Cette étude quantitative identifie les facteurs qui déterminent l'acceptation de l'intelligence artificielle par les employés. Les résultats montrent que la facilité d'utilisation perçue, l'utilité perçue et la confiance organisationnelle constituent les prédicteurs les plus robustes de l'acceptation.
Une technologie d'IA peut être techniquement disponible dans une organisation sans pour autant être acceptée et utilisée par les employés. Ce fossé entre disponibilité et acceptation représente un coût considérable pour les organisations qui investissent dans l'IA sans obtenir les gains escomptés. Choi pose la question fondamentale : quels facteurs individuels, technologiques et organisationnels déterminent le passage de la disponibilité à l'acceptation effective ? Cette question, apparemment simple, recèle une complexité que les modèles classiques d'adoption technologique ne capturent pas entièrement.
L'étude s'appuie sur le Technology Acceptance Model (TAM) de Davis, étendu pour intégrer les spécificités de l'IA. Le TAM classique identifie deux prédicteurs de l'acceptation : l'utilité perçue (la technologie me sera utile) et la facilité d'utilisation perçue (je serai capable de l'utiliser). Choi ajoute des variables spécifiques à l'IA : la confiance dans les capacités de la technologie, la perception de contrôle sur l'outil, et l'anxiété face à la complexité algorithmique. Le modèle étendu est testé auprès d'un échantillon d'employés confrontés à l'introduction de l'IA dans leur travail.
L'étude utilise un design transversal avec questionnaire administré à des employés de secteurs variés où l'IA est en cours de déploiement. Les variables sont mesurées par des échelles validées, adaptées au contexte de l'IA. L'analyse procède par équations structurelles pour tester simultanément les relations directes et indirectes entre les variables. L'échantillon permet de contrôler les effets du secteur d'activité, du niveau hiérarchique et de l'ancienneté.## La confiance organisationnelle comme variable cléParmi les résultats, le rôle de la confiance organisationnelle est particulièrement notable. Les employés qui font confiance à leur organisation (qui croient que l'organisation agit dans leur intérêt et communique honnêtement) sont significativement plus disposés à accepter l'IA. Ce résultat suggère que l'acceptation de l'IA ne se joue pas uniquement au niveau de la relation individu/technologie, mais au niveau de la relation individu/organisation. Une organisation perçue comme digne de confiance bénéficie d'un « crédit » qui facilite l'adoption.
Les résultats ont des implications claires pour les stratégies de déploiement. Premièrement, investir dans la facilité d'utilisation (interfaces intuitives, formation accessible, support réactif). Deuxièmement, démontrer concrètement l'utilité (cas d'usage prouvés, témoignages de collègues satisfaits). Troisièmement, et peut être le plus fondamental, construire et maintenir la confiance organisationnelle : communiquer honnêtement sur les objectifs du déploiement, tenir les promesses faites, et impliquer les employés dans les décisions. L'acceptation de l'IA par vos équipes dépend moins de la qualité technique de l'outil que de la confiance qu'elles accordent à votre organisation. Si cette confiance est fragilisée (par des promesses non tenues, un manque de transparence ou des décisions perçues comme injustes), même le meilleur outil sera rejeté. Travaillez d'abord sur la relation de confiance, et l'adoption suivra naturellement.
Schmitt et al. (2024). The Impact of AI on Research Practice: A Systematic Review
Tyson et al. (2022). Automation, AI & Work
Yu et al. (2022). Antecedents and Outcomes of Artificial Intelligence Adoption and Application in the Workplace: The Socio-Technical System Theory Perspective
Référence : Choi, Y. (2021). A study of employee acceptance of artificial intelligence technology. European Journal of Management and Business Economics, 30(3). https://doi.org/10.1108/EJMBE-06-2020-0158
Comment rédiger une charte IA éthique qui protège les salariés, clarifie les décisions et transforme les principes en pratiques de travail crédibles.
Fagonner son travail : les salaries qui transforment leur poste de l'interieur
L'IA generative comme levier de job crafting : les premieres preuves empiriques
Resilience face a l'IA : les profils qui s'en sortent le mieux
Les travailleurs du savoir face à l'IA : des récits de transformation
L'entretien comprehensif : la methode qualitative qui donne la parole aux gens
Vivre ensemble mais seuls : le paradoxe de l'individualisme contemporain
L’expérience client repose sur une connexion émotionnelle, une constance irréprochable et un équilibre harmonieux entre humain et digital.
Les récompenses variables peuvent être comparées aux machines à sous.
Le leadership efficace est moins une question de pouvoir formel qu'une compétence relationnelle
