Read in English

Le manager de proximité est le grand oublié de l’équation IA — et pourtant, c’est lui qui la vivra le plus intensément.

Dans le réglementaire, il n’est pas seulement un encadrant : c’est l’expert qui valide la stratégie documentaire, revoit et approuve les livrables.

Perdants ou gagnants ? Les deux scénarios existent déjà.

Le scénario perdant ne s’annonce pas. Il s’installe.

Les agents se multiplient avant que l’organisation ne soit prête. Le manager est tenu de garder le même niveau de qualité, dans les mêmes délais, sur des livrables qu’il doit désormais approuver sans avoir les moyens de les contrôler — ni le temps, ni les critères, ni la traçabilité qui lui permettrait de dire pourquoi il a validé. Personne ne lui a expliqué la stratégie IA ; il la découvre à travers les outils qui apparaissent dans son périmètre. Un périmètre qui parfois se réduit sans explication. Et pendant ce temps, il peine à rassurer une équipe dont il partage l’inquiétude.

Ce n’est pas un manager mal accompagné. C’est un point de contrôle qui dérive sans cadre.

Le scénario gagnant se construit.

Avant son déploiement, chaque workflow documente ce que le manager garde, ce qu’il délègue à un agent, et ce dont il répond.
On lui montre comment ces agents fonctionnent, où ils se trompent, et surtout ce qu’ils ne savent pas faire, pour qu’il puisse juger au lieu de croire. Piloter une équipe mixte, humains et agents, est traité comme un métier distinct dans lequel investir. Et on le débarrasse de ce qui l’encombre — non pour lui donner plus de dossiers, mais pour sanctuariser ce qu’aucun agent ne fera à sa place : former ses juniors, trancher les cas ambigus, répondre de la qualité de ce qui sort, quelle qu’en soit la source.

Le manager demeure un point de contrôle qui tient.

Aucun manager ne devient perdant tout seul.
Ce qui tranche, ce sont des conditions : une connaissance fine des processus, une place dans l’identification des cas d’usage, le rôle de référent de la transformation sur son périmètre, et le temps d’exercer le regard critique qui permet d’arrêter une erreur avant qu’elle ne sorte.
Et chacune de ces conditions se décide.

Ce qui sépare les deux scénarios, c’est de savoir quelles conditions manquent — avant le déploiement à l’échelle.