L’IA automatise le management routinier et renforce la valeur du leadership

Synthèse

L’intelligence artificielle ne devrait pas faire disparaître les fonctions dirigeantes, mais elle transforme les tâches qui font leur valeur. À partir de travaux de recherche sur l’automatisation des tâches, de 45 entretiens menés auprès de dirigeants et de spécialistes de l’IA, ainsi que d’une évaluation exploratoire conduite avec sept systèmes d’IA générative, ce policy paper met en évidence une asymétrie constante.

L’IA est de plus en plus capable d’assister ou de prendre en charge des tâches de management structurées et riches en données, comme le suivi de la performance, la coordination des workflows, la conformité ou les premières étapes de l’analyse. Elle est en revanche moins à même de remplacer les dimensions du leadership qui reposent sur le jugement, la confiance, l’intelligence sociale et la responsabilité.

Il en résulte un effet de soustraction : à mesure que le management routinier occupe moins de temps dans l’agenda des dirigeants, le travail profondément humain consistant à donner une direction, façonner la culture, mobiliser les équipes et conduire le changement devient plus important.

Les organisations doivent donc auditer les fonctions dirigeantes au niveau des tâches, automatiser le management routinier sans déléguer la responsabilité, repenser les rôles autour du leadership et développer des compétences telles que le jugement stratégique, la capacité à construire un récit, la négociation et l’influence au-delà des frontières organisationnelles.

L’objectif : laisser l’IA prendre en charge le travail structuré tout en maintenant les leaders pleinement responsables des personnes, de l’éthique et du changement.

Recommandations clés

• Analyser le travail par tâche, et non par intitulé de poste. Identifier les activités structurées, riches en données, répétitives et adaptées à un soutien par l’IA.
• Automatiser le management routinier, pas la responsabilité. Maintenir une supervision humaine, une capacité d’explication et des voies de recours pour les décisions à fort impact.
• Repenser les fonctions dirigeantes autour du leadership. Réallouer le temps consacré à la supervision des processus vers le jugement, l’alignement, la culture et la conduite du changement.
• Développer les compétences de leadership de l’ère post-IA. Renforcer le jugement stratégique, l’intelligence émotionnelle, les compétences narratives, la négociation et l’influence transversale.

Contexte et enjeu

Lorsque Sergey Brin, cofondateur de Google, a déclaré que « le management est probablement ce qu’il y a de plus facile à faire avec l’IA », il expliquait avoir utilisé l’intelligence artificielle pour synthétiser des communications internes, attribuer des tâches de suivi et mettre en lumière la contribution d’un ingénieur discret qui avait été négligé dans les discussions concernant une promotion.

La formule peut sembler relever de la provocation typique de la Silicon Valley. Elle résume pourtant une question que de nombreux dirigeants commencent à se poser : **si l’IA peut accomplir une part croissante de ce que nous appelons le management, que restera-t-il aux managers ?**¹

Cette inquiétude dépasse largement les entreprises technologiques. Dans une enquête menée en 2024 auprès de 600 PDG (CEO), 43 % estimaient que l’IA pourrait remplacer le poste de CEO. Ce résultat semble traduire une préoccupation plus large. Les dirigeants ne se demandent plus seulement comment l’IA transformera leurs équipes. Ils s’interrogent désormais sur la manière dont elle transformera leur propre fonction.²

L’unité d’analyse la plus pertinente est la tâche. Les fonctions dirigeantes combinent des activités administratives, analytiques, relationnelles, politiques et symboliques. Or l’IA ne les affectera pas toutes de la même manière.

Elle permet déjà d’accomplir plus rapidement et à moindre coût des tâches structurées comme le suivi de la performance, la coordination des workflows, l’application des règles, la synthèse de l’information ou la préparation d’analyses. D’autres activités reposent beaucoup plus fortement sur le jugement, la confiance, le sens du timing et les relations humaines.

Management et leadership ne réagissent pas de la même manière

Une distinction ancienne, notamment associée au professeur de Harvard John Kotter, permet de mieux comprendre cette asymétrie.

Le management vise à maintenir la stabilité : il réduit l’incertitude, répartit le travail, suit les progrès et veille à ce que les personnes comme les processus fonctionnent conformément aux attentes.

Le leadership, lui, crée le changement : il donne une direction, entretient une identité et une culture communes, construit des passerelles entre les différentes composantes de l’organisation et mobilise les individus autour d’une finalité partagée.⁶

Il s’agit de fonctions, et non de catégories distinctes de personnes. La plupart des dirigeants exercent les deux.

Cette distinction est toutefois essentielle, car les tâches de management sont souvent structurées, fondées sur des règles et riches en données, tandis que le leadership repose davantage sur l’intelligence créative et sociale : produire des réponses dans des situations ambiguës, comprendre les personnes et les contextes, construire la confiance, convaincre, négocier et coordonner l’action collective.

Ces capacités sont difficiles à automatiser parce que leur valeur dépend du contexte, de la culture, des relations et d’un jugement dont quelqu’un doit assumer la responsabilité.⁷

Le défi pour les organisations consiste donc à déterminer quelles tâches managériales l’IA doit soutenir ou absorber, quelles décisions exigent une supervision humaine renforcée, et comment repenser les fonctions dirigeantes lorsque les activités routinières de contrôle ne représentent plus la même part du temps de management.

Enseignements clés : ce que montrent les données

L’évaluation exploratoire des tâches et les entretiens convergent.

Plus une tâche dépend d’informations standardisées, de règles formelles et de résultats mesurables, plus elle est exposée au soutien ou à l’automatisation par l’IA.

À l’inverse, plus elle dépend de l’imagination, de la confiance, de la légitimité et des relations, plus l’intervention humaine reste centrale.

Cette logique ne crée pas une frontière simple entre management et leadership

Le développement des équipes et l’accompagnement de clients complexes relèvent du management, mais restent très humains. À l’inverse, la veille concurrentielle ou la rédaction de communications peuvent être associées au leadership tout en étant fortement augmentées par l’IA.

Le schéma qui se dégage est constant : l’IA est particulièrement performante pour les tâches structurées de contrôle, et plus limitée lorsque l’activité exige du sens, de la responsabilité ou de la légitimité sociale.

Note : ces évaluations sont des indicateurs relatifs exploratoires. Elles comparent les tâches au sein de cette analyse ; elles ne constituent ni des probabilités ni des prévisions de remplacement des emplois.

L’effet de soustraction

L’IA ne se contente pas d’ajouter de nouveaux outils à la fonction dirigeante. Elle peut supprimer ou réduire certaines tâches qui en constituaient autrefois une part importante.

À mesure que le suivi de la performance, la planification, la conformité et les premières étapes de l’analyse sont délégués à des systèmes d’IA, le rôle du manager ne disparaît pas, mais son contenu se transforme.

Les managers passent moins de temps à superviser des processus et davantage à interpréter les situations ; moins de temps à faire respecter des routines et davantage à exercer leur jugement ; moins de temps à contrôler les opérations et davantage à interagir avec les personnes.

La valeur du dirigeant se déplace ainsi du contrôle vers la capacité à apporter direction, confiance, sens et changement.

Un cadre d’action pour les organisations

Les organisations ne devraient pas simplement insérer l’IA dans les routines existantes. Elles doivent repenser le travail des dirigeants autour de quatre transformations coordonnées.

L’organisation doit faire évoluer les rôles, les incitations et la gouvernance. Les dirigeants, de leur côté, doivent faire évoluer leur agenda, leurs compétences et leur identité professionnelle.

Un diagnostic de responsabilité

Avant de déléguer une tâche managériale à l’IA, les dirigeants devraient se poser les questions suivantes :

1. La tâche est-elle fondée sur des règles et répétitive ?
2. Les données nécessaires sont-elles fiables, représentatives et disponibles ?
3. Les résultats sont-ils mesurables, et les erreurs peuvent-elles être détectées ?
4. La tâche peut-elle avoir un impact sur l’emploi, la dignité, la confiance ou l’équité ?
5. Existe-t-il un processus clair de revue humaine, d’explication et de recours ?

Les tâches structurées, riches en données et mesurables, dont les conséquences humaines sont limitées et qui s’inscrivent dans un processus de supervision robuste sont de meilleures candidates à l’automatisation.

Lorsque les décisions ont un impact important sur les personnes, l’IA doit augmenter le jugement humain, et non le remplacer.

L’objectif n’est pas de laisser l’IA manager les personnes. Il s’agit de lui confier le travail structuré tout en maintenant les humains responsables de l’éthique, des exceptions et de la confiance.

Applications : comment les pratiques évoluent déjà

Les entretiens suggèrent que l’effet de soustraction est déjà visible dans plusieurs secteurs.

Dans chacun des cas observés, l’IA réduit le poids de la coordination ou de l’analyse structurée et déplace l’attention humaine vers l’interprétation, l’alignement et le jugement.

Ventes et marketing

Dans un groupe international de vins et spiritueux, l’IA aide les équipes à suivre la performance et à allouer les ressources en temps réel.

Une information plus rapide et plus lisible réduit le besoin de réunions hebdomadaires consacrées à rapprocher les chiffres.

Les questions les plus difficiles restent toutefois humaines : pourquoi certaines équipes locales ne tirent-elles pas pleinement parti d’une campagne ? Les systèmes d’incitation sont-ils correctement alignés ? Les priorités stratégiques sont-elles réellement comprises sur le terrain ?

La technologie améliore l’information ; le leadership détermine l’adoption, l’alignement et l’usage responsable.

Opérations maritimes

Dans un groupe de transport maritime, les systèmes d’IA optimisent les horaires des navires et réallouent les ressources lorsque les conditions évoluent.

Des activités qui nécessitaient auparavant plusieurs niveaux de coordination managériale peuvent désormais être de plus en plus soutenues par des algorithmes.

L’intervention humaine se déplace en amont : définir les priorités, décider quels arbitrages sont acceptables, communiquer une direction et permettre aux équipes d’agir avec confiance sous pression.

Services financiers

Dans la banque d’affaires, des outils d’IA donnent aux conseillers en portefeuille un accès plus rapide aux informations financières, réduisant le temps nécessaire aux revues clients et à l’évaluation des risques.

La valeur du conseiller se déplace de la collecte et de la production de l’analyse vers son interprétation : expliquer ce que signifient les informations, comment elles doivent influencer la stratégie commerciale et comment les clients devraient agir.

Conclusion et principaux enseignements

L’IA est en train de dissocier des activités qui ont longtemps été regroupées au sein des fonctions dirigeantes.

Le management routinier ne disparaît pas, et le leadership n’échappe pas à la technologie. Mais l’équilibre se modifie.

Le suivi structuré, la coordination, la conformité et l’analyse deviennent plus faciles à soutenir ou à déléguer. En parallèle, le jugement, la légitimité, la confiance, le sens et la capacité à conduire le changement deviennent des sources de valeur encore plus importantes pour les dirigeants.

Cette évolution relève le niveau d’exigence auquel les leaders sont confrontés.

L’agitation opérationnelle ne peut plus servir à elle seule de preuve de valeur lorsque l’IA est capable de prendre en charge une part croissante du travail de processus sous-jacent.

Les dirigeants doivent reconquérir du temps pour les conversations et les décisions qui ne peuvent pas être automatisées : écouter les signaux faibles, aligner leurs pairs, accompagner leurs successeurs, négocier au-delà des frontières organisationnelles et aider les autres à donner du sens à l’incertitude.

L’IA pourrait ainsi rendre les dirigeants moins précieux comme superviseurs de processus — et plus précieux comme leaders des personnes.

Méthodologie et sources

L’analyse combine quatre éléments :

• une revue de la littérature sur l’automatisation des tâches et le travail managérial ;
• la distinction entre management et leadership utilisée pour identifier les tâches récurrentes des dirigeants ;
• un exercice structuré conduit avec Claude Sonnet 4.5, ChatGPT-5, DeepSeek 3.2, Gemini 2.5 Flash, Grok 4, Mistral Large 2 et Perplexity AI ;
• 45 entretiens semi-directifs avec des dirigeants et spécialistes de l’IA travaillant dans des entreprises internationales des secteurs des biens de consommation, des services financiers, du transport maritime, de la santé, de l’aviation, de l’assurance et de la technologie.

Chaque modèle a reçu la même liste de tâches et le même protocole de consignes. Il lui était demandé d’évaluer, pour chaque tâche, le niveau d’intelligence créative et sociale requis ainsi que son degré relatif d’exposition au soutien ou à l’automatisation par l’IA.

Les moyennes et les écarts ont été utilisés comme indicateurs directionnels.

Les entretiens ont servi de contrôle interprétatif, afin d’identifier les situations dans lesquelles les évaluations des modèles correspondaient aux pratiques organisationnelles et celles où les enjeux d’implémentation, de gouvernance ou d’acceptabilité sociale compliquaient la faisabilité technique.

Limites

Les résultats sont exploratoires et ne constituent pas des prévisions.

Les systèmes d’IA évaluent imparfaitement leurs propres capacités, et leurs résultats ne sont pas entièrement reproductibles.

Les entretiens ont une vocation interprétative et non statistiquement représentative.

Les évaluations des tâches doivent donc être utilisées pour guider la comparaison et la discussion, et non comme des probabilités d’automatisation ou des prédictions de remplacement des emplois.

À propos des auteurs

Julien Jourdan est professeur de management et ressources humaines à HEC Paris, où il enseigne le management et le leadership dans les programmes PhD, MSc et MBA. Ses recherches portent sur la réputation, la légitimité et d’autres formes d’évaluation sociale des organisations, ainsi que sur la manière dont ces évaluations influencent les comportements organisationnels, la stratégie et la performance.

Emmanuel Coblence est professeur de management et ressources humaines à HEC Paris. Il enseigne dans les programmes Executive MBA et Executive Education, où il coordonne des cours de leadership. Ses travaux portent sur le leadership, le changement organisationnel et les pratiques managériales, en particulier dans des environnements complexes et créatifs.

Catherine Tanneau est professeure adjointe de leadership à HEC Paris, executive coach et CEO d’un cabinet de coaching et de conseil accompagnant des PDG et des membres de comités exécutifs sur les questions de stratégie, de transformation organisationnelle et de développement du leadership. Elle travaille avec de grands groupes internationaux et coanime le podcast Transform Tomorrow Today. Elle est également l’autrice de plusieurs ouvrages consacrés au leadership et au coaching.

Traduction assistée par LLM