L’enquête de Deloitte UK sur l’IA révèle que les employés cachent leur usage de l’IA à leurs supérieurs

Deloitte a constaté que près d’un salarié britannique sur dix a utilisé un outil d’IA interdit par son employeur ou dont celui-ci désapprouverait l’usage. L’enquête de Deloitte UK sur l’IA transforme l’adoption en entreprise en un conflit autour des autorisations, de la sécurité et de la confiance professionnelle. Les employés recherchent des moyens plus rapides de chercher, résumer et rédiger. Leurs employeurs ne disposent souvent ni d’alternatives approuvées, ni de règles claires, ni de formation crédible.

Ces conclusions proviennent d’une enquête menée auprès de 25 000 travailleurs au Royaume-Uni entre le 7 mai et le 10 juin 2026. Ipsos a réalisé le recueil de données en ligne pour Deloitte. Les résultats suggèrent que l’IA générative s’est imposée dans le travail quotidien plus vite que de nombreuses organisations ne peuvent l’encadrer.

Cet écart crée la tension centrale de l’article. Les employés considèrent l’IA comme un outil pratique pour accomplir des tâches routinières. Les employeurs y voient des services non gérés, des requêtes sensibles, des résultats incertains et d’éventuels manquements à la conformité. Parallèlement, les employés craignent aussi qu’un usage visible de l’IA amène les managers à remettre en question leur valeur.

Il ne s’agit pas simplement d’une nouvelle enquête sur l’adoption. Elle montre des employés résolvant en privé un problème de productivité, tandis que les employeurs débattent publiquement du niveau d’usage de l’IA qu’ils devraient autoriser. Il en résulte un environnement de travail où les organisations peuvent dépendre de gains qu’elles ne peuvent ni voir, ni mesurer, ni gérer en toute sécurité.

L’enquête de Deloitte UK sur l’IA révèle une main-d’œuvre cachée

L’IA générative est déjà courante au travail, mais une part significative de son utilisation échappe encore à la supervision des employeurs.

L’enquête auprès des travailleurs a révélé que 63 % des actifs britanniques avaient sciemment utilisé l’IA générative dans le cadre de leur travail. L’IA générative désigne des systèmes qui créent du texte, des images, de l’audio ou d’autres contenus à partir de requêtes.

L’étude a couvert des travailleurs âgés de 18 à 70 ans dans 22 secteurs d’activité. Deloitte la présente comme la plus vaste étude sur l’IA générative au travail réalisée dans un seul pays. Son vaste échantillon offre une vision plus solide que les enquêtes centrées uniquement sur les dirigeants ou les équipes technologiques.

L’adoption ne se limitait pas à des expérimentations occasionnelles. Près d’un quart de la main-d’œuvre britannique utilisait l’IA générative pour son travail chaque jour. Douze pour cent l’utilisaient plusieurs fois par jour, bien que les taux varient considérablement selon les secteurs et les fonctions.

Les travailleurs appliquaient surtout cette technologie à des tâches familières. La recherche d’informations et la rédaction d’e-mails représentaient chacune 43 % des usages déclarés. La création de résumés suivait avec 31 %.

Ces activités permettent de comprendre pourquoi l’adoption peut rester invisible. Un employé peut coller des notes dans un chatbot, améliorer un e-mail ou résumer un document sans modifier un flux de travail officiel. Le travail final revient dans des logiciels familiers, tandis que l’étape utilisant l’IA disparaît de la vue.

Près de la moitié des travailleurs ont déclaré utiliser des outils d’IA gratuits dans le cadre de leur travail. Trente-quatre pour cent supplémentaires utilisaient des outils externes payés par leurs employeurs, tandis que 17 % utilisaient des systèmes développés en interne. Ces catégories montrent que le déploiement approuvé par l’employeur n’est qu’une partie du marché.

Deloitte a également constaté que 17 % des utilisateurs d’IA générative payaient personnellement au moins un outil lié au travail. Le cabinet estime que les travailleurs britanniques dépensent collectivement 958 millions de livres sterling par an pour ces services.

L’autofinancement compte, car il modifie la personne qui contrôle la décision d’achat. Un employé peut adopter un outil grand public en quelques minutes, sans attendre les achats, un examen de sécurité ou un déploiement interne. L’employeur peut recevoir le résultat sans savoir quel système a traité les informations sous-jacentes.

Près d’un tiers des utilisateurs d’IA générative ont déclaré utiliser cette technologie à l’insu de leur employeur. Cette forme de Shadow AI, selon Deloitte, englobe les outils introduits dans le travail sans visibilité ni approbation formelles.

Bloomberg a mis en avant une mesure plus restreinte et plus conflictuelle. Près d’un salarié sur dix avait utilisé un outil interdit ou susceptible de susciter la désapprobation de l’employeur, selon sa couverture de l’enquête.

La distinction est importante. Utiliser un outil inconnu ne signifie pas toujours enfreindre une règle explicite. Certains employeurs n’ont aucune politique claire, tandis que d’autres en ont une que les employés ne parviennent pas à trouver ou à interpréter.

Toutefois, ces deux chiffres décrivent le même échec de gouvernance. Les employés ont déjà intégré l’IA à leur travail, mais de nombreuses organisations ne peuvent pas identifier de manière fiable les outils concernés. Cette incertitude transforme une assistance routinière en processus métier non géré.

Pourquoi l’IA au travail au Royaume-Uni a dépassé les politiques des entreprises

L’écart d’adoption persiste, car les employés peuvent accéder à une IA utile plus vite que les employeurs ne peuvent l’approuver, la déployer et l’expliquer.

Les produits d’IA grand public nécessitent peu de configuration et sont déjà familiers à de nombreux employés. Un travailleur peut utiliser le même assistant pour une question personnelle et pour rédiger un document professionnel. Cette commodité favorise l’adoption avant l’arrivée de systèmes formels.

Deloitte a constaté que 65 % des utilisateurs d’IA générative n’avaient pas entendu les dirigeants évoquer cette technologie avec une compréhension claire. Trente pour cent ont décrit les messages de la direction comme incohérents, tandis que 18 % n’avaient reçu aucune communication de la direction.

Un vide politique se cache derrière ce problème de communication. Moins de la moitié des utilisateurs ont indiqué que leur entreprise disposait d’une politique sur l’IA générative. Trente-quatre pour cent ont déclaré qu’aucune politique n’existait, et 23 % ne savaient pas si une telle politique existait.

Seuls 28 % ont indiqué que leur organisation disposait d’une politique qu’ils pouvaient trouver, comprendre et considérer comme à jour. Une règle ne peut pas orienter les comportements si les travailleurs ne savent pas qu’elle existe ou ne peuvent pas l’appliquer.

La formation est également en retard. La moitié des utilisateurs d’IA générative n’avaient reçu aucune instruction formelle, tandis que seuls 20 % avaient suivi une formation obligatoire. Cela laisse des millions de travailleurs s’autoformer à la formulation de requêtes, à la vérification et au traitement des informations.

L’écart est particulièrement important, car les premières tâches adoptées paraissent inoffensives. Rédiger un e-mail ou résumer des notes semble moins risqué que d’automatiser une décision financière. Pourtant, une requête ordinaire peut contenir des informations clients, des plans internes, du code source ou des comptes rendus de réunions confidentielles.

D’autres recherches vont dans le même sens. Une enquête de l’automne 2025 du Chartered Institute of Personnel and Development a constaté un usage de l’IA dans 76 % des organisations britanniques. Elle a également relevé la présence d’outils gratuits dans 54 % des lieux de travail.

Toutefois, les autorisations restaient inégales. Le CIPD a ensuite indiqué que 61 % des organisations autorisaient l’usage de l’IA générative au travail. Vingt-cinq pour cent supplémentaires ne l’autorisaient pas et ne prévoyaient pas de le faire, selon ses conclusions auprès des employeurs.

La gouvernance formelle s’améliorait, mais partait d’un niveau faible. Trente et un pour cent des employeurs avaient travaillé sur une politique d’IA générative au cours de l’année précédente. Ce chiffre était passé de 16 % deux ans plus tôt.

Ce décalage explique pourquoi l’IA au travail au Royaume-Uni devient cachée. Les employés vivent cette technologie comme une aide à la productivité immédiatement disponible. Leurs employeurs l’abordent comme un programme d’achats, de sécurité, de droit et de transformation organisationnelle.

Les processus d’approbation avancent également à des vitesses différentes. Les équipes de sécurité doivent évaluer la conservation des données, les pratiques d’entraînement des modèles, les contrôles des comptes, les intégrations, les journaux d’audit et les garanties contractuelles. Les travailleurs n’ont besoin que d’un navigateur ou d’un compte personnel.

Certaines organisations réagissent en bloquant les outils publics. Cette action peut réduire les accès les plus évidents, mais elle n’élimine pas la demande. Les employés peuvent changer d’appareil, utiliser des comptes personnels ou transférer manuellement des informations entre systèmes.

Une interdiction échoue aussi lorsque l’alternative approuvée fonctionne mal ou demeure indisponible. Une étude Microsoft de 2025 a révélé que 28 % des employés britanniques utilisant une IA non approuvée déclaraient que leur employeur ne proposait aucune option autorisée. Quarante et un pour cent supplémentaires choisissaient des outils familiers de leur vie personnelle.

Ces résultats proviennent d’un échantillon et d’une méthodologie différents ; ils ne sont donc pas directement comparables aux chiffres de Deloitte. Néanmoins, les deux études identifient le même mécanisme. Les employés contournent les frictions lorsqu’ils estiment qu’un outil externe les aide à travailler.

Le problème dépasse donc l’application des règles. Les employeurs doivent offrir une voie acceptable pour les usages légitimes, définir clairement les données interdites et apprendre aux travailleurs à évaluer les cas incertains. Sans cette combinaison, la politique devient de la paperasse plutôt qu’un contrôle opérationnel.

Les travailleurs recherchent la productivité, tandis que les employeurs perçoivent un risque

Le conflit principal n’oppose pas l’enthousiasme à la résistance ; il oppose la rapidité des employés à la responsabilité des employeurs.

Les répondants de Deloitte ont déclaré gagner en moyenne 70 minutes chaque semaine grâce à l’IA au travail. La plupart ont indiqué utiliser ce temps récupéré pour effectuer davantage de travail pour le même employeur.

Cette conclusion nuance le récit simpliste d’une mauvaise conduite. Les utilisateurs cachés ne cherchent pas nécessairement à éviter le travail ou à déléguer des emplois entiers. Nombre d’entre eux utilisent l’IA pour la recherche, les brouillons d’e-mails et les résumés, puis consacrent le temps gagné à leurs organisations.

Les gains de productivité semblent également inégaux. Sur l’ensemble de l’enquête, 7 % ont déclaré économiser au moins cinq heures par semaine. Cette part atteignait 21 % dans l’information et les communications, mais tombait à 5 % dans la santé et le travail social.

Environ 30 % ont déclaré que l’IA leur faisait gagner au moins un peu de temps. Trente et un pour cent supplémentaires l’avaient utilisée sans gagner de temps. L’adoption seule ne démontre donc pas la productivité.

Un employé peut passer du temps à corriger des hallucinations, à réécrire un résultat générique ou à vérifier des faits. Les hallucinations sont des résultats formulés avec assurance mais dépourvus de fondement fiable. Des tâches mal choisies peuvent déplacer le travail plutôt que le réduire.

Les employeurs assument des risques que les utilisateurs individuels ne perçoivent pas forcément. Une requête peut transférer des informations à un service externe selon des conditions que l’entreprise n’a jamais examinées. Un résumé généré peut omettre des réserves qui comptaient dans le document original.

Les résultats peuvent également reproduire des biais, inventer des citations ou exposer des informations protégées lorsqu’ils sont partagés. Si le travail final affecte un client, un employé ou une décision réglementée, l’organisation reste responsable.

Le UK National Cyber Security Centre considère les technologies non approuvées comme faisant partie du problème plus large du Shadow IT. Ses conseils sur le Shadow IT avertissent que des services inconnus peuvent engendrer une supervision insuffisante et des risques liés au traitement des données.

L’IA accroît cette préoccupation, car les utilisateurs envoient activement des informations par le biais de requêtes et de téléversements de fichiers. Un logiciel non autorisé traditionnel peut stocker une liste de contacts. Un assistant d’IA peut recevoir des documents stratégiques, des conversations clients, du code ou des jeux de données entiers.

Pourtant, une restriction excessive a aussi un coût. Elle peut pousser l’expérimentation davantage dans la clandestinité et empêcher les équipes de partager des pratiques efficaces. Les employeurs perdent alors à la fois en visibilité et en possibilités de standardiser des flux de travail utiles.

Ce compromis explique pourquoi l’opposition principale se situe entre l’adoption pilotée par les employés et l’adoption contrôlée par les employeurs. Un camp privilégie l’utilité immédiate. L’autre doit protéger les données, respecter les obligations légales et maintenir une qualité cohérente.

La meilleure réponse n’est ni l’usage illimité d’outils grand public ni une interdiction générale. Les organisations ont besoin d’un environnement approuvé qui réponde aux besoins réels des travailleurs. Elles ont également besoin de limites claires concernant les données, les tâches et la vérification humaine.

Par exemple, un employé peut être autorisé à réfléchir à des structures génériques de présentation, mais interdit de téléverser des documents clients confidentiels. Une autre politique peut autoriser la révision d’e-mails tout en exigeant une vérification indépendante des affirmations factuelles.

Ces distinctions rendent la gouvernance opérationnelle. Une règle disant « utilisez l’IA de manière responsable » offre peu d’orientation lorsqu’une échéance approche. Une politique fondée sur les tâches peut indiquer aux travailleurs ce qu’ils peuvent saisir, quel service ils peuvent utiliser et qui examine le résultat.

Les employeurs devraient également étudier pourquoi les travailleurs choisissent des systèmes externes. La raison peut être une meilleure qualité de résultat, moins de barrières d’accès, des intégrations plus solides ou l’absence d’une fonctionnalité approuvée. Bloquer l’outil ne résout pas le problème sous-jacent du flux de travail.

L’enquête de Deloitte UK sur l’IA met donc autant de pression sur les dirigeants que sur les employés. Les responsables doivent déterminer si leurs systèmes sont suffisamment pratiques pour rivaliser avec les produits grand public. Les équipes de sécurité doivent rendre les comportements approuvés plus faciles à identifier et à adopter.

La stigmatisation autour de l’IA encourage la dissimulation

Les travailleurs cachent leur usage de l’IA non seulement parce que les outils ne sont pas approuvés, mais aussi parce que leur divulgation peut menacer la manière dont les managers évaluent leurs compétences.

Deloitte a constaté que 23 % des travailleurs britanniques estimaient que l’IA au travail était stigmatisée. Parmi les utilisateurs hebdomadaires, 64 % craignaient que les managers concluent que l’IA pourrait effectuer leur travail.

Bloomberg a rapporté le même chiffre de 63 % dans sa description des répondants préoccupés par le jugement des managers. La base précise de l’enquête mérite attention, mais la crainte générale est claire. Les travailleurs associent la divulgation à un possible remplacement.

Cette anxiété crée une incitation difficile. Les employeurs peuvent demander au personnel de trouver des gains de productivité tout en évoquant l’automatisation et la réduction des effectifs. Les employés peuvent réagir en utilisant l’IA en privé, en gardant invisibles à la fois la méthode et le temps gagné.

L’enquête du CIPD auprès des employeurs illustre pourquoi ces craintes sont plausibles. Dix-sept pour cent des organisations s’attendaient à ce que l’IA réduise les effectifs au cours des 12 mois suivants. Seules 6 % anticipaient une hausse.

Les attentes étaient plus élevées chez les grands employeurs privés. Vingt-six pour cent prévoyaient une baisse des effectifs, contre 7 % des petites et moyennes entreprises. La finance, l’assurance, la technologie, le droit, la comptabilité et le conseil ont également fait état d’attentes supérieures à la moyenne.

Ces chiffres décrivent les attentes des employeurs, et non des suppressions d’emplois confirmées. Ils façonnent néanmoins les comportements au travail. Les employés prêtent attention lorsque les dirigeants présentent l’IA à la fois comme un assistant et comme un moyen de réduire les coûts.

Un travailleur qui révèle un flux de travail très efficace peut craindre de démontrer que moins de personnes peuvent accomplir la même tâche. Un autre peut s’inquiéter que ses collègues considèrent l’assistance de l’IA comme la preuve de compétences plus faibles en rédaction, en analyse ou en technique.

Ce problème de perception peut compromettre les contrôles de qualité. Les employés sont moins susceptibles de demander une révision lorsque la divulgation semble risquée sur le plan professionnel. Les managers voient alors un résultat soigné sans savoir où l’IA est intervenue ni quelles vérifications ont été effectuées.

La dissimulation empêche également les organisations d’identifier les cas d’usage solides. Un flux de travail utile reste un savoir personnel au lieu de devenir un processus documenté et testé. Les risques restent cachés tandis que les bénéfices demeurent difficiles à reproduire.

Les messages de la direction comptent ici. Les travailleurs doivent savoir si l’organisation valorise la performance assistée par l’IA, l’expertise indépendante, ou les deux. Des encouragements vagues associés à un discours sur le remplacement créent des incitations contradictoires.

Les managers ont également besoin de formation. Ils doivent distinguer une assistance responsable d’une délégation négligente. Modifier un brouillon avec l’IA est différent d’accepter une analyse non étayée ou d’automatiser une décision à fort impact.

La divulgation devrait donc se concentrer sur le risque plutôt que sur le rituel. Exiger une étiquette pour chaque correction grammaticale mineure peut produire du bruit administratif. Exiger une divulgation pour les données sensibles, les décisions importantes ou les faits publiés à l’extérieur répond à un objectif plus clair.

L’Information Commissioner’s Office du Royaume-Uni a soutenu que les interdictions générales ont peu de chances de fonctionner. Son analyse sur l’IA au travail met l’accent sur un accès légal, une supervision efficace et des mesures de dissuasion pratiques.

Cette approche reconnaît les deux côtés du conflit. Les employeurs ne peuvent ignorer les obligations de protection des données. Ils ne peuvent pas non plus supposer qu’une interdiction écrite fera disparaître des outils que les travailleurs jugent déjà utiles.

La confiance doit fonctionner dans les deux sens. Les employeurs doivent avoir confiance dans le fait que le personnel protégera les informations sensibles et vérifiera les résultats. Les travailleurs doivent avoir confiance dans le fait qu’une divulgation responsable ne nuira pas automatiquement à leur réputation ou à leur sécurité d’emploi.

Sans cet accord, l’IA parallèle identifiée par Deloitte devient un signal culturel. Elle indique que les employés ne font pas confiance aux canaux officiels pour répondre à leurs besoins ou protéger leurs intérêts.

Ce que les chiffres ne démontrent pas

L’enquête documente une importante lacune de gouvernance, mais elle n’établit pas dans quelle mesure l’usage caché de l’IA cause des dommages réels ou une productivité durable.

Deloitte a utilisé une enquête en ligne avec un échantillon par quotas représentatif de 25 000 employés et travailleurs indépendants. Les résultats ont été pondérés selon des catégories démographiques, professionnelles, régionales, éducatives et sociales.

Cette méthodologie offre une portée considérable. Elle dépend néanmoins de la capacité des répondants à se souvenir de leurs propres comportements et à les décrire honnêtement. Les activités cachées sont particulièrement difficiles à mesurer par auto-déclaration.

Le sens de « sans que l’employeur le sache » varie également. Un répondant peut enfreindre une interdiction explicite. Un autre peut utiliser un outil public en l’absence de toute politique. Un troisième peut travailler pour une entreprise dont les managers tolèrent l’expérimentation informelle.

La mesure « près d’une personne sur dix » de Bloomberg isole mieux les usages impliquant une interdiction ou une désapprobation attendue. Même cette catégorie associe une règle explicite à la prédiction du travailleur sur la réaction possible d’un employeur.

L’enquête n’identifie pas la fréquence à laquelle les travailleurs ont saisi des informations confidentielles. Elle ne quantifie pas les fuites de données qui en résultent, les décisions défaillantes, les préjudices causés aux clients ou les mesures réglementaires. L’usage caché représente une exposition, non la preuve d’un incident.

De même, les gains de temps déclarés ne sont pas équivalents à des gains de production mesurés. Les travailleurs ont estimé leurs propres économies de temps, et la moyenne ne révèle pas la qualité des résultats. Le temps gagné grâce à un brouillon rapide peut ensuite être perdu lors de la révision.

Le profil des tâches de l’enquête suggère également une adoption superficielle. La recherche, la rédaction d’e-mails et la synthèse dominent. Ces activités peuvent aider les individus, mais elles ne repensent pas nécessairement les processus ni n’améliorent la productivité à l’échelle de l’organisation.

Deloitte décrit lui-même l’usage au travail comme répandu mais superficiel. Seule une minorité a déclaré un usage quotidien fréquent, tandis que près d’un tiers avait essayé l’IA sans gagner de temps.

Les comparaisons avec d’autres enquêtes sur l’IA parallèle exigent de la prudence. Microsoft a signalé des taux d’usage non approuvé bien plus élevés en 2025. D’autres fournisseurs ont publié des estimations encore différentes, fondées sur des employés de bureau, des responsables de la sécurité ou des marchés sélectionnés.

Les définitions expliquent souvent une partie de cet écart. Certaines études comptabilisent tout usage d’IA grand public comme non autorisé. D’autres ne comptent que les outils interdits, inconnus, les comptes personnels ou les services traitant des données d’entreprise.

Les incitations des fournisseurs comptent également. Les entreprises qui vendent des logiciels d’entreprise ou des produits de sécurité bénéficient d’une perception d’urgence autour de l’IA parallèle. Leurs conclusions peuvent néanmoins être instructives, mais les lecteurs devraient examiner les échantillons, les définitions et le financement.

Deloitte conseille également les organisations sur l’adoption et la gouvernance de l’IA. Ce rôle commercial n’invalide pas une enquête auprès de 25 000 personnes. Il rend toutefois une méthodologie transparente et une réplication future particulièrement importantes.

La répétition prévue dans six mois devrait aider. Une seconde vague pourra révéler si la formation, la connaissance des politiques et l’usage quotidien évoluent. Elle pourra également montrer si les employés continuent de payer pour des outils à mesure que les employeurs élargissent l’accès officiel.

La conclusion la plus solide aujourd’hui est plus nuancée que ne le suggèrent certains titres. Les travailleurs britanniques adoptent l’IA générative plus rapidement que de nombreux employeurs ne peuvent la gouverner ou communiquer à son sujet. Un groupe mesurable cache cet usage, parfois contre les souhaits présumés de son employeur.

Il n’est pas encore clair si des contrôles plus stricts, de meilleurs outils, des politiques plus claires ou l’évolution des attitudes combleront l’écart. La réponse différera probablement selon les secteurs réglementés, les petites entreprises et les rôles à forte intensité technologique.

Trois signaux montreront si les employeurs rattrapent leur retard

La prochaine phase dépendra de la capacité des entreprises à transformer une expérimentation individuelle cachée en travail visible, soutenu et mesurable.

Le premier signal est la connaissance des politiques, et non leur publication. Deloitte a constaté que seulement 28 % des utilisateurs savaient où trouver la politique de leur entreprise, la comprenaient et la considéraient comme à jour.

Cette mesure devrait augmenter lorsque les organisations améliorent leur communication et rendent les règles spécifiques aux tâches. Si elle reste faible, davantage de documents de politique ne changeront pas réellement les comportements.

Un résultat plus solide comprendrait moins de travailleurs affirmant qu’aucune politique n’existe ou incapables de répondre. Ce changement appuierait l’idée que les employeurs construisent une gouvernance opérationnelle. Une confusion persistante l’affaiblirait.

Le deuxième signal est l’équilibre entre les outils personnels et les systèmes approuvés. Les travailleurs utilisent actuellement des services gratuits, des abonnements financés personnellement, des produits payés par l’employeur et des plateformes internes.

Les employeurs devraient surveiller si les outils approuvés gagnent du terrain sans réduire l’adoption utile. Une croissance de l’usage officiel indiquerait que les organisations proposent des alternatives crédibles. Une persistance du financement personnel montrerait que les systèmes internes ne répondent toujours pas à des besoins importants.

Ce signal ne peut pas être évalué à partir des seules licences. Une entreprise peut acheter un assistant d’entreprise que les employés utilisent rarement. L’usage, l’accomplissement des tâches, la satisfaction des utilisateurs et les demandes d’exception offrent une image plus exacte.

Les organisations devraient également étudier les outils rejetés et les flux de travail bloqués. Les tentatives fréquentes d’accès au même service externe révèlent une demande non satisfaite. Ces éléments peuvent guider les achats ou expliquer pourquoi un service reste inadapté.

Le troisième signal est de savoir si la formation modifie les comportements et les résultats. Deloitte a constaté que la moitié des utilisateurs n’avaient reçu aucune instruction formelle. Cinquante et un pour cent de l’ensemble des travailleurs ont déclaré que la formation encouragerait un usage plus fréquent.

Une formation efficace devrait améliorer plus que l’adoption. Elle devrait réduire le partage de données sensibles, renforcer la vérification des faits, clarifier la divulgation et aider les employés à sélectionner les tâches appropriées.

Des présentations obligatoires sous forme de diapositives ne suffiront pas. Les travailleurs ont besoin d’exemples liés à leurs rôles réels, aux systèmes approuvés et aux catégories d’informations. Les managers ont besoin d’orientations pour examiner les résultats et répondre aux usages divulgués.

Deloitte prévoit de répéter son enquête environ tous les six mois. La prochaine vague devrait fournir un test direct de ces trois signaux. Les lecteurs devraient comparer la connaissance des politiques, l’origine des outils et la couverture de la formation avec les premiers résultats.

L’usage quotidien mérite également de l’attention, mais il ne devrait pas devenir l’unique mesure de réussite. Davantage d’usage peut accroître le risque si la gouvernance demeure faible. Moins d’usage peut refléter soit une restriction réussie, soit un échec d’accès.

La meilleure question est de savoir si les organisations peuvent voir et évaluer le travail assisté par l’IA. Cela implique de savoir quels outils traitent les informations de l’entreprise, quelles tâches produisent de la valeur et où les humains restent responsables.

Pour les travailleurs du savoir, la leçon immédiate est pratique. Considérez les prompts et les téléversements comme des transferts d’informations, non comme des pensées privées. Vérifiez les règles de l’entreprise, retirez les détails sensibles, vérifiez les résultats factuels et divulguez toute assistance importante lorsque cela est requis.

Pour les employeurs, le défi est tout aussi direct. Offrez aux travailleurs une voie approuvée qui rivalise par son utilité, expliquez les limites en langage clair et distinguez l’assistance responsable de l’IA d’une substitution négligente.

L’enquête de Deloitte UK sur l’IA montre qu’attendre n’est plus une stratégie. Les employés ont déjà choisi où l’IA s’intègre dans leur travail, même lorsque les employeurs ne l’ont pas fait. La question ouverte est de savoir si les organisations peuvent remplacer le secret par une gouvernance utile avant qu’une défaillance évitable n’impose le sujet.

Posez une question concrète à votre équipe cette semaine : quels outils d’IA les personnes utilisent-elles réellement pour accomplir leur travail ? Comparez les réponses avec les systèmes approuvés, les politiques écrites et les formations disponibles. Tout écart n’est pas simplement un problème d’application des règles. Il prouve que le flux de travail officiel de l’organisation ne correspond plus aux pratiques des employés. Pour le combler, il faut des outils plus sûrs, des règles plus claires, un management crédible et une culture dans laquelle les collaborateurs peuvent parler de leur usage de l’IA sans mettre automatiquement en péril leur position professionnelle.