Les réflexions sur les impacts de l’intelligence artificielle (IA) dans les organisations se concentrent aujourd’hui majoritairement sur deux dimensions : d’une part, le travail, à travers les débats relatifs à l’automatisation de certaines activités jusqu’à présent réalisées par des individus ou à l’augmentation des capacités de ces derniers ; et, d’autre part, la stratégie, à travers les promesses de gains de productivité, d’innovation ou d’adaptabilité. En revanche, la question des structures organisationnelles demeure relativement peu explorée alors même qu’elle constitue un enjeu central pour appréhender les transformations à venir.
Il n’est pas besoin d’être grand clerc pour prédire que l’IA va modifier substantiellement l’architecture des organisations. En particulier, elle devrait contribuer à un net aplatissement des structures en réduisant significativement le nombre de niveaux hiérarchiques intermédiaires, notamment dans les grandes organisations. Cette évolution quasi-certaine pose alors une question d’importance : comment l’IA va-t-elle impacter l’allocation du pouvoir de décision au sein des organisations ? Trois scénarios peuvent être envisagés : (1) une recentralisation du pouvoir de décision par l’intermédiaire du management algorithmique ; (2) une décentralisation accrue au profit de l’auto-organisation des équipes opérationnelles ; (3) un scénario hybride permettant de dépasser l’opposition entre centralisation et décentralisation pour exploiter leur complémentarité.
L’IA comme amplificateur du pouvoir managérial : vers des « spans of control » élargis
Le concept de « span of control », qui désigne le nombre de collaborateurs directement rattachés à un responsable, constitue un point d’entrée pertinent pour analyser les effets structurels de l’IA. Il dépend de deux variables principales : d’une part, le besoin en management au sein d’une équipe et, d’autre part, les ressources managériales que le manager est en mesure de mobiliser pour assurer sa fonction.
Le besoin en management varie fortement selon la nature du travail réalisé. Par exemple, une équipe composée d’experts fortement interdépendants, coopérant au sein d’une structure peu formalisée et dans un environnement instable, nécessitera un accompagnement managérial plus important qu’une équipe dont les membres sont chargés d’appliquer des procédures standardisées dans un contexte stable et prévisible. Plus les situations de travail sont singulières, complexes et évolutives, plus la coordination repose sur des ajustements fins et contextualisés, et plus le besoin en management est élevé.
La capacité d’un manager à assumer un large « span of control » dépend également des ressources dont il dispose. Ces ressources peuvent être de différentes natures : le temps qu’il consacre effectivement à sa fonction de management (par opposition au temps qu’il dédit à des activités opérationnelles), le soutien apporté par les fonctions support (notamment le contrôle de gestion, les ressources humaines ou les systèmes d’information) ou encore sa propre maturité managériale.
L’IA n’a pas vocation à réduire le besoin en management. En revanche, elle est susceptible d’augmenter significativement les capacités managériales. En automatisant une part importante du traitement de l’information, du suivi opérationnel, du reporting et du pilotage de la performance, elle permet de libérer du temps et de l’énergie managériale jusqu’ici mobilisés par des activités de coordination et de contrôle.
Des systèmes d’IA capables de consolider en temps réel des données hétérogènes, de détecter des écarts significatifs, d’identifier des signaux faibles ou de produire des synthèses intelligibles rendent possible un pilotage beaucoup plus fin d’équipes étendues. Un manager peut ainsi suivre simultanément un nombre plus important de collaborateurs sans multiplier les interactions directes dans la mesure où une partie du travail de supervision, d’alerte et de synthèse est assurée par les systèmes eux-mêmes.
En augmentant les ressources managériales disponibles, l’IA ouvre donc la possibilité d’élargir les « spans of control » sans dégrader la performance des équipes.
Moins de niveaux, plus de systèmes : l’aplatissement structurel à l’ère de l’IA
La notion de « span of control » est étroitement liée à celle de niveau hiérarchique. À caractéristiques équivalentes, plus le « span of control » moyen est réduit, plus le nombre de niveaux hiérarchiques est élevé, ce qui correspond à des structures dites « pointues ». À l’inverse, des « spans of control » larges conduisent à des structures plus plates, caractérisées par un nombre limité de niveaux hiérarchiques.
Dans la mesure où l’IA permet d’augmenter les « spans of control » en renforçant les capacités managériales, elle offre aux organisations l’opportunité de réduire leur nombre de niveaux hiérarchiques sans perdre ni en cohérence ni en capacité de pilotage. Ce mouvement d’aplatissement va toutefois affecter les différents niveaux hiérarchiques de manière inégale.
Ce sont logiquement les niveaux intermédiaires qui apparaissent les plus exposés. Historiquement, ces niveaux se sont développés pour compenser les limites du sommet stratégique à traiter des volumes croissants d’information, à suivre un nombre de plus en plus conséquent de situations locales diversifiées et, dans le même temps, à assurer une coordination globale. Or, l’IA est précisément en mesure de prendre en charge une part croissante de ces fonctions de médiation, de consolidation et de contrôle. Par exemple, l’agrégation automatisée des données, les tableaux de bord dynamiques, les alertes prédictives, les contrôles de conformité en continu ou encore la simulation de scénarios permettront au sommet stratégique et aux managers de proximité d’accéder directement à des informations autrefois filtrées, interprétées et véhiculées par le management intermédiaire.
Les rôles du management intermédiaire, principalement fondés sur la transmission de l’information, la supervision directe ou la validation procédurale, voient ainsi leur légitimité structurelle s’éroder. La suppression de certains niveaux intermédiaires apparaît ainsi comme une conséquence inéluctable de l’intégration de l’IA dans les dispositifs de pilotage.
Se pose alors une question centrale : quel sera l’impact de l’aplatissement des structures sur la distribution du pouvoir de décision au sein des organisations ? Trois scénarios sont ici possibles.
Scénario 1 – Quand les algorithmes gouvernent : la recentralisation invisible du pouvoir
Dans un premier scénario, l’IA pourrait conduire à un renforcement de la centralisation du pouvoir de décision, non plus par la voie hiérarchique traditionnelle, mais par les systèmes, les modèles et les algorithmes. À mesure que les niveaux intermédiaires disparaissent, les outils numériques permettent au sommet stratégique de reprendre la main sur les principaux leviers de management : définition des critères de performance, des normes de fonctionnement et des règles d’arbitrage en fonction des priorités stratégiques de l’organisation.
Le pouvoir ne s’exerce alors plus directement par de multiples décisions humaines ponctuelles, mais à travers la conception d’un cadre algorithmique contraignant pour les décisions opérationnelles prises à la base de l’organisation. Les arbitrages, autrefois réalisés au cas par cas par les managers intermédiaires en fonction de leur connaissance du terrain, sont progressivement encodés dans des mécanismes automatiques, systématiques et standardisés. Par exemple, la priorisation des activités, l’allocation des ressources ou l’évaluation de la performance peuvent être produites automatiquement à partir de modèles prédictifs intégrant des objectifs fixés par le sommet stratégique.
Dans ce contexte, les managers de proximité disposent certes de « spans of control » élargis, mais, dans les faits, leurs marges de manœuvre réelles sont fortement réduites. Leur rôle consiste moins à décider qu’à faire appliquer des décisions de facto inscrites dans les systèmes. L’autonomie apparente des équipes opérationnelles masque une contrainte décisionnelle forte, engrammée dans des dispositifs techniques dont les règles sont peu visibles, difficilement contestables et non négociables. Le pouvoir de décision se concentre alors en amont, au moment de la conception et du paramétrage des algorithmes, plutôt que dans l’action du quotidien.
Scénario 2 – Des équipes qui décident : l’IA au service de l’auto-organisation
À l’inverse, dans un deuxième scénario, on peut envisager l’IA comme un levier de décentralisation du pouvoir de décision. En donnant un accès direct, partagé et intelligible à l’information, elle remet en cause l’un des fondements historiques de la centralisation organisationnelle : l’asymétrie informationnelle. Des outils d’IA capables de rendre lisibles des données complexes, de produire des diagnostics contextualisés ou de simuler les conséquences de différentes options permettent aux équipes opérationnelles d’arbitrer leurs priorités et d’ajuster leur organisation du travail sans recourir systématiquement à une validation hiérarchique.
Dans cette configuration, des décisions autrefois réservées au management intermédiaire (par exemple la réaffectation de ressources entre activités, l’adaptation des objectifs à une situation locale ou la résolution de conflits de priorités) peuvent être prises directement par les équipes sur la base d’informations partagées et de scénarios simulés. L’IA ne décide pas à la place des individus, mais élargit leur capacité décisionnelle en rendant visibles les conséquences possibles de leurs choix.
L’IA permet également de soutenir la prise de décision collective sans se substituer aux membres des équipes. En simulant des scénarios, en rendant visibles les interdépendances entre équipes ou en alertant sur les risques systémiques, elle joue un rôle de tiers cognitif au service de l’auto-organisation. Les équipes peuvent ainsi décider localement tout en restant alignées sur les objectifs globaux de l’organisation, non par contrainte hiérarchique, mais par compréhension partagée des enjeux stratégiques.
Dans ce scénario, le rôle du sommet stratégique évolue vers une gouvernance par les finalités et les principes d’action plutôt que par le contrôle et la supervision directe. Il s’agit moins de prescrire de manière détaillée des processus que de créer un cadre permettant une autonomie responsable et outillée par des systèmes d’IA conçus comme des supports à la décision plutôt que comme des instruments de contrôle.
Scénario 3 – Gouverner par le cadre, libérer l’action : la voie de l’hybridation
Les deux scénarios précédents, bien que contradictoires en apparence, peuvent être combinés dans une configuration hybride. Dans ce troisième scénario, l’IA permet une centralisation du cadre décisionnel tout en favorisant une décentralisation effective des décisions opérationnelles.
Le sommet stratégique renforce son pouvoir en gouvernant par des règles, des modèles et des principes intégrés aux systèmes numériques. Par exemple, des règles d’arbitrage, des seuils de risque acceptables ou des priorités stratégiques peuvent être formalisés et intégrés dans les outils utilisés par les équipes. Cette centralisation en amont des processus décisionnels crée paradoxalement les conditions d’une autonomie locale accrue : plus le cadre est explicite, cohérent et outillé par des systèmes d’IA transparents, plus les équipes peuvent décider sans recourir à une validation hiérarchique constante et pesante.
L’IA agit alors comme une infrastructure de coordination distribuée, réduisant le besoin d’intervention hiérarchique tout en maintenant une forte cohérence d’ensemble. Les décisions locales, captées et analysées par les systèmes, alimentent en retour des mécanismes d’apprentissage organisationnel permettant d’ajuster en continu les règles et les modèles sans recentraliser l’exécution de leur mise en œuvre. Centralisation et décentralisation cessent ainsi d’être antagonistes pour devenir complémentaires, le pouvoir de décision permettant une circulation fluide et harmonieuse de l’information descendante et ascendante entre les différents niveaux de l’organisation.
Trois scénarios, trois conditions de réussite
Le scénario de la recentralisation algorithmique apparaît le plus probable à court terme, notamment dans les grandes organisations soumises à de fortes pressions de performance. Il s’inscrit dans des logiques déjà largement à l’œuvre de standardisation, de pilotage à distance et d’optimisation des coûts. Il comporte toutefois des risques significatifs de déconnexion du réel de la part des dirigeants, de désengagement des équipes et d’un développement excessif de la bureaucratisation numérique.
Le scénario fondé sur l’auto-organisation exige des conditions bien plus contraignantes : un haut niveau de confiance partagée, une forte maturité des équipes, des dirigeants capables de renoncer à une partie du contrôle direct ou encore une gouvernance acceptant la variété, la diversité et l’incertitude locales. Il est plus probable au sein d’organisations déjà engagées dans des démarches d’agilité et de responsabilisation des équipes ou confrontées à une complexité rendant la centralisation inopérante, y compris par les algorithmes.
Enfin, le scénario hybride est sans doute le plus exigeant sur le plan organisationnel et culturel. Il suppose une capacité rare à faire vivre ensemble centralisation et décentralisation sans que l’une n’annihile l’autre. Sa réussite repose moins sur la technologie que sur la gouvernance : transparence des règles algorithmiques, capacité d’apprentissage à partir du terrain et reconnaissance explicite des tensions entre contrôle et autonomie. À ce titre, il constitue probablement la voie la plus prometteuse, mais aussi la plus difficile, pour concilier durablement performance, adaptabilité et légitimité managériale à l’ère de l’IA.
Et dans votre organisation, quel scénario est le plus probable ?
