Le paradoxe de l'organisation déployée mais non gouvernée : l'IA générative comme révélateur de l'impensé décisionnel — et de son coût

Note 1 — Le Shadow AI ou la gouvernance inversée : quand l'usage précède la règle — et génère un coût chiffrable

Le fait
L'Observatoire de l'IA responsable 2026 (Impact AI / ViaVoice / KPMG, 1 000 salariés, terrain février 2026, publication 11 juin) révèle que 61% des salariés du secteur privé utilisent des solutions IA grand public non encadrées — le Shadow AI — contre 19% utilisant une solution interne développée par leur entreprise. Seuls 10% des salariés signalent l'existence d'une charte ou d'un comité éthique IA dans leur organisation.[7]

L'équation de coût
IBM (rapport « Cost of a Data Breach 2025 », relayé en France en juin 2026) chiffre le surcoût du Shadow AI : une violation de données impliquant une IA non autorisée coûte en moyenne 200 321 dollars de plus qu'une violation classique. En France, le coût moyen d'un incident de sécurité atteint déjà 3,59 millions d'euros. Le Shadow AI est désormais classé parmi les trois principaux facteurs de violations coûteuses. 53% des entreprises françaises n'ont pas de politique formelle d'encadrement de l'IA. La probabilité de violation impliquant le Shadow AI n'est donc pas marginale — elle est structurellement active dans la majorité des organisations.[2]

L'analyse des mécanismes
Le Shadow AI n'est pas une anomalie — c'est une réponse rationnelle à un environnement organisationnel où l'outil est disponible, utile et peu coûteux, mais où aucune décision institutionnelle n'a structuré son usage. Dans la théorie décisionnelle (Simon), il décrit une situation de rationalité limitée non de l'individu, mais de l'organisation : les décisions individuelles de chaque salarié sont rationnelles, mais leur agrégation produit un résultat collectif sous-optimal — risque de fuite de données, impossibilité d'audit, impossibilité de mesurer un ROI.

Lecture Cercle Nest — les trois composantes du coût

C_direct : surcoût moyen de 200 321 dollars par violation impliquant le Shadow AI (IBM 2025)[2]

C_opportunité : impossibilité de capitaliser les apprentissages IA des collaborateurs dans les processus organisationnels — le savoir tacite accumulé par les utilisateurs Shadow AI ne se convertit pas en capital intellectuel collectif (Nonaka)

E_non-comptabilisées : érosion progressive du capital intellectuel (données propriétaires traitées hors des systèmes sécurisés, processus différenciants exposés)

Encadré érotétique — 4 niveaux

Q0 — Hintikka (état de manque cognitif) : Que veut-on réellement savoir — si nos collaborateurs utilisent l'IA, ou si notre organisation sait quelles données sont traitées par quels outils dans quelles conditions de sécurité ? Ces deux questions ont des réponses radicalement différentes et des implications radicalement différentes.

Q hostile — Koralus : Si quelqu'un répondait « nous avons une politique IA » ou « nous avons formé nos collaborateurs », la réponse hostile est : cette politique a-t-elle modifié un comportement mesurable — notamment la proportion de salariés recourant au Shadow AI — depuis sa mise en place ? Une charte signée et une charte intégrée sont deux réalités opposées.

Q de révision — Yudkowsky : Quel fait nouveau déclencherait l'arrêt ou la révision de notre politique IA actuelle ? Si la réponse est « aucun fait ne nous conduirait à la réviser », l'organisation a produit une politique infalsifiable — et donc inutile à la gouvernance.

Q d'intérêt — Latour-Callon : Qui, dans votre organisation, a intérêt à ce que la question de gouvernance IA reste mal posée ? Le DSI qui n'a pas le budget pour déployer une solution interne ? Le manager opérationnel qui bénéficie de la productivité de son équipe en Shadow AI sans en assumer le risque ? Le DRH dont le périmètre ne couvre pas la politique numérique ?

Note 2 — L'épuisement de la fonction RH : quand les gardiens du capital humain sont eux-mêmes en rupture — et que le coût est double

Le fait
Le 18e Baromètre Ayming (5 juin 2026) révèle que le désengagement des professionnels RH double en un an (de 3% à 5,9%) et atteint 15,2% chez les directeurs QVCT. 35% citent l'incapacité à agir comme premier frein — chiffre stable depuis trois ans. Le 16e Baromètre Empreinte Humaine (2 juin 2026) mesure que 62% des DRH sont eux-mêmes en détresse psychologique.[12][9]

L'équation de coût
Le coût direct d'un burn-out est estimé entre 60 000 et 100 000 euros, incluant le remplacement, l'absentéisme et la dégradation de la dynamique d'équipe (Worklife / Moka.care, juin 2026). Le désengagement coûte en moyenne 14 840 euros par salarié et par an (IBET 2024), avec une projection à 15 500 - 16 500 euros en 2026. Mais le coût spécifique de l'épuisement de la fonction RH est structurellement plus élevé que ces moyennes : un DRH en détresse psychologique prend des décisions en mode déplétion cognitive (Kahneman). Chaque décision de recrutement, de plan de prévention, de réponse à un signal de détresse qui serait différente dans un état cognitif normal représente un coût indirect non budgété.[10][11][8]

L'analyse des mécanismes
Cette configuration est structurellement instable. La fonction RH est celle qui détecte, traite et prévient les signaux de détresse organisationnelle. Lorsque les détecteurs sont eux-mêmes défaillants, deux phénomènes se produisent simultanément : les signaux de détresse ne remontent plus correctement vers la décision (problem sensing dégradé au sens de Drucker), et les décisions de prévention sont prises par des acteurs eux-mêmes privés de la capacité attentionnelle nécessaire. Le chiffre de 35% des RH citant « l'incapacité à agir » comme frein, stable depuis trois ans, est un signal d'impuissance structurelle institutionnalisée.

Lecture Cercle Nest — les trois composantes du coût

C_direct : coût du désengagement des RH eux-mêmes (14 840 à 16 500 euros par personne désengagée)[11][10]

C_opportunité : les actions de prévention non engagées (décision non prise) — si une action de sensibilisation RPS divise la détresse par 2,4 et qu'elle n'est pas déclenchée faute de capacité à agir, le coût est celui de la détresse non prévenue[9]

E_non-comptabilisées : dégradation de la qualité des décisions RH prises sous déplétion cognitive — aucune ligne comptable ne capture ce coût ; il se manifeste des mois plus tard sous forme de turnover, de conflits, de projets mal cadrés

Encadré érotétique — 4 niveaux

Q0 — Hintikka : Que veut-on réellement savoir — si nos RH sont engagés, ou si notre organisation dispose d'une fonction de détection des risques psychosociaux qui fonctionne effectivement, y compris pour elle-même ?

Q hostile — Koralus : Si quelqu'un répondait « notre DRH gère bien les situations de détresse dans l'organisation », la question hostile est : qui surveille la détresse du DRH lui-même ? Quel dispositif existe pour que la fonction RH ne soit pas le seul angle mort de la politique de prévention ?

Q de révision — Yudkowsky : Quel indicateur, s'il se dégradait, conduirait votre CODIR à revoir les conditions dans lesquelles votre DRH exerce sa fonction ? Si aucun indicateur n'est suivi, la dégradation peut être continue sans jamais déclencher de révision.

Q d'intérêt — Latour-Callon : Qui a intérêt à ce que la question des conditions d'exercice de la fonction RH reste hors des agendas du CODIR ? La réponse révèle souvent la structure de pouvoir réelle de l'organisation sur les questions de capital humain.

Note 3 — La transparence salariale : une non-décision de trois ans — et ses coûts annoncés

Le fait
La France a dépassé la date limite du 7 juin 2026 pour la transposition de la directive européenne sur la transparence des rémunérations (UE 2023/970). La directive était connue depuis 2023. Elle oblige à publier les critères de rémunération dans les offres d'emploi, interdit de demander l'historique salarial des candidats, impose de documenter les écarts hommes/femmes et de les corriger lorsqu'ils dépassent 5%.[16][6]

L'équation de coût
Il n'est pas nécessaire d'attendre la loi pour chiffrer le coût de la non-transparence. Plus de 20% des collaborateurs sont convaincus que la politique de rémunération est équitable dans leur entreprise (Obea, mars 2026). L'équité perçue de la rémunération est l'un des premiers déterminants de l'engagement salarial — et le désengagement coûte entre 14 840 et 16 500 euros par salarié et par an. La non-transparence salariale est donc structurellement un générateur de coût de désengagement, indépendamment de toute contrainte légale.[17][10][11]

L'analyse des mécanismes
Ce retard de transposition est une non-décision au sens de Yudkowsky : en l'absence de décision explicite de transposer à temps, le retard s'est accumulé par inertie institutionnelle. L'argument de la « surprise » n'est pas tenable — la date du 7 juin 2026 était inscrite dans le texte européen depuis trois ans. Pour les organisations, le retard de transposition ne reporte pas le coût : il le comprime dans un délai plus court lors de l'entrée en vigueur, en ajoutant un coût de communication interne (les salariés qui apprendront le retard par les médias verront leur confiance institutionnelle dégradée avant même que la loi soit appliquée).

Lecture Cercle Nest — les trois composantes du coût

C_direct : coûts de mise en conformité accélérée — audit des pratiques salariales, documentation des critères, adaptation des systèmes d'information RH, potentiellement dans des délais compressés

C_opportunité : les organisations qui auraient anticipé volontairement la transparence auraient pu en faire un levier de marque employeur et d'engagement — option désormais fermée

E_non-comptabilisées : désengagement anticipé des salariés qui perçoivent l'absence de transparence salariale comme un signal d'iniquité — capital social érodé avant même l'entrée en vigueur

Encadré érotétique — 4 niveaux

Q0 — Hintikka : Que veut-on réellement savoir — si la loi est transposée, ou si les salariés perçoivent les rémunérations comme équitables et explicables ? Ces deux questions peuvent avoir des réponses opposées : une organisation peut être légalement conforme et socialement perçue comme inéquitable, ou inversement.

Q hostile — Koralus : Si quelqu'un répondait « nos critères de rémunération sont équitables », la question hostile est : seraient-ils défendables devant un salarié qui se comparerait à un collègue de compétences équivalentes — et devant un tribunal du travail ? L'équité perçue et l'équité défendable sont deux standards différents.

Q de révision — Yudkowsky : Quel fait nouveau conduirait à réviser votre politique de rémunération — un écart femmes/hommes > 5%, une enquête d'engagement révélant que l'équité salariale est un premier facteur de désengagement, une plainte collective ? Si aucun de ces faits ne déclencherait de révision, la politique est infalsifiable.

Q d'intérêt — Latour-Callon : Qui, dans votre organisation, a intérêt à ce que les critères de rémunération restent implicites ? La réponse pointe vers les zones de rente informationnelle interne au sens de Laffont-Tirole : ceux qui profitent de l'asymétrie d'information sur les salaires.

Note 4 — Le paradoxe ETI : l'IA est partout, le retour sur investissement nulle part — sauf chez les utilisateurs réguliers

Le fait
Le Baromètre ETI Bpifrance 2026 (23 juin) mesure que 77% des ETI utilisent l'IA générative, mais seuls 17% constatent un gain de temps mesurable. Ce chiffre monte à 23% pour les utilisateurs réguliers (différentiel de +11 points). 78% des ETI espèrent un impact positif « à terme ».[18][1]

L'équation de coût
Le différentiel de +11 points entre utilisateurs réguliers et occasionnels est la mesure directe du coût d'opportunité de la non-régularité d'usage. En supposant que les 77% d'ETI utilisatrices ont en moyenne 30 salariés utilisant l'IA chacune 5 heures par semaine : les 12% de gains pour les utilisateurs occasionnels représentent 0,6 heure-collaborateur par semaine récupérée. Les 23% pour les réguliers : 1,15 heure. L'écart de 0,55 heure par utilisateur par semaine, sur 30 utilisateurs sur 50 semaines, représente environ 825 heures-collaborateur par an — soit l'équivalent d'un mi-temps — qui ne seront pas capturées si l'organisation n'investit pas dans la régularité d'usage.

L'analyse des mécanismes
Ce résultat reproduit le « paradoxe de Solow » (1987) : on voit les ordinateurs partout sauf dans les statistiques de productivité. Il s'applique à l'IA générative en 2026. La diffusion de l'usage ne produit pas mécaniquement de productivité — elle en crée la condition nécessaire mais non suffisante. La condition suffisante, c'est la restructuration des processus de travail autour de l'outil, la formation des utilisateurs, et la redéfinition des missions. Ce sont des décisions organisationnelles, pas des évolutions spontanées.

Lecture Cercle Nest — les trois composantes du coût

C_direct : coûts de licences IA payés pour des usages occasionnels qui ne génèrent pas de retour mesurable

C_opportunité : le différentiel de productivité entre utilisateurs réguliers (23% de gains) et occasionnels (12%) représente des heures-collaborateur non capturées — une valeur non créée quantifiable

E_non-comptabilisées : frustration des collaborateurs qui utilisent l'IA sans résultat visible, réduisant leur propension à adopter de futurs outils numériques — érosion du capital intellectuel collectif

Encadré érotétique — 4 niveaux

Q0 — Hintikka : Que veut-on réellement savoir — si notre organisation utilise l'IA générative, ou si elle en tire un retour mesurable ? La première question est descriptive. La seconde est la question de gouvernance.

Q hostile — Koralus : Si quelqu'un répondait « nos collaborateurs utilisent l'IA », la question hostile est : combien sont des utilisateurs réguliers (hebdomadaires) versus occasionnels (mensuels) — et quelle décision avons-nous prise pour augmenter ce ratio ?

Q de révision — Yudkowsky : Quel critère, s'il n'était pas atteint dans 12 mois, déclencherait une révision de notre stratégie IA ? Sans cible de % d'utilisateurs réguliers, sans mesure du gain de temps, sans condition d'arrêt, la stratégie IA est infalsifiable — et les budgets continueront d'être engagés sans retour possible.

Q d'intérêt — Wiśniewski : La question « utilisons-nous l'IA ? » apporte-t-elle une alternative nouvelle — ou reformule-t-elle la décision déjà prise ? La question utile est : « qui dans notre organisation est formellement chargé de créer les conditions d'un usage régulier, avec quels moyens et selon quels critères de succès ? »

Note 5 — Le rapport CSRD des grandes entreprises : quand la transparence est produite sans être utilisée

Le fait
KPMG publie le 5 juin 2026 son analyse des deuxièmes états de durabilité CSRD des entreprises du CAC 40 et du Next 20 : 130 pages en moyenne par rapport, en baisse de 11% par rapport à l'exercice précédent. L'AMF a annoncé le 9 juin 2026 une étude thématique sur la manière dont les CA appréhendent les risques IA, cybersécurité et géopolitique.[13][14]

L'équation de coût
Le coût de production d'un rapport CSRD de 130 pages pour un grand groupe représente plusieurs millions d'euros (consultants, systèmes de collecte de données ESG, audits). La baisse de 11% du volume signale une rationalisation — positive si elle traduit une meilleure sélection de l'information pertinente, problématique si elle traduit une optimisation de la production du document sans amélioration de son utilisation décisionnelle. La question non posée dans la majorité des organisations : quel est le coût d'opportunité d'un rapport CSRD que le CA lit sans en tirer de décisions nouvelles ?

L'analyse des mécanismes
L'annonce AMF du 9 juin est un signal institutionnel fort : le régulateur s'interroge lui-même sur la qualité du questionnement des CA face aux risques émergents. Il ne s'agit pas seulement de savoir si les CA « comprennent » les risques IA — il s'agit de savoir si leur compréhension modifie leurs décisions. C'est exactement la distinction que le Cercle Nest opère entre durabilité forte (dispositif de questionnement modifiant effectivement les décisions) et durabilité faible (production documentaire sans effet comportemental).

Lecture Cercle Nest — les trois composantes du coût

C_direct : coût de production du rapport CSRD (plusieurs millions d'euros) — un coût réel dont le retour décisionnel est actuellement non mesuré

C_opportunité : les informations de durabilité produites dans le rapport, si elles ne nourrissent pas les décisions d'investissement et de gouvernance, ne créent pas la valeur informationnelle qu'elles pourraient créer

E_non-comptabilisées : signal envoyé aux parties prenantes (actionnaires, clients, partenaires) par un rapport qui décrit des engagements de durabilité sans que les mécanismes de gouvernance interne ne garantissent leur réalisation — capital social et capital de réputation exposés

Encadré érotétique — 4 niveaux

Q0 — Hintikka : Que veut-on réellement savoir — si notre rapport CSRD est conforme aux normes ESRS, ou si les informations qu'il contient ont modifié au moins une décision stratégique de notre CA au cours de l'exercice ?

Q hostile — Koralus : Si quelqu'un répondait « notre rapport CSRD est complet et audité », la question hostile est : citez deux décisions de votre CA au cours de l'exercice qui auraient été différentes si vous n'aviez pas produit ce rapport. Si la réponse est « aucune », le rapport est un exercice de conformité, pas un instrument de gouvernance.

Q de révision — Yudkowsky : Quel élément du rapport CSRD, s'il se dégradait, déclencherait une révision de la stratégie de durabilité — avec une décision formelle et une date ? Sans ce mécanisme, la transparence est produite mais non utilisée.

Q d'intérêt — Latour-Callon : Qui, dans votre organisation et parmi vos parties prenantes externes, a intérêt à ce que le rapport CSRD reste un exercice de conformité plutôt qu'un instrument de gouvernance ? La réponse révèle les acteurs dont les comportements ne changeraient pas si le rapport était réellement utilisé.

La formation à l'IA comme levier d'engagement et de gouvernance — et comme décision d'investissement à ROI chiffrable

Ce qui se passe
L'Observatoire de l'IA responsable 2026 révèle un résultat contre-intuitif : 90% des collaborateurs ayant reçu une formation à l'usage responsable de l'IA l'utilisent déjà de façon structurée, contre 47% en moyenne. L'écart est de +43 points. La formation ne crée pas seulement de la compétence — elle crée de l'adoption encadrée, moins de Shadow AI, plus d'usage dans le cadre défini par l'organisation.[7]

L'équation de coût — ce que la décision de ne pas former coûte
Si la formation d'un collaborateur à l'usage responsable de l'IA coûte entre 300 et 500 euros (formation d'une journée), et si cette formation génère :

Le passage d'un usage Shadow AI (risque de surcoût de 200 321 dollars par violation ) à un usage encadré[2]

Le passage d'un gain de productivité de 12% (utilisateur occasionnel) à 23% (utilisateur régulier)[1]

Alors la décision de ne pas former est une décision dont le coût d'opportunité est directement calculable. La non-formation n'est pas un choix neutre — c'est un choix qui génère un coût identifiable.

Ce que cela signifie
Ce résultat documente pour la première fois en France, à cette échelle, le lien causal entre formation et gouvernance IA. Il renverse un préjugé courant : « former nos collaborateurs à l'IA risque de les rendre dépendants ou incontrôlables ». Les données montrent l'inverse : la formation produit des usages plus structurés, plus explicites et plus responsables. Parallel avec la santé mentale (Empreinte Humaine) : l'organisation d'actions de sensibilisation RPS divise la détresse par 2,4. Dans les deux cas — IA et santé mentale — l'absence de cadre institutionnel ne produit pas l'absence d'usage ou de risque, elle produit un usage ou un risque non gouverné.[9]

Preuves disponibles et limites
L'Observatoire est fondé sur 1 000 salariés du secteur privé — représentatif, mais non exhaustif. Il ne mesure pas la qualité des usages post-formation ni l'impact sur la productivité. La corrélation entre formation et adoption structurée ne prouve pas que la formation en est la cause unique — les organisations qui forment peuvent aussi être celles avec une culture de gouvernance plus développée. Les données Bpifrance (utilisateurs réguliers > occasionnels) sont cohérentes. Une entreprise de taille intermédiaire qui documenterait en 2027 un programme de formation IA avec mesure d'impact comparatif (avant/après sur Shadow AI, productivité, satisfaction) fournirait la preuve causale manquante.