Comment les imaginaires de l’IA unissent et divisent les innovateurs

Pour relever les grands défis de l’innovation en écosystème, les innovateurs doivent partager une compréhension commune afin d’aligner leurs attentes. Nous avons étudié un écosystème émergent d’innovation porté par l’IA et constaté que les imaginaires associés à l’IA motivent l’émergence de l’innovation malgré une forte incertitude. Mais nous avons aussi observé que ces imaginaires génèrent des tensions qui freinent l’innovation.

Des imaginaires partagés font naître les écosystèmes d’IA

Commençons par définir le concept clé de notre étude, "les imaginaires sociotechniques". Ce sont des visions collectives d’un futur désirable, façonnées par des représentations partagées de la manière dont la science et la technologie peuvent soutenir un certain ordre social (Jasanoff & Kim, 2019).

De nouveaux écosystèmes d’innovation émergent, souvent initiés par des gouvernements et impliquant entreprises, startups, monde académique et institutions publiques. Ces écosystèmes visent à transformer des secteurs entiers par le déploiement de l’IA. Mais une question fondamentale se pose : comment des acteurs aussi divers parviennent-ils à collaborer autour d’un objet aussi incertain, abstrait et ambitieux que l’IA pour résoudre des problèmes complexes ?

C’est à partir de ce constat que nous avons lancé notre recherche. Nous voulions comprendre ce qui fait émerger ces premiers écosystèmes d’IA et ce qui menace leur développement. Nous avons donc étudié comment les acteurs construisent une compréhension partagée de ce qu’est l’IA et de ce qu’ils souhaitent en faire.

Ce processus repose sur une dynamique de “test and learn”, où le sens attribué à la technologie évolue progressivement, façonné par l’apparition de POC (Proofs of Concept), de POV (Proofs of Value) et de premiers prototypes. Ces jalons ouvrent la voie à une possible industrialisation, souvent au travers de nouvelles opportunités de projets.

Dans ce contexte, nous avons identifié l’ingrédient clé de l’émergence des écosystèmes d’IA : non pas l’alignement technique, ni l’obligation contractuelle, mais les imaginaires partagés.
 

Imaginer le futur ensemble : une étude de cas

Notre étude s’est concentrée sur un consortium franco-allemand lancé en 2022 et financé par les deux États. Son objectif : concevoir un logiciel d’IA capable de soutenir la rénovation durable et résiliente à grande échelle du logement social existant. Le projet rassemblait une grande entreprise du BTP, un bailleur social national et plusieurs de ses filiales, un laboratoire de recherche en IA et une startup, autant d’acteurs aux priorités, compétences et horizons temporels divergents.

Dans un premier temps, l’écosystème s’est formé rapidement sous l’effet du financement public. Nous avons montré que cela tenait à trois imaginaires sociotechniques puissants et partagés autour de l’IA.

Trois imaginaires sociotechniques puissants et partagés autour de l’IA

1. L’imaginaire de l’innovation : la conviction que l’IA représente la prochaine étape incontournable pour toute organisation sérieuse, et que ne pas y investir reviendrait à prendre du retard. Cette vision a créé un sentiment d’urgence et conféré une légitimité au projet.

2. L’imaginaire cybernétique : l’IA perçue comme un système d’optimisation des flux de travail, permettant des décisions augmentées par la donnée et réduisant l’incertitude dans les projets de rénovation.

3. Enfin, un imaginaire techno-solutionniste qui positionne l’IA comme une technologie clé pour répondre à des défis systémiques : changement climatique, précarité énergétique ou logement indigne.

Ces imaginaires ont permis aux membres du projet de partager un langage commun et une ambition commune. Ils ont aligné des acteurs très différents et donné du sens à leur collaboration. Mais à mesure que le projet passait des idées à l’exécution, ces imaginaires sont devenus sources de tension.

D’une vision commune à des frictions stratégiques

Une fois le projet lancé, les attentes ont commencé à diverger. Pour certains partenaires, notamment les équipes opérationnelles, les récits paraissaient de plus en plus déconnectés des pratiques quotidiennes. Les responsables de terrain dans les filiales de logement avaient du mal à identifier des cas d’usage pertinents.

Certains acteurs, pourtant essentiels au succès du projet, ont reporté leur engagement, attendant que l’IA “fasse ses preuves” avant d’investir davantage.

Cette situation a créé une dynamique auto-destructrice, un paradoxe du type “poule et œuf” : d’un côté, le progrès des projets était ralenti par le manque de contributions d’experts du logement et de la rénovation ; de l’autre, ces mêmes partenaires justifiaient leur retrait par l’absence de résultats intermédiaires tangibles.

Par ailleurs, le logiciel développé n’a pas répondu aux attentes élevées suscitées par les visions initiales. À un moment donné, un prototype d’IA a nécessité d’importants efforts pour produire des résultats finalement moins utiles qu’un tableau de bord déjà utilisé par l’un des partenaires et reposant sur de simples statistiques.

Un autre défi majeur concernait la traduction de l’expertise locale en modèles formalisés et calculables. Les pratiques de rénovation différaient fortement selon les régions, les filiales, les équipes et les chefs de projet. Les efforts pour construire un “jumeau numérique” standardisé de ces bâtiments et de leurs modes de rénovation ont rencontré des obstacles culturels, techniques et épistémiques. Dans certains cas, des acteurs se sont retirés des travaux de modélisation, préférant s’appuyer sur leur expérience pratique.

En conséquence, la feuille de route a dû être révisée : certains contributeurs ont réduit leur implication, d’autres ont redéfini leurs rôles, et le consortium a évolué vers des objectifs plus modestes.

La résilience d’un écosystème requiert plus qu’un alignement initial

Ces frictions ont révélé que les écosystèmes d’innovation naissants sont soudés par des attentes élevées, mais aussi fragilisés par elles. Quand les attentes divergent, l’engagement diminue. Et quand le logiciel développé ne répond pas aux visions initiales, la confiance s’érode rapidement, poussant certains membres à se retirer.

Plutôt qu’un effondrement, nous avons observé une transformation. L’écosystème s’est reconfiguré : son ambition initiale s’est réduite, mais sa cohésion interne s’est renforcée à mesure que les partenaires affrontaient ensemble les difficultés et construisaient la confiance. Un noyau plus restreint et mieux aligné a poursuivi le travail, tandis que de nouveaux acteurs rejoignaient l’écosystème pour repenser les cas d’usage.

Ce processus offre plusieurs enseignements clés pour la coordination d’écosystèmes d’innovation fondés sur l’IA. Tout d’abord, l’alignement des imaginaires est essentiel, mais insuffisant. Il doit être complété par une gestion fine des attentes, des vérifications régulières et une recalibration itérative.

Deuxièmement, les principaux risques dans les écosystèmes d’IA sont relationnels et non techniques. Les malentendus, les ambiguïtés de rôle et les incitations mal alignées causent plus de dommages que le code défaillant.

Troisièmement, l’émergence d’un écosystème est chaotique, non linéaire et adaptative. Son développement repose sur la capacité à pivoter, à reformuler des objectifs partagés et à identifier un écosystème viable minimal, ou proto-écosystème (Marcocchia & Maniak, 2018). Autrement dit, un petit groupe stable et aligné capable de maintenir la dynamique du projet. Leur travail attire de nouveaux partenaires qui apportent une nouvelle valeur, et à terme, engagent les clients finaux.

Gérer l’IA par l’imaginaire et la réflexion

Nos recherches suggèrent que les imaginaires sociotechniques ne sont pas de simples effets secondaires de l’innovation : ils en sont le cœur même. Ils constituent le ciment initial entre les acteurs, mais peuvent devenir des failles potentielles s’ils ne sont pas revisités, négociés et traduits en feuilles de route crédibles capables de mobiliser les contributeurs clés.

À mesure que l’IA se diffuse dans les secteurs public et privé, la question n’est plus seulement de concevoir de meilleurs algorithmes, mais de bâtir de meilleures collaborations. Cela suppose de créer non seulement des technologies, mais aussi un espace d’apprentissage et de réflexion partagés. Comment combiner vision et pragmatisme, inspiration et gestion des risques, tout en restant ancré dans la pratique réelle.

En définitive, l’IA n’est pas seulement un enjeu technique, mais aussi un enjeu de gouvernance et de conception organisationnelle. Sa capacité à relever les grands défis dépendra de notre aptitude à maîtriser efficacement ces deux dimensions.

Une traduction assistée par LLM.