De l’adoption à l’appropriation de l’IA générative au travail: échange entre sciences de l’éducation et psychologie

Chapitre 1: Usages et adoption de l’IA, un rapport au travail déconstruit

10 juillet 2026

L’arrivée de l’intelligence artificielle générative dans les milieux professionnels suscite de nombreuses interrogations. Si les débats portent souvent sur les gains de productivité ou les transformations des métiers, ils laissent parfois dans l’ombre une question pourtant essentielle : que se passe-t-il réellement lorsque ces outils entrent dans les pratiques de travail ?

L’essor de l’intelligence artificielle générative marque une nouvelle étape dans la transformation du monde du travail. Au-delà des gains de productivité et de l’automatisation de certaines tâches, son intégration soulève des questions plus profondes sur l’évolution des pratiques professionnelles, des compétences et des modes de collaboration. Si l’adoption de ces outils est aujourd’hui largement mise en avant, elle ne suffit pas à saisir les véritables mutations à l’œuvre dans les organisations. Il convient ainsi de s’interroger sur ce qui a réellement changé dans le rapport au travail et sur les enjeux organisationnels qui dépassent la seule question de l’adoption technologique.

C’est dans cette perspective que s’inscrit ce premier entretien, structuré autour de plusieurs questions destinées à explorer ces enjeux. En croisant les regards des sciences de l’éducation et de la psychologie, ceux-ci s’intéressent aux conditions dans lesquelles l’IA générative est intégrée dans le travail, aux apprentissages qu’elle exige, mais aussi aux questions qu’elle soulève en matière de compétence, d’identité professionnelle, de motivation et de santé au travail.

Depuis l’arrivée de l’IA générative dans les usages professionnels, qu’est-ce qui vous semble avoir le plus changé dans le rapport au travail ?

Joseph Baud-Grasset: Ce qui me frappe le plus dans l’émergence de l’intelligence artificielle générative est qu’elle s’est imposée dans les pratiques professionnelles avant même que les organisations n’aient réellement eu le temps d’en penser les implications. J’observe que des professionnels ont commencé à utiliser des outils comme ChatGPT pour concevoir des contenus, rédiger des documents ou structurer des projets bien avant l’existence de cadres d’usage ou de recommandations institutionnelles. Face à ces nouveaux “compagnons cognitifs”, le professionnel devient de plus en plus un praticien réflexif tel que défini par Donald Schön (1983). Le professionnel réfléchit dans l’action (reflection-in-action) et sur l’action (reflection-on-action).

Ainsi, ce décalage révèle, selon moi, une transformation qui prend d’abord naissance dans les usages plutôt que dans les institutions. Sa diffusion est d’une rapidité inédite : là où certaines évolutions nécessitaient plusieurs années, quelques mois suffisent désormais pour modifier les pratiques et les postures professionnelles.

Dans le domaine de la formation, les gains de temps sont indéniables. Concevoir un premier module, générer des activités pédagogiques ou produire des supports devient plus rapide. Toutefois, l’enjeu ne se limite pas à l’automatisation. Ce qui évolue profondément est la nature du travail. Le temps consacré auparavant à rechercher, rédiger et structurer constituait aussi un temps de réflexion et d’appropriation. Désormais, j’observe que les professionnels interviennent davantage comme évaluateur, arbitre et concepteur critique de contenus qu’il n’a pas entièrement produits. Si certaines tâches s’allègent, les exigences de discernement, de validation et de responsabilité s’intensifient.

Les compétences et la posture se complexifient davantage car l’IA générative amène les professionnels vers d’autres savoir-faire. En effet, cette évolution nourrit parfois l’idée que les projets de formation devraient être réalisés toujours plus rapidement. Pourtant, si l’intelligence artificielle accélère certaines étapes, elle ne remplace ni l’analyse des besoins, ni la qualité de l’ingénierie andragogique, ni la capacité à adapter son intervention aux contextes et aux personnes.

J’en viens ainsi à considérer que savoir interroger une intelligence artificielle, évaluer la pertinence de ses réponses, identifier ses limites et décider quand ne pas y recourir constitue désormais une compétence professionnelle essentielle. Plus qu’une maîtrise technique, il s’agit d’un apprentissage du discernement.

Stéphane Bonzon: Joseph décrit ce qui s’accélère. Or, en plus de l’accélération technique que propose l’intelligence artificielle générative, j’insisterais sur l’accélération du changement social, au sens de Rosa (2010), c’est-à-dire le déplacement rapide des attentes et des repères. En matière de travail, cela induit un déplacement des normes sans qu’elles n’aient été ni renégociées ni expliquées. Pour les professionnels, cela produit une expérience étrange : nous continuons à faire notre travail mais nous sentons autour de nous que le standard implicite bouge. Le temps long d’un savoir-faire construit année après année à la faveur d’expériences multiples et de rencontres, le temps d’une signature professionnelle, d’une « patte », d’une réputation patiemment façonnée, tout cela n’a plus la même cadence que le temps technique. Or, personne ne le dit explicitement. Nous nous retrouvons dès lors face à une zone grise, où à peu près n’importe quel contenu, par exemple une note de synthèse produite en cinq minutes avec une IA, peut remplacer une production qui prenait trois heures auparavant. Et le problème est que nous ne savons plus très bien si notre version reste meilleure ou seulement équivalente, ni si l’écart de qualité que nous défendons est encore reconnu, ou même simplement perçu, par qui que ce soit.

On parle beaucoup d’adoption de l’IA. Est-ce suffisant pour comprendre ce qui se joue réellement dans les organisations ?

Joseph Baud-Grasset: Quand les organisations parlent d’adoption de l’IA, elles parlent souvent en premier lieu de déploiement : acheter des licences, ouvrir des accès, proposer une formation ou organiser une démonstration.

Pourtant, en formation des adultes, nous savons depuis longtemps qu’un outil disponible n’est pas un outil approprié. L’apprentissage ne commence pas lorsqu’une ressource existe ; il commence lorsqu’une personne trouve du sens à son usage dans sa propre activité.

Déployer l’outil ne suffit pas. Encore faut-il créer les conditions pour que les professionnels puissent l’intégrer à leur activité.

Dans bien des cas, ce sont les espaces collectifs qui rendent l’appropriation possible. Ainsi, prendre l’appropriation au sérieux, c’est accepter que la transformation des pratiques soit plus lente que le déploiement des outils. Les organisations les plus avancées ne seront pas forcément celles qui auront adopté l’IA le plus vite, mais celles qui auront créé les conditions de son intégration : du temps, de la confiance, des espaces d’échange et la possibilité d’expérimenter sans pression excessive. Laisser la place à la création et mise en place de communautés de pratique telles que définies par Etienne Wenger (1998) me semble essentielle à l’intégration d’un savoir-faire évolutif exigeant. Car l’enjeu n’est pas seulement d’utiliser l’IA générative, mais de construire un usage qui ait du sens dans le travail réel et son évolution perpétuelle.

Stéphane Bonzon: Le débat sur l’adoption de l’IA en entreprise est implicitement structuré par le modèle UTAUT (Venkatesh et al., 2003), révisé par Blut et al. (2022). Les quatre déterminants principaux de l’intention et du comportement d’utilisation d’une technologie dans le modèle original sont l’attente de performance, l’attente d’effort, l’influence sociale et les conditions facilitantes. Ces variables sont utiles pour expliquer pourquoi une personne utilise, pourquoi elle déclare son intention d’utiliser l’outil et pourquoi son organisation favorise ou freine l’adoption. Cela peut prédire l’usage mais pas ce que l’usage fait à la personne. C’est précisément le seuil que pose Joseph quand il distingue déploiement et appropriation. On peut cocher toutes les cases du modèle UTAUT et n’avoir produit que de l’adoption comportementale. Une appropriation, au sens fort, est autre chose. L’étude de Baruel Bencherqui et al. (2025) sur trente-deux salariés qualifiés, qui s’appuie sur le modèle théorique UTAUT, dresse une typologie des professionnels face à l’IA générative en trois profils distincts, qui rendent compte d’un décalage entre les utilisateurs. Quelques avant-gardistes ont une intensité d’usage élevée et communiquent massivement à son sujet, mais les plus nombreux restent dans une utilisation occasionnelle et prudente. Certains, freinés par leurs craintes concernant la sécurité des données ou un manque de maîtrise, ne l’utilisent simplement pas. Le rapport à l’IA générative que les professionnels construisent influence fortement leur décision d’y recourir ou non. Comme l’a montré Rabardel (1995) avec la genèse instrumentale, un professionnel ne reçoit pas un système technique fini qu’il se contente d’utiliser tel quel. Au contraire, il développe son propre instrument de travail en transformant à la fois l’outil et sa propre activité. Dans cette perspective, l’adoption est le moment où l’IA entre dans l’environnement de travail, alors que l’appropriation commence quand l’utilisateur la transforme en un instrument pertinent pour son activité. Or, avec un système probabiliste comme l’IA générative, la pertinence de son utilisation ne va jamais de soi. À mon sens, seule une appropriation éclairée de l’IA générative, comme j’aime l’appeler, permet d’éviter qu’elle ne devienne une simple béquille cognitive ou un automatisme de délégation.

Ressources :

Baruel Bencherqui, D., Chaari, J., Le Flanchec, A., & Mullenbach Servayre, A. (2025). L’appropriation de l’intelligence artificielle générative (IAG) par les salariés en entreprise. Vie & Sciences de l’Entreprise, 224(1), 13–40. https://doi.org/10.3917/vse.224.0013
Blut, M., Chong, A. Y. L., Tsigna, Z., & Venkatesh, V. (2022). Meta-analysis of the Unified Theory of Acceptance and Use of Technology (UTAUT): Challenging its validity and charting a research agenda in the red ocean. Journal of the Association for Information Systems, 23(1), 13–95. https://doi.org/10.17705/1jais.00719
Bonzon, S. (2026, 10 avril). IA générative et travail : Au-delà du bruit, ce que la recherche révèle déjà. Observatoire ISFB des compétences bancaires et financières.
Rabardel, P. (1995). Les hommes et les technologies : Approche cognitive des instruments contemporains. Armand Colin.
Rosa, H. (2010). Accélération : Une critique sociale du temps (D. Renault, trad.). La Découverte. (Ouvrage original publié en 2005)
Schön, D. A. (1983). The reflective practitioner: How professionals think in action. Basic Books.
Wenger, E. (1998). Communities of practice: Learning, meaning, and identity. Cambridge University Press.

Formation courte IA pour spécialistes de la finance

© Institut Supérieur de Formation Bancaire (ISFB). Tous droits réservés.
Les analyses et contenus publiés par l’ISFB peuvent être cités ou repris de manière partielle, sous réserve de mentionner clairement la source. Toute reproduction intégrale ou substantielle de cet article dans un autre média ou support est soumise à l’autorisation écrite préalable de l’ISFB. Afin de faciliter la lecture et sans intention discriminatoire, l’emploi du genre masculin est généralement choisi, conformément à la règle de grammaire qui permet de l’utiliser comme valeur neutre pour désigner un ensemble de personnes comprenant à la fois des hommes et des femmes. La présente publication est destinée aux membres ISFB ainsi qu’à leurs salariés en Suisse, ainsi qu’à toute personne intéressée par la finance en Suisse. Elle n’a pas vocation à être lue ou diffusée dans une juridiction où sa diffusion serait interdite.

Joseph Baud-Grasset

Chargé de formation
ISFB

Stéphane Bonzon

Psychologue de l’orientation
ISFB

Savoir interroger une intelligence artificielle, évaluer ses réponses et décider quand ne pas y recourir devient une compétence professionnelle.

Joseph Baud-Grasset