Atlassian : pourquoi l'IA accélère les employés mais pas les organisations
Lors d'une conversation avec Sam Witteveen, contributeur technologique senior de VentureBeat, à l'occasion de VB Transform 2026, la Dre Molly Sands, responsable du Teamwork Lab chez Atlassian, a expliqué que la plupart des entreprises abordent l'adoption de l'IA à l'envers, en optimisant la façon dont chaque individu utilise l'IA plutôt que la façon dont les équipes travaillent ensemble. Son équipe de comportementalistes et de psychologues étudie comment l'IA transforme le travail collectif et intervient directement dans les organisations pour changer les méthodes de travail. Le rapport annuel State of Teams d'Atlassian, basé sur 12 000 travailleurs du savoir interrogés dans le monde et environ 200 entretiens avec des cadres dirigeants d'entreprises du Fortune 1000, révèle un décalage important entre l'activité générée par l'IA et sa valeur réelle. Selon Sands, 89% des dirigeants constatent une accélération individuelle de leurs employés, mais seuls 6% peuvent citer des exemples concrets de retour sur investissement. Environ 14% des équipes seulement parviennent à transformer cet usage de l'IA en valeur tangible, ce qui signifie qu'une même entreprise peut compter quelques équipes très performantes entourées de nombreuses autres qui ne tirent aucun bénéfice de ces outils.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de VentureBeat AI. Lire l'article original →
Ce décalage a des conséquences concrètes pour les organisations qui investissent massivement dans l'IA sans en voir les effets à l'échelle globale. Les équipes qui réussissent partagent trois caractéristiques précises : elles construisent ce qu'Atlassian appelle un graphe de contexte, en consignant objectifs, décisions et savoirs organisationnels dans des outils partagés comme Jira et Confluence plutôt que de les laisser dans la mémoire individuelle ; elles repensent des processus entiers de bout en bout plutôt que d'accélérer des tâches isolées, faute de quoi des collaborateurs plus rapides mais mal alignés finissent par se percuter, selon l'expression de Sands ; et elles évoluent sous des dirigeants qui encouragent explicitement l'expérimentation, y compris l'échec.
L'imposition de contraintes s'avère être le moyen le plus rapide d'apprendre, comme découper chaque tâche en unités minimales ou s'engager à ne plus écrire de code à la main pendant une semaine, des pratiques jugées non pérennes mais très formatrices. Pour Sands, l'obstacle principal n'est pas la technologie mais le fait que chaque employé apprend à utiliser l'IA seul dans son coin, créant des prompts, agents et hypothèses différents qui ne profitent jamais à l'ensemble de l'organisation. Atlassian a donc testé des accords de travail sur l'IA en début de projet, où les équipes définissent ce qu'elles utiliseront l'IA pour faire, ce qu'elles éviteront délibérément, quels agents partager et quelles compétences communes maintenir. Les équipes ayant adopté cette pratique ont utilisé l'IA plus intensément, progressé plus vite et produit un travail de meilleure qualité, confirmant que l'IA ne crée pas de nouveaux problèmes de management mais révèle des failles déjà anciennes dans la coordination des équipes.
Pas d'impact direct sur la France/UE