[Compte-rendu] Table ronde déploiement de l’IA en entreprise : entre usages, cadre et confiance, où placer le curseur ?

Table ronde · Septembre 2026

Le 24 septembre 2026, Le Lab RH, en partenariat avec Lefebvre Dalloz, a réuni des professionnels RH au Morning Concorde (Paris 8) autour d’une question : comment déployer l’IA en RH en trouvant le bon équilibre entre expérimentation, cadre et confiance ?

Derrière le mot « déploiement », les réalités sont très différentes : certaines entreprises donnent accès à un outil comme Copilot à tous leurs collaborateurs, d’autres développent leurs propres solutions, s’appuient sur des IA spécialisées ou commencent à intégrer leurs propres données et documents. Côté RH aussi, les usages évoluent. La table ronde a exploré où en sont réellement les entreprises, les questions à se poser avant de se lancer et les usages RH qui se développent.

1. Où en sont réellement les entreprises ?

Les études sur le déploiement de l’IA en entreprise se multiplient, parfois avec des chiffres très différents. Tout dépend de ce qu’on entend par « déploiement ». Deux chiffres pour poser le décor :

Le diagnostic terrain : un écart qui se creuse

• Des feuilles de route, mais des usages encore individuels : la majorité des équipes RH ont une première feuille de route et des cas d’usage identifiés et priorisés. Mais l’IA reste surtout un outil personnel. Peu d’équipes en ont fait un outil collectif, par exemple un agent partagé qui prépare toutes les fiches de poste selon la méthode de l’équipe.

Plusieurs approches coexistent :

• Les IA généralistes (Claude, ChatGPT, Copilot).
• Les IA spécialisées, appuyées sur un corpus identifié pour fiabiliser les réponses et limiter les hallucinations.
• Les IA intégrées aux outils existants (SAP, Workday), une approche qui selon Paul Courtaud perd de la vitesse.
• Les IA locales, des modèles open source à télécharger et faire tourner sur ses propres machines. Encore sous-utilisées, elles répondent pourtant à une partie des enjeux de sensibilité des données RH.

• Copilot, un potentiel sous-exploité : présent dans la majorité des grands groupes, il a souffert d’un démarrage difficile et d’une mauvaise image. Il a pourtant beaucoup progressé ces derniers mois, et de nombreux cas d’usage sont déjà accessibles avec les outils à disposition.

Trois niveaux d’usage, à franchir dans l’ordre

1. Les usages expérimentaux : reformuler une fiche de poste, améliorer un mail, générer une politique interne. Chacun délègue une tâche et apprend quel niveau de contexte fournir pour obtenir un résultat de qualité. Une étape indispensable pour élever la culture IA moyenne de l’équipe RH.
2. L’usage tactique : analyse de données, préparation de benchmarks, création de contenu. C’est le moment où l’on passe de l’individuel au collectif : on pose les processus à plat et on les reconstruit autour de l’IA, au lieu d’ajouter l’IA à l’existant. Cet usage reste encore peu répandu.
3. L’usage stratégique : mettre l’IA au service du business. Dans une fusion-acquisition, par exemple, évaluer les compétences et les écarts entre deux organisations, ou repérer les compétences émergentes pour éclairer les managers. Un usage encore très sous-exploité.

2. Avant de se lancer : les bonnes questions à se poser

Déployer l’IA ne se résume pas au choix d’un outil. Le besoin, les données, le cadre juridique et la manière d’expérimenter se travaillent en amont.

Le cadre juridique : RGPD, RIA et droit du travail (CNIL)

• Trois textes qui se croisent : le RGPD (règlement général sur la protection des données), le RIA (règlement européen sur l’intelligence artificielle), qui entre en vigueur progressivement et s’appliquera très bientôt aux systèmes d’IA à haut risque, et le droit du travail.
• Une logique de responsabilisation : ces textes demandent d’apprécier les risques en amont et d’identifier les mesures adaptées. C’est contraignant, mais Noémie Briantais Fofana y voit aussi un atout : se poser les bonnes questions tôt crée un climat de confiance et de dialogue, et les salariés font plus facilement confiance aux outils proposés.
• Conforme dès le test : la mise en conformité au RGPD intervient avant tout traitement de données, celle du RIA avant le développement ou le déploiement d’un système d’IA. Un test ou un POC (proof of concept) doit donc déjà être conforme.
• La transparence comme levier de confiance : elle aide les salariés à comprendre ce qui se passe et à exercer leurs droits. Les plaintes reçues par la CNIL sur les outils d’IA en entreprise sont souvent liées à un manque de transparence.
• Un impact direct sur les RH : le RIA interdit certaines pratiques, comme inférer les émotions des candidats et des salariés. Beaucoup d’outils RH seront qualifiés de systèmes à haut risque, avec des obligations et une documentation plus lourdes. S’y ajoutent l’encadrement des données sensibles (santé, données syndicales), de la décision individuelle automatisée et de la surveillance des salariés.
• Un contrôle en aval : la CNIL dispose d’un pouvoir de sanction. Elle mène actuellement des travaux sur l’IA au travail, qui ont vocation à alimenter ensuite son programme annuel de contrôles.

Le rapport de la Cour des comptes sur la stratégie IA de France Travail (à consulter ici) illustre les difficultés à mener des projets IA à leur terme, notamment faute d’avoir identifié en amont les enjeux de mise en conformité, leur coût en temps et en charge de travail, et le nombre d’acteurs internes à mobiliser.

Les premières questions à se poser

• Quel cadre ? Une stratégie, un processus et un pilotage collectif mis en place dès le début de la réflexion. Associer au plus tôt le DPO (délégué à la protection des données) ou le juriste en charge, et un référent éthique pour les systèmes à haut risque. Cartographier les outils utilisés et les traitements de données, en cours ou à venir.
• Pourquoi ? L’objectif du traitement est la base : c’est lui qui fonde ensuite la démonstration de la nécessité et la proportionnalité de l’outil. Pas de collecte « au cas où ». C’est aussi à partir de lui qu’on vérifie que la pratique est licite au regard du Code du travail et du RIA.
• Comment ? Outil sur étagère ou développement interne : les obligations dépendent du rôle de l’entreprise au sens des textes (responsable de traitement, sous-traitant, fournisseur, déployeur).
• Quelle documentation ? Selon les cas, une notice d’information pour un système développé en interne, une analyse d’impact sur les droits fondamentaux pour un système à haut risque, une analyse d’impact relative à la protection des données (AIPD) pour beaucoup de traitements RH. À ce stade, trois documents distincts, qui mobilisent le métier, le chef de projet, le DPO et le référent éthique. C’est souvent là que les projets prennent du retard.
• Quelle information, et à quel moment ? Informer les personnes avant le déploiement, sur les données traitées mais aussi sur l’explicabilité du système : comment l’utiliser, comment lire ses résultats.
• Quels droits ? Prévoir l’exercice des droits prévus par le RGPD, par exemple le droit de faire rectifier une donnée de sortie inexacte.
• Quelle sensibilisation ? Former au bon usage de l’outil, pour éviter par exemple que des collaborateurs confient à un chatbot des informations personnelles inutiles, ce qui met l’organisation en insécurité juridique.

Les usages qui demandent une vigilance particulière (CNIL)

• Les données d’entraînement et les paramètres : mal conçu, un outil peut faire sortir complètement du cadre légal. Le cas Amazon en est l’exemple : un outil de tri de CV entraîné sur une base trop peu diversifiée a produit des résultats discriminatoires. En recrutement, seules les aptitudes professionnelles et les compétences peuvent être analysées, jamais une personnalité sans lien avec le poste.
• La surveillance : elle doit rester proportionnée et légitime. Certains outils d’IA ont conduit à des violations du Code du travail et des principes du RGPD.
• La décision individuelle automatisée : en recrutement, en évaluation, pour l’évolution de carrière ou la proposition de formation, le système relève du haut risque au sens du RIA. L’article 22 du RGPD l’interdit en principe, sauf exceptions : consentement libre et éclairé (délicat dans un lien de subordination), nécessité pour le contrat, ou texte. Une intervention humaine reste obligatoire.
• Les chatbots : mal paramétrés, ils recueillent trop d’informations personnelles et les conservent parfois longtemps. Des données sont ainsi ressorties dans des contextes presque contentieux. La parade : sensibiliser les salariés, voire afficher des pop-ups qui rappellent de ne donner que les informations utiles à la question.
• Le speech analytics (traitement automatisé de la parole) : comptes rendus de réunion, centres d’appels, aide à la saisie des CRM. Trois points de vigilance : un volume de données bien plus important qu’un simple enregistrement, puisque chaque mot est retranscrit et analysé ; le risque de basculer dans la biométrie, une donnée sensible, avec les profils vocaux ; et la proportionnalité de l’évaluation quand chaque appel est analysé et noté au quotidien.

Un cas médiatisé : des salariés de centres d’appels mal notés parce que l’outil ne reconnaissait pas les noms à consonance étrangère et considérait qu’ils ne s’étaient pas présentés en début d’appel.

Expérimenter vite, dans le bon cadre

• Créer les conditions de l’expérimentation : selon Paul Courtaud, les gens surévaluent souvent leur maîtrise de l’IA. Le réflexe à installer : pour chaque tâche, essayer avec l’IA, se confronter aux erreurs, persévérer, et se demander quel contexte ou quelle connexion à un outil aurait manqué.
• Partir d’un objectif business : aucun projet d’IA ne fonctionne s’il n’est pas ancré dans un objectif business indépendant de l’IA : améliorer la rentabilité, réussir l’intégration d’une entreprise rachetée, réduire une charge de travail trop lourde. Ensuite, poser les processus à plat et repérer les goulots d’étranglement à débloquer en priorité.
• Accepter l’échec : deux tiers des tests échoueront, parce que les écosystèmes d’outils n’ont pas été conçus pour intégrer l’IA. Ouvrir des API, connecter les agents via MCP (Model Context Protocol, des connecteurs par lesquels les agents travaillent dans les outils), leur attribuer une identité numérique pour définir leurs droits d’accès : ces sujets apparaissent en testant. Il faut échouer vite pour faire émerger les bons projets.
• Un comité compliance IA dès le départ : identifier tôt les parties prenantes qui devront valider, plutôt que découvrir au moment de lancer qu’il manque une signature et perdre deux mois. Les premières réunions tourneront un peu en rond, faute de culture IA partagée : c’est normal, et c’est ainsi qu’on construit un processus de compliance IA.
• Le product builder : un profil issu du métier, avec une appétence technique sans être développeur. Placé aux côtés des équipes, il accélère les premiers cas d’usage, crée des modèles de projet réutilisables et montre qu’on peut livrer en semaines plutôt qu’en mois. Centralisés au démarrage, ces profils ont vocation à être décentralisés au plus près des métiers au bout d’un an environ.

Le meilleur product builder rencontré par Paul Courtaud : un ancien contrôleur de gestion. Il connaissait si bien les processus et les KPI de l’entreprise qu’il ne lui manquait que les derniers 20 % pour construire avec l’IA.

3. Le retour d’expérience de Renault Group

4. Le retour d’expérience de Lefebvre Dalloz

5. Les conseils des intervenants

Pour conclure, chaque intervenant a partagé un conseil à destination des RH qui veulent déployer l’IA.

• Dominique Le Roux (Lefebvre Dalloz) : apprendre à prompter, regarder le résultat attendu et challenger l’outil. Participer à des événements pour échanger entre pairs et attraper les bonnes idées ailleurs. Se former, par exemple avec Lefebvre Dalloz Compétences, la branche formation du groupe.
• Noémie Briantais Fofana (CNIL) : anticiper le plus en amont possible avec les parties prenantes compétentes. Et solliciter la CNIL, qui ne se limite pas au contrôle : elle propose des missions de conseil gratuites, avec des ingénieurs et des juristes, ainsi qu’une documentation en ligne pensée aussi pour les DRH.
• Damien Martayan (Renault Group) : former un product builder dans le métier. Une ou deux personnes volontaires et dynamiques, bien formées, pour lancer la démarche. Selon lui, laisser la DSI tout piloter ne fonctionne pas, et le rôle offre une belle évolution de carrière.
• Paul Courtaud (Cercle Humania) : garder en tête que l’expérimentation sert à apprendre ce qu’on peut déléguer et que la transformation commence quand on réorganise la chaîne de travail. Sanctuariser une à deux heures par semaine pour tester. Miser sur les product builders. Définir une vision claire de ce qu’on veut faire du temps libéré, et challenger les managers sur ce point. Tirer le maximum des outils déjà présents dans son écosystème.
• Séverine Loureiro (Le Lab RH) : dégager du temps pour expérimenter. Au Lab RH, l’équipe s’accorde une demi-journée par mois pour lire, tester, expérimenter. Le temps gagné en automatisant les tâches chronophages est réinvesti dans ce que chacun aime faire : l’épanouissement et l’apprentissage comptent autant que la productivité.

Faire monter les équipes RH en compétence est une condition du déploiement. C’est l’objectif de la RH/IA Society, lancée par Le Lab RH il y a un an et demi avec Paul Courtaud. La plateforme est ouverte à tous, membre du Lab RH ou non : un RH peut s’abonner seul, même si son entreprise n’est pas encore prête à se lancer.

• Des parcours adaptés : un diagnostic à l’inscription oriente chacun vers un parcours selon sa maturité sur l’IA. Le dernier parcours lancé, dédié à Claude, propose des skills paramétrés pour travailler directement dans Claude et Cowork.
• Une boîte à outils complète : bibliothèque de prompts, analyse des risques d’un cas d’usage au regard de la réglementation, et des simulateurs, par exemple pour préparer l’argumentaire d’un projet RH face à un DSI qui met en avant toutes ses réserves.
• Une communauté : des lives animés environ toutes les six semaines pour suivre l’actualité IA et RH, partager des cas d’usage et échanger entre pairs sur les questions, difficultés et avancées de chacun.
• Une certification : lancée fin juin, environ 11 heures de travail. Chacun travaille sur ses propres cas d’usage et son contexte, à toutes les étapes d’un projet IA : feuille de route, arbitrage entre agents et éditeurs, déploiement et accompagnement de publics réticents, avec des personas qui challengent.
• Deux formules : 40 € par mois sans engagement, ou 408 € par an et par utilisateur (15 % de remise), avec la certification incluse dans l’offre annuelle.

↘ Découvrir la RH/IA Society