Ces contenus pourraient vous intéresser
Ressources
Vos managers utilisent déjà l'IA. Synthèses de réunions, préparation de feedbacks, notes de cadrage : ce qui prenait une demi-journée sort en quelques minutes. Mais cette rapidité crée une illusion. Ce n'est pas parce qu'un livrable est bien formulé qu'il est juste ou adapté à la situation. Le vrai risque, ce n'est pas que les managers n'utilisent pas l'IA. C'est qu'ils l'utilisent sans adapter leur posture ni questionner ce qu'elle produit.
Cet article s'adresse aux DRH, responsables formation et équipes L&D qui veulent accompagner leurs managers dans l'usage de l'IA et management au quotidien. À la fin de la lecture, vous saurez sur quelles compétences concentrer vos efforts de formation et quelles pratiques ancrer en priorité.
Pourquoi commencer par les outils est un faux départ
La plupart des entreprises abordent l'IA par les outils et les prompts. C'est utile, mais c'est un angle mort. Le vrai sujet est managérial. Quand l'IA accélère la production, ce qui faisait la valeur d'un manager (produire vite, synthétiser bien, rédiger proprement) est rattrapé par la machine. Ce qui reste irremplaçable, c'est la capacité à poser les bonnes questions, à trancher et à tenir un cap.
Un manager à l'ère de l'IA qui ne change pas de posture ne reste pas au même niveau. Il recule. Son équipe et sa direction s'habituent à des livrables plus rapides et plus structurés. Les attentes montent mécaniquement. Les compétences managériales prioritaires pour 2026 confirment ce déplacement : ce qui fait la valeur d'un manager se réoriente vers le jugement, la décision et l'accompagnement humain. La barre de ce qui est considéré comme "un bon travail de manager" se déplace sans prévenir.
Exemple terrain. Un responsable marketing envoie une note de cadrage générée par l'IA à son comité de direction. En comité, une question le déstabilise : "Sur quoi repose ton hypothèse de pricing ?" Il ne sait pas répondre, parce qu'il n'a pas reconstruit la logique derrière le document. Le livrable était bon. La préparation, non. C'est exactement le type de situation que les RH doivent anticiper dans leurs dispositifs d'accompagnement.
Levier actionnable : le mini-check en 5 questions à intégrer dans vos formations managériales. Avant chaque usage de l'IA sur un sujet à enjeu : quel est l'objectif ? Quelle décision ce livrable doit-il éclairer ? Quel est le niveau de risque ? Qui sera impacté ? Quels critères de qualité sont non négociables ?
L'IA génère des contenus fluides, structurés, convaincants en apparence. C'est précisément ce qui les rend risqués : un livrable bien rédigé désarme la vigilance. Le manager qui ne challenge pas systématiquement ce que l'IA produit finit par valider des hypothèses qu'il n'a pas vérifiées et des recommandations qu'il ne pourrait pas défendre. C'est probablement la compétence la plus sous-estimée aujourd'hui dans les référentiels managériaux. C'est aussi le constat de Mirakl et Servier lors de notre conférence annuelle FORWARD 2026 : former au jugement, pas à l'outil.
L'esprit critique appliqué à l'IA n'est pas une posture intellectuelle. C'est une discipline quotidienne qui se structure autour de trois réflexes concrets.
Réflexe 1 : questionner les sources. L'IA ne cite pas toujours ses fondements. Demander "d'où vient ce chiffre ?" ou "sur quelles données repose cette conclusion ?" devrait être un automatisme avant toute diffusion. Un manager qui partage une recommandation sans en connaître la base prend un risque de crédibilité devant son équipe et sa direction.
Réflexe 2 : chercher ce qui manque. L'IA répond à ce qu'on lui demande. Elle ne signale pas ce qu'on a oublié de poser comme question. Quels angles morts cette analyse laisse-t-elle ? Quel point de vue n'est pas représenté ? Quelle objection un interlocuteur pourrait-il lever ?
Réflexe 3 : tester la résistance. Reformuler le livrable à un collègue en deux minutes. Si le manager n'y arrive pas, c'est qu'il n'a pas suffisamment assimilé le contenu pour en être porteur.
Exemple terrain. Une responsable RH utilise l'IA pour préparer un plan de développement des compétences. Le document est structuré, les axes sont cohérents. Mais en le relisant avec un regard critique, elle réalise que l'IA a proposé des formations standards sans tenir compte d'un plan de restructuration en cours qui change complètement les priorités. Sans ce réflexe, elle aurait présenté un plan déconnecté de la réalité.
Levier actionnable : la grille "challenge" en 4 questions après chaque livrable IA. Est-ce que je peux expliquer la logique derrière chaque recommandation ? Les données sont-elles vérifiables ? Qu'est-ce que l'IA n'a pas pris en compte ? Est-ce que je serais à l'aise pour défendre ce document en réunion sans support ?
De l'assistance ponctuelle à la délégation structurée
Le vrai changement de paradigme arrive avec les agents IA, capables d'exécuter des tâches complètes en semi-autonomie. Le manager ne pose plus une question. Il délègue un périmètre d'action. Cela exige de savoir briefer un agent comme on brieferait un collaborateur junior : objectif clair, périmètre d'action, critères de qualité, modalités de relecture et de validation avant toute diffusion.
Sans ce cadre, l'agent produit vite mais sans filet. Et les erreurs ne se voient pas tout de suite, parce que la forme est toujours irréprochable.
En parallèle, l'IA crée des écarts dans l'équipe. Certains adoptent vite, d'autres freinent par crainte ou par manque de cas d'usage concrets. Le rôle du manager est d'harmoniser les usages sans stigmatiser, en identifiant les freins réels et en créant les conditions pour que chacun progresse à son rythme.
Exemple terrain. Dans une équipe commerciale de huit personnes, le manager constate que deux commerciaux produisent des propositions nettement plus percutantes. Il leur demande de montrer leur méthode au reste de l'équipe. En une session de 30 minutes, le niveau moyen des propositions remonte. Ce n'était pas un sujet de compétence commerciale. C'était un sujet de clarté dans la demande formulée à l'IA.
Levier actionnable : trois rituels à recommander à vos managers.
Ces rituels s'inscrivent dans un enjeu plus large : celui de l'organisation. Comment structurer un cadre commun ? Quelles compétences intégrer dans les référentiels managériaux ? NUMA a formalisé un modèle en trois niveaux (manager, équipe, organisation) accompagné de grilles de questions concrètes pour positionner votre entreprise.
La vraie compétence n'est pas de savoir ce qu'on peut automatiser. C'est de savoir ce qu'il est stratégique de garder humain : les arbitrages sensibles, les conversations de développement, les feedbacks délicats, les décisions qui engagent la relation avec un client ou un collaborateur. Tout ce qui touche à la nuance, au contexte émotionnel ou à la responsabilité directe doit rester dans le champ du manager.
L'impact de la transformation technologique sur le rôle du manager est déjà visible chez des entreprises comme Doctolib ou L'Oréal : le manager devient un acteur clé du changement, centré sur l'humain et le développement des compétences.
Le manager doit aussi surveiller un effet secondaire de l'accélération : la charge cognitive augmente. Plus les livrables arrivent vite, plus il faut relire, vérifier, arbitrer, décider. Le rythme s'intensifie sans que les effectifs changent. Si cette surcharge n'est pas régulée, l'équipe s'épuise et la qualité des décisions se dégrade.
Enfin, avec les agents IA, le travail se redistribue. Certaines tâches s'automatisent, d'autres basculent vers la supervision et l'arbitrage. Le manager ne pilote plus seulement l'activité. Il pilote la trajectoire de compétences de son équipe : quelles compétences deviennent moins utiles, lesquelles deviennent critiques, et comment faire évoluer chaque membre pour qu'il reste pertinent.
Exemple terrain. Un manager constate que son équipe traite deux fois plus de dossiers depuis l'arrivée de l'IA, mais que le taux d'erreur a augmenté. Ses collaborateurs produisent sans relire. Il instaure une relecture croisée avant envoi. Le volume baisse légèrement, mais la qualité remonte et les retours clients s'améliorent.
Levier actionnable : la matrice "humain/IA" en 4 cases à construire avec chaque équipe. Ce que l'IA fait en autonomie (automatisation). Ce que l'IA prépare et que l'humain valide (assistance). Ce qui reste entièrement humain (non négociable). Ce qui était automatisé mais qu'on repasse en humain (dés-automatisation). Cette matrice doit être revisitée chaque trimestre.
Nommer ce qui est autorisé, sensible et interdit
Sans cadre explicite, les usages se développent de manière souterraine. Les managers arbitrent seuls des questions qui relèvent de la politique d'entreprise : peut-on utiliser l'IA pour un mail client ? Pour préparer une évaluation annuelle ? Pour produire un document contractuel ? En l'absence de règles claires, chaque équipe invente les siennes, les pratiques divergent, les niveaux de vigilance varient d'un manager à l'autre, et les RH gèrent des situations à risque après coup. Poser ces limites en amont, c'est protéger les managers autant que les collaborateurs.
Un prérequis souvent négligé : l'organisation doit être documentée pour que l'IA fonctionne. Si les process ne sont pas écrits, si les décisions ne sont pas tracées, si le "pourquoi" derrière les choix n'existe nulle part, l'IA travaille à l'aveugle et produit des livrables qui ont l'apparence de la rigueur sans en avoir le fondement.
Mesurer l'impact, pas le volume
Les métriques d'adoption disent si l'IA est utilisée. Elles ne disent pas si elle est utile. Les indicateurs pertinents portent sur ce que l'IA produit comme effet concret sur la qualité du travail et des décisions.
Exemple terrain. Un directeur des opérations constate après six mois que l'équipe la plus active sur l'IA génère aussi le plus d'allers-retours clients. L'usage intensif masquait un problème de clarté dans les briefs. Il remplace ses indicateurs par le taux de validation au premier envoi, le temps de décision moyen et la satisfaction des clients internes.
Levier actionnable : trois questions pour structurer votre cadre. Qu'est-ce qui est non négociable dans votre entreprise (données clients, propriété intellectuelle, conformité) ? Qui valide avant diffusion d'un livrable sensible ? Comment mesurez-vous que l'IA améliore la qualité du travail, pas seulement sa vitesse ?
L'IA ne remplace pas le manager. Elle amplifie ce qu'il est déjà. Si la demande est floue, l'IA produit du flou plus vite. Si la réflexion est solide, elle l'accélère.
L'enjeu pour les RH n'est pas de déployer l'IA, mais de développer les compétences qui permettent aux managers de la piloter : esprit critique, management d'agents, régulation humain/IA, anticipation des rôles et cadre organisationnel. Ces compétences ne sont pas dans la plupart des référentiels managériaux aujourd'hui. Les entreprises qui les intègrent maintenant construisent un avantage durable. Pour aller plus loin, le workshop IA et Esprit Critique de NUMA permet d'ancrer ces réflexes directement en situation.
Vos managers utilisent déjà l'IA. Synthèses de réunions, préparation de feedbacks, notes de cadrage : ce qui prenait une demi-journée sort en quelques minutes. Mais cette rapidité crée une illusion. Ce n'est pas parce qu'un livrable est bien formulé qu'il est juste ou adapté à la situation. Le vrai risque, ce n'est pas que les managers n'utilisent pas l'IA. C'est qu'ils l'utilisent sans adapter leur posture ni questionner ce qu'elle produit.
Cet article s'adresse aux DRH, responsables formation et équipes L&D qui veulent accompagner leurs managers dans l'usage de l'IA et management au quotidien. À la fin de la lecture, vous saurez sur quelles compétences concentrer vos efforts de formation et quelles pratiques ancrer en priorité.
Pourquoi commencer par les outils est un faux départ
La plupart des entreprises abordent l'IA par les outils et les prompts. C'est utile, mais c'est un angle mort. Le vrai sujet est managérial. Quand l'IA accélère la production, ce qui faisait la valeur d'un manager (produire vite, synthétiser bien, rédiger proprement) est rattrapé par la machine. Ce qui reste irremplaçable, c'est la capacité à poser les bonnes questions, à trancher et à tenir un cap.
Un manager à l'ère de l'IA qui ne change pas de posture ne reste pas au même niveau. Il recule. Son équipe et sa direction s'habituent à des livrables plus rapides et plus structurés. Les attentes montent mécaniquement. Les compétences managériales prioritaires pour 2026 confirment ce déplacement : ce qui fait la valeur d'un manager se réoriente vers le jugement, la décision et l'accompagnement humain. La barre de ce qui est considéré comme "un bon travail de manager" se déplace sans prévenir.
Exemple terrain. Un responsable marketing envoie une note de cadrage générée par l'IA à son comité de direction. En comité, une question le déstabilise : "Sur quoi repose ton hypothèse de pricing ?" Il ne sait pas répondre, parce qu'il n'a pas reconstruit la logique derrière le document. Le livrable était bon. La préparation, non. C'est exactement le type de situation que les RH doivent anticiper dans leurs dispositifs d'accompagnement.
Levier actionnable : le mini-check en 5 questions à intégrer dans vos formations managériales. Avant chaque usage de l'IA sur un sujet à enjeu : quel est l'objectif ? Quelle décision ce livrable doit-il éclairer ? Quel est le niveau de risque ? Qui sera impacté ? Quels critères de qualité sont non négociables ?
L'IA génère des contenus fluides, structurés, convaincants en apparence. C'est précisément ce qui les rend risqués : un livrable bien rédigé désarme la vigilance. Le manager qui ne challenge pas systématiquement ce que l'IA produit finit par valider des hypothèses qu'il n'a pas vérifiées et des recommandations qu'il ne pourrait pas défendre. C'est probablement la compétence la plus sous-estimée aujourd'hui dans les référentiels managériaux. C'est aussi le constat de Mirakl et Servier lors de notre conférence annuelle FORWARD 2026 : former au jugement, pas à l'outil.
L'esprit critique appliqué à l'IA n'est pas une posture intellectuelle. C'est une discipline quotidienne qui se structure autour de trois réflexes concrets.
Réflexe 1 : questionner les sources. L'IA ne cite pas toujours ses fondements. Demander "d'où vient ce chiffre ?" ou "sur quelles données repose cette conclusion ?" devrait être un automatisme avant toute diffusion. Un manager qui partage une recommandation sans en connaître la base prend un risque de crédibilité devant son équipe et sa direction.
Réflexe 2 : chercher ce qui manque. L'IA répond à ce qu'on lui demande. Elle ne signale pas ce qu'on a oublié de poser comme question. Quels angles morts cette analyse laisse-t-elle ? Quel point de vue n'est pas représenté ? Quelle objection un interlocuteur pourrait-il lever ?
Réflexe 3 : tester la résistance. Reformuler le livrable à un collègue en deux minutes. Si le manager n'y arrive pas, c'est qu'il n'a pas suffisamment assimilé le contenu pour en être porteur.
Exemple terrain. Une responsable RH utilise l'IA pour préparer un plan de développement des compétences. Le document est structuré, les axes sont cohérents. Mais en le relisant avec un regard critique, elle réalise que l'IA a proposé des formations standards sans tenir compte d'un plan de restructuration en cours qui change complètement les priorités. Sans ce réflexe, elle aurait présenté un plan déconnecté de la réalité.
Levier actionnable : la grille "challenge" en 4 questions après chaque livrable IA. Est-ce que je peux expliquer la logique derrière chaque recommandation ? Les données sont-elles vérifiables ? Qu'est-ce que l'IA n'a pas pris en compte ? Est-ce que je serais à l'aise pour défendre ce document en réunion sans support ?
De l'assistance ponctuelle à la délégation structurée
Le vrai changement de paradigme arrive avec les agents IA, capables d'exécuter des tâches complètes en semi-autonomie. Le manager ne pose plus une question. Il délègue un périmètre d'action. Cela exige de savoir briefer un agent comme on brieferait un collaborateur junior : objectif clair, périmètre d'action, critères de qualité, modalités de relecture et de validation avant toute diffusion.
Sans ce cadre, l'agent produit vite mais sans filet. Et les erreurs ne se voient pas tout de suite, parce que la forme est toujours irréprochable.
En parallèle, l'IA crée des écarts dans l'équipe. Certains adoptent vite, d'autres freinent par crainte ou par manque de cas d'usage concrets. Le rôle du manager est d'harmoniser les usages sans stigmatiser, en identifiant les freins réels et en créant les conditions pour que chacun progresse à son rythme.
Exemple terrain. Dans une équipe commerciale de huit personnes, le manager constate que deux commerciaux produisent des propositions nettement plus percutantes. Il leur demande de montrer leur méthode au reste de l'équipe. En une session de 30 minutes, le niveau moyen des propositions remonte. Ce n'était pas un sujet de compétence commerciale. C'était un sujet de clarté dans la demande formulée à l'IA.
Levier actionnable : trois rituels à recommander à vos managers.
Ces rituels s'inscrivent dans un enjeu plus large : celui de l'organisation. Comment structurer un cadre commun ? Quelles compétences intégrer dans les référentiels managériaux ? NUMA a formalisé un modèle en trois niveaux (manager, équipe, organisation) accompagné de grilles de questions concrètes pour positionner votre entreprise.
La vraie compétence n'est pas de savoir ce qu'on peut automatiser. C'est de savoir ce qu'il est stratégique de garder humain : les arbitrages sensibles, les conversations de développement, les feedbacks délicats, les décisions qui engagent la relation avec un client ou un collaborateur. Tout ce qui touche à la nuance, au contexte émotionnel ou à la responsabilité directe doit rester dans le champ du manager.
L'impact de la transformation technologique sur le rôle du manager est déjà visible chez des entreprises comme Doctolib ou L'Oréal : le manager devient un acteur clé du changement, centré sur l'humain et le développement des compétences.
Le manager doit aussi surveiller un effet secondaire de l'accélération : la charge cognitive augmente. Plus les livrables arrivent vite, plus il faut relire, vérifier, arbitrer, décider. Le rythme s'intensifie sans que les effectifs changent. Si cette surcharge n'est pas régulée, l'équipe s'épuise et la qualité des décisions se dégrade.
Enfin, avec les agents IA, le travail se redistribue. Certaines tâches s'automatisent, d'autres basculent vers la supervision et l'arbitrage. Le manager ne pilote plus seulement l'activité. Il pilote la trajectoire de compétences de son équipe : quelles compétences deviennent moins utiles, lesquelles deviennent critiques, et comment faire évoluer chaque membre pour qu'il reste pertinent.
Exemple terrain. Un manager constate que son équipe traite deux fois plus de dossiers depuis l'arrivée de l'IA, mais que le taux d'erreur a augmenté. Ses collaborateurs produisent sans relire. Il instaure une relecture croisée avant envoi. Le volume baisse légèrement, mais la qualité remonte et les retours clients s'améliorent.
Levier actionnable : la matrice "humain/IA" en 4 cases à construire avec chaque équipe. Ce que l'IA fait en autonomie (automatisation). Ce que l'IA prépare et que l'humain valide (assistance). Ce qui reste entièrement humain (non négociable). Ce qui était automatisé mais qu'on repasse en humain (dés-automatisation). Cette matrice doit être revisitée chaque trimestre.
Nommer ce qui est autorisé, sensible et interdit
Sans cadre explicite, les usages se développent de manière souterraine. Les managers arbitrent seuls des questions qui relèvent de la politique d'entreprise : peut-on utiliser l'IA pour un mail client ? Pour préparer une évaluation annuelle ? Pour produire un document contractuel ? En l'absence de règles claires, chaque équipe invente les siennes, les pratiques divergent, les niveaux de vigilance varient d'un manager à l'autre, et les RH gèrent des situations à risque après coup. Poser ces limites en amont, c'est protéger les managers autant que les collaborateurs.
Un prérequis souvent négligé : l'organisation doit être documentée pour que l'IA fonctionne. Si les process ne sont pas écrits, si les décisions ne sont pas tracées, si le "pourquoi" derrière les choix n'existe nulle part, l'IA travaille à l'aveugle et produit des livrables qui ont l'apparence de la rigueur sans en avoir le fondement.
Mesurer l'impact, pas le volume
Les métriques d'adoption disent si l'IA est utilisée. Elles ne disent pas si elle est utile. Les indicateurs pertinents portent sur ce que l'IA produit comme effet concret sur la qualité du travail et des décisions.
Exemple terrain. Un directeur des opérations constate après six mois que l'équipe la plus active sur l'IA génère aussi le plus d'allers-retours clients. L'usage intensif masquait un problème de clarté dans les briefs. Il remplace ses indicateurs par le taux de validation au premier envoi, le temps de décision moyen et la satisfaction des clients internes.
Levier actionnable : trois questions pour structurer votre cadre. Qu'est-ce qui est non négociable dans votre entreprise (données clients, propriété intellectuelle, conformité) ? Qui valide avant diffusion d'un livrable sensible ? Comment mesurez-vous que l'IA améliore la qualité du travail, pas seulement sa vitesse ?
L'IA ne remplace pas le manager. Elle amplifie ce qu'il est déjà. Si la demande est floue, l'IA produit du flou plus vite. Si la réflexion est solide, elle l'accélère.
L'enjeu pour les RH n'est pas de déployer l'IA, mais de développer les compétences qui permettent aux managers de la piloter : esprit critique, management d'agents, régulation humain/IA, anticipation des rôles et cadre organisationnel. Ces compétences ne sont pas dans la plupart des référentiels managériaux aujourd'hui. Les entreprises qui les intègrent maintenant construisent un avantage durable. Pour aller plus loin, le workshop IA et Esprit Critique de NUMA permet d'ancrer ces réflexes directement en situation.
Découvrez tous nos parcours et workshops pour adresser les challenges de management et leadership les plus critiques.
Organisme de formation enregistré sous le numéro 11755339875. Cet enregistrement ne vaut pas agrément de l’État.
.svg)
.png){kind=small}
.png){kind=small}
