




Lorsqu’un changement est introduit dans une organisation, il provoque inévitablement des réactions. Ces dernières, souvent interprétées comme des résistances, sont en réalité des préoccupations légitimes. Céline Bareil a développé un modèle structurant pour comprendre ces dynamiques : les sept phases de préoccupations.
Madame Bareil est une figure influente dans le domaine de la gestion et du changement organisationnel. Professeure à HEC Montréal, elle se spécialise dans les dynamiques de transformation en milieu de travail, explorant comment les entreprises et leurs employés s'adaptent aux innovations et aux transitions majeures. Avec une approche axée sur les personnes, ses recherches touchent des thématiques telles que l'accompagnement au changement, les apprentissages organisationnels et le leadership dans des contextes complexes.
Ce modèle explique que les individus progressent dans un cheminement logique face au changement, allant de l’indifférence initiale à une pleine adhésion — pour peu que leurs préoccupations soient traitées adéquatement.
Cette théorie s’applique incroyablement bien au contexte d’un pitch, car ce dernier prépare toujours le terrain à un changement imminent. Lorsqu’on propose une nouvelle idée, un projet ou un produit, on confronte son audience à un futur différent, qui suscite des réactions similaires à celles observées lors d’un changement organisationnel. Un pitch efficace — comme une bonne gestion du changement — doit répondre à ces préoccupations avec clarté, empathie et vision. En adressant chaque phase, on ne vend pas seulement une idée, mais on construit une adhésion progressive et durable au changement qu’elle incarne.
Pour accompagner vos équipes dans le changement, il est essentiel de répondre aux préoccupations exprimées à chaque phase. Voici comment le faire efficacement.
Un gestionnaire avisé se concentre non seulement sur les mots, mais aussi sur les actions. Chaque phase est une opportunité de bâtir la confiance et d’assurer un passage réussi vers l’étape suivante.
Pour illustrer, prenons un exemple "brûlant"... le cas du retour au bureau après une période prolongée de télétravail :
Le modèle des phases de préoccupations est un outil puissant pour comprendre les résistances et les surmonter. Il rappelle qu’un changement n’est pas seulement une question de processus ou de stratégie : c’est avant tout une aventure humaine. Préparer des réponses adaptées à chaque phase vous permettra de rassurer, mobiliser et, finalement, transformer des sceptiques en ambassadeurs du changement.
Nous utilisons souvent des outils d'intelligence artificielle, notamment des grands modèles de langage (LLM), pour soutenir nos recherches, structurer nos idées, améliorer nos textes et évaluer leur qualité.
Nous exploitons nos propres corpus documentaires et entraînons également des modèles sur nos contenus. Lorsque la confidentialité l'exige, nous privilégions des modèles exécutés localement.
Ces usages sont supervisés par l'auteur. Les sources, les analyses et les contenus publiés demeurent sous notre responsabilité éditoriale.
Soyons honnêtes, on a tous déjà quitté le bureau à 16h30 au lieu de 17h. On respecte généralement les règles, mais pas toujours. Certains ont peur des sanctions ou agissent par principe, d’autres suivent le groupe, et quelques-uns ignorent les règles, peu importe les conséquences. Ce n’est pas nous qui le disons, mais bien Simon Gächter, Lucas Molleman et Daniele Nosenzo, de brillants chercheurs en sciences comportementales et économiques.
Dans l’article « Why people follow rules », Gächter, Molleman et Nosenzo nous présentent la conformité aux règles (C) comme la fonction mathématique: C=ƒ(R;I;S;P). Autrement dit, respecter une règle dépend de plusieurs variables. Voici comment ils les décortiquent :
Pour rendre tout cela plus concret, nous avons vulgarisé l’étude en trois effets que vous avez sûrement dû déjà observer : l’effet mouton, l’effet pomme pourrie et l’effet maternel. Trois images simples pour comprendre pourquoi on suit les règles… ou pas!
L’effet du mouton fait référence aux « attentes sociales » du modèle CRISP. C’est-à-dire l’influence des autres sur nos décisions, surtout lorsqu’il est question de respecter une règle. Ce phénomène n’a rien de nouveau. Déjà en 330 avant J.-C., Aristote affirmait que l’humain est un « animal social et politique ». Nous vivons en groupe, nous partageons des normes, et nous nous ajustons les uns aux autres. En d’autres termes, comme un troupeau, nous captons les mouvements avant de faire le nôtre.
Environ 30 % des individus adaptent leur comportement à celui du groupe. Si l’heure officielle de départ est 17 h, mais que tout le monde quitte à 17 h 30, plusieurs vont suivre. Formellement, la règle n’a pas changé, mais la norme informelle, elle, s’est déplacée.
Mais attention : suivre le groupe n’explique pas tout. Parfois, ce n’est pas le troupeau qui entraîne, c’est une seule pomme qui abîme tout le panier. Parlons justement de l’effet de la « pomme pourrie ».
Toujours dans la logique des attentes sociales, mais sous l’angle inverse : ici, ce n’est pas le groupe qui nous élève, c’est un individu qui nous tire vers le bas, comme une pomme pourrie qui contamine ses semblables!
L’expression « a rotten apple quickly infects its neighbor » remonte au 14ᵉ siècle. Benjamin Franklin la popularise ensuite au 18ᵉ. L’idée traverse le temps, mais ce n’est qu’en 2007 que le chercheur Will Felps la valide scientifiquement : la présence d’un seul individu négatif, déviant ou non coopératif peut détériorer la dynamique et la performance d’un groupe entier.
Concrètement, voir quelqu’un enfreindre une règle ne nous fait pas immédiatement changer d’avis. On continue de croire que la règle est valable, mais la transgression devient un peu plus acceptable. Si un collègue part à 16 h 30 chaque jour et que d’autres commencent à le faire, vous allez commencer à penser que « ce n’est pas si grave » de faire la même chose. Encore une fois, la règle n’a pas changé, elle s’est érodée!
Avant d’aborder le thème des sanctions, voyons d’abord un levier tout aussi important : celui des préférences sociales dans le modèle CRISP.
Les règles existent souvent pour protéger autrui. Lorsqu’on comprend qu’une infraction nuit aux autres, leur respect augmente de 55 % à… 61 %! Autrement dit, une règle est mieux suivie lorsqu’elle a du sens pour le collectif.
C’est ce qu’on appelle l’effet « maternel », ou mama bear syndrome. On respecte la règle non par peur ni par conformisme, mais par instinct de protection.
Si vos collègues travaillent tard sur un dossier important, vous serez naturellement porté à rester passer les 17 heures pour les aider. Pas parce qu’on vous l’impose, mais parce que quelqu’un en bénéficiera.
S’il est vrai que les attentes sociales nous influencent, les sanctions jouent elles aussi un rôle. C’est la variable incitations extrinsèques (I) du modèle CRISP. Mais attention : toutes les sanctions n’augmentent pas automatiquement l’obéissance d’un groupe. Certaines peuvent même produire l’effet inverse.
Lorsque la probabilité d’être sanctionné est faible, la conformité augmente à peine : de 61 % à 62 %. Autrement dit, la simple menace a peu d’effet si elle n’est pas suivie d’actions concrètes. Par exemple, si la direction rappelle que l’heure de départ est fixée à 17 h, mais que les contrôles sont rares et les conséquences inexistantes, les départs anticipés continueront. La règle existe, mais elle manque de crédibilité.
À l’inverse, lorsque la sanction est hautement probable, l’obéissance inconditionnelle passe de 26 % à 57 %. Ainsi, si la direction inscrit une note au dossier dans la majorité des cas de départs précoces, le respect de l’heure officielle augmente. La différence tient à un élément clé : la sanction n’est plus théorique, elle est perçue comme réelle et crédible.
Les sanctions ne devraient jamais être le réflexe automatique. Oui, elles peuvent dissuader, mais seulement si elles sont proportionnées et crédibles. Pour des règles du quotidien comme l’heure de départ, le sens est souvent plus puissant que la menace.
Ce qu’il faut faire Expliquer le « pourquoi » derrière la règle! Si un gestionnaire explique qu’il faut rester jusqu’à 17 h pour assurer la collaboration avec l’équipe en Australie, la règle cesse d’être arbitraire. Elle devient logique. Quand une règle fait sens, on est beaucoup plus enclin à la respecter.
Bonne nouvelle : plus de la moitié des gens, entre 55 et 70 %, respectent les règles par principe, même en l’absence de sanction. Les chercheurs parlent ici de respect intrinsèque (R) dans le modèle CRISP. Alors pas de panique! Si vous changez l’heure officielle de départ à 18 h, une bonne partie de l’équipe attendra patiemment les six coups de 18 h avant de quitter. Mais puisque la norme au Québec reste 17 h, on ne vous le conseille pas!
Imaginez un pilote de ligne. Il est aux commandes d'un avion rempli de passagers. Soudain, un moteur tombe en panne. Puis le deuxième. Les alarmes se déclenchent, l'appareil perd de l'altitude et le sol se rapproche dangereusement. Le pilote doit réagir. Vite.
Bonne nouvelle, personne ne va mourir. Nous sommes dans un simulateur de vol.
Les pilotes s'entraînent régulièrement à affronter des situations catastrophiques. Des pannes, des incendies, des conditions météorologiques extrêmes. On leur apprend à gérer des événements qu'ils espèrent ne jamais rencontrer dans leur carrière. Et personne ne trouve ça particulièrement inquiétant. Au contraire, c'est rassurant de savoir que le pilote qui nous emmène en vacances a déjà appris à gérer le pire.
Alors pourquoi, lorsqu'il s'agit d'intelligence artificielle, imaginer une catastrophe devrait-il nécessairement nous empêcher d'avancer? Peut-être parce que nous confondons deux choses : imaginer le pire et le croire inévitable.
En janvier 2026, une grande enquête Ipsos réalisée pour Google confirmait quelque chose d'assez spectaculaire. Au Canada, nous avons peur de l'intelligence artificielle. Nous sommes particulièrement pessimistes, anxieux, méfiants et réfractaires à son adoption. Et tout ça alors que notre pays traîne depuis vingt-cinq ans un sérieux problème de productivité.
Il y a quelque chose de fascinant dans ce paradoxe. Une technologie pourrait nous aider à rattraper une partie de notre retard économique, mais nous sommes parmi les plus inquiets à son sujet.
Cette peur a quelque chose de familier. L'historien Luc Mary, dans Le Mythe de la fin du monde, a recensé 183 annonces de fin du monde depuis la chute de l'Empire romain. Et nous sommes toujours là.

Et si notre capacité à imaginer le pire était justement l'une de nos meilleures façons de préparer l'avenir?
Il y a quelques jours, je suis tombé sur une vidéo d'une jeune philosophe qui publie sous le pseudonyme PhiloSophia. Elle étudie la philosophie contemporaine à l'École normale supérieure, à Paris. Et franchement, j'ai trouvé son raisonnement brillant.
Elle rapproche deux philosophes allemands du siècle dernier, Günther Anders et Hans Jonas, pour expliquer quelque chose qui me travaille depuis un moment : pourquoi avons-nous aussi peur de l'avenir, et surtout, à quel moment cette peur cesse-t-elle de nous être utile?
Je lui dois l'architecture de cette réflexion. Le rapprochement entre ces deux penseurs, son application à l'intelligence artificielle et cette idée d'un point de bascule entre prudence et fatalisme viennent de son travail.
J'aimerais reprendre son raisonnement, y ajouter quelques histoires et voir ce qu'il peut nous apprendre sur notre façon de prendre des décisions.
En 1956, le philosophe Günther Anders publie L'Obsolescence de l'homme. Onze ans auparavant, deux bombes atomiques avaient détruit Hiroshima et Nagasaki. Pour la première fois, l'humanité avait démontré qu'elle possédait les moyens techniques de provoquer sa propre destruction.

Anders développe deux idées particulièrement troublantes. La première est la honte prométhéenne. Nous fabriquons des machines dont les performances dépassent certaines de nos capacités. Elles calculent plus vite, travaillent sans fatigue, exécutent des opérations avec une précision qui nous échappe. Face à nos créations, nous découvrons nos limites. Nous sommes lents, imparfaits et, détail assez contrariant, mortels.
La seconde est le décalage prométhéen. Notre capacité à fabriquer des choses extraordinaires progresse plus rapidement que notre capacité à en imaginer les conséquences.
Pensez à la bombe atomique. Des scientifiques sont parvenus à maîtriser les réactions nucléaires, à calculer leur puissance et à fabriquer une arme. Mais comment se représenter véritablement la destruction d'une ville entière en quelques secondes? Comment imaginer les conséquences politiques, morales et humaines d'une technologie pareille?
Nous étions capables de fabriquer quelque chose que nous avions beaucoup de difficulté à nous représenter.
Soixante-dix ans plus tard, l'IA nous place devant une difficulté comparable, même si les technologies et leurs risques sont très différents. Nous développons des outils capables de produire des textes, des images, des analyses et d'accomplir des tâches de plus en plus complexes. Et nous avons parfois bien du mal à imaginer ce que tout cela changera dans cinq ou dix ans.
Alors notre imagination fait ce qu'elle sait faire. Elle remplit les blancs. Et elle ne les remplit pas toujours avec des scénarios optimistes.
En 1979, un autre philosophe, Hans Jonas, publie Le Principe responsabilité. Il propose une idée que je trouve absolument brillante : l'heuristique de la peur.

Le mot est compliqué, mais le principe est assez simple. Lorsque nous développons une technologie susceptible d'avoir des conséquences graves ou irréversibles, nous avons la responsabilité d'imaginer ce qui pourrait mal tourner. Pourquoi? Pour éviter que cela arrive.
C'est exactement ce que font les pilotes dans leurs simulateurs de vol. On imagine une catastrophe, on la reproduit dans un environnement contrôlé, puis on apprend à la prévenir ou à y réagir. La peur devient un outil de préparation.
Pensez à l'énergie nucléaire. Après Hiroshima et Nagasaki, puis avec la multiplication des puissances nucléaires, les États ont progressivement élaboré des mécanismes de contrôle, des accords internationaux et des règles de non-prolifération. Le Traité sur la non-prolifération des armes nucléaires, ouvert à la signature en 1968, est entré en vigueur en 1970.
Ces mécanismes ne font pas disparaître le danger. Ils témoignent néanmoins d'une capacité remarquable : transformer la conscience d'un risque en règles collectives. Et si nous faisions la même chose avec l'intelligence artificielle?
PhiloSophia met surtout le doigt sur le moment où cette peur change de nature. Tout se joue dans une différence grammaticale.
« Ça va mal aller. »
« Ça pourrait mal aller. »
Vous voyez la nuance? Dans la première phrase, le futur est déjà écrit. La catastrophe est certaine. Nous pouvons nous indigner, protester, dénoncer, mais au fond, à quoi bon faire des efforts? Si tout est perdu, autant attendre la fin.
Dans la deuxième, le futur est encore ouvert. Il existe un risque, peut-être même important. Mais il existe aussi des moyens de l'éviter, de le réduire ou d'en limiter les conséquences.
Le conditionnel nous oblige à réfléchir. Le futur catégorique risque de nous dispenser d'agir. C'est là que la peur devient intéressante pour les dirigeants et les gestionnaires : une inquiétude peut être parfaitement légitime sans constituer une raison suffisante pour immobiliser toute une organisation.
Imaginez une réunion de direction. Quelqu'un affirme que l'IA pourrait provoquer des fuites de données confidentielles. C'est vrai. Elle pourrait. Quelqu'un d'autre s'inquiète des erreurs produites par les outils. C'est également vrai. Un troisième craint que les compétences de ses équipes s'affaiblissent à force de déléguer certaines tâches à des machines. Encore une inquiétude parfaitement recevable.
Et maintenant?
| La peur | Ce qui pourrait arriver | Notre décision |
|---|---|---|
| Confidentialité | Fuite de données sensibles. | Outils approuvés et accès contrôlés. |
| Fiabilité | Erreur dans une décision importante. | Validation humaine selon le risque. |
| Compétences | Délégation sans jugement critique. | Formation et vérification des résultats. |
Vous remarquerez quelque chose. Aucune de ces décisions ne garantit que le risque disparaîtra complètement. Mais chacune transforme une inquiétude en travail concret. C'est là que commence la responsabilité.
Dans une organisation, on peut facilement confondre prudence et immobilisme. Un projet soulève des questions, alors on demande davantage d'analyses. Puis un comité supplémentaire. Puis une politique plus complète. Puis une nouvelle évaluation. Et pendant ce temps, la technologie évolue, les employés expérimentent parfois de leur côté et les occasions d'apprendre nous passent sous le nez.
Il faut évidemment des mécanismes de contrôle. Mais ceux-ci devraient nous permettre d'avancer de façon responsable, pas devenir une méthode sophistiquée pour ne jamais décider.
Je reviens à notre pilote. Imaginez qu'après avoir passé des heures dans un simulateur à affronter des pannes, des incendies et des turbulences, il annonce qu'il refuse désormais de décoller. Trop dangereux. Il connaît tous les scénarios possibles, et certains sont franchement terrifiants.
Ce serait quand même un drôle de résultat pour une formation censée améliorer la sécurité aérienne.
Nous faisons parfois exactement la même chose avec l'IA. Nous imaginons les risques avec une précision remarquable. Nous multiplions les scénarios catastrophes. Nous documentons les erreurs. Puis nous en concluons qu'il serait plus prudent d'attendre.
Attendre quoi, exactement? Que la technologie ne présente plus aucun risque? Que nous connaissions toutes ses conséquences? Que quelqu'un d'autre ait pris toutes les décisions difficiles à notre place?
Nous n'aurons probablement jamais ce luxe. Et ce serait dommage, parce que nos inquiétudes ont une véritable valeur. Elles nous obligent à poser de meilleures questions, à concevoir des protections, à anticiper des problèmes et à prendre nos responsabilités.
Alors continuons d'imaginer le pire. C'est utile. Mais une fois le scénario catastrophe terminé, il faut sortir du simulateur. Et faire décoller l'avion.
Il y a un chiffre qui devrait nous faire réfléchir un peu plus souvent : 74,70 $ USD. C’est la richesse produite en moyenne pour chaque heure travaillée au Canada, en 2023. Vous voulez savoir combien c’est chez nos voisins américains? 97,00 $ USD. Et en France? 89,30 $ USD. On a beau se moquer des Américains ces temps-ci, il y a au moins une chose qu’ils font nettement mieux que nous : produire de la richesse.
PIB par heure travaillée, données 2023, USD à parité de pouvoir d’achat (PPA). Source : OCDE, Études économiques : Canada 2025.
Attention, on parle de productivité. Ça ne veut pas dire que nous travaillons moins fort que nos voisins américains. Ça veut dire qu’une heure de travail produit moins de valeur économique. On peut se lever plus tôt, rester plus tard au bureau, répondre à ses courriels pendant les vacances, ça ne change rien au problème. La productivité, c’est ce qu’on arrive à produire avec les ressources dont on dispose. Et là-dessus, on n’est vraiment pas les champions.
Le plus embêtant, c’est que ça dure depuis longtemps. Dans les années 1960 et 1970, notre productivité progressait d’environ 3 % par année. Entre 2000 et 2019, on tournait plutôt autour de 1 %. On ne parle donc pas d’une mauvaise année, d’une récession ou d’une crise passagère. Ça fait un quart de siècle qu’on avance au ralenti.
Et combien nous coûte ce retard? La Banque du Canada a fait le calcul. Si notre productivité avait progressé au même rythme que celle des autres pays du G7 depuis 2000, notre PIB serait aujourd’hui supérieur d’environ 9 %.
Sept mille dollars par personne. Pas par travailleur. Par habitant. Évidemment, personne n’aurait reçu un chèque de 7 000 $. C’est une façon de mesurer la richesse supplémentaire que notre économie aurait pu produire chaque année. Mais quand on multiplie ça par la population canadienne, on commence à comprendre l’ampleur du problème.
Pourquoi sommes-nous si peu productifs? Il y a plusieurs raisons, bien sûr. Le sous-investissement des entreprises, notamment. Mais l’OCDE nous apprend quelque chose d’assez fascinant : parmi les pays du G7, le Canada possède la plus grande proportion d’activités économiques à faible intensité numérique et la plus petite proportion à forte intensité numérique.
Dit plus simplement, nos entreprises sont moins technologiques que celles de nos partenaires. On a des ordinateurs, des téléphones, des sites Web et des comptes LinkedIn, évidemment. Mais intégrer véritablement la technologie dans notre manière de produire, de gérer, de décider ou de servir nos clients, ça, c’est une autre histoire.
Et voilà qu’arrive l’intelligence artificielle. Une technologie capable d’automatiser certaines tâches, d’accélérer la recherche d’information, d’aider à prendre des décisions, de soutenir les employés moins expérimentés. Bref, quelque chose qui pourrait justement nous aider à régler une partie de notre problème de productivité. Pas tout, évidemment. Mais quand même.
On pourrait donc imaginer qu’on va se précipiter dessus, non? Après vingt-cinq ans de retard, ce serait une excellente occasion de rattraper un peu le peloton. Eh bien, figurez-vous que non.
En janvier 2026, Ipsos a publié les résultats d’une grande étude réalisée pour Google auprès d’environ 21 000 personnes dans 21 pays. Je suis allé regarder les résultats pour notre pays. Et ce qui m’a frappé, ce n’est pas simplement qu’on a peur de l’intelligence artificielle. C’est qu’on cumule à peu près toutes les formes possibles de réticence.
Nous sommes pessimistes, anxieux, méfiants et réfractaires. Quatre attitudes qui semblent se ressembler, mais qui racontent des choses assez différentes.
| Notre rapport à l’IA | 🇨🇦 Canada | 🌍 21 pays | Rang |
|---|---|---|---|
| PessimismeEffets négatifs sur les travailleurs | 68 % | 50 % | 1er |
| AnxiétéInquiétude plutôt qu’enthousiasme | 65 % | 46 % | 2e |
| MéfiancePeu ou pas confiance dans l’exactitude des réponses | 62 % | 38 % | 2e |
| RéfractairesRefus d’utiliser davantage l’IA, même avec plus d’assurance | 34 % | 22 % | 2e |
Enquête menée auprès d’environ 21 000 adultes dans 21 pays (septembre–octobre 2025). Source : Ipsos-Google, Our Life With AI 2025, questions 6, 7, 10 et 26.
Nous sommes pessimistes. Au Canada, 68 % des répondants anticipent des conséquences négatives de l’IA sur les emplois et les travailleurs. Dans l’ensemble des pays étudiés, c’est 50 %. Ça fait 18 points d’écart. On imagine plus facilement les emplois qui vont disparaître que les possibilités qui pourraient apparaître.
Nous sommes anxieux. Chez nous, pour 65 % des répondants, l’inquiétude domine l’enthousiasme. Dans l’ensemble des pays étudiés, on est à 46 %. Vous voyez la différence? Avant même de se demander ce qu’on pourrait faire avec l’IA, on pense à ce qui pourrait mal aller.
Nous sommes méfiants. Chez nous, près de deux personnes sur trois, soit 62 %, accordent peu ou pas de confiance à l’exactitude des informations produites par l’IA. Dans l’ensemble des pays étudiés, c’est 38 %. Et là, on parle d’autre chose. On ne se demande plus seulement ce que l’IA va changer dans nos vies. On se demande si on peut croire ce qu’elle nous raconte. Ce qui, avouons-le, est parfois une excellente question.
Nous sommes réfractaires. Et celle-là, je la trouve particulièrement intéressante. Même si nous devenions plus confiants dans notre capacité à utiliser l’IA, 34 % d’entre nous ne voudraient pas en faire davantage usage. La proportion est de 22 % dans l’ensemble des pays. Autrement dit, même en nous sentant mieux équipés, plusieurs d’entre nous ne seraient toujours pas tentés d’aller plus loin.
Vous voyez la nuance? On ne parle plus seulement d’avoir peur ou de manquer de confiance. On parle de gens qui, même si on réglait une partie de leurs inquiétudes, ne voudraient pas nécessairement avancer.
Pourtant, chez nous, 60 % des personnes sondées ont utilisé l’IA au cours des douze derniers mois. Ce n’est donc pas une technologie complètement inconnue. On s’en sert, on la regarde faire, on en parle énormément. Mais de là à lui faire une vraie place dans notre façon de travailler, il reste manifestement du chemin.
Reprenons. Nous traînons un problème de productivité depuis vingt-cinq ans. Une nouvelle technologie arrive et pourrait nous aider à améliorer les choses. Mais nous sommes parmi les populations les plus inquiètes, les plus méfiantes et les plus réticentes à l’utiliser davantage. C’est quand même un drôle de paradoxe.
Je ne suis pas en train de dire que notre peur de l’IA explique vingt-cinq ans de retard économique. ChatGPT n’existait même pas il y a cinq ans. Et personne de sérieux ne prétend que l’intelligence artificielle va régler à elle seule tous nos problèmes de productivité. Mais imaginons un instant la suite.
Si on a peur d’une technologie, on hésite à l’essayer. Si on hésite à l’essayer, on apprend moins vite à s’en servir. Et si on apprend moins vite, on découvre moins vite ce qu’elle pourrait changer dans notre travail. Pendant ce temps-là, ailleurs, des entreprises expérimentent, des employés développent de nouvelles compétences et des organisations commencent à transformer leurs façons de faire.
Le retard pourrait alors continuer à se creuser. Cette fois, en partie parce qu’on aurait eu peur d’essayer de le rattraper.
Je comprends parfaitement qu’on puisse avoir peur de l’IA. Les risques existent. Il peut y avoir des erreurs, des fuites de données, des décisions absurdes, des conseils complètement inventés. On aurait tort de faire comme si tout ça n’existait pas.
Mais il y a une différence entre prendre un risque au sérieux et décider qu’on ne fera rien tant que le risque n’aura pas complètement disparu.
Dans les entreprises, on est particulièrement doués pour déguiser notre peur en prudence. On dit que la technologie n’est pas assez mature, que les employés ne sont pas prêts, qu’il faudrait attendre la prochaine version, qu’on manque de temps pour se former. Et puis, tant qu’à y être, attendons aussi que nos concurrents aient fait tous les essais à notre place.
Ces arguments peuvent être parfaitement légitimes. Le problème commence lorsqu’ils deviennent une méthode pour ne jamais rien essayer.
Parce qu’il faut voir l’autre côté de la médaille. Si on lance un projet d’IA et qu’il échoue, tout le monde va le savoir. On aura dépensé de l’argent, consacré du temps, peut-être dérangé quelques habitudes. Il faudra expliquer pourquoi ça n’a pas fonctionné.
Mais si on ne lance jamais le projet? Rien. Aucun dépassement de budget, aucun échéancier raté, aucune réunion pour expliquer l’échec. On continue comme avant, et on peut même se féliciter d’avoir été prudent.
Sauf qu’on paie quand même. On paie en temps perdu, en occasions manquées, en tâches répétitives, en employés qui passent leurs journées à faire des choses qu’une machine pourrait leur éviter. Ce coût-là est moins spectaculaire. Il ne figure pas nécessairement dans un tableau de bord. Mais il existe.
En 2025, trois chercheurs, Erik Brynjolfsson, Danielle Li et Lindsey Raymond, ont publié une étude menée auprès de 5 172 agents de service client. Certains avaient accès à un assistant d’intelligence artificielle pour les aider dans leur travail. Résultat : 15 % de problèmes résolus en plus par heure travaillée, en moyenne.
Je trouve ce chiffre absolument fascinant. On ne parle pas de 15 % d’heures supplémentaires ni de 15 % d’employés de plus. On parle des mêmes personnes, qui disposent simplement d’un meilleur outil pour accomplir leur travail.
Et le détail le plus intéressant est ailleurs : les gains étaient particulièrement importants chez les employés les moins expérimentés. L’IA leur permettait de profiter plus rapidement de connaissances et de bonnes pratiques qu’ils auraient autrement mis beaucoup plus de temps à acquérir.
Évidemment, une étude sur des agents de service client ne permet pas de prédire les gains de productivité de toutes les entreprises canadiennes. Mais elle montre au moins une chose : dans certaines conditions, l’IA peut déjà produire des résultats concrets et mesurables.
Et si on commençait par ça? Plutôt que de débattre sans fin de tout ce qui pourrait mal aller, on pourrait aussi se demander ce qu’on pourrait améliorer dès maintenant.
J’aime beaucoup ce qu’a fait Singapour. En 2024, le gouvernement a permis à plus de 150 PME de tester des outils d’intelligence artificielle générative pendant trois mois, notamment pour améliorer leur marketing et leurs relations avec leurs clients.
Trois mois. Pas un grand plan de transformation sur dix ans. Pas une révolution organisationnelle annoncée à grand renfort de présentations PowerPoint. Juste l’occasion d’essayer quelque chose, dans de vraies entreprises, avec de vrais problèmes à résoudre.
Et savez-vous ce qui s’est passé? Selon le gouvernement de Singapour, près de 80 % des entreprises participantes ont continué à utiliser les outils après la période d’essai.
J’adore cette idée. On n’a pas demandé à ces entreprises de croire aveuglément aux promesses de l’IA. On leur a donné les moyens de se faire leur propre idée. Certaines ont probablement découvert des usages très utiles, d’autres ont dû ajuster leurs attentes. Mais au moins, elles ont appris quelque chose.
C’est peut-être là qu’on devrait commencer, nous aussi.
Lundi matin, dans nos entreprises, nos municipalités ou nos services publics, on pourrait demander aux équipes quelle tâche leur fait perdre un temps fou. Pas dix tâches. Une seule. Celle que tout le monde trouve interminable, répétitive ou franchement absurde.
Et si on demandait à quelques employés d’essayer de la faire autrement avec l’IA? Pendant un mois, par exemple. Avec des règles claires pour protéger les données, évidemment. On mesurerait le temps gagné, la qualité du travail, les erreurs éventuelles et ce qu’on apprend en cours de route.
Si ça ne fonctionne pas, on ajuste. Si ça fonctionne, on partage les résultats avec les collègues. Et on recommence avec un autre problème.
Ce n’est pas très spectaculaire, je sais. Mais c’est comme ça qu’on développe de nouvelles compétences, qu’on transforme progressivement les habitudes et qu’on finit par améliorer la productivité. À force d’apprendre, de faire des essais et de comprendre ce qui fonctionne vraiment.
Je ne crois pas une seconde que nous manquions d’intelligence, de créativité ou d’ambition. Et je ne crois pas non plus qu’il faille avoir honte de nos inquiétudes. La peur peut même être très utile, à condition de s’en servir pour réfléchir à ce qu’on doit protéger et à la façon d’avancer.
Mais il va falloir accepter une chose : le monde ne va pas attendre que nous soyons parfaitement rassurés. Et quand on regarde notre retard de productivité, on réalise qu’on n’a pas vraiment le luxe de passer les prochaines années à regarder les autres avancer.
Et si on essayait, pour voir?
C’est en 1857 que Wilhelm Grimm (un des frères Grimm) publie un essai portant sur la comparaison de dix légendes avec le mythe de Polyphème (le plus sauvage et le plus célèbre de tous les Cyclopes, qui inspira Hansel et Gretel). Il démontre alors que ce conte originel en a inspiré des dizaines d’autres, des variations sur les mêmes thèmes, pris et repris, modifiés au fil du temps et des cultures. Plus tard, Julien d’Huy, docteur en Histoire à l’Institut des mondes africains confirme la théorie de Grimm, en décomptant 65 contes et légendes issus du Polyphème.
En 1910, le Finlandais Antti Arnes propose une indexation complète des contes et récits oraux, en remontant le plus loin possible dans l’Histoire des histoires. L’idée Les classer en fonction des mécaniques narratives, des thèmes, des ambiances, des personnages ou des actions - ce qu’on appelle des motifs. Ce travail est complété en 1927 et en 1961 par l’américain Stith Thomson, puis par l’allemand Hans-Jörg Uther en 2004. Au total, des milliers de récits issus de toutes les cultures du monde sont décortiqués, référencés, indexés et catalogués. Aujourd’hui appelée la classification ATU (pour Arnes Thomson Uther), cette indexation titanesque nous permet de réaliser que toutes les histoires que nous côtoyons répondent toujours à des schémas narratifs ancestraux. Est-ce à dire que nous n’avons rien inventé depuis des millénaires Pas si vite.
Plus récemment, l’anthropologue Jamie Tehrania fait deux découvertes fascinantes. D’abord, il révèle que les récits n’échappent pas à la loi de l’évolution des espèces de Darwin. Pour survivre, les contes passent de peuple en peuple en s’adaptant aux cultures et au temps. À travers une lente évolution, les fables muent et mutent, et seules les espèces de récits les plus adaptées à l’époque résistent aux ravages du temps… jusqu’à ce qu’elles nous parviennent. Preuve de cette adaptation des contes, La belle au bois dormant n’était pas réveillée par un doux baiser du prince dans sa version originale, mais plutôt d’un viol commis par le roi. La belle se réveille neuf mois plus tard, après avoir donné naissance à deux enfants — on est loin de vivre heureux et avoir beaucoup d’enfants. Pour survivre, une fable doit s'adapter d’époque en époque, de moeurs en moeurs, de conteur en conteur.

La seconde découverte de Jamie va encore plus loin. Il s’associe avec Sara Graça Da Silva pour contribuer à ce champ de recherche inédit : la phylogénétique. Les deux chercheurs démontrent que les récits contiennent une sorte d’ADN, avec un génome et mes marqueurs inspirés des critères de la classification ATU. Ce séquençage effectué, ils ont pu déterminer la proximité de telle ou telle histoire, les liens de parenté de telle ou telle autre. Mieux encore : ils ont pu recréer l’arbre généalogique des récits. Ainsi, ils ont pu déterminer que Le petit chaperon rouge des frères Grimm est un emprunt à Charles Perrault, qui s'est lui-même inspiré du conte du premier siècle de notre ère, le Loup et les sept chevreaux. On sait aussi que Jean de la Fontaine a largement pillé les fables d’Ésope, poète grec du VIe siècle av. J.-C., qui a laissé une œuvre colossale de 500 fables écrites en prose.
Mais l’emprunt le plus scandaleux remonte à une découverte de Georges Smith, le 3 décembre 1872. Devant la prestigieuse assemblée du British Museum, le jeune chercheur présente douze tablettes écrites en caractères cunéiformes, une écriture jusque-là inconnue datant du troisième millénaire avant notre ère, et née en Mésopotamie (Irak). Après des années de travail et de recomposition d’un immense casse-tête de fragments, il traduit ce qui est encore à ce jour le texte écrit le plus ancien de l’Humanité : l’Épopée de Gilgamesh, un héros mythologique des années 2700 avant notre ère. Ce texte avait traversé les âges et Gilgamesh était encore raconté trois cents ans avant Jésus Christ. Par ailleurs, quiconque lira l'Odyssée d’Ulysse (XVIIe siècle avant J.-C.) y trouvera des parallèles troublants. Mais c’est la révélation de la onzième tablette qui a l’effet d’une bombe dans l’Angleterre corsetée du XIXe siècle. Elle décrit un déluge et une arche dans laquelle on fait monter tous les animaux de la création deux par deux. Dans les moindres détails, c’est le récit de l’arche de Noé décrit dans la Bible des chrétiens et des Juifs… Et c’est le drame! Le texte premier, originel, fondateur de notre civilisation n’était finalement qu’un plagiat, ou du moins un agrégat de fables bien connues à l’époque.

Je vous épargne le récit de la vie du jeune ouvrier Georges Smith, devenu le seul traducteur fidèle du l’écriture cunéiforme — 600 signes composés chacun de sept traits en moyenne, et pouvant se prononcer de trois à quatre façons différentes. Son ascension au British Museum vaudrait un roman à elle seule. Je vous le dis, les histoires sont partout. Et elles sont toutes fascinantes.
Bien évidemment les marques n'échappent pas à ce devoir de récit. Par ailleurs, elles le font avec beaucoup de liberté, puisqu'aujourd'hui, de nombreuses histoires de marques... sont de pures fictions.
Alors comment construit-on une fable? Comment bâtit-on un récit? Comment compose-t-on une structure de pitch qui emporte l'adhésion d'un auditoire? Ça... c'est une autre histoire!

Loin de nous l’idée de comparer l’incroyable détresse vécue par de nombreuses personnes aujourd’hui à la gestion de la peur par un gestionnaire. En revanche, la responsabilité qui incombe à un responsable inclut également le rôle de rassurer et d’accompagner ses équipes vers un certain confort psychologique. Les spécialistes nous ont parlé de six principes fondamentaux : rester dans l’œil du cyclone, ne rien cacher, créer un lien familier, assumer l’importance des enjeux, miser sur le sauveteur et pas sur le fautif et enfin… garder le contact. Découvrons ensemble ce qu’ils nous ont dit dans le détail, et comment transposer leurs conseils dans notre quotidien à nous.
« Oui, ton papa est à terre dans la cuisine. Son cœur ne bat plus, mais on fait tout pour le réanimer. » C’est ce qu’un infirmier a dû annoncer à une petite fille de 10 ans, terrorisée. L’idée est de ne pas minimiser l’importance de l’événement ou de ne pas positiver inutilement. L’idée est d’être clair, direct, sans ajout d’émotions inutiles. Dans notre réalité, cela correspond à assumer la situation. À dire « oui, il y a un problème, c’est évident, on est en train de regarder ça ».
« Je vais m’approcher et m’asseoir à côté de toi ». Ce sont les premiers mots des sauveteurs qui font face à une personne qui menace de se jeter dans le vide. « Il faut s’asseoir à côté de lui », nous a expliqué un intervenant. Ainsi la personne ne reste pas seule, mais peut « partager sa souffrance » avec un humain compréhensif. C’est un cas terrible, extrême. Pour nous, cela peut se traduire tout simplement par « ne pas fuir » un client en colère ou insatisfait. « On va regarder ça ensemble ».
Un médecin qui vous dit « ne t’inquiète pas, ça arrive souvent », c’est toujours plus rassurant que « Oh mon dieu! Je n’ai jamais vu ça! » L’idée est de rassurer en faisant passer le message que nous allons pouvoir régler ce problème-là, car nous avons l’habitude. Pour nous, cela peut se traduire par « oui, cela arrive, on va pouvoir vous aider », tout simplement.
Une infirmière assurait des interruptions volontaires de grossesse (IVG) dans un pays où la religion interdisait totalement les rapports sexuels avant le mariage. Alors elle recevait en secret de jeunes femmes terrorisées. Les stress s’accumulaient : d’abord le traumatisme de l’avortement, ensuite la menace de représailles de la famille, enfin l’acte médical en soi. L’infirmière pratiquait une dizaine d’IVG par jour, depuis de nombreuses années. C’était un acte médical courant. C’était sa routine. « Mais les femmes qui viennent me voir, elles viennent ici pour la première et la dernière fois de leur vie… c’est un moment dont elles se souviendront leur vie entière… le matin où j’oublierai ça, j’arrêterai le métier », assumait l’infirmière, avec toute sa sagesse. Comment transposer une telle histoire dans notre quotidien Un problème qui peut vous sembler bénin, ridicule, peut être vu comme une montagne par votre interlocuteur. Alors, mettez-vous dans ses souliers. Dites-vous que « oui, c’est grave », parce que c’est grave pour lui. Et réglez son problème en le rassurant.
Un pompier nous expliquait « quand une cuisine est en train de brûler, on ne cherche pas le responsable de l’incendie… on éteint le feu. ». Cela semble une évidence, mais combien de fois, face à un problème, on se retrouve à chercher un coupable, alors que ce temps pourrait être investi à régler le problème Réglez le problème, l’enquête viendra dans un deuxième temps.
Une travailleuse sociale qui répondait au téléphone pour une association d’aide aux jeunes en difficulté nous répétait : « On. Ne. Raccroche. Jamais ». Un silence peut être aussi important que des mots : c’est la présence qui compte. Il faut rester là. Comment traduire ça dans notre quotidien C’est simple : restez avec votre client. Écoutez votre collègue qui exprime ses frustrations ou ses craintes. Restez. Écoutez. Personne n’attend un miracle de votre part. L’idée est d’être là, ici et maintenant… d’être présent.
Les gestionnaires sont continuellement confrontés à des défis inédits. C'est dans ce contexte que le concept du Kintsugi stratégique — une invention de Perrier Jablonski — se révèle particulièrement intéressant. Inspiré de l'ancienne pratique japonaise du Kintsugi, qui consiste à réparer des objets en céramique brisés avec de l'or, ce concept propose une approche innovante de la gestion, centrée sur l'idée de réparation et de résilience.
Son histoire débuterait au Japon au XVe siècle. Selon la légende, le shogun Ashikaga Yoshimasa envoya son bol de thé chinois préféré en Chine pour réparation après qu'il fut brisé. Le bol lui fut retourné réparé avec des agrafes métalliques, une méthode courante à l'époque, mais visuellement peu attrayante.
Déçu par cette réparation, Yoshimasa chercha une solution plus esthétique. Des artisans japonais, inspirés par l'esthétique wabi-sabi qui trouve de la beauté dans l'imperfection, développèrent alors le Kintsugi. Cette méthode utilise de la laque saupoudrée de poudre d'or, d'argent ou de platine pour réparer les céramiques brisées. Le résultat est une pièce avec des veines métalliques scintillantes, mettant en valeur les cicatrices au lieu de les masquer, symbolisant ainsi la beauté de la résilience et de la renaissance.
Le Kintsugi est devenu une pratique artistique à part entière, s'étendant au-delà de la simple réparation pour devenir un art mettant en avant la transformation et la redécouverte. Il enseigne une leçon de vie : au lieu de cacher nos échecs ou nos imperfections, nous devrions les embrasser et les célébrer, reconnaissant qu'ils font partie intégrante de notre histoire et de notre caractère unique.

Le kintsugi est enraciné dans la philosophie japonaise du "wabi-sabi," qui valorise l'imperfection, l'impermanence et l'incomplétude. En mettant en avant les fissures et les éclats plutôt que de les dissimuler, le kintsugi témoigne d'une acceptation de la fragilité et de la fugacité des choses.
Le processus de réparation se déroule toujours de la même manière.
Si l'on s'inspire du Kintsugi, on peut suivre les étapes suivantes :

Attention cependant, le Kintsugi stratégique n'est pas une panacée, et certaines limitations s'imposent.
Voilà. Maintenant vous avez tout en main pour faire d'une fêlure une force.