Dans un moment où la crise existentielle se nourrit d’incertitudes climatiques, de tensions géopolitiques et d’une accélération technologique sans précédent, l’idée s’impose que la sortie de route ne sera pas évitée par un calcul colossal réalisé par une intelligence artificielle omnisciente. À rebours des promesses solutionnistes, François-Xavier de Vaujany, expert en sciences de gestion, rappelle que les transformations décisives relèvent d’abord de l’organisation concrète du travail, des arbitrages démocratiques et des valeurs incarnées par les collectifs. Il est essentiel de comprendre que les algorithmes excellent dans l’optimisation locale, mais peinent à saisir les tensions éthiques, les compromis politiques et la conflictualité productive qui forgent l’avenir des institutions. Une analyse approfondie révèle que l’issue dépendra moins d’une fuite en avant techniciste que d’une capacité à reconstruire des finalités partagées et des modes de gestion sobres, articulant technologie, responsabilité et résilience. Cette perspective, défendue dans ses travaux académiques et dans le débat public, invite entreprises, pouvoirs publics et société civile à reframer la question clé: non pas “quelle IA pour décider à notre place?”, mais “quels dispositifs d’organisation pour décider mieux ensemble?”.
François-Xavier de Vaujany : sciences de gestion et crise existentielle, au-delà du calcul colossal de l’intelligence artificielle
Professeur à l’Université Paris Dauphine-PSL et chercheur au sein de l’UMR CNRS DRM, il éclaire l’histoire des formes d’organisation du travail, de l’entre-deux-guerres à nos jours, pour éclairer les impasses actuelles. Son profil académique à Paris Dauphine-PSL et sa biographie détaillée sur Futura retracent une trajectoire ancrée dans l’étude des usages concrets des outils, des espaces de travail, et des dynamiques de pouvoir qui accompagnent chaque vague technologique.
Il est essentiel de comprendre que sa démarche croise théorie des organisations, histoire du management et approches ethnographiques situées, afin de révéler comment les routines, les lieux et les symboles cadrent ce que la technique rend possible. Pour approfondir, la page du laboratoire DRM et ses publications recensées sur Cairn éclairent ses analyses des “nouveaux” outils qui ne sont jamais seulement nouveaux : ils rejouent, déplacent, parfois exacerbent des compromis organisationnels déjà anciens.
Pourquoi la solution ne viendra pas d’un calcul colossal d’une IA surpuissante
Une analyse approfondie révèle que l’optimisation algorithmique ne tranche ni les conflits de valeurs ni les asymétries d’information qui structurent les décisions collectives. Les systèmes d’intelligence artificielle reposent sur des données et des objectifs paramétrés; or, ce sont précisément ces objectifs – ce qui compte vraiment – qui sont disputés dans une crise existentielle. La tentation du “tout-modèle” occulte la lente fabrique des institutions, et la capacité d’apprendre par les controverses, les erreurs et les délibérations.
En 2026, la discussion publique illustre cette tension : des acteurs de pointe expriment des réserves sur l’hyper-automatisation de nos choix. La mise en garde de Jacob Coxon montre que l’IA ne peut pas, à elle seule, porter la charge éthique et politique de nos avenirs. À l’inverse, des organisations réinventent des “espaces de jugement” où les outils servent la délibération plutôt que la remplacer : c’est là que se loge la solution la plus robuste.
Les chocs économiques récents confirment l’importance des choix collectifs. Le choc douanier dans l’automobile a rappelé que les modèles prédictifs ne saisissent qu’imparfaitement les enchaînements sociaux, politiques et territoriaux. Dans un autre registre, le secteur de l’assurance interroge ses propres frontières face aux risques systémiques, comme le souligne le défi de l’assurabilité. Faut-il déléguer ces arbitrages à une IA, ou accepter qu’ils demeurent des décisions publiques, contestables, négociées?
Organisation du travail, technologies et avenir : pistes de gestion concrètes
Pour éviter l’illusion du pilotage par “super-calcul”, la stratégie consiste à outiller la délibération et à concevoir des organisations apprenantes. Il est essentiel de comprendre que les pratiques quotidiennes – réunions, rituels, interfaces, cadence – forment l’infrastructure réelle du changement. Voici des leviers opérationnels pour articuler technologie et gestion sans perdre la boussole collective.
- Finalités partagées : expliciter ce que l’algorithme optimise et ce que la communauté valorise, avec des critères sociaux et environnementaux lisibles.
- Gouvernance des données : instaurer des comités pluridisciplinaires (juristes, métiers, représentants du terrain) qui auditent biais, traçabilité et équité.
- Prototypage social : tester les outils en conditions réelles, documenter les effets inattendus et négocier des garde-fous avant le déploiement.
- Rythmes soutenables : refuser l’automatisation “maxi-cadence” au profit d’un tempo qui préserve la qualité, la sécurité et l’apprentissage.
- Capacitation des équipes : former au jugement outillé (prompting, lecture critique de métriques) plutôt qu’à l’exécution assistée.
Un fil conducteur utile consiste à traiter chaque outil d’IA comme un “collègue non-humain” soumis à règles, redevabilité et évaluation périodique. L’insight final est clair : la souveraineté organisationnelle se mesure à la capacité d’encadrer les outils, non à s’y dissoudre.
Étude de cas: une entreprise pilote face à l’IA
Chez Atelier Delta, PME industrielle lyonnaise fictive, la direction a réorganisé la planification avec un système d’IA, mais en instaurant un droit de veto des équipes qualité et sécurité. Problème identifié: l’outil proposait des séquences de production “optimales” qui surchargeaient les contrôles finaux. Solution: insertion de jalons de contrôle en cours de flux et renforcement des boucles de retour d’expérience.
En six mois, la PME a constaté une baisse des incidents mineurs et une meilleure appropriation des indicateurs par l’atelier. Une analyse approfondie révèle que ces résultats tiennent moins au moteur de recommandation qu’au dispositif de gouvernance – rituel hebdomadaire de critique des recommandations, documentation ouverte des arbitrages, rotation des rôles de pilotage. Question clé: et si le véritable avantage compétitif n’était pas l’IA elle-même, mais la capacité collective à la contredire quand il le faut?
Cette logique rejoint des positions exprimées dans la tribune parue dans Le Monde en 2026: la transformation est d’abord instituante. Pour prolonger, consulter le profil de recherche, le corpus de citations Google Scholar et les analyses publiées par Dauphine offre des repères méthodiques pour arrimer l’IA à des finalités collectives stables.
Journaliste économique passionné, je me consacre à l’analyse des transformations majeures de notre économie, en mettant l’accent sur la pédagogie et la clarté. Mon parcours m’a conduit à explorer divers aspects de la mondialisation et de l’innovation, partageant mes réflexions dans plusieurs publications spécialisées.
