Mesurer l'adoption de l'IA : les indicateurs qui ne mentent pas

Vous présentez un bilan IA en CODIR le mois prochain. Vous avez deux chiffres solides : le nombre de licences achetées et le nombre de connexions du mois. Le problème, c'est qu'aucun des deux ne répond à la question qu'on va vous poser, à savoir si l'IA a changé quelque chose dans la façon dont vos équipes travaillent.

Ce que les licences et les connexions racontent vraiment

Une licence activée dit qu'un contrat a été signé et qu'un compte existe. Une connexion dit qu'un onglet s'est ouvert. Aucun des deux ne dit ce qui s'est passé ensuite : le salarié a-t-il posé une question à cinq mots et refermé l'onglet, ou a-t-il changé la manière dont il rédige ses comptes rendus depuis six semaines ? Les deux scénarios produisent exactement la même connexion dans les journaux.

C'est ce qui rend ces deux chiffres si populaires malgré leur faiblesse : ils sont gratuits à collecter, n'importe quel outil les fournit par défaut, et ils montent presque toujours, ce qui rassure sans jamais mettre personne en difficulté. Un taux de connexion élevé peut aussi bien signaler une équipe qui a intégré l'outil qu'une équipe qui l'ouvre par réflexe avant de revenir à sa méthode habituelle. La courbe ne fait pas la différence, et c'est précisément le problème.

Les indicateurs qui résistent

Quatre signaux tiennent mieux, à condition d'accepter qu'ils coûtent plus cher à observer qu'un export de connexions.

La part des tâches réellement transformées

Toutes les tâches confiées à l'IA ne le restent pas. Certaines sont essayées une fois, jugées décevantes, et abandonnées au profit de la méthode d'avant sans que personne ne le signale. La question utile n'est pas « combien de personnes ont utilisé l'IA sur cette tâche », mais « sur les tâches où quelqu'un l'a essayée, combien sont encore traitées avec l'IA un mois plus tard ». C'est un ratio, pas un volume, et c'est ce qui distingue un essai d'une transformation.

La réutilisation d'un même prompt, d'une fois sur l'autre

Un salarié qui réécrit son cadrage à chaque conversation n'a pas encore capitalisé sur son usage de l'IA, il expérimente encore. Celui qui reprend un cadrage déjà posé, qu'il ait ou non un nom pour ça, a franchi un palier : il traite l'IA comme un outil de travail plutôt que comme une conversation qu'on recommence. Notre article sur ce qui distingue un prompt jetable d'un prompt système détaille cette bascule dans le détail. Elle se repère très concrètement : demandez à trois personnes de votre équipe si elles ont un cadrage qu'elles réutilisent tel quel depuis plus d'un mois sur une tâche qui revient chaque semaine. La réponse, oui ou non, en dit plus qu'un mois de connexions.

Les gestes commencés puis abandonnés

Un abandon n'est pas un échec à cacher, c'est une donnée. Un salarié qui a tenté d'utiliser l'IA pour préparer un entretien annuel et qui est revenu à sa méthode d'avant a un motif, et ce motif vaut la peine d'être recueilli : résultat jugé trop générique, temps de vérification supérieur au temps gagné, ou simplement absence de cadrage clair sur ce qu'on avait le droit d'y confier. Recenser ces abandons, même informellement, révèle où l'accompagnement a manqué, ce qu'un compteur de connexions ne peut jamais montrer puisqu'il ne voit que ce qui continue.

Le délai entre la formation et le premier usage autonome

C'est l'indicateur le plus prédictif et le plus rarement suivi. Une formation qui produit un premier usage sans accompagnement dans la semaine a fonctionné. Une formation qui laisse un salarié former, puis inactif pendant deux mois avant un usage isolé, a surtout produit une attestation. Ce délai est aussi un argument de format : un programme étalé en séances courtes et répétées raccourcit mécaniquement ce délai par rapport à un atelier ponctuel unique, c'est le pari que fait notre propre format, 30 minutes par jour plutôt qu'une journée de formation suivie de rien.

Ce qui reste difficile à mesurer honnêtement

La valeur produite par l'IA, au sens strict (le temps réellement économisé, la qualité réellement gagnée), est la plus dure à isoler des quatre. Elle suppose de comparer un avant et un après sur une même tâche, avec les mêmes personnes, ce qui est rarement possible proprement dans une petite entreprise où personne n'a mesuré le temps passé avant l'IA. Un repère de travail, pas une norme : si vous ne pouvez pas chiffrer le temps gagné, mesurez au moins si la tâche est encore faite avec l'IA un mois après l'avoir essayée. C'est un signal plus pauvre, mais un signal qu'on peut réellement obtenir sans instrumenter toute l'entreprise.

Loger la mesure dans un dispositif qui existe déjà

Il n'est pas nécessaire de construire un système de suivi dédié pour recueillir ces quatre signaux. Le dispositif minimum viable d'une PME tient déjà sur un référent nommé et un rythme de revue trimestriel court, avec un journal des décisions. C'est exactement là que ces indicateurs trouvent leur place : à chaque revue, le référent note, à côté des décisions prises, ce qui a été abandonné et pourquoi, et si de nouveaux usages sont devenus des réflexes. Une ligne de plus dans un tableau qui existe déjà coûte beaucoup moins cher qu'un nouvel outil de suivi.

Ce qu'une console RH peut dire, et ce qu'elle ne dit pas

Une console de suivi de formation, comme celle qu'on trouve derrière un programme collectif, montre l'avancement réel par personne : qui a fait combien d'exercices, sur quelles compétences, et sa dernière activité. C'est déjà plus qu'une connexion, parce que ça distingue quelqu'un qui a terminé les quarante exercices de quelqu'un qui s'est arrêté au troisième. Mais ça ne dit rien de ce qui se passe après la fin du programme, ni si un exercice terminé s'est transformé en habitude au poste de travail. C'est un indicateur d'avancement de formation, pas un indicateur d'adoption au sens de cet article, et confondre les deux serait retomber dans le même biais que les connexions, en plus fin.

Un tableau de bord peut vous dire qui a fini. Il ne peut pas encore vous dire, seul, qui a changé sa façon de travailler. C'est pour ça que les quatre indicateurs plus haut restent, pour l'instant, affaire d'écoute plus que de tableau. Une équipe qui accepte de collecter ces signaux, même de façon imparfaite, sait à la fin du trimestre des choses qu'aucune plateforme ne lui aurait données toute seule.