Nous avons un client qui a installé l'an dernier un système de préparation de commandes par IA dans son entrepôt. L'équipement a été installé, le système a été mis en service et, trois mois plus tard, le bilan a montré un usage inférieur à la moitié. Les préparateurs expérimentés continuaient d'utiliser les anciennes méthodes, et le nouveau système restait là comme un meuble. Le propriétaire ne comprenait pas : l'argent était dépensé, la technologie était bonne, alors pourquoi l'équipe refusait-elle de l'utiliser ?

Je connais bien cette histoire. Après des années dans la vente 3PL, j'ai vu trop de projets d'IA mourir non pas à cause de la technologie, mais à cause des personnes. Quand les employés d'entrepôt résistent à l'IA, ce n'est jamais parce qu'ils sont lents ou paresseux. C'est parce que personne ne leur a répondu à trois questions : mon emploi est-il toujours là, qui assume la faute quand quelque chose tourne mal, et que se passe-t-il si je n'arrive pas à l'apprendre ? Laissez ces questions sans réponse, et la résistance est garantie.

Trois vraies raisons pour lesquelles les employés d'entrepôt résistent à l'IA

Premièrement, la peur de perdre leur emploi. C'est la raison la plus directe et la moins susceptible d'être dite à voix haute. Au début de 2025, l'un des entrepôts d'un client a installé une ligne de tri automatisée, et la rumeur s'est répandue parmi le personnel expérimenté que « la moitié d'entre nous sera licenciée l'année prochaine ». La direction n'avait aucun plan de licenciement, mais personne ne l'a dit, et la rumeur a grandi toute seule. Au cours du premier mois après la mise en service, les démissions ont nettement augmenté et plusieurs employés expérimentés sont partis. La leçon contre-intuitive, c'est qu'une rumeur de licenciement nuit davantage à une équipe que l'IA elle-même, et que démentir la rumeur tôt coûte bien moins cher que de réembaucher plus tard.

Deuxièmement, la peur d'être blâmé. L'IA fait une recommandation, l'employé la suit, et quelque chose tourne mal. À qui la faute ? C'est ce qui empêche les chefs d'équipe de dormir. Un chef avec plus d'une décennie sur le terrain m'a dit un jour : « Quand je jugeais par expérience, j'assumais l'erreur. Maintenant, le système me dit quoi faire, alors s'il se trompe, est-ce la faute du système ou la mienne ? » Si la ligne de responsabilité n'est pas claire, le choix rationnel pour un employé est de ne pas utiliser le système, ou de faire semblant de l'utiliser.

Troisièmement, la peur de ne pas pouvoir l'apprendre. Beaucoup d'employés d'entrepôt expérimentés sont âgés, et les écrans et les scanners étaient déjà un défi. Ajoutez un système d'IA par-dessus, et la pression est réelle. Ceux qui craignent de ne pas pouvoir l'apprendre ne le diront pas. Ils diront « ce truc ne fonctionne pas » ou « l'ancienne méthode est meilleure », en utilisant la critique du système pour masquer leur propre anxiété.

Trois scènes d'employés qui résistent à l'IA : le vétéran, le nouvel embauché et le chef d'équipe

Commençons par le vétéran. Au second semestre de 2024, un préparateur nommé Chen, dans l'entrepôt d'un client, préparait des commandes depuis dix-huit ans et savait où se trouvait chaque article les yeux fermés. Après la mise en service de l'IA, le système lui a demandé de suivre son itinéraire suggéré. Deux jours plus tard, il a abandonné : « Mon itinéraire est plus court que le sien. Pourquoi devrais-je l'écouter ? » Nous avons changé d'approche. Chen a suivi son propre itinéraire pendant deux semaines pendant que le système se contentait d'enregistrer sans jamais intervenir, puis nous lui avons montré les données : l'itinéraire du système représentait en moyenne environ dix pour cent de marche en moins par commande. Chen n'a rien dit, et le lendemain, il a commencé à suivre le système. Les vétérans ne s'opposent pas à l'IA. Ils s'opposent au fait qu'une machine leur apprenne leur métier. Laissez-les gagner une fois, puis parlez du changement.

Les nouveaux embauchés, c'est une autre histoire. Quand un nouvel entrepôt a ouvert en 2025, un groupe d'employés dans la vingtaine a assimilé la formation à l'IA en une seule session. Le problème, c'est qu'ils en dépendaient trop : quand le système tombait en panne, tout l'atelier se figeait. La formation doit garder une carte en réserve : enseigner la logique derrière le système, et organiser régulièrement des exercices « sans système » pour que les gens sachent où sont les marchandises et pourquoi elles sont là. L'IA est une béquille, pas un fauteuil roulant.

Le chef d'équipe est la scène la plus importante de toutes. Le chef d'équipe est le véritable gardien de l'adoption de l'IA : s'il ne l'utilise pas, personne en dessous de lui ne l'utilisera. Mon expérience, c'est de faire du chef un initié avant la mise en service, de l'impliquer dans la conception du processus, de le laisser apprendre le premier, voir les données le premier et les présenter à l'équipe le premier. Nous avons fait exactement cela sur un projet de 2025, et le chef est passé du plus grand sceptique au champion du projet. L'usage a dépassé quatre-vingts pour cent dans les deux semaines suivant la mise en service. Gagnez le chef d'équipe et vous avez gagné la moitié du déploiement.

Formation et incitations qui renversent la résistance à l'IA

La conception de la formation repose sur trois règles strictes. Premièrement, la pratique d'abord, sans notation. Pendant le premier mois après la mise en service, uniquement de la pratique, pas de tests, et pas de sanctions en cas d'erreur. Une seule sanction multiplie la résistance par dix. Deuxièmement, les vétérans forment les nouveaux. Ceux qui apprennent les premiers enseignent à ceux qui apprennent ensuite ; l'enseignant reçoit une récompense, l'apprenant reçoit de la compagnie. Troisièmement, enseigner par étapes. Ne déversez pas toutes les fonctionnalités sur les employés d'un coup. Enseignez la fonction la plus utilisée, laissez-les la maîtriser, puis ajoutez la suivante.

Les incitations demandent encore plus de soin. La règle la plus importante : les primes d'efficacité ne doivent jamais être liées à une réduction des effectifs. Dès que les employés croient que « plus nous sommes efficaces, plus vite on nous licencie », même la meilleure formule de prime devient un désincitatif. La bonne approche consiste à lier les primes à l'efficacité de l'équipe et aux taux d'erreur, et à utiliser la main-d'œuvre libérée pour absorber plus de volume plutôt que de supprimer des postes. Un client a fait cela en 2025 : après la mise en service de l'IA, l'efficacité par personne a augmenté, les primes ont augmenté avec elle, et l'équipe a activement demandé plus de commandes. Personne n'a parlé de licenciements.

La direction commet trois erreurs encore et encore, et je vais les nommer clairement. Premièrement, ne rien dire avant la mise en service et l'imposer aux gens par surprise. Deuxièmement, ne former qu'aux opérations sans jamais expliquer le « pourquoi », de sorte que les employés savent comment faire mais pas à quoi ça sert. Troisièmement, présenter l'IA comme un outil pour économiser des effectifs au lieu d'un outil pour aider les gens à travailler. Changez le discours, et la moitié de la résistance disparaît.

Une étape supplémentaire est facile à négliger : le bilan post-lancement. Beaucoup de projets considèrent la mise en service comme la ligne d'arrivée, et trois mois plus tard, plus personne ne surveille l'usage. Quand quelqu'un remarque que les employés reviennent discrètement aux anciennes méthodes, il est trop tard. Ma pratique consiste à convenir avec le client d'un bilan mensuel des données après la mise en service : taux d'usage, taux d'erreur et retours des employés, les trois ensemble. Quand l'usage baisse, demandez d'abord au chef d'équipe, puis aux employés de terrain. Les raisons sont généralement précises : une fonctionnalité est trop compliquée, une consigne n'est pas claire, une panne du système n'a pas été traitée. Corrigez ces petits problèmes un par un et l'usage se maintient. L'adoption de l'IA n'est pas un projet ponctuel. C'est une opération continue.

Un autre client, en 2025, est allé plus loin : il a inscrit l'usage de l'IA dans le bilan mensuel du chef d'équipe, et non dans les évaluations des employés de première ligne. Chaque mois, le chef indiquait qui avait encore des difficultés, où ils bloquaient et comment l'équipe les aiderait le mois suivant. C'était une décision intelligente. La pression reposait sur la direction, tandis que les employés ne ressentaient que du soutien, jamais de jugement. Six mois plus tard, cet entrepôt maintenait l'usage autour de quatre-vingt-dix pour cent, et les démissions étaient même légèrement inférieures à celles d'avant l'arrivée de l'IA. Les employés ne résistent pas à l'IA. Ils résistent au sentiment d'être jugés par elle.

La prochaine fois que vous négocierez un contrat, pensez à poser trois questions : quel est le budget pour la formation des employés, le premier mois après la mise en service sera-t-il noté, et à quoi exactement les primes d'efficacité sont-elles liées ? Les réponses à ces trois questions vous diront si un projet d'IA est une adoption réelle ou juste du théâtre.

Par Susan, Directrice des ventes 3PL Traduit de l'anglais. En cas de divergence, la version anglaise fait foi.