Manager à l’ère de l’IA : comment le rôle du manager est-il en train de changer ?

L’intelligence artificielle ne transforme pas seulement les métiers. Elle transforme aussi la manière dont le travail est organisé, les décisions sont prises et les équipes collaborent. À mesure que les collaborateurs disposent d’outils capables de rechercher, analyser, produire, coder ou automatiser une partie de leurs tâches, une question devient centrale pour les organisations : que signifie manager lorsque le travail ne repose plus uniquement sur des humains ?

C’est autour de cette question que Pollen et Comet ont réuni, le 24 septembre, une quarantaine de Learning Directors pour la deuxième édition de notre Breakfast Learning. Jordan Defas, People Development & Culture Director chez Doctolib, et Nils Romier, Group Head of Learning chez AXA, sont venus partager leurs expériences et les transformations qu’ils observent déjà dans leurs organisations, avec des approches et des contextes très différents.

De leurs témoignages ressort une question assez simple : à mesure que l’IA prend une place croissante dans le travail, comment le rôle du manager est-il amené à évoluer ?

De l’expert à l’orchestrateur

Pendant longtemps, une partie de la légitimité du manager reposait sur son expertise. Il connaissait le métier, maîtrisait les processus et pouvait s’appuyer sur son expérience pour répondre aux questions de son équipe. Cette relation au savoir évolue à mesure que les collaborateurs disposent d’outils capables de rechercher, analyser et produire des réponses en quelques secondes.

Chez Doctolib, cette évolution est déjà très concrète. L’entreprise a progressivement intégré l’IA dans les pratiques quotidiennes, avec Dust comme plateforme accessible à l’ensemble des collaborateurs et Claude pour certains usages plus avancés, notamment dans les équipes Tech et Produit. Chaque fonction dispose également d’un AI Project Manager chargé d’identifier les opportunités, d’accompagner la transformation des workflows et d’en mesurer les effets.

Lorsqu’un collaborateur délègue à un agent la préparation d’une analyse, la recherche d’informations ou une partie de la production, il doit lui-même apprendre à donner du contexte, formuler une consigne, contrôler le résultat et décider de ce qui mérite d’être conservé. Cette nouvelle relation au travail concerne donc désormais bien plus que les seuls managers.

Pour ces derniers, une question supplémentaire apparaît : comment organiser une équipe lorsque certaines tâches sont réalisées par des collaborateurs, d’autres par des agents et d’autres encore par une combinaison des deux ?

C’est là que le rôle de manager évolue vers celui d’un architecte du travail, capable de déterminer ce qui doit rester humain, ce qui peut être augmenté par l’IA et ce qui peut être délégué.

Lorsque le manager ne sait plus nécessairement mieux que son équipe

Cette transformation touche directement à la légitimité managériale. Si le manager n’est plus nécessairement celui qui possède le plus de connaissances ou qui produit lui-même les meilleures analyses, sur quoi repose alors son autorité ?

L’enjeu n’est pas de rendre l’expertise inutile. Il est de l’utiliser autrement. Dans un environnement où l’IA peut produire rapidement une analyse ou une recommandation, le manager doit pouvoir évaluer la qualité de ce qui est produit, identifier ce qui mérite d’être challengé et comprendre quand une situation nécessite davantage de réflexion.

Chez Doctolib, cette évolution est notamment structurée autour d’une mesure de la maturité des workflows et d’un niveau d’AI Fluency évalué sur cinq niveaux. L’objectif est de dépasser la simple question de l’usage d’un outil pour comprendre comment l’IA transforme réellement les façons de travailler.

Dans certaines équipes Produit, par exemple, l’IA intervient désormais très largement dans la production et la revue du code. Dans ce type d’environnement, la capacité à évaluer un résultat devient nécessairement une dimension importante du travail managérial.

Le manager n’a donc pas besoin d’être celui qui sait tout faire mieux que son équipe. Il doit surtout être capable de poser les bonnes questions, de donner le bon contexte et d’exercer son jugement lorsque les réponses produites par l’IA ne suffisent pas à trancher.

L’IA peut répondre au « comment ». Le manager doit continuer à donner le « pourquoi ».

À mesure que l’IA prend en charge une partie du travail d’analyse, de production ou de préparation, le rôle du manager se déplace vers ce que la technologie ne peut pas définir seule : pourquoi fait-on ce travail ? Dans quelle direction veut-on aller ? Comment créer les conditions pour qu’une équipe puisse avancer ensemble ?

Chez AXA, Nils Romier identifie quatre dimensions du rôle du manager qui restent particulièrement importantes dans ce nouvel environnement.

Donner du sens. Relier les tâches quotidiennes à la stratégie, aux clients et à la finalité de l’organisation, et rappeler ce qui justifie les choix collectifs.

Faire vivre le collectif. Créer de la confiance, favoriser l’intelligence collective et préserver la qualité des relations humaines, y compris dans des organisations où les interactions avec l’IA prennent une place croissante.

Être coach. Donner du feedback, accompagner les progrès et aider chacun à développer ses compétences plutôt que de simplement évaluer la performance.

Être un rôle modèle. Expérimenter soi-même, accepter de ne pas tout maîtriser et montrer, par ses propres pratiques, la posture attendue face au changement.

Cette dernière dimension est particulièrement importante lorsqu’il s’agit d’IA. Un manager qui demande à son équipe d’expérimenter sans jamais expérimenter lui-même aura nécessairement plus de mal à créer une dynamique d’adoption. À l’inverse, partager ses propres essais, ses réussites mais aussi ses erreurs permet de rendre l’apprentissage plus concret et collectif.

Le rôle du manager n’est donc pas seulement de savoir utiliser les nouveaux outils. Il consiste aussi à maintenir le cap lorsque les moyens d’y parvenir évoluent rapidement.

Jusqu’où peut-on déléguer ?

L’arrivée de l’IA dans le management pose aussi une question plus sensible : jusqu’où peut-on déléguer ?

Certaines tâches administratives ou préparatoires peuvent être largement automatisées. L’IA peut par exemple aider à structurer des informations avant un entretien, synthétiser des éléments de contexte ou suivre certains indicateurs. Mais préparer une décision n’est pas la même chose que prendre cette décision.

Chez Doctolib, cette distinction est claire dans les processus RH : l’IA peut préparer ou enrichir une évaluation, mais elle ne décide pas d’un recrutement, d’une promotion ou d’une rémunération. Ces décisions restent discutées et assumées par des humains.

Cette logique dépasse les seuls outils RH. Elle renvoie à une question que chaque manager devra progressivement se poser : quelles décisions voulons-nous réellement déléguer, et lesquelles devons-nous continuer à assumer collectivement ?

Cela suppose aussi de développer une capacité à prendre du recul sur les réponses produites par l’IA. Nils Romier insiste sur la nécessité de « questionner, challenger, vérifier, ne pas prendre pour argent comptant ce qui ressort de l’IA ».

Pour les managers, l’enjeu est alors de créer un environnement dans lequel les équipes peuvent utiliser l’IA sans abandonner leur propre capacité de réflexion. L’esprit critique, la prise de décision, la résolution de problèmes, l’intelligence collective et le jugement éthique prennent ainsi une place particulière.

Le manager, moteur de l’adoption

Cette question du cadre nous amène à un autre changement : le manager n’est pas seulement celui qui utilise l’IA. Il est aussi celui qui crée les conditions permettant à son équipe de l’adopter.

Les expériences partagées par AXA montrent qu’une formation seule ne suffit pas toujours à faire évoluer les pratiques. Les collaborateurs peuvent connaître un outil sans savoir comment l’intégrer concrètement dans leur travail. À l’inverse, un manager qui crée un espace pour expérimenter, encourage le partage entre pairs et donne du temps à son équipe pour tester de nouveaux usages peut faciliter cette appropriation.

La formation devient ainsi le point de départ d’une transformation des pratiques, plutôt que son aboutissement.

Cette transformation commence aussi par les managers eux-mêmes. Jordan Defas le formule sans détour : « Un manager qui ne montre jamais son propre usage de l’IA n’a pas beaucoup de crédibilité à demander à son équipe de s’y mettre. »

Le manager n’a pas besoin de tout maîtriser ni de devenir expert de chaque nouvel outil. Il doit en revanche être suffisamment curieux pour expérimenter, suffisamment lucide pour reconnaître ce qu’il ne sait pas encore faire et suffisamment ouvert pour permettre à son équipe d’explorer à son tour.

Alors, que devient le manager ?

Les échanges entre AXA et Doctolib montrent finalement que l’IA ne fait pas disparaître les grandes missions du management. Elle les rend plus visibles et les oblige à évoluer.

Le manager reste celui qui donne une direction, construit une équipe, accompagne la performance et développe les personnes. Mais il doit désormais faire tout cela dans un environnement où une partie croissante du travail peut être déléguée à des systèmes d’IA.

Son rôle consiste donc de plus en plus à organiser cette collaboration : déterminer ce qui peut être automatisé, ce qui mérite d’être augmenté par l’IA et ce qui doit rester humain ; donner suffisamment de contexte pour que les outils soient utiles ; évaluer les résultats plutôt que simplement superviser l’exécution ; et maintenir les conditions dans lesquelles les collaborateurs peuvent continuer à apprendre, décider et prendre leurs responsabilités.

L’enjeu pour les organisations n’est donc pas seulement de former leurs collaborateurs à l’IA. Il est de repenser la manière dont le travail est organisé autour d’elle, et de donner aux managers les moyens de jouer pleinement leur rôle dans cette transformation.

C’est précisément l’un des sujets sur lesquels Pollen accompagne les entreprises : aider les managers et les équipes à comprendre les nouveaux usages de l’IA, à expérimenter dans leurs métiers et à faire évoluer leurs pratiques de travail avec des experts qui vivent eux-mêmes ces transformations au quotidien.