Seminar@SystemX animé par Yann Ferguson

Les promesses de gains de productivité associées à l’intelligence artificielle contrastent avec des résultats encore modestes dans les organisations. Cet article défend l’idée que cette situation s’explique moins par les limites de la technologie que par les conditions de son intégration dans le travail. À partir de recherches-actions conduites entre 2022 et 2026 dans des administrations publiques et des entreprises, nous proposons un cadre de management socio-économique fondé sur la notion de « productivité à crédit ». Celle-ci désigne une situation où les gains immédiats de l’IA s’accompagnent de coûts différés ou invisibilisés dans l’activité. En mobilisant les travaux de Savall et Zardet sur les coûts cachés, ceux de Cunningham sur la dette technique et les approches centrées sur le travail réel, nous identifions cinq familles de coûts cachés et treize dettes organisationnelles : travail réel, travail bien fait, compétences, cadre et technologie. L’article montre également que ces dettes ne constituent pas une fatalité. Les recherches-actions mettent en évidence des innovations socio-économiques permettant de les contenir et conduisent à proposer un cycle de management en quatre opérations : repérer, qualifier, mettre en discussion, puis arbitrer et réviser. Le modèle est présenté comme un objet intermédiaire de recherche-action destiné à accompagner les organisations dans une performance économiquement et socialement soutenable.