Dans cet ouvrage de référence, Thomas Davenport propose un cadre stratégique pour transformer l'IA en avantage concurrentiel. Son approche, centrée sur l'augmentation plutôt que la substitution, et sur les gains graduels plutôt que la disruption totale, reste étonnamment pertinente six ans après sa publication.
Quand Davenport publie The AI Advantage en 2018, le discours dominant oscille entre euphorie (l'IA va tout révolutionner) et catastrophisme (l'IA va tout détruire). Professeur au MIT et consultant auprès de grandes entreprises, Davenport choisit une troisième voie : le pragmatisme. Son argument central est que la plupart des organisations tireraient davantage de bénéfices d'applications modestes et bien ciblées de l'IA que de projets ambitieux mais mal calibrés. Cette position, parfois perçue comme timorée à l'époque, a été largement validée par les difficultés qu'ont rencontrées de nombreux projets d'IA trop ambitieux.
Davenport structure sa réflexion autour de trois niveaux d'application : l'automatisation des processus (process automation), les insights cognitifs (cognitive insight) et l'engagement cognitif (cognitive engagement). Le premier niveau concerne la robotisation de tâches administratives répétitives. Le deuxième implique l'analyse de grandes masses de données pour en extraire des patterns utiles à la décision. Le troisième engage l'IA dans des interactions directes avec les clients ou les collaborateurs. Cette taxonomie permet aux organisations de se situer et de progresser graduellement.
Contrairement aux discours qui présentent l'IA comme un substitut du travailleur, Davenport défend une philosophie d'augmentation. L'IA ne remplace pas l'expert : elle le rend plus rapide, plus précis, capable de traiter davantage d'informations. Ce positionnement n'est pas naïf : Davenport reconnaît que certains postes seront effectivement supprimés. Mais il argumente que les organisations qui adoptent une approche d'augmentation obtiennent de meilleurs résultats tant en termes de performance qu'en termes d'adhésion des équipes.
À partir de dizaines d'études de cas, Davenport identifie les facteurs qui distinguent les déploiements réussis : un sponsoring de la direction générale, un portefeuille de projets gradués (commencer petit, prouver la valeur, puis élargir), une attention aux données (qualité, accessibilité, gouvernance), et surtout une prise en compte des dimensions humaines (formation, communication, gestion du changement). L'absence de ce dernier facteur est, selon lui, la première cause d'échec des projets d'IA en entreprise.
Bien qu'écrit avant l'explosion de l'IA générative, le cadre de Davenport reste applicable. Son insistance sur le pragmatisme (commencer par des cas d'usage à fort retour sur investissement et faible risque), sur l'augmentation (positionner l'IA comme aide et non comme remplacement) et sur la gestion du changement (investir autant dans l'humain que dans la technologie) constitue une boussole utile face à la tentation de la disruption totale que promet l'IA générative. Avant de lancer un projet d'IA ambitieux, identifiez trois processus simples et répétitifs où l'IA pourrait apporter un gain immédiat et mesurable. Déployez là sur ces cas, mesurez les résultats, communiquez les succès, puis élargissez progressivement. Cette stratégie des petits gains, moins spectaculaire qu'une transformation radicale, produit des résultats plus durables et génère l'adhésion dont vous aurez besoin pour des projets plus ambitieux.
Law et al. (2025). Generative AI & Changing Work: Systematic Review of Practitioner-led Work Transformations through the Lens of Job Crafting
Yu et al. (2022). Antecedents and Outcomes of Artificial Intelligence Adoption and Application in the Workplace: The Socio-Technical System Theory Perspective
Brynjolfsson et al. (2023). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence
Référence : Davenport, T. H. (2018). The AI advantage: How to put the artificial intelligence revolution to work. MIT Press.
Fagonner son travail : les salaries qui transforment leur poste de l'interieur
L'IA generative comme levier de job crafting : les premieres preuves empiriques
Job crafting dans le secteur public face au numerique : quelle marge ?
Resilience face a l'IA : les profils qui s'en sortent le mieux
Les travailleurs du savoir face à l'IA : des récits de transformation
L'entretien comprehensif : la methode qualitative qui donne la parole aux gens
Vivre ensemble mais seuls : le paradoxe de l'individualisme contemporain
L’expérience client repose sur une connexion émotionnelle, une constance irréprochable et un équilibre harmonieux entre humain et digital.
Les récompenses variables peuvent être comparées aux machines à sous.
Le leadership efficace est moins une question de pouvoir formel qu'une compétence relationnelle
