Ce que la théorie sociotechnique nous apprend sur le succès ou l'échec de l'IA en entreprise

Cet article de synthèse utilise la théorie des systèmes sociotechniques pour cartographier les antécédents et conséquences de l'adoption de l'IA en milieu professionnel. Les auteurs montrent que les facteurs sociaux (culture, confiance, normes) pèsent autant que les facteurs techniques dans le succès de l'implantation.

Un foisonnement de recherches qui manque de cohérence

La recherche sur l'IA au travail s'est développée de manière fragmentée : études en systèmes d'information, en psychologie organisationnelle, en management stratégique, en ergonomie. Chaque discipline apporte sa perspective, mais la vision d'ensemble reste floue. Yu, Xu et Ashton proposent de remettre de l'ordre dans ce foisonnement en utilisant un cadre intégrateur : la théorie des systèmes sociotechniques. Cette théorie, née dans les mines de charbon britanniques dans les années 1950, postule que toute organisation est un système composé de deux sous systèmes en interaction : le technique et le social. Optimiser l'un sans l'autre est voué à l'échec.

Appliquer le prisme sociotechnique à l'IA

Les auteurs développent un modèle qui distingue trois catégories d'antécédents à l'adoption de l'IA. Les antécédents techniques incluent la maturité technologique, la qualité des données, et l'interopérabilité avec les systèmes existants. Les antécédents sociaux comprennent la culture organisationnelle, la confiance envers la technologie, les compétences numériques des employés et le soutien managérial. Les antécédents environnementaux englobent les pressions concurrentielles, les régulations et les attentes des clients. L'hypothèse structurante est que l'adoption réussie exige un alignement entre ces trois niveaux.

Une méthode de synthèse systématique

L'article procède par revue systématique de la littérature existante, identifiant et codant les variables étudiées dans les recherches empiriques publiées sur l'IA en milieu de travail. Les auteurs proposent ensuite des propositions de recherche (et non des hypothèses testées), ce qui en fait davantage un article théorique d'orientation qu'une étude empirique. Cette approche a le mérite de fournir une carte conceptuelle lisible pour les chercheurs et praticiens qui souhaitent situer leur propre questionnement.

Les résultats organisationnels de l'adoption de l'IA

Du côté des conséquences, les auteurs identifient des résultats à trois niveaux. Au niveau individuel : modification des compétences requises, changement dans la satisfaction au travail, redéfinition des rôles. Au niveau du groupe : transformation des dynamiques de collaboration, émergence de nouvelles formes de coordination. Au niveau organisationnel : gains de productivité, innovation accrue, mais aussi risques de déshumanisation des processus et de perte de diversité dans la prise de décision. Le modèle sociotechnique permet de comprendre que ces résultats ne sont pas des effets mécaniques de la technologie, mais des produits de l'interaction entre choix techniques et conditions sociales.

Vers une approche intégrée du déploiement

La contribution principale de ce travail est de rappeler une leçon souvent oubliée : la technologie seule ne crée pas de valeur. C'est son inscription dans un système social (avec ses normes, ses relations de pouvoir, ses compétences et ses résistances) qui détermine si l'adoption sera source de progrès ou de dysfonctionnement. Les auteurs appellent les praticiens à abandonner l'approche « techno-centrée » au profit d'une conception sociotechnique du déploiement de l'IA.

Passer du constat à l'initiative

Quand vous planifiez le déploiement d'un outil d'IA, consacrez autant de budget et de temps aux dimensions sociales qu'aux dimensions techniques. Cartographiez la culture d'équipe, évaluez le niveau de confiance envers la technologie, identifiez les compétences manquantes. Un plan de déploiement qui ne couvre que les aspects techniques ne couvre en réalité que la moitié du problème.

Pour aller plus loin  

Retkowsky et al. (2024). Managing a ChatGPT-Empowered Workforce: Understanding Its Affordances and Side Effects

Ipsos (2024). Les Français et l'intelligence artificielle au travail

Law et al. (2025). Generative AI & Changing Work: Systematic Review of Practitioner-led Work Transformations through the Lens of Job Crafting

Référence : Yu, X., Xu, S., & Ashton, M. (2022). Antecedents and outcomes of artificial intelligence adoption and application in the workplace: The socio-technical system theory perspective. Information Technology & People, 35(1). https://doi.org/10.1108/itp-04-2021-0254