4 min de lecture

Qui est responsable de l’intelligence artificielle dans l’entreprise ? Le CIO, qui gère l’infrastructure ? Le CDO, chargé de la stratégie données ? Le CTO, qui pilote le développement produit ? Dans de nombreuses organisations, la répartition des responsabilités n’est pas claire – et cela devient un problème. Car sans une ownership définie, l’IA dérive vers une zone grise organisationnelle.

L’essentiel

Pourquoi la question de la responsabilité est aujourd’hui critique

L’IA était longtemps considérée comme un sujet relevant exclusivement du département informatique. Entraîner des modèles, fournir l’infrastructure, intégrer des API : ces tâches étaient confiées au CIO ou déléguées à une équipe de data science. Avec la généralisation de l’IA générative, la dynamique a changé : les métiers utilisent désormais des outils IA de façon autonome, les produits intègrent des fonctionnalités IA, et les exigences réglementaires du Règlement européen sur l’IA imposent des structures de gouvernance au niveau du conseil d’administration.

Dans cette nouvelle réalité, des questions fondamentales se posent : Qui décide quels systèmes IA l’entreprise déploie ? Qui est responsable si un système IA prend une décision erronée ? Qui coordonne la stratégie IA transversalement, entre les différentes directions métiers ? Et qui rend compte au conseil d’administration des risques et des opportunités liés à l’IA ?

Selon une analyse de Riviera Partners, la responsabilité IA n’est pas clairement attribuée dans de nombreuses entreprises. Le résultat : des initiatives parallèles sans coordination, des priorisations contradictoires et une gouvernance IA dont personne ne se porte garant. Gartner renforce ce diagnostic : les CDO qui ne démontrent pas d’impact mesurable à l’échelle de l’entreprise d’ici 2026 seront intégrés aux fonctions IT existantes. Le rôle autonome de CDO est donc soumis à une forte pression de justification.

« Qui doit aujourd’hui assumer la responsabilité de l’intelligence ? C’est la question que chaque direction générale se pose. La réponse n’est pas une seule fonction, mais un modèle adapté à la structure, à la maturité et aux ambitions de l’organisation. »
Riviera Partners, « CIO vs. CTO vs. CDO : Who Should Own Intelligence Now? » (2025)

CIO, CDO, CTO : les trois perspectives

Le CIO comme propriétaire de l’IA. Forces : Le CIO contrôle l’infrastructure informatique, les budgets cloud et les plateformes données. Il dispose de la portée organisationnelle nécessaire pour déployer l’IA à l’échelle de l’entreprise. Sous le cadre NIS2 et le Règlement européen sur l’IA, il assume déjà la responsabilité de la sécurité informatique et de la conformité. La gouvernance IA constitue donc une extension naturelle de cette fonction. Faiblesses : De nombreux CIO sont surchargés sur le plan opérationnel. La gestion quotidienne des systèmes informatiques laisse peu de place aux initiatives stratégiques IA. Par ailleurs, beaucoup manquent de compétences en science des données pour prendre des décisions techniques sur l’IA. Si le CIO assume la responsabilité de l’IA, celle-ci risque d’être traitée comme un projet informatique plutôt que comme une transformation métier.

Le CDO comme propriétaire de l’IA. Forces : Le CDO est chargé de la stratégie données, et sans données, point d’IA. Il maîtrise la qualité des données, la gouvernance des données et les pipelines analytiques. De nombreux CDO ont constitué des équipes de data science dotées de la compétence technique requise pour l’IA. Faiblesses : Le rôle de CDO n’est pas toujours doté d’un pouvoir opérationnel fort dans de nombreuses entreprises. Les CDO n’ont souvent ni accès direct à l’infrastructure informatique ni influence sur le développement produit. Gartner met en garde contre le fait que les CDO sans impact mesurable à l’échelle de l’entreprise perdront leur légitimité. Une ownership IA sans accès à l’infrastructure ni budget est inefficace.

Le CTO comme propriétaire de l’IA. Forces : Dans les entreprises technologiques, le CTO pilote le développement produit. L’IA en tant que fonctionnalité produit relève clairement de son domaine. Le CTO dispose des équipes d’ingénierie capables d’intégrer et de faire évoluer les modèles IA dans les produits. Faiblesses : Le CTO se concentre sur le produit, pas sur les processus internes. Si l’IA est principalement déployée pour améliorer l’efficacité interne (support client, recrutement, analyse financière), le CTO n’est pas le bon propriétaire. En outre, la fonction CTO n’existe pas au niveau C-Level dans de nombreuses entreprises traditionnelles.

Trois modèles opérationnels

Sources : Riviera Partners 2025, Forrester 2025

Modèle 1 : Centralisé auprès du CIO. Le CIO est responsable de la stratégie IA, de l’infrastructure, de la gouvernance et du déploiement à grande échelle. Ce modèle convient aux entreprises où l’IA est principalement utilisée pour améliorer l’efficacité interne et où le CIO joue déjà un rôle stratégique fort. Condition préalable : le CIO doit disposer d’une expertise IA au sein de son équipe, soit via un Head of AI, soit via une équipe IA dédiée placée sous sa direction.

Modèle 2 : Fédéré avec un comité de gouvernance IA. Un comité de gouvernance IA transversal, composé du CIO, du CDO (le cas échéant), du CTO, du CISO et des chefs d’unités métiers, définit la stratégie IA. La mise en œuvre opérationnelle incombe aux unités métiers, tandis que la gouvernance reste centralisée au sein du comité. Ce modèle est le plus souple et s’adapte le mieux aux grandes organisations. Condition préalable : des droits de décision clairement définis, des réunions régulières et un chef de programme IA dédié.

Modèle 3 : Chief AI Officer (CAIO) dédié. Une nouvelle fonction au niveau C-Level, chargée de la stratégie IA, de la gouvernance, de l’éthique et du déploiement à grande échelle. Ce modèle convient aux entreprises dont le modèle économique repose sur l’IA, et non seulement optimisé. Avantage : attention totale et pouvoir de décision accru. Inconvénient : coûts élevés, chevauchements potentiels de compétences avec le CIO et le CDO, risque de création d’une structure parallèle.

Aide à la décision : quel modèle choisir ?

Le choix dépend de trois facteurs : la maturité de l’utilisation de l’IA, la structure organisationnelle et l’importance stratégique de l’IA pour le modèle économique.

Les entreprises en phase expérimentale (projets pilotes, premiers cas d’usage) devraient démarrer avec le Modèle 1 : une ownership IA confiée au CIO, accompagnée d’un responsable IA dédié. Cela évite la complexité organisationnelle et permet des décisions rapides.

Les entreprises qui déploient largement l’IA dans plusieurs unités métiers devraient opter pour le Modèle 2 : le comité de gouvernance IA fédéré. Il assure l’alignement sans centraliser excessivement et s’adapte à la croissance continue de l’utilisation de l’IA.

Les entreprises dont le modèle économique repose sur l’IA (entreprises technologiques, startups natives IA, plateformes numériques) devraient envisager le Modèle 3 : un CAIO dédié, doté d’un mandat clair et d’un budget alloué. Pour la plupart des entreprises traditionnelles, un CAIO est, en 2026, structurellement disproportionné.

Questions fréquentes

Source de l’image d’en-tête : RDNE Stock project / Pexels