Et si l’IA rendait les mauvais managers plus difficiles à repérer ?
Pendant longtemps, les managers ont appris à maîtriser les signes visibles de leur propre compétence.
Des réunions préparées. Des tableaux de bord maîtrisés. Des comptes rendus précis. Des présentations structurées. Des résultats chiffrés, expliqués devant leur hiérarchie.
Ils savent que ces éléments sont attendus. Ils savent aussi qu’ils participent directement à la manière dont leur travail sera évalué.
Ils ont compris qu’un bon résultat est la base. Mais que la manière de le présenter peut faire toute la différence.
Tout cela reste utile. Mais soyons clairs : ce n’est pas parce qu’un manager sait produire ces éléments qu’il est nécessairement bon.
Et maintenant que l’intelligence artificielle peut en réaliser une partie plus rapidement, plus proprement et parfois mieux que lui, cette distinction devient impossible à éviter.
1. L’IA sait mettre l’incompétence sous le tapis
L’IA ne change pas la définition d’un bon manager
L’intelligence artificielle ne va pas transformer la définition d’un bon manager.
Un bon manager doit toujours comprendre son terrain, connaître son équipe, interpréter une situation, décider dans son périmètre et formuler des propositions au-delà de celui-ci.
Il doit toujours être capable de sentir qu’une difficulté ne va pas s’arrêter là, qu’une tension apparemment passagère risque de s’installer ou qu’un résultat anormalement bon mérite peut-être davantage de vigilance que de félicitations.
L’IA ne change rien à cela.
En revanche, elle fragilise certains signes à partir desquels les entreprises reconnaissent encore la compétence managériale.
Un tableau de bord impeccable ne prouve plus grand-chose lorsqu’une machine peut le produire en quelques secondes. Une présentation parfaitement structurée ne permet plus de savoir qui a réellement compris le problème.
Même une analyse apparemment solide peut avoir été largement générée par un outil.
Le problème n’est pas que l’IA soit utilisée.
Le problème commence lorsque la qualité de ce qui est présenté devient très supérieure à la qualité de la réflexion de celui qui le présente.
Des documents impeccables. Et presque plus rien derrière.
La situation devient assez facile à reconnaître.
Le manager présente des tableaux particulièrement propres, une synthèse nette et un document produit avec une rapidité inhabituelle. Pourtant, dès qu’on lui demande ce que les chiffres racontent réellement, ce qui se passe sur le terrain ou quelle décision il recommande, le contraste devient parfois abyssal.
Les données sont là. L’analyse beaucoup moins.
C’est, à mon sens, le véritable enjeu de l’utilisation de l’IA. Elle peut aider un manager ou un dirigeant à élargir considérablement son champ de réflexion.
S’en priver serait une erreur.
Encore faut-il qu’il s’approprie réellement ce qu’elle lui apporte et qu’il progresse grâce à cette ouverture. Cela ne va pas de soi.
Le vrai danger n’est pas son utilisation. C’est sa non-appropriation.
Quand l’outil touche à la légitimité
À une époque, les ouvrages de Daniel Kahneman, les Techniques de l’Ingénieur ou ceux d’Eliyahu M. Goldratt étaient sur les étagères.
Aujourd’hui, il n’est plus possible de passer à côté de l’IA.
Mais l’IA n’est pas un livre.
Qui se targuait d’avoir acquis ses compétences parce qu’il avait lu Kahneman ou Goldratt ?
Personne.
Ces ouvrages nourrissaient la compétence. Ils ne la remplaçaient pas.
C’est peut-être là que commence le malaise avec l’IA : elle ne se contente plus de nourrir notre réflexion. Elle peut produire directement quelque chose qui en a l’apparence.
Une réponse qui dépasse nos attentes.
Une terminologie que nous ne maîtrisions pas.
Une ouverture à laquelle nous n’avions pas pensé.
Et parfois, nous voilà capables de présenter quelque chose que nous n’aurions pas su construire seuls.
Est-ce illégitime pour autant ? Pas nécessairement.
Un dirigeant ou un manager n’a jamais tout construit seul. Il s’est toujours appuyé sur des experts, des données, des outils, des méthodes ou des travaux qu’il n’aurait pas été capable de produire lui-même.
Mais il y a une limite.
Comprendre ce que l’IA nous propose ne signifie pas que nous avons soudain acquis les compétences nécessaires pour produire seuls le même résultat.
La vraie frontière est ailleurs : sommes-nous capables de challenger ce qu’elle avance, d’en comprendre les hypothèses, d’en voir les limites, de le confronter à notre terrain et d’en assumer les conséquences ?
Certains managers font précisément cela.
Ils utilisent pleinement l’IA, la challengent, la ramènent sur un terrain qu’ils comprennent et maîtrisent, vérifient ce qu’elle avance et s’en servent pour élargir leur réflexion.
Dans ce cas, l’outil ne remplace pas la compétence.
Il l’augmente.
Mais lorsque nous présentons quelque chose que nous ne savons ni expliquer, ni challenger, ni confronter au réel, le mécanisme est très différent.
L’IA n’augmente plus seulement ce que nous savons faire. Elle peut augmenter l’apparence de ce que nous savons faire.
Et la frontière entre les deux n’est pas toujours confortable à regarder.
C’est précisément pour cela que le sujet dépasse largement la simple utilisation d’un nouvel outil.
L’IA ne touche pas seulement à notre manière de produire.
Elle touche à notre sentiment de compétence et de légitimité.
2. L’IA ne connaît ni le terrain ni les conséquences
Le chiffre n’est que le début du travail
Prenons un taux de non-qualité particulièrement élevé.
L’IA peut repérer l’anomalie, la comparer aux périodes précédentes, produire un graphique, chercher des corrélations et proposer plusieurs hypothèses.
C’est utile. Parfois même remarquable.
Mais ce que j’attends d’un manager ne s’arrête pas là.
J’attends qu’il soit capable de relier ce chiffre à la réalité du terrain. Qu’il m’explique, par exemple, que les équipes traversent depuis plusieurs semaines une période de stress provoquée par un autre événement dans l’entreprise. Qu’il me dise ce qu’il observe, ce qu’il ressent et pourquoi il pense que le phénomène risque de s’amplifier.
Le chiffre devient alors réellement éclairant.
Un bon manager ne se contente pas de décrire ce qui s’est produit. Il perçoit aussi ce qui est peut-être en train de naître.
Cette intuition n’est pas une preuve et ne doit pas être présentée comme telle. Mais elle constitue une information. Elle vient de la connaissance des personnes, des échanges informels, des tensions observées et de tout ce qui ne remonte pas encore dans un tableau.
Un bon dirigeant ne doit pas l’accepter aveuglément. Mais il ne doit surtout pas la laisser passer.
Il peut travailler avec le manager sur un indicateur, organiser des points de contrôle ou mettre en place un suivi spécifique. L’intuition est alors confrontée au réel.
C’est aussi cela, manager : percevoir suffisamment tôt pour permettre à l’entreprise de regarder au bon endroit.
L’IA ne peut pas dire non à ta place
Lorsqu’un objectif paraît difficile à atteindre, l’IA peut aider à l’analyser.
Elle peut proposer des solutions auxquelles nous n’avions pas pensé, comparer plusieurs méthodes, identifier des ressources supplémentaires ou construire un scénario parfaitement cohérent sur le papier.
Mais cette capacité peut aussi devenir faussement rassurante.
Sous pression, et parfois galvanisé par le désir de plaire, le manager peut se laisser convaincre par la qualité du raisonnement produit. Le scénario semble précis. Les étapes s’enchaînent. Les risques paraissent identifiés. Alors il se dit : « Oui, nous pouvons probablement le faire. »
Seulement, un point essentiel peut lui échapper :
Un scénario plausible sur le papier n’est pas forcément tenable par une équipe dans la vraie vie.
L’IA ne connaît que les éléments qui lui ont été fournis. Elle ne perçoit pas directement la fatigue accumulée, les tensions silencieuses, la disponibilité réelle des personnes, les fragilités du moment ou l’effet d’un projet supplémentaire sur une équipe déjà fortement sollicitée.
Même avec des données précises, elle ne portera pas l’engagement pris ni ses conséquences.
La valeur du manager se situe donc aussi à cet endroit : confronter les possibilités proposées par l’IA à ce qu’il connaît réellement de son équipe avant de s’engager.
L’IA peut élargir le champ des possibles.
Elle ne transforme pas, à elle seule, une possibilité en engagement tenable.
3. L’utiliser, c’est choisir : pépite ou paravent
Une opportunité folle. Et son envers.
L’IA ouvre une opportunité folle.
Elle peut prendre en charge une partie des tâches de production de tableaux de bord, améliorer la lisibilité des documents, accélérer certaines recherches et aider à confronter plusieurs hypothèses.
Le manager peut donc consacrer davantage de temps à ce qui constitue réellement sa fonction : observer le terrain, comprendre son équipe, interpréter, proposer, décider et suivre les conséquences de ses choix.
Si ça, ce n’est pas une pépite…
Encore faut-il la saisir.
Sa face nord, en revanche, est préoccupante.
Elle peut permettre à un manager de masquer une analyse pauvre derrière des productions impeccables.
Et si la direction continue à évaluer principalement la conformité des livrables, le piège se referme :
Le manager produit les signes attendus.
Le dirigeant les reconnaît.
Chacun entretient le fonctionnement codé de l’autre.
L’IA ne crée pas cette faiblesse.
Elle peut simplement lui donner une efficacité redoutable.
La bonne nouvelle : il va falloir regarder ailleurs
C’est peut-être là que l’IA peut rendre un service inattendu au management.
Pendant longtemps, certaines entreprises ont confondu la qualité du management avec la qualité de ses signes visibles.
Des chiffres maîtrisés.
Une présentation impeccable.
Une synthèse claire.
Une réponse rapide et structurée.
Tout cela reste utile.
Mais si une machine peut désormais produire une grande partie de ces éléments avec une qualité remarquable, ils vont forcément perdre une partie de leur pouvoir de distinction.
Il faudra regarder ailleurs.
Qui comprend réellement ce qui se passe ?
Qui voit venir un problème avant qu’il n’apparaisse clairement dans les chiffres ?
Qui sait confronter une solution séduisante à la réalité du terrain ?
Qui sait décider lorsque tout n’est pas certain ?
Qui sait dire non lorsque le scénario est cohérent, mais que l’équipe ne pourra pas le tenir ?
Et surtout, qui obtient des résultats sans consommer les personnes qui les rendent possibles ?
La bonne nouvelle est peut-être là : l’IA peut nous obliger à regarder beaucoup plus sérieusement ce qu’est réellement un bon manager.
4. L’IA nous oblige
Les éléments formels du travail managérial restent utiles, mais ils doivent retrouver leur juste place
Il ne s’agit pas de cesser d’évaluer les tableaux, les synthèses ou les résultats chiffrés.
Ces éléments traduisent la capacité du manager à structurer une information, à contrôler son activité et à rendre compte d’une partie tangible de son apport à l’entreprise.
Mais ils occupent encore souvent une place excessive.
Un manager doit aussi être évalué sur sa compréhension du terrain, la qualité de ses décisions, sa force de proposition, son autonomie et les effets humains de sa manière de manager.
Sur le papier, tout le monde est d’accord.
Mais c’est au moment de regarder vraiment ce que ces critères racontent que ça se complique.
Un turnover faible n’est pas une preuve absolue de qualité. Une ambiance positive peut parfois masquer de la complaisance ou une accoutumance à l’adversité.
Mais l’inverse reste tout de même un signal fort. Un turnover élevé, une ambiance durablement dégradée ou des équipes qui s’épuisent imposent de regarder sérieusement sa manière de manager.
On ne peut pas les réduire à de simples dommages collatéraux au motif que les objectifs sont atteints.
Ma position reste donc claire.
Entre un manager qui dépasse ses objectifs en abîmant son équipe et un manager qui atteint les résultats sur lesquels il s’est engagé tout en fidélisant, en faisant progresser et en maintenant une dynamique positive, je choisis le second sans hésitation.
Le premier ne produit pas une performance remarquable. Il consomme le collectif qui la rend possible.
La qualité des présentations d’un manager devant sa direction, si bonne soit-elle, n’est donc pas le seul révélateur de sa compétence.
Cela paraît évident. Mais franchement, qui n’y serait pas sensible lorsque les documents sont impeccables, les résultats atteints et que rien ne semble signaler que le reste ne tient pas ?
Un assistant surdoué qui peut se tromper
L’IA doit entrer dans le travail des managers et des dirigeants. C’est évident.
Retarder systématiquement son utilisation serait une erreur. La considérer comme un simple danger technique qu’il suffirait de contenir par quelques règles de sécurité en serait une autre.
Je la vois comme un assistant surdoué capable de se tromper.
On peut lui demander de produire des documents, de rechercher, d’analyser, de comparer, de simuler ou de contredire une hypothèse. Mais il faut apprendre à l’interroger correctement, à vérifier ses réponses et à lui demander de contre-valider ses propres conclusions.
Un exemple très concret : avant de lui demander de répondre sur un sujet important, on peut lui donner cette consigne :
Avant de répondre, vérifie les faits selon le protocole suivant.
- Identifie les affirmations factuelles importantes nécessaires pour répondre à ma question.
- Vérifie-les sur le Web en privilégiant les sources primaires, officielles ou scientifiques.
- N’utilise aucune source que tu n’as pas réellement retrouvée et consultée.
- Pour toute étude scientifique, vérifie son existence réelle, ses auteurs, sa date et son DOI ou son identifiant PubMed lorsqu’il existe.
- Croise les affirmations importantes avec au moins une deuxième source indépendante lorsque c’est possible.
- Recherche volontairement des sources ou des éléments susceptibles de contredire la conclusion vers laquelle les premières informations semblent conduire.
- Si les sources se contredisent, expose le désaccord au lieu de choisir arbitrairement une version.
- Distingue clairement ce qui est établi, probable, discuté ou non vérifiable.
- Ne transforme jamais une absence de preuve en certitude.
- Avant de finaliser ta réponse, cherche ce qui pourrait encore rendre ta conclusion fausse, incomplète ou trompeuse.
- Si tu ne peux pas vérifier suffisamment un point, dis explicitement : « Je ne peux pas le confirmer avec suffisamment de fiabilité. »
Ta priorité n’est pas de me donner une réponse complète. Ta priorité est de ne pas me donner une réponse fausse.
Termine par les sources réellement utilisées, suffisamment précises pour que je puisse les vérifier moi-même.
Ce type de consigne ne rend évidemment pas l’IA infaillible. Mais il change profondément la manière dont on l’utilise : on ne lui demande plus seulement de répondre, on lui demande aussi de vérifier, de chercher ce qui pourrait contredire sa conclusion et d’assumer l’incertitude lorsqu’elle existe.
Le manager n’a pas nécessairement à détailler chaque fois la manière dont il l’a utilisée. En revanche, il doit être capable de défendre entièrement ce qu’il présente.
S’il explique qu’il a utilisé l’IA pour produire des tableaux plus propres afin de consacrer davantage de temps à l’analyse du terrain, sa valeur n’est pas diminuée. Au contraire, il montre qu’il a compris où se situe sa mission.
L’IA peut participer à tout le travail qui précède une décision. Elle ne doit jamais devenir l’endroit où le manager ou le dirigeant dépose sa responsabilité.
Avant de généraliser l’IA, clarifions ce que nous attendons d’un manager
La sécurité des données est un enjeu réel. La fiabilité des réponses, la confidentialité, les droits d’accès et les règles d’utilisation doivent être traités sérieusement.
Mais derrière ces préoccupations très visibles se joue peut-être quelque chose de plus important.
L’IA rend moins fiables certains signes à partir desquels les entreprises reconnaissent encore la compétence de leurs managers.
Elle peut libérer du temps pour mieux manager.
Elle peut aussi permettre de produire une apparence de compétence beaucoup plus convaincante.
Tout dépendra donc moins de la qualité des documents produits que de la capacité de l’entreprise à regarder ce qu’il y a derrière.
Réussir l’intégration de l’IA ne consiste pas seulement à sécuriser un nouvel outil.
Il faut aussi savoir ce que l’on attend réellement d’un manager lorsqu’une machine peut produire une partie de ce qui servait jusqu’ici à prouver sa compétence.
Et si l’IA nous oblige à cesser de confondre une production impeccable avec une compétence managériale, elle aura peut-être rendu au management un service que personne n’avait prévu.
Pour poursuivre cette réflexion :