En mai 2025, trois chercheurs en gestion de la Sloan School of Management du Massachusetts Institute of Technology, David Wingate, Barclay Burns et Jay Barney, ont publié une étude dont le titre a fait l’effet d’une douche froide au cœur du débat le plus retentissant du monde des affaires : « Pourquoi l’intelligence artificielle ne procurera pas d’avantage concurrentiel durable ». Ils ne soutenaient pas que l’intelligence artificielle faisait l’objet d’un engouement excessif, ni que les bouleversements qu’elle provoquait étaient exagérés. Leur constat était encore plus déstabilisant : la course dans laquelle se lancent actuellement toutes les entreprises du monde est, par sa structure même, une course vouée à s’achever sur une égalité parfaite.
Depuis, je ne cesse de réfléchir à cette étude, car elle nomme un phénomène que la plupart des discours consacrés aux stratégies d’intelligence artificielle tendent à éviter. Je suis avocate libanaise qui travaille dans une région où la pression en faveur de l’adoption de l’intelligence artificielle est presque totale, où le sujet imprègne les discussions des conseils d’administration et où la question de savoir s’il faut l’adopter semble avoir été tranchée au profit d’une autre interrogation, à savoir la rapidité avec laquelle il convient de l’adopter. Or, l’argument avancé par la Sloan School du MIT déplace une nouvelle fois la question. Et cette fois, ce déplacement est déterminant.
Un piège caché dans la ruée vers l’or
La pertinence de l’adoption de l’intelligence artificielle ne fait pas débat. Selon l’enquête « State of AI » menée en 2025 par le cabinet international de conseil en gestion McKinsey, qui s’appuie sur les réponses de près de 2 000 participants répartis dans 105 pays, 88 pour cent des organisations utilisent désormais l’intelligence artificielle dans au moins une fonction de leur activité, contre 78 pour cent l’année précédente. De plus, une étude réalisée par la London School of Economics et le cabinet de conseil Protiviti, publiée en octobre 2024 et fondée sur des enquêtes menées auprès de près de 3 000 salariés, a révélé un résultat particulièrement significatif : les professionnels qui utilisent l’intelligence artificielle économisent en moyenne 7,5 heures par semaine.
Cependant, Wingate, Burns et Barney mettent en évidence un problème structurel que l’enthousiasme suscité par ces chiffres ne saurait résoudre. Toute avancée technologique majeure finit, en effet, par devenir également accessible à toutes les entreprises. Les algorithmes se banalisent et les modèles open source érodent les offres propriétaires quelques mois seulement après leur lancement. Selon l’étude de la Sloan School du MIT, les talents sont abondants, la concurrence dans le secteur du matériel informatique est intense et ce qui peut encore être exclusif au moment de son lancement devient, en l’espace de quelques mois, un simple prérequis pour participer au marché.
« Loin de constituer une source de différenciation », disent Wingate, Burns et Barney, « l’intelligence artificielle deviendra une source d’uniformisation ». Lorsque tout le monde utilise le même moteur, ce n’est plus le moteur qui permet de gagner la course.
Le piège de l’uniformisation
Voilà le paradoxe que la plupart des stratégies relatives à l’intelligence artificielle ne parviennent pas à affronter directement. L’universalité qui confère à l’intelligence artificielle sa valeur en tant que catégorie technologique la prive, dans le même temps, de toute valeur en tant que facteur de différenciation. Si votre concurrent dispose des mêmes modèles, des mêmes capacités d’automatisation et des mêmes outils que vous, aucun de vous ne parviendra à accumuler un véritable avantage. Par conséquent, votre position respective sur le marché demeure plus ou moins inchangée.
Qu’est-ce qui gagne alors en valeur lorsque les outils nivellent les différences ? Comme l’a souligné en septembre 2025 l’Institute for Business in Global Society de la Harvard Business School, l’intelligence artificielle n’est pas capable de distinguer de manière fiable les bonnes idées des idées médiocres. Elle ne peut pas non plus orienter une stratégie commerciale à long terme. En outre, elle ne saurait reproduire l’intelligence culturelle et le jugement contextuel qui permettent de déterminer si une décision convient à un marché précis, à une organisation particulière et à un moment donné.
Les économistes Ajay Agrawal, Joshua Gans et Avi Goldfarb affirment, dans un article publié en juin 2025 dans la revue Finances et Développement du Fonds monétaire international, que l’intelligence artificielle est fondamentalement une machine à prédire. Elle traite des données d’entrée et produit des résultats probabilistes à une vitesse et à une échelle extraordinaires. Cependant, entre la prédiction et la décision intervient le jugement, c’est-à-dire la mise en balance des valeurs, du contexte, de l’incertitude et des enjeux, autant d’éléments qui ne peuvent être réduits à la simple reconnaissance de schémas.
À mesure que la prédiction devient peu coûteuse, le jugement devient rare. Ainsi, le remède à l’uniformisation provoquée par l’intelligence artificielle ne consiste pas à utiliser davantage d’intelligence artificielle. Il réside dans une meilleure qualité de la réflexion humaine.
Automatiser la médiocrité à grande échelle
Or, la plupart des organisations font précisément le contraire.
Dans un rapport publié en août 2024, la RAND Corporation a constaté que plus de 80 pour cent des projets d’intelligence artificielle ne parvenaient pas à atteindre un déploiement opérationnel significatif. Leur taux d’échec était ainsi presque deux fois supérieur à celui des projets informatiques traditionnels. De plus, la cause principale de ces échecs ne résidait pas dans la technologie, mais dans les fondations organisationnelles défaillantes sur lesquelles ces projets reposaient.
Nicholas Carr a analysé le coût plus profond de cette dynamique dans The Glass Cage, son étude publiée en 2014 sur l’automatisation dans l’aviation, la médecine et le négoce financier. Son raisonnement rejoint l’une des préoccupations majeures relatives à l’adaptation à l’intelligence artificielle : lorsque les machines prennent en charge des tâches exigeant des compétences particulières, les êtres humains perdent progressivement la capacité de les accomplir de manière autonome. Ainsi, le pilote qui délègue ses fonctions au pilotage automatique perd sa conscience de la situation. Lorsque le système tombe en panne, la faculté de jugement nécessaire pour reprendre le contrôle s’est déjà affaiblie. De même, l’analyste financier qui s’en remet aux résultats produits par les algorithmes perd la capacité d’interprétation qui donnait autrefois un sens à ces résultats. Comme le démontre Carr, la compétence doit être exercée. Les pratiques qui ne sont plus mobilisées finissent par s’éroder. Or, dans la course actuelle visant à automatiser le plus grand nombre de tâches possible, le plus rapidement possible, des catégories entières de capacités humaines ne sont plus exercées.
Dans cette région, les enjeux revêtent une dimension particulière. Les recherches menées par McKinsey en 2025 sur les pays du Conseil de coopération du Golfe montrent que près de 90 pour cent des directeurs généraux déclarent utiliser l’intelligence artificielle générative, soit une proportion supérieure à la moyenne mondiale. Pourtant, seuls 11 pour cent d’entre eux appartiennent à la catégorie que McKinsey appelle les « réalisateurs de valeur », c’est-à-dire les organisations qui ont véritablement déployé l’intelligence artificielle à grande échelle et qui peuvent lui attribuer des revenus significatifs. L’écart entre l’adoption et la création de valeur traduit donc un problème de préparation. Or, derrière cette insuffisance se trouve un problème de capital humain qu’aucun investissement dans l’achat de logiciels ne saurait résoudre.
Aucun modèle ne peut générer l’intelligence culturelle, la profondeur des relations et la connaissance contextuelle du marché qui définissent l’avantage concurrentiel dans cette partie du monde. Ces qualités se sont construites pendant des décennies. Elles représentent précisément ce que l’intelligence artificielle ne peut pas reproduire et, dans le même temps, ce qui risque le plus de disparaître dans une course irréfléchie à son adoption.
L’IA centrée sur l’humain est une stratégie, non pas une philosophie
L’expression « IA centrée sur l’humain » a progressivement pris la forme d’une déclaration de valeurs, semblable à ces formulations qui apparaissent dans les rapports sur le développement durable entre les objectifs de réduction des émissions de carbone et les indicateurs d’inclusion. Pourtant, elle n’est rien de tel. Elle constitue la seule stratégie d’intelligence artificielle qui soit structurellement viable.
Les entreprises qui parviendront à tirer un avantage durable de l’intelligence artificielle ne seront pas celles qui posséderont le plus grand nombre d’outils. Ce seront celles qui l’utiliseront afin de permettre aux humains d’accomplir davantage de tâches que seuls les humains peuvent réaliser, et non moins. Cela suppose d’abord de corriger les processus avant de les automatiser. Il faut ensuite investir dans la qualité du jugement humain avant de déployer les outils qui l’amplifieront. Enfin, il convient de considérer la culture créative, l’expertise contextuelle et les connaissances institutionnelles, non comme des coûts qu’il faudrait éliminer au nom de l’optimisation, mais comme le rempart concurrentiel qui confère, dès le départ, leur valeur aux résultats produits par l’intelligence artificielle.
L’intelligence artificielle amplifie tout ce qu’elle trouve. Lorsqu’une entreprise dotée d’un jugement humain aiguisé et d’une solide culture créative déploie l’intelligence artificielle, ses capacités augmentent de manière exponentielle. En revanche, lorsqu’une entreprise caractérisée par des processus défaillants et une réflexion affaiblie déploie les mêmes outils, ses dysfonctionnements s’amplifient de manière exponentielle, plus rapidement et à moindre coût.
Chaque dirigeant d’entreprise de cette région doit donc se poser les questions suivantes : qu’est-ce que l’intelligence artificielle va précisément amplifier ? Ce que vous avez construit mérite-t-il réellement d’être ? Enfin, quelles compétences essentielles risquent de disparaître au cours de ce processus ?
