Le dirigeant augmenté

Que signifie réellement diriger à l’ère de l’intelligence artificielle ?

Depuis quelque temps, une expression revient de plus en plus souvent dans mes réflexions : le dirigeant augmenté.

Augmenté par l’intelligence artificielle.

Elle peut sembler technique. Elle ne l’est pas. Et surtout, elle ne désigne pas simplement un dirigeant qui utilise ChatGPT, Claude ou un autre outil d’IA.

Pour comprendre ce que j’entends par « augmenté », il faut revenir à quelque chose de beaucoup plus ancien que l’intelligence artificielle.

Nous avons toujours construit des outils pour étendre nos capacités. La calculatrice a augmenté notre capacité à calculer. Excel, notre capacité à manipuler des données. Internet, notre accès à l’information. Le GPS, notre capacité à nous orienter.

L’intelligence artificielle introduit cependant quelque chose de particulier : elle intervient désormais dans des activités que nous considérions jusqu’ici comme profondément cognitives. Lire une masse de documents, synthétiser, comparer, chercher, questionner, construire des scénarios, identifier des contradictions, préparer une négociation ou produire une première analyse sont désormais des tâches sur lesquelles une IA peut nous assister.

Autrement dit, l’IA ne touche plus seulement ce que nous faisons. Elle commence à toucher la manière dont nous réfléchissons, décidons, organisons et agissons.

C’est là que commence, pour moi, la question du dirigeant augmenté.

Petit détour de vocabulaire

Vous pouvez sauter ce passage si vous êtes déjà familier avec le langage de base de l’IA.

Quand je parle d’un modèle, je parle du modèle d’intelligence artificielle qui se trouve au cœur de services comme ChatGPT, Claude ou Gemini et qui permet notamment de comprendre une demande et de produire une réponse. Les éditeurs d’IA utilisent constamment ce terme ; il vaut donc mieux s’y habituer.

Le contexte désigne les informations dont le modèle dispose pour comprendre la situation sur laquelle on lui demande de travailler : instructions, documents, historique, contraintes, objectifs, données utiles, exemples, etc. Un modèle peut être extrêmement performant et pourtant donner une réponse médiocre si son contexte est incomplet, obsolète, ambigu ou trompeur.

Cette distinction reviendra souvent : la puissance du modèle compte, mais la qualité du contexte compte tout autant.

Utiliser l’IA ne fait pas de nous un dirigeant augmenté

Un dirigeant peut utiliser ChatGPT vingt fois par jour. Il peut lui demander de corriger ses emails, résumer ses documents, préparer une présentation, traduire un texte ou rédiger un compte rendu.

Il gagnera probablement du temps.

Mais il peut continuer à diriger exactement comme il dirigeait auparavant : mêmes processus, même circulation de l’information, même manière de préparer ses décisions, même organisation des réunions, même structure de délégation.

Il aura augmenté sa productivité personnelle sans nécessairement augmenter sa capacité à diriger.

Cette distinction me paraît fondamentale.

La recherche commence d’ailleurs à traiter le sujet bien au-delà de la simple adoption d’outils. Une étude de synthèse publiée en 2025 a analysé 63 articles scientifiques sur le sujet et fait ressortir trois grands axes : les compétences que l’IA exige ou développe chez les dirigeants, les facteurs qui influencent son adoption au sein des organisations, et son utilisation stratégique par les dirigeants^[1].

Une étude publiée en 2026 dans le Journal of Organizational Behavior^[2] va encore plus loin en étudiant directement la collaboration entre dirigeants et IA et ses liens avec le fonctionnement des équipes. Les auteurs trouvent notamment des effets passant par la réflexivité de l’équipe et sa confiance dans sa capacité à élargir ses rôles.

Pourquoi est-ce important ? Parce que l’objet d’étude n’est plus seulement l’outil. Ce qui devient une variable, c’est la manière de diriger avec lui.

Nous ne sommes donc plus seulement devant une question d’outillage.

Nous sommes devant une question de leadership.

Alors, qu’est-ce qu’un dirigeant augmenté ?

Voici la définition avec laquelle je travaille aujourd’hui :

Un dirigeant augmenté est un dirigeant qui combine intentionnellement son jugement, son expérience et sa responsabilité avec les capacités de l’intelligence artificielle pour étendre sa capacité à comprendre, décider, organiser et agir.

Chaque mot compte.

Intentionnellement, parce qu’utiliser occasionnellement une IA n’est pas transformer sa manière de travailler.

Jugement, parce que l’IA ne supprime pas la nécessité de choisir.

Expérience, parce que la connaissance d’une situation ne se résume pas au volume d’informations disponibles. Un modèle peut recevoir énormément de contexte, parfois même exploiter plus d’informations qu’un dirigeant ne pourrait en lire seul. Mais il ne connaît que ce qui lui est accessible, et il peut travailler à partir d’un contexte incomplet, ancien, biaisé ou mal interprété.

Cela ne signifie donc pas que « l’IA ne connaît jamais mon entreprise ». Cela signifie plutôt que le dirigeant doit apprendre à se demander : de quel contexte le modèle dispose-t-il réellement ? Qu’est-ce qui lui manque ? Qu’est-ce qui doit être vérifié ? Et quelles informations ne devrais-je pas lui confier ?

Et surtout : responsabilité.

Je peux déléguer une recherche, une synthèse, une première analyse ou demander à une IA de contredire ma stratégie. Je peux lui faire explorer quinze scénarios avant une décision.

Mais toutes les décisions n’ont pas le même niveau d’enjeu.

Une tâche répétitive, réversible et faiblement risquée peut être très largement automatisée. À l’inverse, plus une décision engage des personnes, du capital, la réputation, la stratégie ou des conséquences difficiles à inverser, plus la supervision humaine doit être forte.

Le principe n’est donc pas « un humain doit valider chaque action de l’IA ». Le principe que je retiens est plutôt : le niveau de supervision doit être proportionnel au niveau d’enjeu.

L’augmentation n’est pas l’abdication.

Cette logique rejoint l’idée d’« augmented intelligence », utilisée pour décrire des systèmes conçus pour renforcer les capacités humaines plutôt que simplement remplacer le jugement humain^[3].

Les quatre niveaux que je veux observer

Pour rendre cette réflexion plus concrète, je travaille actuellement avec quatre dimensions. Elles ne constituent pas encore une théorie définitive. C’est une grille de lecture que je veux confronter au terrain :

Dirigeant → Décision → Organisation → Résultat.

Le raisonnement est simple : le dirigeant agit principalement à travers les décisions qu’il prend. Ces décisions façonnent l’organisation — ses priorités, ses ressources, ses processus, ses règles et ses comportements. Et c’est la capacité de cette organisation à mieux agir qui doit, à terme, produire de meilleurs résultats.

L’IA peut intervenir à chacun de ces niveaux. Mais l’augmentation n’a de sens que si elle se traduit finalement par une capacité réelle supplémentaire.

1. Le dirigeant augmenté

Tout commence par l’individu.

Que se passe-t-il lorsque le dirigeant dispose presque en permanence d’une capacité supplémentaire pour rechercher, synthétiser, structurer, apprendre, préparer ou challenger ?

Il peut arriver à une réunion en ayant exploré davantage de scénarios, demander une contre-analyse avant de valider une intuition, transformer plusieurs centaines de pages en une cartographie exploitable ou construire beaucoup plus rapidement une première représentation d’un problème qu’il connaît mal.

Il peut également protéger davantage son attention en déléguant une partie du travail cognitif à faible valeur.

Mais cette puissance crée de nouvelles responsabilités : savoir formuler, savoir vérifier, savoir fournir le bon contexte, savoir ce qui peut être délégué et savoir ce qui ne doit pas l’être.

Le dirigeant augmenté n’est donc pas seulement un dirigeant disposant de meilleurs outils. Il doit progressivement apprendre à orchestrer plusieurs formes d’intelligence sans perdre la maîtrise de son jugement.

2. La décision augmentée

C’est probablement le territoire qui m’intéresse le plus.

Une décision importante est rarement difficile parce qu’il est impossible de produire une réponse. Elle est difficile parce que l’information est incomplète, les intérêts sont parfois contradictoires, les conséquences incertaines et le temps limité.

L’IA ne fait pas disparaître ces contraintes. Elle peut en revanche modifier considérablement le travail intellectuel qui précède la décision.

Prenons un cas simple.

Un dirigeant envisage d’ouvrir une nouvelle agence dans une autre ville. Sans IA, il peut naturellement demander à son équipe une étude, analyser le chiffre d’affaires attendu, les coûts, la concurrence et décider.

Avec une IA correctement alimentée en contexte, il peut aller plus loin avant même d’arriver au comité de décision.

Il peut lui demander :

• Quels scénarios n’ai-je pas envisagés ?
• Quelles hypothèses rendent ce projet rentable et lesquelles sont les plus fragiles ?
• Construis le meilleur argument contre l’ouverture de cette agence.
• Que se passe-t-il si le chiffre d’affaires prévu est inférieur de 30 % ?
• Quels coûts indirects avons-nous probablement sous-estimés ?
• À partir de quel seuil devrions-nous abandonner ou reporter le projet ?
• Quelles informations manquent encore avant de décider raisonnablement ?

L’IA peut ensuite produire un scénario optimiste, un scénario prudent et un scénario défavorable ; faire apparaître les hypothèses critiques ; identifier les informations manquantes ; proposer des indicateurs à surveiller après le lancement.

Elle peut même jouer temporairement le rôle d’un contradicteur : celui qui cherche moins à confirmer l’idée du dirigeant qu’à trouver les raisons pour lesquelles elle pourrait échouer.

Mais elle ne transforme pas magiquement une mauvaise information en bonne information. Si les coûts fournis sont faux, si le contexte concurrentiel est obsolète ou si une contrainte locale importante n’a jamais été documentée, l’analyse peut être remarquablement structurée… et conduire dans la mauvaise direction.

C’est pourquoi la décision augmentée ne signifie pas que l’IA décide mieux à ma place.

Elle signifie que je peux élargir et approfondir le travail intellectuel qui précède ma décision sans multiplier proportionnellement le temps et les ressources nécessaires.

La décision reste sous ma responsabilité. Mais l’espace de possibilités, de contradictions et de conséquences que j’ai exploré avant de décider peut devenir beaucoup plus grand.

C’est ce que j’appelle une décision augmentée.

Mise en garde : l’IA n’est pas une baguette magique qui réalise toujours les vœux qu’on lui communique. Le modèle peut aussi raconter n’importe quoi, te faire perdre du temps ou te mettre sur de mauvaises pistes. Tu restes le décisionnaire, mais il peut te mettre sur une fausse piste.

3. L’organisation augmentée

C’est ici que les choses deviennent plus difficiles — et probablement plus intéressantes.

Une entreprise composée de collaborateurs utilisant individuellement des outils d’IA n’est pas nécessairement une organisation augmentée.

Un commercial utilise ChatGPT pour écrire un email ? C’est un usage individuel.

En revanche, si le système commercial peut, dans un cadre sécurisé, analyser l’historique pertinent d’un client, préparer le contexte avant une interaction, identifier certains signaux et conserver les apprentissages utiles pour le prochain collaborateur, nous commençons à parler d’organisation.

La différence est majeure.

Elle fait aussi apparaître des questions que l’enthousiasme pour l’IA fait parfois oublier : qualité des données, confidentialité, sécurité, gouvernance, droits d’accès, intégration aux systèmes existants, responsabilité et conception même des processus.

Prenons un cas très concret. Un enseignant ou un responsable universitaire veut gagner du temps sur l’analyse des résultats d’une promotion. Il prend un fichier contenant les noms des étudiants, leurs notes et peut-être d’autres informations personnelles, puis le dépose dans un service public d’IA sans savoir comment les données sont traitées.

Du point de vue de la productivité, le geste semble banal.

Du point de vue de l’organisation, il soulève immédiatement d’autres questions : avait-il le droit de transmettre ces données ? Le service utilisé est-il autorisé par l’établissement ? Quelles données auraient dû être anonymisées ? Où sont-elles traitées ? Que prévoit la politique interne ? Qui est responsable en cas de fuite ou de mauvaise utilisation ?

Utiliser l’IA est une chose. Encadrer son utilisation en est une autre.

À mon sens, chaque organisation devrait aujourd’hui disposer d’une charte claire sur l’utilisation de l’IA et des données : quels outils sont autorisés, quelles données peuvent ou ne peuvent pas y être introduites, quels usages exigent une validation, quels comptes doivent être utilisés, comment traiter les données sensibles et comment documenter les usages à risque. De plus, il existe des lois internationales qui régissent cela : une mauvaise utilisation peut être punissable.

Le contenu précis de cette charte dépend évidemment du secteur, des données manipulées, du droit applicable et du niveau de risque. Pour les organisations qui manipulent des données sensibles ou réglementées, ce cadre devrait être construit avec des compétences techniques, juridiques et organisationnelles adaptées.

Et avant même d’automatiser, il reste une autre question : le processus mérite-t-il d’être automatisé ?

Automatiser un mauvais processus ne le transforme pas en bon processus. Il peut simplement devenir un mauvais processus beaucoup plus rapide.

Une organisation augmentée n’est donc pas une organisation où chacun utilise l’IA de son côté, mais une organisation qui l’intègre de manière cohérente, sécurisée et réfléchie dans ses processus de travail et de décision pour aboutir à des résultats augmentés.

4. Le résultat augmenté

C’est le dernier niveau, et celui qui doit nous empêcher de tomber amoureux de la technologie.

Une organisation ne devient pas meilleure parce qu’elle utilise davantage d’IA.

La question finale reste brutalement économique et opérationnelle : qu’est-ce qui s’est réellement amélioré ?

Avons-nous réduit le temps nécessaire pour prendre certaines décisions ? Augmenté leur qualité ? Réduit un coût ? Amélioré l’expérience client ? Diminué un risque ? Permis à une petite équipe de produire ce qui nécessitait auparavant beaucoup plus de ressources ? Créé une capacité qui n’existait simplement pas auparavant ?

Si aucune capacité significative n’augmente, nous avons peut-être modernisé l’outillage. Mais nous n’avons pas nécessairement transformé l’organisation.

C’est ce qui donne son sens à la chaîne :

Dirigeant → Décision → Organisation → Résultat.

Le dirigeant augmente sa capacité à comprendre et à agir. Cela doit améliorer certaines décisions. Ces décisions doivent permettre à l’organisation de développer de nouvelles capacités. Et ces capacités doivent finir par produire un résultat observable.

L’IA n’est pas le résultat. Elle est un levier.

Et l’humain dans tout cela ?

Paradoxalement, plus je travaille avec ces systèmes, moins la question « Que restera-t-il aux humains ? » me paraît être la bonne.

La question qui m’intéresse davantage est la suivante : « Quelles capacités humaines deviennent encore plus importantes lorsque l’IA rend certaines tâches intellectuelles plus faciles, plus rapides et plus accessibles ? »

Le jugement, le sens des responsabilités, la capacité à définir une intention, à comprendre finement un contexte, à arbitrer entre des objectifs légitimes mais contradictoires, à assumer la responsabilité d’une décision, mais aussi la confiance, le courage de décider et l’empathie prennent alors une place centrale.

Il y a aussi cette faculté très humaine de dire : techniquement, nous pouvons le faire ; mais cela ne signifie pas que nous devons le faire.

L’IA peut aider à produire des options, des analyses ou des recommandations. Elle ne décide pas, à notre place, de ce qui mérite d’être poursuivi ni de ce dont nous sommes prêts à assumer les conséquences.

Les recherches récentes sur le leadership augmenté sont intéressantes à cet égard. Elles ne décrivent pas simplement un remplacement du leader. Elles commencent plutôt à étudier les conditions dans lesquelles la collaboration entre leader et IA peut modifier le fonctionnement collectif et la performance des équipes^[2].

L’IA ne réduit donc pas nécessairement la valeur du dirigeant. Elle déplace une partie de cette valeur : de la production d’information vers l’intention, le jugement, l’arbitrage, la responsabilité et la capacité à donner du sens.

L’augmentation peut ainsi créer un paradoxe : plus la machine devient capable, plus certaines qualités profondément humaines du dirigeant deviennent visibles.

Et en Afrique ?

Cette question mérite, à elle seule, beaucoup de travail.

Une grande partie des cadres d’adoption technologique que nous lisons est produite dans des environnements disposant d’infrastructures relativement matures, de systèmes d’information structurés, de données abondantes et de budgets technologiques importants.

Ce n’est pas toujours notre point de départ.

Dans certaines organisations africaines, une partie de la mémoire de l’entreprise se trouve dans le logiciel de gestion, une autre dans Excel, une autre dans WhatsApp, une autre dans des documents physiques, et une partie parfois considérable n’existe que dans la tête de quelques collaborateurs.

Ajouter une IA au-dessus de cette architecture ne résout pas automatiquement le problème.

Cela rend même la question de l’architecture encore plus importante.

J’ai identifié quelques travaux récents qui commencent à examiner explicitement le leadership augmenté dans des contextes africains^[4]. Le corpus que j’ai consulté reste toutefois trop limité pour que j’en tire aujourd’hui des conclusions générales.

C’est précisément pourquoi je pense que nous avons intérêt à ne pas simplement importer les réponses.

Nous devons observer, mesurer et documenter ce qui fonctionne ici : avec nos infrastructures, nos données, nos contraintes, nos organisations et nos marchés.

Pourquoi est-ce que je travaille sur cette question ?

Avant de diriger des entreprises, j’ai construit des systèmes.

Puis l’entrepreneuriat m’a progressivement confronté à des problèmes que le logiciel seul ne résout pas : clients, équipes, processus, ressources limitées, opérations, institutions, arbitrages et décisions prises avec une information imparfaite.

Aujourd’hui, l’IA me permet de revenir à la rencontre de ces deux mondes : celui des systèmes et celui du dirigeant.

Mais cette fois, je ne veux pas seulement observer cette transformation de l’extérieur.

Je veux l’expérimenter dans ma propre manière de travailler, dans les organisations que nous construisons, dans la façon dont je prépare certaines décisions, dans ce que je délègue à des intelligences artificielles, dans ce que je refuse de leur déléguer, dans les résultats obtenus et dans les échecs également.

C’est cette expérimentation au contact du réel qui m’intéresse le plus.

Parce qu’au lieu de simplement parler du Dirigeant Augmenté, nous pouvons essayer de comprendre ce qu’il devient réellement lorsque le concept rencontre le terrain.

C’est le travail qui commence

Je vais donc documenter progressivement cette recherche.

Pas chaque nouveau modèle. Pas chaque nouvel outil.

Mais les transformations qui me semblent importantes : le dirigeant, la décision, l’organisation et le résultat.

Je veux confronter cette grille aux recherches disponibles, à mes propres expérimentations, aux entreprises et institutions que j’observe, ainsi qu’aux dirigeants avec lesquels je travaille.

Je partagerai ce qui fonctionne, ce qui échoue, les cas qui nous obligent à revoir nos hypothèses et, progressivement, des cadres de lecture et des méthodes plus solides.

Je ne considère pas la grille présentée ici comme terminée. Au contraire. C’est une première version.

Dans les prochaines semaines, je documenterai ce travail sous trois formes : des expériences menées dans ma propre manière de diriger, des cas observés dans des organisations et des cadres pratiques pour comprendre ce qui peut réellement être augmenté — et ce qui ne devrait pas l’être.

Cet article est donc moins une conclusion qu’un point de départ.

Parce qu’au fond, la question qui m’intéresse n’est pas : jusqu’où ira l’intelligence artificielle ?

Mais plutôt : jusqu’où pouvons-nous augmenter notre capacité à construire, décider et diriger sans abandonner ce qui doit rester profondément humain ?

C’est cette question que je veux désormais travailler.

Notes et références

1. Bevilacqua, S., Masárová, J., Perotti, F. A., et al. (2025). « Enhancing top managers’ leadership with artificial intelligence: insights from a systematic literature review. » Review of Managerial Science, 19, 2899–2935.
2. Liu, P., Watts, D. I., Li, X., Wang, X., & Li, A. (2026). « AI-Augmented Leadership: How, Why, and When Leaders’ Collaboration With AI Enhances Team Performance. » Journal of Organizational Behavior, 1–27.
3. IEEE Digital Reality. « What Is Augmented Intelligence ? » La notion est présentée comme une approche visant à renforcer les capacités cognitives humaines plutôt qu’à remplacer le jugement humain par des décisions autonomes.
4. Alilu, Y. S., Atoyebi, T. A., & Yunusa, E. (2026). « AI-Augmented Leadership and Emotional Intelligence Modelling in African Industrial Setting. » MSI Journal of AI and Technology, 2(2). Ce travail est utilisé ici comme exemple de recherche émergente sur un contexte africain, et non comme preuve suffisante permettant de généraliser l’état de la littérature sur le continent.