54 % des salariés de bureau français n'ont pas utilisé d'outil d'IA générative au cours de l'année, et cet écart d'usage nourrit directement la résistance au changement. Dans une équipe, certains testent déjà Claude Code pour créer des agents ou des outils personnalisés, tandis que d'autres n'ont encore jamais utilisé ChatGPT, ou seulement de façon occasionnelle.
Vous reconnaissez peut-être cette scène. La direction annonce le déploiement d'un assistant IA pour rédiger des comptes rendus, préparer des réponses clients ou rechercher des informations dans les procédures internes. Une partie de l'équipe se montre curieuse. Une autre reste silencieuse, reporte la formation et demande si l'outil ne finira pas par remplacer son poste. Ce n'est pas simplement une peur de la technologie. C'est souvent une réaction à un manque de repères, de compétences et de garanties concrètes.
En France, 56 % des personnes interrogées estiment que la société reste résistante au changement, tandis que 23 % déclarent que le changement fait peur. Le baromètre consacré au rapport des Français au changement montre aussi que l'acceptabilité progresse lorsque les transformations paraissent concrètes et pilotables localement. Pour les fonctions supports, la question n'est donc pas de forcer l'adhésion, mais de rendre l'appropriation possible.
Table des matières
- Qu'est-ce que la résistance au changement
- Les modèles clés pour comprendre le processus
- Causes psychologiques et organisationnelles
- Le défi spécifique de l'IA dans les fonctions supports
- Stratégies pour prévenir et gérer la résistance
- L'impact de la montée en compétence IA
Qu'est-ce que la résistance au changement
Dans un service administratif, une nouvelle IA est installée pour classer les demandes et produire une première version des réponses. Nadia, qui maîtrise parfaitement l'ancien processus, continue pourtant à tout traiter manuellement. Elle dit qu'elle veut « vérifier », mais elle évite surtout de prendre le risque de faire confiance à un outil qu'elle ne comprend pas encore. Son collègue, plus à l'aise avec les applications numériques, crée déjà des modèles de prompts et propose de partager ses méthodes.
Nadia n'est pas nécessairement opposée à l'innovation. Elle peut même reconnaître que l'outil lui ferait gagner du temps. Sa réaction combine plutôt plusieurs éléments, une habitude professionnelle, la peur de perdre son statut d'experte et le doute sur sa capacité à apprendre autrement. La résistance au changement désigne cet ensemble de réactions émotionnelles, cognitives et comportementales qui ralentissent, questionnent ou contestent une évolution.
Des formes discrètes aux oppositions ouvertes
La résistance peut rester passive. Une personne reporte une formation, conserve un fichier parallèle, attend des consignes plus précises ou limite son utilisation du nouvel outil aux tâches les moins importantes. Cette inertie ne signifie pas toujours un refus. Elle peut révéler une surcharge, un manque de confiance ou une expérience passée décevante.
L'argumentation critique constitue une autre forme. Le salarié soulève les limites de l'outil, interroge la sécurité des données ou signale qu'un processus automatisé pourrait produire des erreurs. Cette critique mérite d'être examinée, car elle peut améliorer le projet. La révolte et le sabotage sont plus actifs, avec une contestation ouverte ou des actions qui empêchent volontairement le changement.
Une synthèse de travaux disponible sur HAL-SHS distingue précisément ces quatre formes, l'inertie, l'argumentation critique, la révolte et le sabotage. Elle les relie notamment au sentiment de perte de contrôle, au manque de confiance, à la méconnaissance des intentions du projet, aux expériences négatives et à la faible tolérance à l'incertitude.
Règle pratique : avant de demander à une équipe d'adhérer, identifiez ce qu'elle cherche à protéger.
La même réponse managériale ne convient pas à toutes les situations. Une personne qui manque d'information a besoin d'explications. Une personne qui craint de devenir inutile a besoin d'un échange sur l'évolution de son métier. Une personne qui repère un risque réel doit pouvoir le documenter et obtenir une réponse. Comprendre la cause transforme la résistance en information exploitable.
Les modèles clés pour comprendre le processus
Les modèles de conduite du changement ne prédisent pas exactement le comportement d'une équipe. Ils servent plutôt de cartes. Ils aident un manager à distinguer une absence de compréhension d'un manque de désir, ou une volonté d'apprendre d'une incapacité à pratiquer.
Lire les étapes avec trois grilles
Le modèle de Kurt Lewin décrit une séquence simple. Il faut d'abord dégeler les habitudes, en montrant pourquoi le statu quo ne suffit plus. Vient ensuite le changement, avec l'expérimentation et l'apprentissage. Enfin, il faut refroidir, c'est-à-dire ancrer les nouveaux comportements dans les routines, les outils et les critères de réussite.
Le cycle de Kübler-Ross, adapté au contexte professionnel, met l'accent sur les réactions émotionnelles. Le déni peut prendre la forme d'un « ce logiciel ne changera rien à mon travail ». La colère apparaît lorsqu'une équipe se sent imposée ou ignorée. La négociation cherche des exceptions, la tristesse traduit une perte de repères, puis l'acceptation ouvre la voie à l'essai. Ces étapes ne sont ni obligatoires ni parfaitement linéaires.
Le modèle ADKAR permet un diagnostic très opérationnel. Awareness correspond à la compréhension du pourquoi. Desire concerne l'envie de participer. Knowledge désigne les connaissances nécessaires. Ability correspond à la capacité de réaliser la tâche dans le travail réel. Reinforcement consolide l'usage grâce au suivi et à la reconnaissance.
Diagnostiquer plutôt que coller une étiquette
Supposons qu'une assistante ne crée aucun prompt pour son travail. Avec Lewin, vous pouvez vérifier si le besoin de changer a été expliqué. Avec Kübler-Ross, vous pouvez écouter la perte qu'elle associe à l'automatisation. Avec ADKAR, vous pouvez repérer si elle comprend le projet mais ne sait pas encore produire un résultat fiable.
La typologie des résistances complète ces modèles. Une inertie appelle un premier pas très simple. Une argumentation critique appelle une réponse précise et la possibilité de tester. Une révolte exige un dialogue sur le pouvoir de décision. Un sabotage impose de traiter rapidement les comportements qui mettent le projet en danger, sans confondre fermeté et accusation.
Ces grilles évitent une erreur fréquente, croire qu'un message de motivation résoudra tout. Une équipe peut être consciente du changement, mais ne pas avoir le temps de s'exercer. Elle peut vouloir progresser, mais ne pas disposer d'un environnement sécurisé pour poser des questions. Le rôle du manager consiste à identifier l'étape manquante et à agir sur celle-ci.
Causes psychologiques et organisationnelles
Une résistance devient plus facile à traiter lorsqu'on sépare trois niveaux. Le premier concerne ce que la personne ressent. Le deuxième concerne ce qu'elle pense perdre ou ne plus savoir faire. Le troisième concerne les conditions concrètes dans lesquelles l'entreprise lui demande d'agir.
Les ressorts individuels
L'incertitude est un déclencheur puissant. Une assistante qui utilise depuis longtemps des tableaux Excel peut se sentir compétente dans son cadre actuel, puis redevenir débutante face à un assistant conversationnel. La menace ne porte pas uniquement sur l'outil. Elle touche son autonomie, son identité professionnelle et sa capacité à produire un travail reconnu.
La perte de contrôle joue aussi un rôle central. Si le salarié ignore quelles données peuvent être saisies, qui vérifie les réponses ou comment seront évaluées ses performances, il peut raisonnablement ralentir son usage. La crainte de l'erreur devient alors plus forte que l'attrait du gain de temps.
Pour comprendre ce mécanisme, posez des questions concrètes. « Qu'est-ce qui vous inquiète dans cette évolution ? » est plus utile que « Pourquoi refusez-vous l'IA ? ». Demandez également ce que la personne pense perdre, ce qu'elle voudrait préserver et quelle tâche elle accepterait de tester sans enjeu critique.
Les conditions créées par l'organisation
Une communication floue amplifie les scénarios négatifs. Si la direction parle d'efficacité sans préciser les tâches concernées, les salariés peuvent imaginer une substitution générale. Si elle promet que rien ne changera alors que les responsabilités évoluent, elle fragilise sa crédibilité.
Le manque de ressources produit le même résultat. Une équipe ne peut pas apprendre correctement si elle doit se former entre deux urgences, sans exemples liés à son métier et sans personne capable de répondre aux questions. Les échecs précédents comptent également. Une transformation mal accompagnée laisse une mémoire collective de méfiance.
Le cadre de travail et son environnement influencent donc directement l'appropriation. Un bureau qui autorise l'expérimentation, prévoit des temps d'échange et valorise les questions réduit le coût psychologique du premier essai.
Utiliser les modèles comme outils de décision
Lewin vous invite à vérifier si l'organisation a rendu nécessaire le changement sans dévaloriser les pratiques existantes. Kübler-Ross vous aide à reconnaître l'émotion dominante, sans considérer chaque réaction comme un état définitif. ADKAR vous permet de choisir une intervention précise.
- Awareness insuffisante : expliquez le problème actuel avec des exemples de tâches.
- Desire fragile : discutez des bénéfices pour le métier et des garanties apportées.
- Knowledge incomplet : fournissez une formation guidée sur des cas réels.
- Ability limitée : accompagnez les premiers usages dans le poste de travail.
- Reinforcement absent : suivez les pratiques, corrigez les erreurs et reconnaissez les progrès.
La résistance ne disparaît pas parce qu'on la réfute. Elle diminue lorsque la personne retrouve assez de compréhension, de compétence et de contrôle pour agir.
Le défi spécifique de l'IA dans les fonctions supports
L'adoption de l'IA ne progresse pas au même rythme dans toutes les entreprises ni dans toutes les équipes. En 2024, 10 % des entreprises françaises de dix salariés ou plus déclaraient utiliser au moins une technologie d'IA, contre 6 % en 2023, selon les données de l'Insee sur l'usage de l'intelligence artificielle. L'écart varie aussi selon la taille, avec 9 % des entreprises de moins de 50 salariés, 15 % de celles de 50 à 249 salariés et 33 % des entreprises de 250 salariés ou plus.
À l'intérieur d'une même organisation, le contraste peut être encore plus visible. Une équipe technique construit des agents avec Claude Code, automatise des tâches et teste des outils personnalisés. Dans le même temps, le service administratif ne sait pas toujours comment formuler une demande à ChatGPT, vérifier une réponse ou choisir un cas d'usage sans risque.
Quand la résistance devient rationnelle
En 2025, 18 % des entreprises implantées en France utilisaient au moins une technologie d'IA, soit une progression de 8 points en un an, tandis que 15 % des Français déclaraient être formés à l'IA dans le cadre professionnel et 73 % estimaient ne pas disposer des connaissances suffisantes pour l'utiliser efficacement, d'après l'analyse publiée par l'Insee. Cette différence ne décrit pas une simple peur irrationnelle. Elle montre que certaines entreprises déploient des outils plus vite qu'elles ne construisent les compétences nécessaires.
La crainte de l'obsolescence mérite une réponse honnête. 50 % des salariés de bureau estiment que l'IA rendra certains métiers obsolètes, et 54 % des salariés français n'ont pas utilisé d'outils d'IA générative au cours de l'année, avec seulement 7 % d'usage quotidien, selon l'enquête OpinionWay sur l'adoption de l'IA par les salariés de bureau. Une autre source rapporte que 28 % des salariés utilisaient l'IA générative au travail, et que plus de la moitié de ces utilisateurs le faisaient sans approbation formelle de leur employeur, comme le relate le Laboratoire de la société numérique.
L'entreprise doit donc distinguer deux problèmes. Le premier est l'absence d'envie. Le second est l'absence de formation, d'outillage et de règles. Une personne peut souhaiter utiliser l'IA tout en refusant de le faire sur des documents sensibles, sans validation ou avec des objectifs de performance mal définis.
Pour les fonctions supports, la formation doit partir des tâches réelles, rédaction d'un compte rendu, préparation d'une réunion, qualification d'une demande client, synthèse d'un dossier ou contrôle d'une procédure. Le développement de la confiance face à l'IA commence par une expérience limitée, vérifiable et reliée au travail quotidien.
Stratégies pour prévenir et gérer la résistance
Une entreprise qui annonce un outil avant de préparer les usages crée mécaniquement de la confusion. La bonne séquence commence par le travail, pas par la technologie. Il faut choisir une activité identifiable, décrire le résultat attendu, préciser les limites de l'outil et organiser un premier essai accompagné.
Donner de la visibilité sans promettre l'impossible
Expliquez pourquoi le changement arrive, quelles tâches sont concernées et lesquelles restent sous la responsabilité humaine. Dites aussi ce qui n'est pas encore décidé. Une communication crédible reconnaît les incertitudes au lieu de les masquer derrière des slogans sur la transformation.
Le manager doit répondre à des questions très concrètes. Qui vérifie une réponse générée ? Que faire si l'outil se trompe ? Quelles informations ne doivent pas être copiées ? Comment le travail sera-t-il évalué pendant l'apprentissage ? Sans ces réponses, les collaborateurs construisent leurs propres règles, parfois en secret.
Message à transmettre : l'IA peut assister une tâche, mais la responsabilité du résultat doit rester clairement attribuée.
Construire les usages avec les équipes
La co-construction ne consiste pas à demander aux salariés de valider une solution déjà figée. Réunissez quelques personnes représentatives des métiers, observez leur processus, puis sélectionnez une tâche qui leur prend du temps sans mobiliser un jugement irréversible.
Faites comparer une méthode manuelle et une méthode assistée. Demandez à l'équipe de relever les erreurs, les étapes inutiles et les contrôles indispensables. Cette démarche donne une place à l'expertise existante. Elle montre aussi que l'IA ne remplace pas automatiquement le savoir métier, elle modifie la manière de l'exercer.
- Pour les ressources humaines : tester la reformulation d'une fiche de poste, avec validation humaine et respect des informations confidentielles.
- Pour la comptabilité : utiliser l'IA pour structurer une note interne, sans lui déléguer la décision ni le contrôle réglementaire.
- Pour le support client : préparer des variantes de réponse, puis vérifier le ton, les engagements et l'exactitude avant envoi.
- Pour l'assistanat : transformer des notes de réunion en plan d'action, puis faire confirmer les décisions par les participants.
Former dans le contexte du poste
Une formation générale sur les fonctionnalités d'un outil ne suffit pas. Les collaborateurs doivent apprendre à décrire un objectif, fournir un contexte utile, demander un format de sortie, contrôler le résultat et améliorer leur consigne. Ils doivent aussi savoir quand ne pas utiliser l'outil.
Le dispositif peut combiner démonstration, exercice guidé, pratique autonome et retour collectif. Les premiers essais doivent porter sur des situations réversibles. L'équipe gagne ainsi de la confiance sans avoir l'impression de jouer sa crédibilité sur une seule production.
Le Cursus Intelligence artificielle de Bpifrance propose un parcours de 10 heures couvrant la stratégie IA, la feuille de route, les données et la conduite du changement. Il peut servir de repère pour structurer une montée en compétence, à compléter par des exercices propres à chaque fonction.
Enfin, mesurez les progrès autrement qu'avec l'obligation de se connecter à un outil. Observez la qualité des usages, la capacité à vérifier les réponses, le partage des bonnes pratiques et la remontée des risques. Célébrez une amélioration précise, comme une consigne mieux formulée ou une procédure clarifiée. Cette reconnaissance rend l'apprentissage visible et réduit la tentation de rester spectateur.
L'impact de la montée en compétence IA
La formation ne sert pas seulement à apprendre des commandes. Elle restaure un sentiment de capacité. Une personne qui sait choisir une tâche, formuler une demande, contrôler une réponse et expliquer ses limites peut participer au changement au lieu de le subir.
Cette logique est particulièrement importante pour les fonctions non techniques. Tout le monde n'a pas besoin de développer un agent ou de programmer avec Claude Code. En revanche, chacun peut apprendre à utiliser l'IA pour préparer, structurer, comparer ou clarifier une partie de son travail, à condition de disposer d'un cadre adapté.
Passer de l'inégalité d'usage à une compétence partagée
L'entreprise doit éviter de créer une hiérarchie entre les salariés déjà à l'aise avec les outils et ceux qui commencent. Les premiers peuvent devenir des relais, mais ils ne doivent pas imposer leur vocabulaire ni supposer que les autres connaissent les mêmes pratiques. Un usage harmonisé repose sur des règles communes, des exemples accessibles et une progression qui respecte les réalités des métiers.
Le rôle de la Rainer School s'inscrit dans cette montée en compétence des équipes non tech. L'école propose des parcours professionnalisants, certifiants et diplômants autour de l'IA générative pour les fonctions supports, notamment l'assistanat de direction, la logistique et les agents IA, avec une pédagogie pratique et orientée vers l'employabilité.
Une transformation responsable ne promet pas que l'IA supprimera toute difficulté. Elle donne aux salariés les moyens de comprendre les outils, de questionner leurs effets et de développer des usages utiles. La résistance devient alors un signal de pilotage, et non une étiquette collée aux personnes qui apprennent plus lentement.
La première barrière est souvent psychologique, mais elle n'est pas définitive. Quand l'organisation fournit du temps, des exemples, un droit à l'erreur et une réponse sérieuse aux craintes d'obsolescence, chacun peut découvrir son potentiel d'action.
Le développement des compétences IA doit donc devenir une démarche collective. Il ne s'agit pas de demander aux équipes de courir derrière chaque innovation, mais de leur permettre de construire une relation maîtrisée avec les outils qui transforment déjà leur travail.
Rainer School accompagne les professionnels non techniques et les entreprises avec des parcours pratiques consacrés à l'IA générative, aux agents IA et aux métiers supports. Pour préparer une adoption progressive et donner à chaque collaborateur les moyens d'agir, découvrez les formations de Rainer School.
