Le leadership en IA : Plus qu'acheter des outils, redéfinir le portefeuille de travail
La conversation de HBR Executive Live entre Adi Ignatius et Ryan Roslansky, PDG de LinkedIn, aborde la question de l'IA où cela fait vraiment mal aux entreprises : sur le marché du travail réel, avec des signaux mesurables. Sous sa direction, LinkedIn est passé de 7 milliards de dollars à 17 milliards de dollars de revenus annuels et a dépassé 1 milliard de membres, s'appuyant sur des investissements dans l'IA, des outils de recrutement plus intelligents, un appariement par compétences et l'utilisation de la vidéo. Cet aspect est moins important pour le prestige corporatif que pour ce qu'il révèle : lorsque qu'une plateforme observe l'ensemble du marché, elle détecte plus rapidement comment le travail se redéfinit.
Roslansky soutient que l'IA est une ajout net positif pour l'emploi et l'appuie avec deux chiffres qui contredisent la narration simpliste du remplacement massif : 1,3 million de nouveaux postes liés à des rôles en IA (y compris les annotateurs de données) et plus de 600 000 nouveaux emplois dans les centres de données. Parallèlement, LinkedIn constate que les exigences en matière de compétences par rôle ont changé de plus de 25 % au cours des dernières années et projette un changement de 70 % d'ici 2030.
Cet ensemble de chiffres impose une lecture différente du leadership. L'IA n'est pas “en train d'arriver” ; elle redéfinit déjà les budgets, les talents et le pouvoir interne. La question opérationnelle pour les dirigeants n'est plus quel outil acheter, mais comment redéfinir le portefeuille de travail sans compromettre le moteur de revenus.
La réalité derrière le fait d'"anticiper" : le travail se décompose en tâches
L'apport le plus utile de la conversation n'est pas une liste de recommandations aspirantes. C'est le cadre : le travail cesse d'être un "poste" et devient un ensemble de tâches avec divers degrés d'automatisation. En pratique, cela change l'objet de la gestion. Si un rôle contient des tâches répétitives, une partie de ce temps est libérée. Si de plus, le marché exige de nouvelles capacités, ce temps est réaffecté ou perdu. La différence entre productivité et désordre réside dans la conception organisationnelle.
Les données de LinkedIn montrent simultanément création et réaffectation. D'une part, des emplois nouveaux apparaissent autour de l'IA : pas seulement des scientifiques des données, mais également des annotateurs, des profils d'implémentation et, de manière plus concrète, du travail physique dans des infrastructures avec des centres de données. D'autre part, la conversation reconnaît une pression sur les postes d'entrée, mais Roslansky attribue cette baisse à des facteurs macroéconomiques tels que les taux d'intérêt, et non à l'IA. Cela compte également : si le diagnostic est erroné, le plan de talents devient de la propagande.
Pour un leader, "anticiper" dans ce contexte signifie maitriser trois leviers, et non un. D'abord, décomposer les fonctions critiques en tâches et cartographier ce qui est automatisé aujourd'hui. Deuxièmement, reconstituer le rôle avec des tâches à plus forte valeur qui nécessitent un jugement humain. Troisièmement, recomposer le système d'incitations pour que l'apprentissage soit partie intégrante du travail et ne soit pas une activité marginale.
Ici, la bureaucratie a tendance à gagner par inertie. De nombreuses organisations répondent en créant des comités sur l'IA, des politiques interminables et des tableaux de bord qui mesurent l'adoption comme s'il s'agissait d'un investissement en capital. Mais l’adoption réelle se perçoit dans les flux : temps économisé, cycle de livraison réduit, capacité libérée pour les ventes, les opérations ou le produit. Si le leadership ne déplace pas le travail de manière explicite, l'IA devient une couche supplémentaire de complexité.
Le cas LinkedIn : Monétiser l'IA n'est pas de la magie, c'est un système d'allocation du capital
La croissance de LinkedIn sous la direction de Roslansky suggère un schéma plus intéressant que le simple fait qu'ils ont "utilisé l'IA". L'entreprise a transformé les données et les produits en un actif qui améliore l'appariement entre l'offre et la demande de travail. Cet appariement - s'il est amélioré - accroît la valeur perçue, la rétention et la volonté de payer pour des solutions de recrutement et des services associés. L'IA ici n'est pas un projet isolé : c'est partie intégrante du moteur.
En termes de portefeuille, je le sépare en quatre axes que toute entreprise doit gérer, même si elle ne les nomme pas ainsi. (1) le moteur actuel de revenus ; (2) l'efficacité opérationnelle ; (3) l'incubation d'idées ; (4) la transformation pour faire évoluer le nouveau. LinkedIn semble avoir exécuté sur les quatre : il a renforcé le moteur avec de meilleures recommandations et appariements, utilisé l'IA pour rendre le recrutement plus "intelligent", poussé de nouveaux formats comme la vidéo et, surtout, a renforcé une thèse de marché : le CV statique vaut moins que des preuves dynamiques de compétences.
Ce dernier point a un sous-texte stratégique. Si les exigences en matière de compétences ont déjà changé de plus de 25 % et qu'un changement de 70 % est attendu d'ici 2030, l'avantage ne sera pas "d'avoir des talents", mais de les recycler rapidement. Une plateforme comme LinkedIn bénéficie de cette friction : lorsque le marché évolue, tout le monde revient mettre à jour ses profils, chercher des signaux, valider ses capacités et recruter plus rapidement. Pour une entreprise traditionnelle, cette même friction engendre des coûts : rotation, longues vacances, erreurs de recrutement et baisse de productivité.
La lecture exécutive est inconfortable : il ne suffit pas de former les gens sur les outils d'IA. Il faut redéfinir comment se décide quelles compétences importent, qui les certifie en interne et comment les leaders sont récompensés pour restructurer des rôles sans perdre en performance.
Le point aveugle du C-Level : mesurer la réinvention avec des KPIs d'une entreprise mature
Le plus grand risque que je perçois n'est pas technologique. C'est une question de gouvernance. La plupart des entreprises tentent d'introduire l'IA dans des structures pensées pour la stabilité, pas pour l'apprentissage. On demande un retour immédiat sur des initiatives qui, par définition, commencent avec une incertitude. On presse les équipes à promettre des économies avant de comprendre le processus. On centralise la décision "pour contrôler les risques" et on étouffe la vitesse.
Les données de LinkedIn sur l'accélération du changement de compétences rendent obsolète la planification annuelle des talents basée sur les postes. Si le contenu du travail change, le modèle de contrôle doit changer. Cela nécessite de séparer deux rythmes au sein de la même entreprise.
Dans le moteur de revenus, discipline : protéger les marges, assurer la qualité, éviter de dégrader le service. Dans l'exploration, des règles différentes : objectifs d'apprentissage, cycles courts et véritable autonomie pour redessiner les processus sans demander la permission à cinq comités. Lorsque ces mondes se mélangent, on obtient ce qu'il y a de plus habituel : l'entreprise déclare une "transformation" et finit par faire une optimisation incrémentale.
Roslansky promeut également une logique de recrutement basée sur les compétences. Au-delà de la discussion culturelle, opérationnellement, cela signifie une redéfinition des filtres. Si le marché cesse de valoriser les parcours linéaires et les "carrières", comme il le dit, l'entreprise qui continue à recruter avec des exigences rigides s'auto-impose une pénurie de talents. De plus, elle perd la diversité des profils pour une raison purement mécanique : elle confond signal et certification.
En leadership, cela se traduit par des décisions concrètes. Budget : combien de capitaux et de temps sont alloués à la redéfinition des tâches clés. Incitations : quels objectifs sont fixés aux leaders fonctionnels afin qu'ils livrent des résultats tout en reconstruisant des capacités. Rythme : à quelle cadence les compétences critiques sont-elles examinées et les personnes réaffectées. Si rien de tout cela ne change, l'IA entre par des licences de logiciels et sort par la frustration opérationnelle.
L'avantage durable : protéger le cœur tout en construisant la capacité de changement
La conversation de HBR n'annonce ni alliances ni plan de produit ; elle fonctionne comme un signal de marché. LinkedIn se positionne comme un baromètre de l'emploi et, avec cela, pousse un agenda : alphabetisation en IA et développement de compétences humaines non remplaçables. Roslansky évoque un ensemble de "cinq compétences humaines" que l'IA ne peut remplacer, bien que dans les extraits disponibles, elles ne soient pas étiquetées. Bien qu'il n'y ait pas la liste, le point pertinent pour un leader est que ces capacités humaines ne sont pas "déclarées" : elles sont conçues dans le travail.
Si une organisation automatise des tâches sans redéfinir où s'applique le jugement humain, les gens ne développent pas ce jugement ; ils se désengagent. Si une équipe intègre l'IA et ne modifie pas le flux de décision, la production s'accélère mais la responsabilité reste floue. Si l'on demande de la créativité et de la collaboration, mais que l'on mesure uniquement l'exécution par rapport au budget, on obtient du respect des règles, pas de l'adaptation.
La création d'emplois en IA et dans les centres de données renforce également une réalité économique : les dépenses se déplacent vers l'infrastructure et le déploiement. Ce n'est pas simplement un jeu de modèles ; c'est un changement dans les chaînes d'approvisionnement, l'énergie, les opérations et la maintenance. Pour les entreprises non technologiques, cela se traduit par une dépendance envers les fournisseurs et une pression pour développer des profils d'implémentation et d'exploitation, pas uniquement de "stratégie".
Un leadership efficace en IA se voit lorsque le portefeuille est explicite : le cœur est protégé par efficacité et orientation commerciale, tandis qu'une partie de l'organisation fonctionne avec une autonomie suffisante pour redessiner le travail, valider de nouvelles pratiques et étendre ce qui fonctionne sans être freiné par les KPIs d'une entreprise mature.
Conclusion : le nouveau standard est de gouverner à deux vitesses sans détruire aucune
Les données présentées par LinkedIn décrivent un marché où l'emploi se crée, mais où les compétences deviennent périssables à un rythme que la plupart des entreprises ne sont pas prêtes à gérer. Le leadership qui "prend de l'avance" est celui qui transforme les rôles en tâches, réaffecte les talents avec discipline et finance l'exploration avec des métriques d'apprentissage, tout en protégeant le moteur de revenus avec des contrôles adaptés à une entreprise mature. La viabilité dépend de la capacité à maintenir la rentabilité actuelle tout en ne négligeant pas la reconstruction des compétences avant 2030.
