L’intelligence artificielle crée-t-elle une nouvelle forme d’illectronisme ?
L’intelligence artificielle s’installe dans le quotidien des entreprises. Elle résume des documents, rédige des e-mails, analyse des données, automatise le support et aide à prendre des décisions. Pourtant, à mesure que ces usages se diffusent, une nouvelle fracture apparaît : certains collaborateurs savent dialoguer avec ces outils, en vérifier les réponses et en maîtriser les risques, tandis que d’autres les utilisent sans recul — ou n’osent pas les utiliser du tout.
Après l’illectronisme lié à l’accès à Internet et aux compétences numériques de base, assistons-nous à l’émergence d’un illectronisme de l’intelligence artificielle ? Pour les DSI, les responsables IT et les directions métiers, la question n’est pas seulement sociale. Elle touche directement à la cybersécurité, à la conformité, à la qualité des décisions et à la performance de l’organisation.
De l’illectronisme numérique à l’illectronisme de l’IA
L’illectronisme désigne généralement la difficulté, voire l’incapacité, à utiliser les outils et services numériques. Le phénomène recule, mais il reste loin d’avoir disparu. Selon l’Insee, 7 % des personnes âgées de 16 à 74 ans étaient en situation d’illectronisme en France en 2025. En élargissant le périmètre aux personnes ayant de faibles compétences numériques, la proportion atteint 34 %, soit environ une personne sur trois.
L’arrivée de l’IA générative ajoute une couche de complexité. Il ne suffit plus de savoir se connecter à une application ou remplir un formulaire. Il faut désormais être capable de :
formuler une demande précise et contextualisée ;
distinguer une réponse plausible d’une information fiable ;
repérer les erreurs, les biais et les « hallucinations » ;
comprendre quelles données peuvent être communiquées à un outil ;
savoir quand une validation humaine est indispensable ;
identifier les décisions qui ne doivent pas être déléguées à un système automatisé.
Le nouvel illectronisme ne se caractérise donc pas uniquement par le non-usage de l’IA. Il peut également se manifester par un usage passif, non critique ou non sécurisé.
Une fracture moins visible, mais déjà mesurable
L’adoption de l’IA progresse rapidement, sans être uniforme. L’Insee indique que 37 % des personnes interrogées avaient utilisé une intelligence artificielle générative en 2025. Cette proportion atteignait 85 % chez les étudiants. L’institution souligne cependant que l’usage reste principalement concentré chez les personnes qui maîtrisent déjà le numérique.
Ce constat révèle un paradoxe : l’IA est souvent présentée comme un outil qui simplifie l’accès à la technologie grâce au langage naturel, mais elle peut aussi accentuer les écarts existants. Les utilisateurs les plus expérimentés apprennent plus vite à automatiser leurs tâches, à produire de meilleurs résultats et à gagner en productivité. Les autres restent à l’écart ou utilisent les outils sans disposer des clés nécessaires pour en évaluer les résultats.
En entreprise, cette fracture ne suit pas uniquement l’âge ou le niveau de diplôme. Elle dépend également du métier, de l’accès aux outils autorisés, de la qualité de la formation et du temps accordé à l’expérimentation. Deux collaborateurs occupant des fonctions similaires peuvent ainsi développer des niveaux de maîtrise très différents.
Pour l’entreprise, quatre risques majeurs
1. Une nouvelle source d’erreurs
Une réponse générée par une IA peut être fluide, structurée et convaincante tout en étant inexacte. Un collaborateur insuffisamment sensibilisé risque de la reprendre sans vérification dans un rapport, une procédure, un ticket d’incident ou une communication client.
Le problème n’est donc pas seulement de savoir utiliser l’outil, mais de comprendre son fonctionnement probabiliste et ses limites. Plus le résultat paraît crédible, plus l’esprit critique devient important.
2. Une exposition accrue des données
Pour obtenir une réponse pertinente, l’utilisateur est tenté de fournir du contexte. Il peut alors copier dans un service d’IA des données personnelles, des extraits de contrats, du code source, des journaux techniques ou des informations sur un incident de sécurité.
Sans règles claires, la frontière entre une utilisation productive et une fuite de données devient fragile. L’illectronisme de l’IA prend ici la forme d’une méconnaissance des enjeux de confidentialité, de propriété intellectuelle et de traçabilité.
3. Une hausse du shadow AI
Lorsque l’entreprise ne propose ni outils approuvés ni cadre d’utilisation, les collaborateurs se tournent vers des services grand public. Cette « IA fantôme », ou shadow AI, échappe alors aux mécanismes habituels de gouvernance : gestion des identités, contrôle des accès, journalisation, politique de conservation et supervision des usages.
Interdire sans accompagner ne résout pas durablement le problème. Cela risque au contraire de déplacer les pratiques hors du champ de vision de la DSI.
4. Une fracture de productivité
Les collaborateurs capables d’intégrer l’IA à leurs méthodes de travail peuvent automatiser certaines tâches répétitives, accélérer la recherche d’informations ou mieux exploiter les données disponibles. Ceux qui ne maîtrisent pas ces usages risquent de voir l’écart se creuser.
À terme, cette situation peut créer une inégalité d’accès aux opportunités professionnelles et alimenter une forme de déclassement numérique. L’enjeu concerne donc autant la direction des ressources humaines que la DSI.
La culture de l’IA devient aussi un enjeu de conformité
Depuis le 2 février 2025, l’article 4 de l’AI Act européen impose aux fournisseurs et aux organisations qui déploient des systèmes d’IA de prendre des mesures en faveur de la maîtrise de l’IA par les personnes qui les utilisent pour leur compte. Les mécanismes de supervision et d’application de cette obligation sont entrés en vigueur en août 2026.
Le règlement ne prescrit pas une formation identique pour tous. L’approche doit tenir compte des connaissances des personnes, du contexte d’utilisation et des risques associés aux systèmes concernés. La Commission européenne recommande notamment d’expliquer ce qu’est l’IA, quels outils sont utilisés dans l’organisation, quelles possibilités ils offrent et quels dangers ils présentent.
Former les équipes à l’IA n’est donc plus seulement une bonne pratique de transformation numérique. C’est aussi un élément de gouvernance et de maîtrise des risques.
Comment les DSI peuvent-elles prévenir ce nouvel illectronisme ?
Cartographier les usages réels
Avant de définir une politique, l’entreprise doit comprendre comment l’IA est déjà utilisée. Quels services les collaborateurs emploient-ils ? Pour quelles tâches ? Quelles données y sont introduites ? Quels métiers sont déjà avancés et lesquels restent en retrait ?
Cette cartographie permet d’identifier à la fois les usages à risque et les initiatives utiles qui pourraient être encadrées puis généralisées.
Définir des règles simples et accessibles
Une charte trop abstraite sera peu appliquée. Les collaborateurs ont besoin d’instructions concrètes : outils autorisés, catégories de données interdites, règles de vérification, cas exigeant une validation humaine et canal à utiliser en cas de doute.
Ces règles doivent être intégrées aux processus existants plutôt que publiées dans un document que personne ne consultera.
Adapter la formation aux métiers
Une sensibilisation générale constitue un point de départ, mais elle ne suffit pas. Les risques et les usages ne sont pas les mêmes pour un technicien support, un développeur, un recruteur ou un collaborateur du service financier.
La formation peut donc combiner un socle commun — fonctionnement de l’IA, confidentialité, biais, vérification — et des modules adaptés à chaque fonction. Des exercices courts fondés sur des situations réelles sont souvent plus efficaces qu’une présentation purement théorique.
Proposer des outils approuvés
La gouvernance ne peut pas reposer uniquement sur la vigilance individuelle. L’entreprise doit proposer un environnement dans lequel les identités, les droits d’accès, les flux de données et les journaux d’activité peuvent être administrés.
Dans le support IT, par exemple, l’IA peut aider à qualifier les tickets, résumer les échanges, suggérer des solutions ou enrichir une base de connaissances. Mais ces capacités doivent s’inscrire dans des workflows contrôlés, avec des permissions adaptées et une validation humaine pour les actions sensibles.
S’appuyer sur le support IT comme observatoire
Le centre de services est bien placé pour détecter les difficultés émergentes : demandes récurrentes, mauvaises manipulations, outils non autorisés ou incompréhension des réponses générées. L’analyse des tickets permet de repérer les populations qui ont besoin d’accompagnement et d’ajuster les formations.
Comme nous l’expliquions dans notre article consacré aux compétences clés du support IT à l’ère de l’IA, les compétences humaines — pédagogie, écoute et esprit critique — deviennent plus importantes à mesure que l’automatisation progresse.
Mesurer l’autonomie, pas seulement l’adoption
Le nombre de comptes créés ou de requêtes envoyées ne suffit pas à mesurer la réussite d’un projet d’IA. Une organisation doit également observer la qualité des usages : capacité à vérifier une réponse, respect des règles de sécurité, diminution des incidents, autonomie des équipes et perception de l’outil.
L’objectif n’est pas que tout le monde utilise l’IA de la même manière. Il est que chaque collaborateur sache l’utiliser — ou choisir de ne pas l’utiliser — de façon éclairée.
Faire de l’IA un facteur d’inclusion
L’intelligence artificielle peut créer une nouvelle forme d’illectronisme, mais cette évolution n’est pas inévitable. Bien conçus, les assistants en langage naturel peuvent au contraire faciliter l’accès à l’information, simplifier certaines interfaces et soutenir les personnes moins à l’aise avec les outils numériques.
Tout dépend de la manière dont l’entreprise organise leur déploiement. Une IA introduite sans formation, sans gouvernance et sans accompagnement humain risque d’amplifier les inégalités et les vulnérabilités. Une IA intégrée à des processus sécurisés, expliquée aux utilisateurs et adaptée aux réalités des métiers peut devenir un puissant levier d’autonomie.
Pour les DSI, le défi n’est donc plus uniquement de déployer l’intelligence artificielle. Il consiste à créer les conditions d’une adoption sûre, critique et inclusive. Car la prochaine fracture numérique ne séparera peut-être pas ceux qui ont accès à l’IA de ceux qui n’y ont pas accès, mais ceux qui savent en garder la maîtrise de ceux qui la subissent.