Salariés suisses sceptiques, collègues robots et profs augmentés : la semaine où l’IA a essayé de se faire adopter (sans succès garanti)

L’IA débarque au bureau, et les Suisses regardent leurs chaussures

Il y a cette scène classique en entreprise : le nouveau arrive, tout sourire, prêt à bosser. Et autour de la machine à café, les collègues l’observent du coin de l’œil, en se demandant s’il va piquer leur job, foirer le projet ou juste faire semblant comme tout le monde. Sauf que là, le nouveau, c’est une IA. Et spoiler : les salariés suisses ne lui ont pas encore offert le café.

Cette semaine, trois articles romands dessinent une tension passionnante : d’un côté, les entreprises veulent déployer des agents d’IA comme co-équipiers. De l’autre, les salariés restent méfiants. Et au milieu, l’école qui se demande si elle doit laisser ChatGPT corriger les dictées. Bref, l’IA veut entrer partout, mais tout le monde n’a pas signé l’invitation.

Scepticisme helvétique : le réflexe sain ou le frein à main ?

Selon Agefi, les salariés suisses restent sceptiques face à l’intelligence artificielle. Et honnêtement ? C’est pas forcément une mauvaise nouvelle. La Suisse, c’est le pays où on teste trois fois un ascenseur avant de le mettre en service. Alors forcément, quand on leur balance un outil qui promet de « révolutionner le travail », ils demandent d’abord à voir le mode d’emploi, la garantie et l’avis du voisin.

Ce scepticisme, c’est en réalité une opportunité pour les boîtes qui veulent déployer l’IA intelligemment. Parce qu’un collaborateur qui pose des questions, c’est un collaborateur qui va tester les limites de l’outil, remonter les bugs, challenger les résultats. L’inverse — l’adoption aveugle — c’est le scénario catastrophe : tout le monde copie-colle les sorties d’un modèle sans vérifier, et six mois plus tard on retrouve des erreurs dans les contrats, les devis et les reportings.

Le vrai problème n’est pas technique, il est managérial

Si les salariés sont méfiants, ce n’est pas parce qu’ils ne comprennent pas la technologie. C’est parce qu’on ne leur a souvent pas expliqué à quoi elle sert concrètement pour eux. « L’IA va augmenter votre productivité » — ok, mais est-ce que ça veut dire que je bosse moins ou que je produis plus pour le même salaire ? « L’IA va automatiser les tâches répétitives » — mes tâches répétitives, c’est 40% de mon job, est-ce que je dois commencer à mettre mon CV à jour ?

Tant que ces questions restent sans réponse, le scepticisme est la réponse rationnelle. Et c’est exactement là que la business analyse entre en jeu : avant de déployer un agent, il faut cartographier les processus, identifier où l’IA crée de la valeur pour les équipes, et pas juste pour le COMEX qui veut mettre « AI-powered » dans le rapport annuel.

Votre prochain collègue sera-t-il un agent IA ?

De son côté, Bilan annonce que votre prochain collègue pourrait être un agent d’IA. Et là on touche à un sujet qu’on suit de près chez Smarsys, parce que c’est exactement ce que Salesforce pousse avec Agentforce : des agents autonomes qui exécutent des tâches de bout en bout, pas juste des chatbots qui répondent « je n’ai pas compris votre demande ».

La différence est fondamentale. Un chatbot, c’est un stagiaire qui lit le script. Un agent, c’est un collaborateur qui prend des décisions dans un périmètre défini : qualifier un lead, relancer un client en retard de paiement, préparer un devis, router un ticket au bon expert. Il ne remplace pas l’humain sur la stratégie, mais il absorbe tout le boulot opérationnel qu’on aime pas faire le vendredi à 17h.

Co-équipier, pas remplaçant

La bonne analogie, c’est le football. Un agent IA, c’est un milieu de terrain qui récupère les ballons et distribue le jeu. Il ne marque pas les buts (ça, c’est le commercial humain qui closed le deal). Il ne décide pas de la tactique (ça, c’est le manager). Mais sans lui, l’équipe passe son temps à courir après le ballon.

Pour que ça marche, trois conditions non négociables :

  • Un périmètre clair : l’agent fait ça, pas ça. Pas de zone grise où personne ne sait qui est responsable.
  • Un humain dans la boucle sur les décisions à impact (financier, juridique, RH).
  • Une gouvernance des données : qui a accès à quoi, où ça va, qui audite les sorties.

Et c’est là que le choix de la plateforme compte. Que vous soyez sur Salesforce, Microsoft 365, AWS ou Google Cloud, chaque écosystème a ses outils d’orchestration d’agents. Le bon choix dépend de votre stack existante, de votre secteur et de vos contraintes réglementaires — pour une banque genevoise ou un cabinet médical, les critères ne sont pas les mêmes que pour une PME de e-commerce.

L’école branchée IA : prof augmenté ou prof débordé ?

Enfin, la Tribune de Genève se demande si l’IA peut servir l’éducation. Question piège, parce que la réponse est évidemment « oui, mais ». Oui, un enseignant qui utilise l’IA pour générer des exercices personnalisés, détecter les élèves en difficulté ou corriger plus vite, c’est un prof augmenté. Mais un prof à qui on dit « maintenant tu dois aussi apprendre à prompter, détecter la triche IA et expliquer aux parents que le devoir de leur enfant a été rédigé par ChatGPT », c’est un prof débordé.

Le parallèle avec l’entreprise est frappant. Dans les deux cas, la techno arrive plus vite que la formation, les process et les règles du jeu. Et dans les deux cas, la solution n’est pas de freiner, mais d’accompagner.

Ce qu’on retient chez Smarsys

Trois signaux faibles qui dessinent la même tendance : l’IA en entreprise, c’est 20% de techno et 80% de conduite du changement. On peut avoir le meilleur agent du monde, si les équipes ne lui font pas confiance ou ne savent pas quand l’utiliser, le projet finit dans le cimetière des POCs oubliés.

La bonne nouvelle, c’est que le scepticisme suisse est un atout. Il force à faire les choses proprement : cadrer les cas d’usage, former les équipes, mesurer la valeur réelle. Et à ne pas confondre « déployer une IA » avec « résoudre un problème business ». Les deux ne sont pas synonymes.

Sources

🤖 Comment cet article a été produit

Veille RSS automatisée, rédaction par Claude Opus 4.7 (API Anthropic), supervision éditoriale et brand voice par l'équipe Smarsys. Visuel généré par GPT Image 2 (OpenAI). Un pipeline maison construit sur Make.com + WordPress, similaire à ce que nous déployons pour nos clients. Envie du même setup chez vous ?

Défiler vers le haut