Pendant longtemps, la responsabilité sociétale des entreprises s’est structurée autour de piliers désormais bien installés : empreinte environnementale, gouvernance, inclusion, ancrage territorial, dialogue social, éthique des affaires, conditions de travail. Ces chantiers restent centraux. Mais l’intelligence artificielle change la donne en introduisant une dimension nouvelle : l’entreprise peut désormais transformer en profondeur sa manière de produire, de recruter, d’évaluer, de manager, de décider et d’organiser le travail à une vitesse sans précédent. Cette capacité crée autant d’opportunités que de zones de risque. Elle oblige la RSE à élargir son périmètre.
Le sujet reste pourtant encore souvent mal cadré. Dans beaucoup d’organisations, l’IA est pilotée par les directions métier, la DSI, l’innovation ou parfois la direction générale, tandis que la RSE et les RH n’interviennent qu’en périphérie. Cette séparation devient difficilement tenable. Car les choix d’automatisation ne sont jamais neutres. Ils peuvent renforcer certaines populations, fragiliser certains métiers, déplacer des postes, invisibiliser des biais, créer de nouvelles pressions mentales ou produire des effets d’exclusion silencieuse. Une entreprise peut ainsi améliorer ses indicateurs de productivité tout en dégradant une partie de son contrat social.
C’est précisément là que la DRH retrouve une place stratégique. Elle est la fonction la mieux placée pour relier la transformation technologique à ses conséquences humaines, organisationnelles et sociétales. Si la RSE veut rester crédible dans une entreprise qui déploie l’IA, elle ne peut plus se contenter de chartes générales ou de principes abstraits. Elle doit entrer dans la gouvernance du travail réel. Elle doit s’interroger sur la manière dont les outils sont conçus, utilisés, supervisés et évalués. Elle doit aussi veiller à ce que les gains de performance ne se construisent pas au prix d’une fragilisation durable des collectifs.
Ce déplacement est décisif, car il change la définition même d’une entreprise responsable. Il ne s’agit plus seulement de compenser des impacts externes ou d’afficher des engagements de surface. Il s’agit de démontrer que la modernisation technologique se fait avec des règles, des garde-fous et une logique de responsabilité. Dans les années à venir, les entreprises les plus observées ne seront pas seulement jugées sur leur capacité à adopter l’IA, mais sur la manière dont elles l’auront fait. La DRH est appelée à devenir un acteur central de cette crédibilité.
La première responsabilité : rendre les systèmes lisibles, auditables et contestables
Le premier pilier d’une IA responsable concerne la transparence. Une entreprise qui déploie des systèmes automatisés dans ses processus sans pouvoir expliquer comment ils orientent une décision, une priorisation ou une recommandation prend un risque majeur. Ce risque n’est pas seulement juridique ou réputationnel. Il est aussi managérial et social. Plus les outils interviennent dans la vie des équipes, plus les collaborateurs attendent de comprendre ce qui influence leur travail et les arbitrages qui les concernent.
Cette exigence vaut particulièrement dès qu’un système touche au recrutement, à la mobilité, à l’évaluation, à la performance, à la relation client ou à la répartition du travail. Si un outil classe des candidatures, alerte sur une baisse supposée de performance, priorise certains dossiers, ou suggère des décisions sans que les critères soient compréhensibles, l’entreprise crée une zone d’opacité. Même lorsque l’intention est bonne, cette opacité finit par éroder la confiance. Les collaborateurs acceptent plus facilement un changement exigeant lorsqu’ils savent sur quelles bases il repose. À l’inverse, un système perçu comme opaque suscite rapidement soupçon, retrait ou contestation.
Les DRH doivent donc porter une ligne claire : aucun usage significatif de l’IA ne devrait rester dans une boîte noire totale pour les populations qui en subissent les effets. Cela ne signifie pas que chacun doit comprendre l’architecture technique complète des modèles. Cela signifie que l’entreprise doit être capable d’expliquer les finalités, les périmètres, les critères dominants, les limites de fiabilité, les modalités de supervision humaine et les mécanismes de recours. Une décision influencée par l’IA doit rester intelligible. Sinon, la responsabilité se dissout.
Cette transparence doit aussi s’accompagner d’une capacité d’audit. Une IA responsable n’est pas un système que l’on suppose juste. C’est un système que l’on teste, que l’on challenge et que l’on surveille dans le temps. Les RH ont ici un rôle structurant à jouer avec la DSI, la conformité et les métiers. Elles doivent demander des points de contrôle réguliers, des analyses d’effets, des vérifications sur les biais, des revues sur les erreurs produites et des remontées terrain. Sans cette discipline, l’entreprise risque de découvrir tardivement des dérives déjà installées dans ses processus.
Enfin, la transparence suppose la contestabilité. Un collaborateur, un manager ou un professionnel RH doit pouvoir remettre en cause une recommandation produite par un outil. Il faut des circuits de signalement, des lieux d’arbitrage et une légitimité claire donnée à ceux qui détectent un résultat incohérent, injuste ou déconnecté du contexte. Tant que l’IA est perçue comme une autorité technique difficilement contestable, l’entreprise renonce à une part essentielle de sa responsabilité.
La deuxième responsabilité : protéger l’employabilité et les équilibres sociaux avant qu’ils ne se dégradent
La RSE appliquée à l’IA ne peut pas se limiter à la gouvernance des outils. Elle doit aussi traiter l’effet de la transformation sur les trajectoires professionnelles. C’est un point central. Lorsqu’une entreprise automatise une partie des tâches, réorganise ses workflows et reconfigure certains rôles, elle modifie la valeur de compétences parfois construites sur des années. Elle peut rendre plus visibles certaines expertises, mais aussi en fragiliser d’autres. Si cette mutation n’est pas anticipée, elle produit de l’insécurité, du désengagement et, à terme, de la rupture sociale.
Une politique d’IA responsable suppose donc une lecture préventive des effets sur les métiers. Quels postes voient une part importante de leur contenu se réduire ? Quelles équipes devront évoluer vers de la supervision, de la validation, de la relation ou de l’orchestration ? Quelles populations risquent d’être laissées à distance parce qu’elles disposent de moins de capital numérique ou de moins d’accès à la formation ? Quels sites, quels territoires ou quelles filières sont les plus exposés ? Tant que ces questions ne sont pas posées assez tôt, l’entreprise subit la transformation au lieu de l’organiser.
La fonction RH doit ici défendre une logique de sécurisation des parcours. Une entreprise responsable n’attend pas que les collaborateurs deviennent obsolètes pour agir. Elle construit des passerelles, elle cartographie les compétences transférables, elle investit dans la montée en compétence et elle donne de la visibilité sur les trajectoires possibles. Cela vaut encore davantage pour les populations les plus vulnérables à la reconfiguration du travail : fonctions administratives très standardisées, postes fortement exposés à l’automatisation cognitive, métiers intermédiaires mal préparés à l’hybridation ou équipes peu intégrées aux plans d’apprentissage.
Cette responsabilité dépasse le seul cadre interne. Dans certains secteurs, l’IA peut modifier profondément l’équilibre local de l’emploi, la structure de sous-traitance, le besoin de certaines qualifications ou la répartition de l’activité entre sites. Une entreprise qui se dit engagée sur son territoire ne peut pas ignorer ces effets. Elle doit dialoguer avec les parties prenantes locales, les acteurs de formation, les partenaires sociaux et, lorsque c’est pertinent, les écosystèmes publics ou associatifs capables d’accompagner les transitions. L’IA responsable devient alors une composante de la responsabilité territoriale.
Cela implique aussi une certaine cohérence dans les choix de pilotage. Si les gains liés à l’IA sont immédiatement captés dans une logique de réduction de coûts sans investissement équivalent dans les compétences, la promesse de responsabilité perd toute crédibilité. À l’inverse, lorsqu’une partie de ces gains est réinvestie dans la formation, la mobilité, la qualité du travail et la préparation des transitions, l’entreprise montre que la performance technologique ne s’obtient pas contre ses équipes. Elle construit une légitimité plus solide dans la durée.
La troisième responsabilité : inscrire l’IA dans le dialogue social et la santé au travail
Le dernier pilier d’une IA responsable concerne la manière dont la transformation est vécue dans le corps social de l’entreprise. Beaucoup d’organisations abordent encore l’IA comme un sujet d’experts : techniciens, dirigeants, chefs de projet, responsables innovation. Cette approche est trop étroite. Lorsque les outils modifient les rythmes, les tâches, les exigences de contrôle, la charge cognitive ou les critères de performance, ils touchent directement à la qualité du travail. À ce titre, ils doivent entrer dans le champ du dialogue social et de la prévention.
Les partenaires sociaux ont vocation à être associés à cette réflexion, non pour freiner systématiquement les projets, mais pour en éclairer les effets réels. Quels usages posent problème ? Où la charge de supervision devient-elle excessive ? Quels métiers ressentent une perte de sens ? Quelles décisions ne doivent jamais être entièrement automatisées ? Comment protéger le droit à la déconnexion lorsque des systèmes produisent des alertes en continu ? Comment éviter que l’optimisation algorithmique n’induise une pression permanente ou une surveillance ressentie comme intrusive ? Ces questions ne peuvent pas être tranchées dans le seul registre technique.
Les RH doivent aussi intégrer l’IA dans les politiques de santé au travail. L’un des angles morts les plus fréquents concerne la fatigue mentale créée par la supervision des outils. Quand les collaborateurs doivent relire, valider, corriger, arbitrer ou surveiller en permanence des sorties algorithmiques, la pression cognitive augmente. Le travail devient moins répétitif, mais plus fragmenté, plus vigilant et parfois plus anxiogène. Une entreprise responsable ne peut pas se contenter de mesurer les gains de temps sans regarder les effets de cette nouvelle densité mentale sur les équipes.
C’est pourquoi la RSE appliquée à l’IA doit inclure des principes simples mais structurants : maintien d’une validation humaine sur les décisions sensibles, protection contre l’hyper-sollicitation algorithmique, droit à l’explication, accès équitable à la montée en compétence, prise en compte de la charge cognitive et place du dialogue dans la transformation. Ces éléments ne relèvent pas du supplément d’âme. Ils constituent les conditions concrètes d’une modernisation légitime.
L’intelligence artificielle oblige les entreprises à choisir entre deux voies. La première consiste à traiter l’outil comme un accélérateur de performance, puis à laisser les conséquences humaines être gérées plus tard, lorsqu’elles deviennent visibles. La seconde consiste à intégrer dès le départ la responsabilité dans l’architecture du projet. Cette seconde voie est plus exigeante, mais elle est aussi plus robuste. Pour les DRH, le message est net : la RSE de demain ne se jouera pas seulement dans les rapports extra-financiers ou les engagements de principe. Elle se jouera dans la manière dont l’entreprise organise le travail augmenté, protège les parcours, rend ses systèmes contestables et maintient la confiance dans un contexte de mutation rapide. L’IA responsable n’est pas un supplément de communication. C’est une discipline de gouvernance.
