ADKAR : pourquoi 70% des projets IA échouent (et comment l'éviter)

Si vous avez déjà déployé une nouvelle technologie dans votre entreprise — un CRM, un nouvel outil de gestion, une plateforme d'IA — vous connaissez peut-être ce scénario : trois mois après la mise en route, l'outil est utilisé à 20% de son potentiel. Vos équipes sont retournées à leurs vieilles habitudes. L'investissement a coûté cher et n'a pas changé grand-chose.

Vous n'êtes pas seul. Selon Prosci, l'institut mondial de référence en gestion du changement, 70% des projets de transformation digitale échouent à atteindre leurs objectifs. Pas parce que la technologie ne fonctionne pas, mais parce que personne ne l'utilise vraiment.

Avec l'IA, la situation est encore plus marquée. Le rythme d'évolution est rapide, les promesses sont fortes, l'adoption est un défi à part entière.

La méthode ADKAR en deux minutes

ADKAR est l'acronyme d'un modèle développé par Prosci pour cadrer la dimension humaine du changement. Il décrit les 5 étapes que chaque personne touchée par un changement doit traverser pour l'adopter durablement :

1. A — Awareness (Conscience) : la personne sait pourquoi le changement arrive et pourquoi maintenant
2. D — Desire (Désir) : la personne veut participer au changement (le bénéfice personnel est compris)
3. K — Knowledge (Savoir) : la personne comprend comment faire dans le nouveau système
4. A — Ability (Capacité) : la personne sait faire dans la pratique
5. R — Reinforcement (Renforcement) : le nouveau comportement est ancré et maintenu dans le temps

L'idée fondamentale : ces 5 étapes se font dans l'ordre. Sauter une étape, c'est garantir l'échec.

Pourquoi les projets IA échouent particulièrement

Voici les 5 erreurs classiques que je vois chez les PME qui déploient de l'IA :

1. On commence par K, en sautant A et D

Le réflexe naturel : on a acheté ChatGPT Enterprise, on organise une formation de 2 heures, et on attend les miracles. Mais sans avoir expliqué pourquoi on adopte l'IA (Awareness), ni convaincu chaque collaborateur que c'est bon pour lui personnellement (Desire), la formation ne sera pas absorbée.

Les équipes écoutent par politesse, retournent à leur écran, et continuent comme avant.

2. La direction explique le pourquoi business, pas le pourquoi humain

« L'IA va nous rendre plus compétitifs » — ça, c'est le pourquoi de l'entreprise. C'est nécessaire mais insuffisant.

Le vrai pourquoi qui déclenche le Desire chez vos collaborateurs, c'est : « L'IA va te libérer du temps sur les tâches répétitives que tu détestes, pour que tu puisses te concentrer sur ce qui te plaît vraiment dans ton métier. »

Cette traduction prend 30 minutes de conversation par équipe. Et elle change tout.

3. On forme sur l'outil, pas sur les cas d'usage

« Voici comment utiliser Claude ». Ok. Et concrètement, dans mon job de comptable, qu'est-ce que je fais en premier lundi matin ?

Le Knowledge doit être contextualisé. Pas un tuto générique sur « comment poser un prompt », mais : « Voici les 3 prompts que tu vas utiliser tous les jours pour ta veille fiscale, voici le résultat attendu, voici comment tu vérifies que c'est fiable. »

4. On confond Knowledge et Ability

Comprendre n'est pas savoir-faire. Vos équipes peuvent regarder le tuto, hocher la tête, et être incapables de reproduire seules une semaine après.

L'Ability se construit par la pratique, le coaching individuel, les ajustements en situation réelle. Pas par une formation magistrale.

5. On oublie le Reinforcement

Le projet est « livré » : la plateforme tourne, la formation a eu lieu, on passe à autre chose. Trois mois plus tard, l'usage s'effondre.

Le Reinforcement, c'est : continuer à mesurer l'usage, célébrer les premiers succès, ajuster les workflows, retravailler les blocages identifiés, organiser des sessions de partage entre utilisateurs. C'est la phase la plus négligée — et la plus critique pour ancrer durablement.

Comment j'applique ADKAR concrètement

Sur chacune de mes missions à Dubaï, l'ADKAR n'est pas un livrable séparé. C'est intégré à chaque phase :

Phase 1 — Cadrage (avant le build) : Je passe du temps avec le dirigeant et 2-3 collaborateurs clés. On clarifie le pourquoi business, on traduit en pourquoi humain, on identifie qui sera enthousiaste, qui sera résistant, et pourquoi. Cette phase dure entre une demi-journée et 2 jours selon la complexité.

Phase 2 — Build (avec implication progressive) : Je n'attends pas la fin du build pour parler aux utilisateurs finaux. Je leur montre des prototypes intermédiaires, je collecte leurs retours, j'ajuste. Quand le go-live arrive, ils ont déjà mis les mains dedans 3 ou 4 fois.

Phase 3 — Go-live et formation contextualisée : Pas de session magistrale. Des sessions courtes (30-60 min) par groupe métier, centrées sur les 3-5 cas d'usage les plus fréquents pour chaque rôle. Pratique immédiate, pas de théorie inutile.

Phase 4 — Reinforcement sur 30 jours : Disponibilité WhatsApp pour répondre aux questions du quotidien, point hebdo court pour identifier les blocages, ajustement des workflows si besoin, célébration des premiers gains de temps mesurables.

Le résultat concret

Sur les projets que j'ai accompagnés avec cette approche en Europe, le taux d'adoption à 6 mois dépasse 80% — contre une moyenne de 30 à 40% sur les projets sans ADKAR.

À Dubaï, où la diversité culturelle des équipes ajoute une couche supplémentaire de complexité (différences de langue, de référentiels, de modes de communication), cette méthode est encore plus pertinente. Les principes ADKAR sont universels — la façon de les appliquer s'adapte à chaque équipe.

En conclusion

Quand on parle de projet IA, on se concentre toujours sur la technologie : quel modèle, quel outil, quelle architecture. C'est nécessaire, mais ça ne représente que 30% du succès.

Les 70% restants — l'adoption humaine — déterminent si votre investissement va vraiment transformer votre entreprise, ou s'il deviendra une ligne budgétaire qu'on oublie au prochain audit.

ADKAR n'est ni magique ni complexe. C'est une discipline simple, appliquée systématiquement, qui change radicalement les chances de succès.

Si vous lancez un projet IA, posez-vous cette question : avez-vous un plan pour les 5 étapes ADKAR, dans cet ordre ? Si la réponse est « non » ou « on verra à la fin », vous savez maintenant pourquoi 70% des projets échouent.