé ChatGPT, Claude ou un autre outil sans autorisation. Il faut déterminer ce qu’il en a fait, quelles données ont été utilisées, quelles règles existaient et quel risque a réellement été créé. Un collaborateur qui transmet des informations confidentielles à un service grand public malgré une interdiction explicite ne se trouve évidemment pas dans la même situation que celui qui utilise une IA pour reformuler un texte public dans une entreprise qui n’a jamais défini de règles précises.

Le licenciement peut donc être justifié dans certaines situations : exposition volontaire de données sensibles, contournement délibéré de dispositifs de sécurité, récidive ou comportement susceptible de causer un préjudice important. Mais en dehors de ces cas, une sanction systématique risque surtout de produire l’effet inverse de celui recherché. Les collaborateurs continueront probablement à utiliser l’IA, mais ils prendront davantage soin de le cacher.

Le Shadow AI doit aussi être considéré comme une source d’information sur l’entreprise elle-même. Lorsqu’un collaborateur utilise spontanément un outil pour automatiser une tâche, préparer une analyse ou gagner du temps, il révèle peut-être un cas d’usage que l’organisation n’avait pas identifié. Il peut également montrer que les solutions officielles sont insuffisantes ou que la politique IA de l’entreprise est trop éloignée des besoins du terrain.

La bonne réponse consiste donc à rendre ces pratiques visibles, à analyser leur niveau de risque puis à récupérer les usages intéressants. Certains collaborateurs ayant expérimenté spontanément l’IA peuvent devenir des relais utiles, à condition qu’ils comprennent les enjeux de confidentialité, de sécurité et de vérification des résultats.

Une entreprise mature ne devrait donc pas chercher uniquement à supprimer le Shadow AI. Elle devrait apprendre à distinguer l’expérimentation utile de la prise de risque irresponsable. La sanction reste nécessaire lorsque des lignes rouges ont été franchies. Mais le licenciement ne peut pas tenir lieu de politique d’adoption de l’intelligence artificielle.

Contenu généré avec l'aide de l'IA générative

L’intelligence artificielle s’installe rapidement dans les entreprises et transforme déjà de nombreux métiers : marketing, finance, ressources humaines, conseil ou encore stratégie.

Face à cette évolution, les écoles de management doivent préparer leurs étudiants à utiliser ces nouveaux outils. Mais une erreur serait de considérer l’IA comme un simple logiciel supplémentaire, à apprendre de la même manière qu’Excel.

Excel est avant tout un outil technique. On apprend des fonctions, des formules, des tableaux croisés dynamiques ou des méthodes d’analyse de données. Une fois ces compétences acquises, l’étudiant sait généralement ce que le logiciel va produire à partir des informations qu’il lui fournit. Avec l’intelligence artificielle générative, la situation est différente. L’utilisateur dialogue avec un système capable de produire du texte, des analyses, des idées ou des recommandations, mais dont les réponses peuvent être imprécises, biaisées ou même complètement fausses.

Former à l’IA ne peut donc pas se limiter à enseigner comment rédiger un bon *prompt*. Bien sûr, savoir formuler une demande claire est utile, mais cette compétence risque rapidement d’évoluer avec les technologies. L’enjeu principal est plutôt d’apprendre aux étudiants à travailler intelligemment avec l’IA : savoir quand l’utiliser, comment vérifier ses réponses et surtout quand ne pas lui faire confiance.

Dans une école de management, cela suppose de placer l’esprit critique au centre de la formation. Un futur manager ne doit pas simplement demander à une IA de réaliser une analyse de marché et reprendre automatiquement sa réponse. Il doit être capable d’identifier les hypothèses utilisées, de vérifier les données, de repérer les incohérences et de confronter le résultat à d’autres sources. L’IA devient alors un assistant de réflexion plutôt qu’un substitut à la réflexion.

Cette évolution pose également une question importante : quelles compétences humaines prennent davantage de valeur lorsque l’IA devient accessible à tous ? Si chacun peut produire rapidement une présentation, résumer un rapport ou générer des idées, la différence se fera davantage sur la capacité à poser les bonnes questions, prendre des décisions, comprendre un contexte complexe, communiquer et exercer son jugement.

Les écoles de management ont donc intérêt à intégrer l’IA dans l’ensemble des enseignements plutôt qu’à créer uniquement un cours isolé intitulé « Intelligence artificielle ». En finance, les étudiants pourraient comparer leur propre analyse à celle d’une IA. En marketing, ils pourraient étudier les limites d'une campagne générée automatiquement. En stratégie, ils pourraient utiliser plusieurs outils pour construire différents scénarios avant de défendre leur propre décision. L’objectif serait de comprendre comment l’IA modifie concrètement chaque métier.

Il faut enfin aborder les dimensions éthiques et managériales. Confidentialité des données, biais algorithmiques, propriété intellectuelle, transparence ou responsabilité : utiliser une IA dans une entreprise implique des choix qui dépassent largement la maîtrise d’un outil informatique. Le manager reste responsable de ses décisions, même lorsqu’elles ont été préparées avec l’aide d’une machine.

L’IA ne doit donc pas être enseignée comme Excel, car elle ne représente pas simplement une nouvelle compétence technique. Elle transforme la manière de rechercher, de produire, d’analyser et de décider. Le rôle des écoles de management n’est pas seulement d’apprendre aux étudiants à utiliser l’intelligence artificielle, mais de leur apprendre à rester capables de penser, de vérifier et de décider dans un monde où elle sera omniprésente.

Contenu généré avec l'aide de l'intelligence artificielle.

Nous entrons dans une phase où la visibilité ne suffit plus à créer de la valeur. Pendant des années, les organisations ont cherché à produire davantage de contenus, à occuper les réseaux sociaux, à améliorer leur référencement et à multiplier les prises de parole.

L’intelligence artificielle générative accélère encore cette logique en faisant chuter le coût de production de l’information. Le problème est que lorsque tout le monde peut produire beaucoup, vite et avec une qualité apparente correcte, la rareté se déplace.

Ce qui devient difficile n’est plus d’accéder à l’information, mais de savoir laquelle mérite d’être crue. La crédibilité prend alors une valeur stratégique. Elle ne se confond ni avec la notoriété, ni avec la réputation. Une organisation peut être connue sans être crédible. La crédibilité correspond à la capacité d’une source à être considérée comme suffisamment fiable pour que son information soit prise au sérieux sans devoir être entièrement revérifiée à chaque fois.

Cette crédibilité se construit dans le temps. Elle repose sur la qualité des preuves, la compétence réelle des porte-parole, la cohérence entre les discours et les actes, ainsi que la capacité à reconnaître une erreur ou une incertitude. Elle peut aussi se détruire rapidement. Une entreprise qui exagère, manipule ses chiffres ou cherche à contrôler toutes les interprétations consomme son propre capital de crédibilité.

C’est précisément pour cette raison que les métiers fondés sur la confiance prennent une valeur nouvelle. Les relations presse en sont un bon exemple. Leur rôle ne consiste plus seulement à obtenir de la visibilité. Elles peuvent devenir une infrastructure de crédibilité, en mettant l’organisation en relation avec des journalistes, des experts et des sources capables de confronter, vérifier et contextualiser ses affirmations.

L’IA renforce encore ce phénomène. Les moteurs génératifs s’appuient sur des sources tierces pour construire leurs réponses. Être cité dans des médias ou des publications reconnues ne touche donc plus uniquement leur audience humaine. Cela contribue aussi à la représentation documentaire de l’organisation dans les systèmes d’IA.

La question stratégique change donc. Il ne s’agit plus seulement de demander : « Comment faire parler de nous ? » Il faut désormais demander : « Pourquoi devrait-on nous croire ? » Dans une économie saturée de contenus, la visibilité ouvre la porte. La crédibilité décide de plus en plus de ce qui se passe ensuite.

Elle devient ainsi un actif à construire, protéger et mesurer avec beaucoup plus de rigueur.

Contenu généré avec l'aide de l'IA générative

L’intelligence artificielle générative ne menace pas seulement certains emplois de bureau. Elle remet en cause un principe qui a structuré pendant des décennies les cabinets de conseil, d’audit et une grande partie des grandes organisations : pour produire beaucoup de travail intellectuel, il fallait beaucoup de personnes.

Les grands cabinets ont construit leur puissance sur cette logique. Quelques experts expérimentés supervisaient des équipes importantes chargées de rechercher des informations, analyser des documents, comparer des données et préparer les recommandations. Leur taille constituait donc un avantage réel. À cela s’est ajoutée la réputation. Pour un dirigeant, choisir une marque connue permettait aussi de réduire son propre risque : il est toujours plus facile de justifier devant un conseil d’administration le recours à un acteur reconnu qu’à une petite structure inconnue.

L’IA commence à casser cette mécanique. Une partie du travail autrefois réalisé par des dizaines de collaborateurs peut désormais être accélérée par des systèmes capables d’analyser de grandes quantités d’informations et de produire rapidement des premières synthèses. Cela ne signifie pas que l’expertise humaine disparaît. Au contraire, cela peut rendre l’expérience et le jugement encore plus importants. Ce qui perd de la valeur, c’est le simple fait de produire beaucoup de contenu.

Cette évolution pourrait avoir des conséquences importantes pour les entreprises. Certaines missions aujourd’hui confiées à des prestataires pourraient être réinternalisées. De petites structures spécialisées pourraient rivaliser avec des cabinets beaucoup plus importants. Un expert très expérimenté pourrait même disposer, grâce à l’IA, d’une capacité de production qui nécessitait auparavant toute une équipe.

Mais il existe un piège. Un document produit rapidement par une IA peut paraître très crédible tout en contenant des erreurs ou des informations inventées. Le rôle du manager ne consiste donc pas à remplacer aveuglément des consultants par des machines. Il consiste à comprendre ce qui mérite réellement d’être externalisé, ce qui peut être produit en interne et surtout ce qui doit être vérifié.

La vraie transformation concerne donc la structure du travail intellectuel. La taille d’une équipe devient moins directement liée à sa capacité de production. Pour les dirigeants, la question n’est plus simplement de savoir combien de temps l’IA permet de gagner. Il faut désormais se demander quelles capacités auparavant achetées à l’extérieur peuvent être maîtrisées directement par l’organisation.

Contenu généré avec l'aide de l'IA générative

La publicité dans ChatGPT marque une évolution importante du modèle économique d’OpenAI. L’idée n’est pas de transformer les réponses de ChatGPT en contenus sponsorisés.

Les annonces apparaissent à côté ou sous certaines réponses, de manière distincte, lorsqu’elles semblent pertinentes par rapport au contexte de la conversation. Une entreprise ne peut donc pas payer pour être recommandée directement par ChatGPT.

Elle peut en revanche acheter une présence publicitaire au moment où un utilisateur exprime un besoin précis.

C’est là que le dispositif devient intéressant. Les moteurs de recherche traditionnels travaillent surtout à partir de mots-clés. ChatGPT peut comprendre une intention plus détaillée, parce que l’utilisateur décrit souvent son problème, ses contraintes ou le type de solution qu’il recherche. Pour un annonceur, cela ouvre une nouvelle logique de ciblage fondée sur la situation exprimée dans la conversation.

Pour les entreprises françaises, le sujet devient concret depuis l’ouverture progressive du dispositif en Europe. Mais il faut rester prudent. Les publicités concernent principalement les utilisateurs des offres gratuites ou d’entrée de gamme. Les abonnés Plus, Pro, Business, Enterprise et Edu ne voient pas ces annonces. Pour certaines entreprises B2B qui cherchent à toucher des cadres dirigeants ou des professionnels très utilisateurs de ChatGPT, cela peut réduire fortement l’intérêt du canal.

Autre limite : les annonceurs ne voient pas les conversations des utilisateurs. Ils accèdent à des données de performance, mais disposent de moins d’informations détaillées que sur certains outils publicitaires traditionnels. Ils doivent donc accepter une part d’opacité sur la façon dont leurs annonces sont déclenchées.

Les premiers retours disponibles ne permettent pas encore d’affirmer que ChatGPT Ads surpasse Google Ads ou les autres grandes plateformes. Le potentiel existe, mais les performances restent à démontrer selon les secteurs et les types d’offres.

Pour une entreprise, l’approche raisonnable consiste donc à considérer ChatGPT Ads comme un terrain d’expérimentation. Il faut identifier les situations dans lesquelles un client pourrait naturellement demander conseil à une IA avant un achat, tester plusieurs messages publicitaires, mesurer précisément les conversions et comparer les résultats avec les canaux existants.

Le changement le plus intéressant dépasse finalement la publicité elle-même. Le marketing numérique s’est longtemps organisé autour des recherches effectuées sur Google. Il doit désormais commencer à comprendre les conversations que les clients ont avec les assistants IA lorsqu’ils cherchent à résoudre un problème. C’est probablement là que se situe le vrai enjeu pour les entreprises.

Contenu généré avec l'aide de l'IA générative

La perte de contrôle liée à l’IA générative ne vient pas seulement du fait que les machines deviennent plus autonomes.

Elle vient surtout du déplacement progressif des décisions, de l’expertise et de la capacité d’action vers des systèmes que les organisations comprennent parfois mal.

À mesure que l’IA analyse, recommande, automatise et agit, la question n’est plus simplement de savoir si un humain reste présent dans la boucle. Il faut vérifier s’il conserve réellement la capacité de comprendre, de contester et d’interrompre ce que fait le système.

C’est là que se trouve le premier piège. Une validation humaine ne garantit pas le contrôle. Lorsqu’un outil fournit des recommandations correctes dans la grande majorité des cas, l’humain finit souvent par les accepter mécaniquement. Le contrôle reste visible dans le processus, mais disparaît dans les faits. L’entreprise conserve alors un valideur, sans nécessairement conserver un véritable décideur.

La réponse ne consiste pas pour autant à revenir à une organisation où chaque action doit être approuvée par un manager. Ce modèle annulerait une grande partie de l’intérêt de l’automatisation. Il faut plutôt reconstruire le contrôle autrement.

Cela commence par une distinction claire entre les décisions qui peuvent être déléguées et celles qui doivent rester sous autorité humaine. Une décision fréquente, peu risquée et facilement réversible peut être automatisée largement. Une décision ambiguë, lourde de conséquences ou difficilement réversible nécessite davantage de supervision.

L’enjeu devient alors de définir des limites précises. À quelles données l’IA peut-elle accéder ? Quelles actions peut-elle effectuer ? Jusqu’à quel montant peut-elle engager l’entreprise ? Dans quelles situations doit-elle obligatoirement demander une validation ? La maîtrise repose moins sur le contrôle de chaque action que sur la définition de ces enveloppes d’autorité.

Cette évolution touche aussi la gouvernance. Une organisation ne peut pas tout centraliser, surtout lorsque les métiers disposent désormais d’outils capables d’automatiser rapidement leurs propres processus. Elle doit centraliser les règles communes, la sécurité et les niveaux d’autonomie, tout en laissant aux équipes la responsabilité de leurs usages.

Le véritable indicateur de contrôle devient alors simple : l’organisation sait-elle ce que font ses systèmes, comprend-elle pourquoi ils le font, sait-elle qui en répond et peut-elle reprendre la main rapidement ? Si elle ne peut pas répondre clairement à ces questions, le problème n’est pas l’autonomie de l’IA. C’est l’absence de gouvernance réelle.

Contenu généré avec l'aide de l'IA générative

L’IA générative transforme profondément le management des juniors en entreprise, car elle modifie les mécanismes par lesquels un débutant devient progressivement compétent.

Jusqu’à présent, les jeunes professionnels apprenaient en réalisant des recherches, des analyses simples, des comptes rendus, des premières versions de documents ou des contrôles élémentaires. Ces tâches, parfois répétitives, leur permettaient de comprendre les méthodes du métier, d’acquérir des automatismes et d’observer la manière dont les profils expérimentés corrigeaient leur travail.

L’IA générative peut désormais réaliser une partie importante de ces activités. Elle permet aux juniors de travailler plus vite, de mieux structurer leurs productions, d’accéder à des explications adaptées et de simuler des situations professionnelles. Elle peut réduire rapidement l’écart de performance entre un débutant et un salarié expérimenté. Un junior peut ainsi participer plus tôt à des missions complexes et prendre davantage de responsabilités.

Cette amélioration immédiate comporte toutefois un risque majeur. La qualité du résultat produit ne reflète plus nécessairement le niveau réel de compétence du collaborateur. Un junior peut présenter une analyse convaincante sans maîtriser les hypothèses utilisées, rédiger un document qu’il ne saurait défendre ou générer du code qu’il ne pourrait pas corriger. L’entreprise peut alors confondre performance assistée et autonomie professionnelle.

Le danger est également collectif. Si les organisations automatisent les tâches confiées aux débutants sans reconstruire leurs parcours d’apprentissage, elles risquent de réduire leur capacité à former leurs futurs experts. En recrutant moins de juniors au motif que les seniors équipés d’IA sont plus productifs, elles peuvent provoquer à moyen terme une pénurie de profils expérimentés.

Le rôle du manager doit donc évoluer. Il ne doit plus seulement évaluer la qualité du livrable. Il doit vérifier que le junior comprend son travail, sait contrôler les résultats de l’IA, identifier ses limites et agir sans assistance lorsque la situation l’exige. Cela suppose d’alterner les exercices réalisés sans IA, les usages accompagnés et les tâches largement automatisées.

Les entreprises doivent enfin évaluer simultanément la productivité et la progression des compétences. L’objectif n’est pas de protéger artificiellement les anciennes méthodes de travail. Il consiste à automatiser ce qui n’a plus de valeur tout en préservant les expériences nécessaires à la construction du jugement, de la responsabilité et de l’autonomie.

Contenu généré avec l'aide de l'IA générative

L'arrivée de l'IA agentique relance une question ancienne : le management intermédiaire est-il encore indispensable ? La réponse la plus solide est plus nuancée que les discours annonçant sa disparition. Ce qui est aujourd'hui remis en cause n'est pas la fonction de manager en elle-même, mais une partie des tâches administratives et de coordination qui lui étaient historiquement confiées.

La crise sanitaire a montré qu'une organisation pouvait continuer à fonctionner malgré la disparition des interactions physiques. Beaucoup en ont conclu que plusieurs niveaux hiérarchiques étaient devenus inutiles. Pourtant, les recherches montrent une réalité différente. Les outils numériques ont effectivement facilité la circulation de l'information, mais ils ont également augmenté le nombre de réunions, multiplié les échanges et renforcé certains silos. Les managers n'ont pas disparu. Leur charge de travail s'est souvent accrue pour maintenir la cohérence entre les équipes.

L'IA agentique change toutefois la nature du problème. Contrairement aux assistants conversationnels classiques, ces systèmes sont capables d'exécuter des suites d'actions dans plusieurs logiciels, de suivre un processus, de relancer automatiquement des interlocuteurs ou de préparer des synthèses. Toutes les activités reposant principalement sur la collecte d'informations, le suivi de tableaux de bord, les relances ou l'organisation de processus standardisés deviennent donc beaucoup plus facilement automatisables.

Cette évolution ne signifie pas que les entreprises pourront se passer de responsables humains. Elle déplace simplement la frontière entre ce qui relève de l'exécution et ce qui relève du jugement. Les arbitrages complexes, la résolution des conflits, le développement des compétences, la prise de décision dans des situations ambiguës ou encore la construction de la confiance restent difficilement automatisables. Plus les tâches répétitives disparaissent, plus ces dimensions deviennent la véritable valeur ajoutée du manager.

On observe d'ailleurs que les entreprises réduisent leurs niveaux hiérarchiques depuis bien avant l'arrivée de l'IA générative. La pression concurrentielle, la recherche de rapidité décisionnelle ou les contraintes économiques expliquent déjà une partie de ce mouvement. L'intelligence artificielle agit davantage comme un accélérateur que comme une rupture complète.

Le véritable risque consiste à supprimer des postes sans supprimer le travail correspondant. Les responsabilités de coordination peuvent alors être transférées vers des collaborateurs qui n'ont ni l'autorité ni le temps nécessaires pour les exercer correctement. Les économies affichées peuvent ainsi se transformer en perte de qualité, en ralentissements ou en désengagement des équipes.

La question stratégique n'est donc plus de savoir combien de managers conserver, mais quelles responsabilités doivent rester humaines. Les organisations qui réussiront seront probablement celles qui commenceront par analyser les tâches réellement automatisables avant de redéfinir le rôle du management autour de la décision, du développement des personnes et de la responsabilité.

Contenu généré avec l'aide de l'IA générative

Depuis près d’un an et demi, le podcast 100 % IA suit presque quotidiennement les transformations provoquées par l’intelligence artificielle générative dans le travail. Initialement centré sur les ressources humaines, il s’est progressivement élargi au management, au leadership, à l’organisation des entreprises et au rôle des comités de direction.

Cette évolution a rencontré une audience croissante. Sur la période, le nombre d’écoutes et de téléchargements a progressé d’environ 2 000 %, pour atteindre près de 40 000 lectures cumulées auprès d’environ 12 000 auditeurs. Chaque épisode rassemble régulièrement plusieurs centaines de personnes. La moitié de l’audience est constituée d’auditeurs récurrents, tandis que l’autre moitié découvre le contenu pour la première fois. Le temps d’écoute moyen atteint environ 25 minutes, soit l’équivalent de deux épisodes, puisque leur durée habituelle se situe entre dix et douze minutes.

L’audience est majoritairement située en France, en Belgique, en Suisse et dans plusieurs pays d’Afrique du Nord. Les États-Unis représentent toutefois près de 19 % des écoutes, tandis qu’une audience plus inattendue apparaît également au Japon. La répartition entre les femmes et les hommes est équilibrée, avec une légère majorité de femmes, autour de 53 %.

L’analyse des résultats montre que les sujets liés aux talents, aux compétences et à la gestion des équipes sont les plus appréciés. Les contenus consacrés aux dangers de l’intelligence artificielle rencontrent également un fort intérêt, notamment lorsqu’ils abordent la fatigue cognitive, la surcharge informationnelle, la perte de compétences ou les risques de mauvaises décisions. Les auditeurs semblent rechercher en priorité des clés de compréhension, des méthodes et des outils applicables à leur quotidien professionnel.

À l’inverse, les sujets plus théoriques, comme la souveraineté technologique ou les idéologies liées à l’intelligence artificielle, obtiennent généralement moins d’écoutes. Ils ne sont pas nécessairement moins importants, mais leur lien avec les préoccupations immédiates des managers est parfois moins visible.

Derrière les voix générées par intelligence artificielle se trouve un travail humain important : recherche documentaire, sélection des sujets, analyse des tendances et intégration d’expériences issues d’interventions auprès de managers et de comités de direction.

Une pause de deux semaines est désormais prévue au mois d’août, avec une reprise envisagée autour du 24 août, puis un retour à un rythme régulier en septembre. Cette interruption permettra de préparer de nouveaux épisodes davantage orientés vers les outils, les compétences et les décisions concrètes.

Contenu généré avec l'aide de l'IA générative