Gouvernance de l’IA : Pourquoi les PDG ne peuvent pas déléguer l’intelligence artificielle

⏱ 9 Min. Temps de lecture

56 % des PDG ne constatent aucun retour sur investissement mesurable de leurs investissements dans l’IA. Dans le même temps, trois quarts des travailleurs du savoir utilisent déjà l’IA générative au quotidien. Le fossé entre l’investissement et l’impact a un nom : l’absence de gouvernance au niveau du comité exécutif. Qui délègue l’IA au département informatique perd le contrôle de l’outil le plus puissant depuis l’Internet.

Les points clés en bref

Le fossé des 56 % : où les budgets IA s’évanouissent

Les chiffres de l’enquête mondiale des PDG de PwC 2026 sont décevants : seuls 30 % des présidents de conseil d’administration rapportent une augmentation de leur chiffre d’affaires grâce à l’IA. 26 % enregistrent des coûts plus bas. Et 56 % ? Ils ne constatent ni augmentation de leurs revenus ni réduction de leurs dépenses. Plus de la moitié de tous les investissements dans l’IA ne produisent aucun retour visible.

La cause réside rarement dans la technologie elle-même. Comme l’a déjà analysé Digital Chiefs : une stratégie « AI-first » est trop limitée. Le véritable problème se situe à un niveau supérieur. Lorsque les décisions relatives à l’IA sont prises par le directeur des technologies et que le conseil d’administration ne lit que les rapports trimestriels, la direction stratégique fait défaut. Les budgets sont affectés à des cas d’utilisation techniquement intéressants mais sans pertinence commerciale.

Un tiers de tous les PDG identifient la vitesse de transformation comme leur principale préoccupation, selon PwC. Dans le secteur financier, ils sont même 53 %. L’ironie : ce sont précisément les dirigeants qui craignent le plus la vitesse qui en laissent le contrôle à d’autres.

Pourquoi la délégation est la plus coûteuse des erreurs

Spencer Stuart le formule ainsi : « Les PDG qui prennent de meilleures décisions plus rapidement grâce à l’IA sont des utilisateurs expérimentés – et non des délégateurs. » Le cabinet de conseil a étudié ce qui empêche les présidents de conseil d’administration d’utiliser l’IA de manière opérationnelle – et pourquoi cela devient un risque.

Quatre dangers apparaissent lorsque les PDG délèguent leurs compétences en matière d’IA :

1. Perte de la vision stratégique. Qui n’utilise pas l’IA lui-même ne reconnaît pas les opportunités qui changent la donne dans son secteur. Un PDG de l’industrie manufacturière qui n’a jamais travaillé avec un agent IA sous-estimera systématiquement les possibilités d’automatisation de sa chaîne d’approvisionnement.

2. Le contrôle qualité devient impossible. Sans expérience personnelle, aucun conseil d’administration ne peut juger si un résultat d’IA est fiable ou s’il s’agit d’une hallucination. La décision de faire confiance à un résultat d’IA nécessite de l’intuition – qui ne se développe qu’avec l’usage.

3. Mauvais signaux culturels. Lorsque la direction n’est pas à l’avant-garde de l’IA, les garde-fous font défaut. Les équipes expérimentent de manière isolée, les normes se fragmentent. Les risques de non-conformité augmentent de manière invisible.

4. Perte de la capacité de jugement. Qui externalise durablement l’évaluation de l’IA perd la capacité de distinguer où l’IA aide et où elle nuit. Or c’est précisément cette distinction qui est la tâche principale d’un conseil d’administration.

« Les PDG qui prennent de meilleures décisions plus rapidement grâce à l’IA sont des utilisateurs expérimentés – et non des délégateurs. »

– Spencer Stuart, Recherche & Insight, 2026

Siemens contre le reste : Ce que signifie la gouvernance de l’IA dans la pratique

Siemens a mis en place, sous la direction de son PDG Roland Busch, l’une des structures de gouvernance de l’IA les plus claires parmi les entreprises du DAX. La décision d’intégrer des applications d’IA dans la plateforme Industrial Metaverse Xcelerator est prise au niveau C-Level, et non par le directeur de la technologie (CTO) ou une équipe dédiée.

Le résultat : Siemens a pu axer ses initiatives d’IA sur des chaînes de valeur concrètes. Maintenance prédictive dans l’automatisation de la production, gestion de bâtiments assistée par l’IA, jumeaux numériques pour les réseaux énergétiques. Chaque initiative a un plan d’affaires précis, supervisé au niveau C-Level.

La réalité de nombreuses PME offre un contraste saisissant : budget IA géré par le CTO, projets pilotes sans plan d’affaires, et après 18 mois, la question demeure : pourquoi la stratégie IA n’a-t-elle pas donné de résultats ? La CIO-Agenda 2026 montre à quel point la pression est déjà forte.

Le cadre des 90 jours : De l’observateur au décideur en matière d’IA

Spencer Stuart a développé un cadre pratique qui permet aux PDG d’atteindre la température de fonctionnement de l’IA en trois mois. Pas d’études, pas de certification. 10 à 20 heures de travail de base, structurées en trois phases.

Semaines 1 à 4 : Développer ses compétences personnelles. Petits expérimentations dans le quotidien. Analyse de communication avec l’IA, optimisation du calendrier, briefings automatisés. L’objectif n’est pas l’expertise, mais l’intuition : à quoi sert l’IA, à quoi ne sert-elle pas ?

Semaines 5 à 8 : Acquérir des connaissances de base avec un mentor. Comprendre sept domaines clés – des principes de base de l’apprentissage automatique à la qualité des données en passant par l’IA responsable. Pas de plongée en profondeur, mais des connaissances décisionnelles solides. Celui qui, après huit semaines, ne peut pas expliquer pourquoi un modèle linguistique hallucine, n’a pas terminé la phase.

Semaines 9 à 12 : Vision organisationnelle. Définir des KPI, créer des plans d’apprentissage pour les équipes, établir une culture d’expérimentation avec des garde-fous transparents. Au terme de cette phase, il n’y a pas un document de stratégie IA, mais un cadre opérationnel qui rend les résultats mesurables.

Quatre éléments de gouvernance incontournables

Selon PwC, les entreprises qui réalisent des rendements en matière d’IA partagent quatre points communs : la préparation des données, des feuilles de route claires pour l’IA, des garde-fous responsables et une culture qui permet l’adoption. Aucun élément pris isolément ne suffit. Il faut les quatre.

Élément 1 : Préparation des données. L’IA n’est aussi bonne que les données sur lesquelles elle est entraînée. Les membres du conseil d’administration doivent savoir quelles données existent dans l’entreprise, leur qualité et qui y a accès. Ce n’est pas une question d’informatique, mais de gouvernance.

Élément 2 : Feuille de route pour l’IA avec des cas d’utilisation métier. Chaque initiative d’IA nécessite un cas d’utilisation métier mesurable. Pas « nous explorons », mais « nous réduisons les délais de traitement dans le service client de 40 % au troisième trimestre ». Le conseil d’administration est responsable de la priorisation.

Élément 3 : Garde-fous responsables. Où l’IA peut-elle prendre des décisions de manière autonome, et où un humain doit-il intervenir ? Le règlement de l’UE sur l’IA définit le cadre réglementaire. La gouvernance interne de l’entreprise doit aller plus loin : directives éthiques, surveillance des biais, obligations de transparence envers les clients et les employés.

Élément 4 : Culture d’adoption venant d’en haut. La gestion du changement lors de l’introduction de l’IA échoue si le conseil d’administration ne montre pas l’exemple. Les projets pilotes dans certains départements restent des projets pilotes. L’adoption à l’échelle de l’entreprise nécessite un signal venant de la direction.

La position opposée : pourquoi certains experts avertissent

Tous ne partagent pas la conviction que les PDG doivent devenir eux-mêmes des utilisateurs expérimentés de l’IA. Les critiques argumentent que le travail du conseil d’administration doit rester stratégique. Un PDG qui optimise les invites perd du temps pour les clients, les investisseurs et la direction des employés. Le risque de distraction par l' »objet brillant » est réel.

Il y a également le problème de compétence : un PDG avec 20 heures d’expérience en IA ne peut pas évaluer sérieusement la qualité d’un modèle de Machine Learning. Le risque d’expertise superficielle – plus dangereux que l’ignorance ouverte – n’est pas à écarter.

La voie médiane réside dans la distinction entre l’utilisation opérationnelle de l’IA et la gouvernance stratégique de l’IA. Le conseil d’administration n’a pas besoin de maîtriser la meilleure ingénierie d’invite. Mais il doit comprendre ce que l’IA peut faire dans son entreprise et ce qu’elle ne peut pas faire. Et il doit être capable de poser les bonnes questions.

Ce qu’il faut faire concrètement maintenant

Pour les conseils d’administration qui prennent la gouvernance de l’IA au sérieux, il y a trois mesures immédiates :

Premièrement : Mettre l’IA à l’ordre du jour stratégique. Non pas en tant que sous-point de la « numérisation », mais en tant que point à part entière de l’ordre du jour. Un rythme trimestriel ne suffit pas. Un rythme mensuel est le minimum.

Deuxièmement : Développer une compétence personnelle en IA. Le cadre de 90 jours de Spencer Stuart fournit la structure. 10 à 20 heures d’investissement, réparties sur trois mois. L’alternative – l’ignorance sur un sujet qui concerne des milliards – est plus coûteuse.

Troisièmement : Attribuer la responsabilité de la gouvernance de l’IA. Qui est responsable de l’IA au niveau C ? Chez Siemens, c’est le PDG lui-même. Dans les PME, cela peut être le directeur financier qui apporte la perspective du retour sur investissement. L’essentiel est que cela soit une personne, et non un comité ou un groupe de travail. Une personne avec un mandat de membre du conseil d’administration.

Les 56 % qui n’ont pas de retour sur investissement mesurable en IA ne vont pas diminuer si les conseils d’administration continuent à regarder sans agir. Ils vont augmenter.

Foire aux questions

Crédit image de titre : RDNE Stock project / Pexels

À lire aussi

• Le pilote d’IA fonctionne, pas l’exploitation régulière
• Dette technique : Pourquoi le conseil d’administration doit agir maintenant
• Digitalisation sans Big-Bang : Transformation par étapes