IA et Ibn Khaldoun : une entreprise augmentée peut-elle préserver sa cohésion collective ?

L’intelligence artificielle entre rarement dans l’entreprise par une grande porte institutionnelle. Elle arrive par les usages, par les équipes, par les outils déjà installés, par les collaborateurs qui cherchent à gagner du temps, par les managers qui veulent accélérer une synthèse, par les métiers qui testent une aide à la rédaction, à l’analyse ou à la décision.

Cette diffusion est compréhensible. Elle répond à une pression très concrète : produire plus vite, absorber davantage d’informations, raccourcir les cycles de décision, simplifier des tâches qui pèsent sur le quotidien. Mais une entreprise ne tient pas seulement par des tâches exécutées plus rapidement. Elle tient aussi par une cohésion, une mémoire commune, des règles implicites, des arbitrages partagés et une capacité à décider ensemble.

C’est précisément là qu’Ibn Khaldoun devient utile. Non pour faire de la philosophie décorative autour de l’IA, ni pour chercher chez un penseur du XIVᵉ siècle une anticipation improbable des technologies contemporaines. Son intérêt est plus sobre : il rappelle que la force d’un groupe dépend de liens invisibles. Une organisation peut conserver ses structures, ses tableaux de bord et ses procédures tout en perdant progressivement ce qui lui permet d’agir comme un collectif.

1. Le signal de départ : l’IA entre dans l’entreprise par les usages individuels

Dans beaucoup d’organisations, l’IA générative ne commence pas par un programme officiel. Elle commence par un usage discret. Un collaborateur demande à un assistant de reformuler un courriel. Une équipe marketing génère une première version de contenu. Un manager synthétise un compte rendu. Un commercial prépare un argumentaire. Un juriste ou un acheteur fait résumer un document. Un chef de projet teste une automatisation pour gagner une demi-journée.

Ces gestes ne sont pas marginaux. Ils installent une nouvelle couche de travail, souvent avant même que l’entreprise ait défini un cadre commun. L’IA devient un prolongement individuel de la productivité, parfois visible, parfois tacite, parfois assumé, parfois dissimulé parce que les règles ne sont pas claires.

Cette adoption diffuse a une force : elle part du terrain. Elle identifie des besoins réels et montre rapidement là où les outils peuvent aider. Elle a aussi une faiblesse : elle peut produire autant de pratiques que d’équipes. Chaque service choisit ses modèles, ses prompts, ses tolérances, ses méthodes de vérification, ses habitudes de partage et ses manières de qualifier ce qui est fiable.

Le premier enjeu n’est donc pas d’interdire cette dynamique. Il est de comprendre qu’elle transforme déjà l’organisation. Lorsqu’un usage individuel devient répétitif, il cesse d’être une expérimentation privée. Il devient un maillon de la chaîne de production, de décision ou de communication de l’entreprise.

2. Ce que tout le monde voit : la promesse de productivité

Le discours dominant sur l’IA reste celui de la productivité. Les outils promettent de réduire le temps de rédaction, d’accélérer les recherches, d’automatiser certaines tâches administratives, de produire des synthèses plus rapides, d’explorer des données plus larges, d’améliorer la préparation des décisions. Cette promesse n’est pas artificielle. Dans beaucoup de métiers, elle correspond à des gains réels.

Pour un dirigeant, cette lecture est naturellement attractive. Elle offre des indicateurs simples : temps gagné, volumes traités, coûts réduits, capacité de production augmentée. Elle permet de présenter l’IA comme un levier d’efficacité plutôt que comme une rupture abstraite. Elle correspond aussi aux attentes immédiates des équipes, souvent saturées par la multiplication des outils, des réunions, des documents et des sollicitations.

Mais cette lecture reste incomplète. Elle observe surtout la performance individuelle. Elle mesure la vitesse d’exécution, moins la cohérence collective. Elle regarde ce qu’un collaborateur peut produire avec l’IA, moins ce que cette production fait à la mémoire commune de l’entreprise, à la traçabilité des décisions, à la transmission de l’expertise ou à la qualité des arbitrages.

Une organisation peut devenir plus rapide sans devenir plus cohérente. Elle peut produire davantage de textes, de synthèses, d’analyses et de recommandations tout en multipliant les versions concurrentes de la vérité. Elle peut gagner du temps sur chaque tâche et en perdre ensuite dans la coordination, la vérification, la reprise ou la clarification des responsabilités.

3. Ce qu’Ibn Khaldoun permet de voir : la cohésion comme infrastructure invisible

Ibn Khaldoun pense les sociétés à partir de leurs dynamiques profondes. Sa notion d’asabiyya ne désigne pas simplement une solidarité sympathique ou un sentiment d’appartenance. Elle renvoie à une force de cohésion, à une discipline commune, à une confiance active et à une capacité d’agir ensemble. Pour lui, un groupe puissant n’est pas seulement un groupe bien organisé en apparence. C’est un groupe dont les liens internes soutiennent l’action.

Transposée à l’entreprise, cette lecture est précieuse. Une organisation ne repose pas uniquement sur son organigramme, ses processus, ses outils collaboratifs et ses indicateurs. Elle repose aussi sur une mémoire métier, sur des routines de coopération, sur des manières implicites de trancher, sur des récits partagés, sur des normes de qualité, sur la confiance entre fonctions et sur la capacité à reconnaître ce qui compte vraiment dans une situation donnée.

Ces éléments sont difficiles à mesurer, mais ils conditionnent la performance réelle. Une entreprise peut avoir une documentation abondante et ne plus savoir quelle version fait autorité. Elle peut disposer d’outils puissants et perdre la compréhension fine de ses propres décisions. Elle peut multiplier les canaux de communication et affaiblir la transmission d’expérience entre générations, métiers ou sites.

L’IA agit précisément sur cette infrastructure invisible. Elle peut aider à la formaliser, à la rendre accessible, à la transmettre. Elle peut aussi la contourner. Lorsqu’un collaborateur demande directement à un système de produire une réponse sans s’appuyer sur les référentiels internes, les arbitrages précédents ou l’expérience métier accumulée, l’organisation gagne en vitesse mais peut perdre en continuité.

La question devient alors stratégique : l’IA augmente-t-elle l’asabiyya de l’entreprise, au sens d’une capacité collective plus forte, ou accélère-t-elle une forme de fragmentation où chacun devient plus efficace dans son coin ?

4. Le risque IA : une entreprise plus rapide mais plus fragmentée

Le risque central n’est pas que l’IA produise ponctuellement une erreur. Ce risque existe, mais il est déjà bien identifié. Le risque plus profond est organisationnel : chaque service peut créer ses propres usages, ses propres méthodes, ses propres réponses et ses propres automatismes, jusqu’à faire coexister plusieurs réalités opérationnelles dans la même entreprise.

Le marketing peut utiliser l’IA pour produire des contenus en s’appuyant sur une base de messages qui n’est pas alignée avec la direction commerciale. Les ressources humaines peuvent générer des communications internes avec des formulations qui ne reflètent pas toujours les arbitrages sociaux. La finance peut automatiser des analyses sans partager les hypothèses de calcul. Les équipes commerciales peuvent préparer des propositions avec des données ou des promesses qui ne sont pas validées par les opérations. La direction peut elle-même s’appuyer sur des synthèses dont l’origine, les critères et les limites ne sont plus clairement visibles.

Dans ce type de situation, l’entreprise ne devient pas immédiatement désorganisée. Au contraire, elle peut donner l’impression de mieux fonctionner. Les réponses arrivent plus vite, les documents sont plus propres, les réunions sont mieux préparées, les livrables se multiplient. Mais la cohérence se fragilise sous la surface.

Les signaux apparaissent progressivement : perte de cohérence documentaire, multiplication des versions de référence, affaiblissement de la mémoire commune, décisions moins traçables, dépendance accrue à des outils mal gouvernés, silos renforcés par des pratiques IA non partagées. L’organisation conserve ses structures visibles, mais ses liens internes deviennent moins solides.

Cette fragmentation est d’autant plus difficile à repérer qu’elle se présente souvent comme une réussite locale. Chaque équipe peut démontrer un gain. Ce qui manque, c’est la vue d’ensemble. Une entreprise peut additionner des efficacités locales et produire une fragilité globale.

5. L’arbitrage dirigeant : passer de l’assistant individuel à la capacité collective

Le sujet n’est pas d’interdire les usages IA. Une telle posture serait rarement réaliste, et souvent contre-productive. Le sujet est de passer d’une logique d’assistants individuels à une logique de capacité collective. Autrement dit, il faut éviter que l’IA soit seulement une prothèse personnelle de productivité ; elle doit devenir une infrastructure de travail partagée, comprise et gouvernée.

Ce basculement exige d’abord une cartographie simple des usages. Quels outils sont utilisés ? Par quelles équipes ? Sur quels types de données ? Pour quels livrables ? Avec quelle validation humaine ? Avec quelle conservation des résultats ? Avec quelle responsabilité en cas d’erreur ? Beaucoup d’entreprises découvrent à ce stade que l’IA est déjà plus présente qu’elles ne le pensaient.

Vient ensuite la construction d’un cadre commun. Une charte d’usage IA n’a de valeur que si elle descend dans les situations réelles de travail. Elle doit clarifier les données qui ne peuvent pas être saisies dans des outils externes, les contenus qui exigent une relecture, les décisions qui ne peuvent pas être automatisées, les traces à conserver, les responsabilités à nommer et les cas où l’usage de l’IA doit être déclaré.

La base documentaire devient également un enjeu central. Si les collaborateurs interrogent l’IA à partir de documents dispersés, obsolètes ou contradictoires, l’outil amplifiera la confusion. La qualité de l’IA dépend alors de la qualité du patrimoine informationnel de l’entreprise. Gouverner l’IA, c’est aussi nettoyer, hiérarchiser, dater, qualifier et rendre accessible ce qui fait référence.

Enfin, la direction doit organiser la capitalisation. Les bonnes pratiques ne doivent pas rester dans les mains de quelques utilisateurs avancés. Les erreurs utiles doivent être partagées. Les prompts efficaces doivent être discutés. Les limites observées doivent remonter. Les métiers, la DSI, les RH, le juridique et la direction générale doivent construire un langage commun. C’est là que l’IA cesse d’être un ensemble d’expériences individuelles pour devenir une capacité collective.

6. Ce que les dirigeants devraient surveiller

Le premier signal faible est la multiplication d’usages IA invisibles. Lorsqu’une organisation ne sait plus qui utilise quoi, sur quelles données et pour produire quels résultats, elle perd la capacité de gouverner ce qu’elle déploie pourtant déjà.

Le deuxième signal concerne la perte de maîtrise des contenus produits. Si des documents commerciaux, des notes internes, des synthèses de réunion, des réponses clients ou des analyses métiers circulent sans que l’on sache clairement ce qui a été généré, vérifié, corrigé ou validé, l’entreprise fragilise sa qualité éditoriale et décisionnelle.

Le troisième signal tient au paradoxe de collaborateurs plus productifs mais moins coordonnés. Chacun peut produire plus vite, mais avec des référentiels différents. Les réunions deviennent alors des moments de réconciliation tardive plutôt que des lieux d’arbitrage éclairé.

Il faut aussi surveiller les décisions accélérées mais moins expliquées. L’IA peut donner une forme très convaincante à une recommandation. Si les hypothèses, les données sources et les critères de jugement ne sont pas explicites, la vitesse peut masquer une perte de compréhension. Une décision plus rapide n’est pas nécessairement une décision mieux maîtrisée.

Les dirigeants doivent enfin regarder l’impact de l’IA sur les échanges entre métiers. Si chaque fonction développe son propre langage d’usage, ses propres outils et ses propres automatismes, l’IA peut renforcer les silos au lieu de les réduire. La cohésion collective se joue précisément dans ces zones de passage : entre marketing et commerce, entre RH et managers, entre DSI et métiers, entre direction générale et terrain.

Ouverture prospective

La différence ne se fera peut-être pas demain entre les entreprises qui utilisent l’IA et celles qui ne l’utilisent pas. Cette distinction sera vite dépassée. La plupart des organisations utiliseront l’IA, directement ou indirectement, dans leurs outils bureautiques, leurs logiciels métiers, leurs plateformes de relation client, leurs systèmes d’analyse et leurs processus internes.

La vraie différence se fera entre celles qui auront transformé l’IA en intelligence collective maîtrisée et celles qui auront simplement distribué des outils sans reconstruire leur cohésion. Les premières auront relié les usages à une mémoire commune, à une gouvernance des données, à une culture de décision et à une responsabilité explicite. Les secondes auront gagné de la vitesse, mais au prix d’une fragmentation difficile à corriger.

Ibn Khaldoun ne donne évidemment pas une méthode de déploiement de l’intelligence artificielle. Il offre un avertissement plus ancien et plus durable : un groupe peut paraître solide tout en perdant ce qui fait sa force réelle. Pour les dirigeants, cette idée est d’une grande actualité. L’IA doit être évaluée non seulement par ce qu’elle accélère, mais par ce qu’elle fait aux liens qui permettent à l’entreprise de décider, transmettre et agir ensemble.