La face cachée de l’intelligence artificielle : le prix à payer d’une technologie adoptée sans contrôle par les acteurs de l’humanitaire

À l’insu de tous, ou presque, l’intelligence artificielle se fraie un chemin au sein des organisations humanitaires à la faveur de multiples utilisations isolées, exemptes de formation et de lignes de conduite. L’étude qualitative menée par Carla Coelho et Santiago Núñez- Regueiro révèle les coûts cachés engendrés par l’adoption à bas bruit de cette technologie : déperdition de savoir, données exposées et inégalités. Sommes-nous à l’orée d’une crise qui ne dit pas encore son nom ?

Depuis longtemps, le secteur humani­taire fait fièrement état de sa capacité d’adaptation aux crises, tout en sou­plesse et en innovation. Cependant, lors­qu’il s’agit d’intelligence artificielle (IA), cette agilité reste à démontrer. En 2025, une étude à l’échelle du secteur révèle un paradoxe frappant : alors que la plu­part des humanitaires ont déjà intégré l’IA dans leur travail quotidien, seule une minorité l’utilise dans un cadre de gouvernance organisationnelle défini^[1]Ka Man Parkinson, Madigan Johnson and Lucy Hall, “Artificial Intelligence in the Humanitarian Sector: Mapping Current Practice and Future Potential”, Humanitarian Leadership Academy, 2025–2026, … Continue reading.

Le présent article s’appuie sur une étude qualitative effectuée auprès de profes­sionnels de l’humanitaire afin d’explorer, non pas si, mais comment l’IA est adoptée par le secteur, sous quelles conditions, et avec quelles incidences^[2]Cet article s’appuie sur dix-sept entretiens semi-directifs, conduits entre mars et mai 2026 auprès de travailleurs de l’humanitaire issus de diverses organisations (Médecins Sans frontières, … Continue reading. Les résultats de l’étude suggèrent que non seulement l’utilisation actuelle de l’IA est très peu structurée, mais qu’en outre, elle pro­duit de nouvelles formes de risques, d’inégalités et de non-dits au sein des organisations. Au coeur de ce scénario se pose une problématique essentielle : quelles sont les conséquences lorsque l’adoption d’une technologie devance les structures de gouvernance destinées à la guider ? Plus important encore, quels sont les changements nécessaires pour rompre avec ces dynamiques qui s’au­toalimentent et permettre au secteur d’évoluer de l’adaptation individuelle à la transformation collective ?

Une technologie adoptée sans contrôle

L’intelligence artificielle est d’ores et déjà ancrée dans les pratiques huma­nitaires, mais souvent en l’absence des cadres organisationnels nécessaires pour en guider l’usage^[3]Nous n’explorons pas dans cet article d’autres dimensions éthiques essentielles de l’intégration de l’IA dans les pratiques, notamment la durabilité écologique et les inégalités de … Continue reading. Au fil des entretiens, les personnes interrogées décrivent systématiquement qu’au lieu de résulter d’une intention institution­nelle délibérée, l’adoption de l’IA s’est développée dans des contextes chargés d’incertitude, favorisant les supposi­tions et l’improvisation. Nombre de ces professionnels témoignent d’un usage courant d’outils d’IA commerciaux afin de traiter des données sensibles – rela­tives à la protection, à la santé et au retour d’expérience des communautés – sans supervision ni directives claires de la part des organisations.

Dans un cas de figure, une équipe gérant des informations hautement confiden­tielles a eu recours à des plateformes non approuvées pendant plus d’un an avant qu’une analyse des risques for­melle soit menée. Une fois cette der­nière mise en oeuvre, elle fut si succincte que le personnel a émis des doutes sur le fait qu’un examen approfondi avait réellement été effectué.

Cette absence de gouvernance ne concerne pas qu’un manque de politique officielle : elle atteint la visibilité même de l’organisation. Comme l’observe un travailleur expérimenté : « Il n’existe pas de politique officielle. Je n’en suis pas certain, mais je pense que des collègues l’utilisent de leur propre chef. »

Cette incertitude n’est pas neutre. Non seulement un vide de gouvernance néglige la gestion des risques, mais il est à l’origine de leur existence. Loin de res­ter statique, une adoption non structurée de l’IA progresse avec le temps, à mesure que les pratiques se normalisent, que les habitudes se renforcent et que le flux croissant de décisions qui en découlent est façonné par des outils échappant au contrôle institutionnel.

Comme nous le verrons dans la suite de cet article, ce vide de gouvernance pro­duit des effets bien au-delà des risques de non-conformité. Il modèle la façon dont les humanitaires apprennent, mais également les types de pratiques qui viennent à se normaliser, les formes d’expertises qui deviennent visibles ou qui sont occultées et, en définitive, l’ap­proche des organisations humanitaires pour définir la valeur que l’IA est cen­sée créer.

Il ne s’agit donc pas d’un simple pro­blème de conformité, mais d’un déficit de confiance structurel : les humani­taires utilisent des outils dont ils n’ap­préhendent pas toujours toutes les dimensions, les organisations hésitent à approuver des pratiques qu’elles peinent à superviser et les communau­tés affectées par les décisions humani­taires restent largement sous-informées à l’égard de systèmes susceptibles d’in­fluencer de plus en plus ces décisions. Cela engendre ce que nous considérons comme un cercle vicieux : cette adoption informelle s’étend, car elle paraît utile, et la gouvernance est à la traîne, puisque le système continue pour autant de fonc­tionner. Et plus cette tendance perdure, plus il est difficile de corriger le tir de façon responsable.

Le paradoxe de l’apprentissage

Une majorité écrasante d’humanitaires interrogés dans le cadre de cette étude avait appris à utiliser l’IA de leur propre initiative. Très peu d’entre eux déclarent avoir reçu une formation structurée de la part de leur organisation, et lorsque ce type de dispositif existait, il se limi­tait à quelques préconisations relatives à l’outil plus qu’il ne visait un véritable renforcement des compétences. L’un des participants résume la situation sans ambages : « Aucune formation n’est dispensée. Je pense qu’on part du principe que tout le monde sait s’en servir, ce qui est faux. Il n’y a pas d’accompagnement. »

Pourtant, l’apprentissage est bien réel, d’où le paradoxe. Les organisations humanitaires tirent déjà parti des capa­cités de l’IA sans les avoir délibérément développées. En effet, on a sous-traité la maîtrise de l’IA aux travailleurs, créant ainsi un modèle précaire d’accumula­tion de compétences qui dépend de la motivation personnelle, de l’expérimen­tation informelle et du savoir de chacun, facteurs qui demeurent en grande par­tie invisibles aux yeux de l’institution. Lorsque cette motivation s’étiole, du fait de burn-outs, de départs au sein de l’organisation ou simplement de l’épui­sement, les connaissances disparaissent avec elle.

Cela ne signifie pas pour autant que les compétences sont inexistantes. Au contraire, l’étendue des pratiques réelles en matière d’IA paraît bien plus large que ne l’imaginent les dirigeants. Cependant, dans le même écosystème humanitaire (et parfois dans un même environnement d’absence de politique interne), l’IA est utilisée à la fois dans le cadre de processus de travail sophisti­qués et organisés, et pour produire des documents non vérifiés, issus de don­nées « copiées-collées » dépourvues de contexte, et soumis sans révision aucune. La problématique ne repose donc pas seulement sur un niveau inégal de compétences, mais sur le manque de conception commune de ce que repré­sentent les bonnes pratiques. En l’ab­sence de normes, de vocabulaire et de boucles de rétroaction en commun, les organisations ne peuvent pas distinguer une innovation pertinente d’une mau­vaise utilisation de la technologie.

Cela entraîne de sérieuses consé­quences : lorsque l’apprentissage s’appuie entièrement sur de l’informel, il devient délicat d’identifier les compé­tences acquises. On peut peiner à dif­férencier un professionnel qui a passé des mois à développer des processus de travail avancés d’un de ses collè­gues recourant occasionnellement à un agent conversationnel afin de rédiger ses courriers électroniques. Dès lors, les organisations conçoivent des réponses à destination des utilisateurs qu’elles pensent avoir (en général, des débutants prudents), plutôt que d’embrasser une réalité bien plus complexe.

Le mutisme des compétents

Là où le passage précédent révélait un paradoxe de l’apprentissage, nous nous intéressons ici aux raisons qui font que ce paradoxe subsiste. De nombreux huma­nitaires décrivent une culture profes­sionnelle dans laquelle une utilisation manifeste de l’IA demeure socialement ambiguë, non pas parce que cette tech­nologie est formellement interdite, mais du fait que sa légitimité reste contes­tée. Pour certains, les inquiétudes ne concernent pas un inconfort éthique ou la crainte de perdre leur emploi, mais le jugement social. Selon l’un d’entre eux, « nous sommes toujours dans une culture qui attribue plus de valeur à l’effort que l’on estime avoir été fourni, qu’au résultat obtenu. » Une autre per­sonne interrogée indique de façon plus directe : « J’ai l’impression qu’utiliser l’IA revient à être paresseux. »

C’est un point important, car les huma­nitaires les plus à même d’implanter l’apprentissage au sein d’une organi­sation sont peut-être précisément les moins enclins à rendre leurs pratiques visibles. Si l’utilisation de l’IA risque de discréditer la valeur professionnelle, alors cette compétence devient un élé­ment à dissimuler plutôt qu’à partager. En conséquence, l’expertise dont les organisations ont le plus besoin afin d’apprendre de manière collective reste socialement cachée.

Cette dynamique entraîne des consé­quences plus larges à l’échelle orga­nisationnelle. Des recherches menées dans d’autres secteurs suggèrent que l’échange entre pairs figure parmi les moyens les plus efficaces pour déve­lopper des compétences significatives en matière d’IA^[4]Riya Sahni and Lydia B. Chilton, “Beyond Training: Social Dynamics of AI Adoption in Industry”, arXiv, 18 February 2025.. Pourtant, dans un contexte humanitaire, ce potentiel demeure limité. Le partage informel de connaissances existe, mais il est inégal, invisible et ne jouit pas d’une reconnaissance institutionnelle. Plutôt que de créer une culture dans laquelle la pratique avancée peut se diffuser et se perfectionner, les organisations risquent de reproduire des écosystèmes informels au sein desquels les pratiques passables prennent le pas sur les plus robustes. Il ne s’agit donc pas ici d’un simple manque de formation technique, mais bien de l’absence de conditions sociales et organisationnelles qui légiti­meraient un apprentissage décomplexé.

Le coût de l’efficacité

S’il est une promesse systématique­ment associée à l’usage de l’IA dans la pratique humanitaire, c’est bien celle de l’efficacité. Les personnes interro­gées décrivent des gains concrets en matière de rédaction, de traduction, de synthèse, de production de rapports, de mise en page et de tâches administra­tives répétitives. En ce sens, l’argument d’une productivité accrue grâce à l’IA est pertinent.

Un tel avantage est loin d’être un détail pour un secteur qui opère actuellement sous une pression extraordinaire du fait de besoins humanitaires qui ne cessent de croître, tandis que les financements s’amenuisent, obligeant les organisa­tions à faire des compromis de plus en plus difficiles entre leurs missions, le respect des règles et leur survie^[5]Pour explorer la crise actuelle de financement dans le secteur humanitaire et ses implications systémiques, lire Pierre Micheletti, « 2025 : la “Grande Dépression” du mouvement humanitaire », … Continue reading. Dans un tel environnement, on comprend l’attractivité des outils permettant d’al­léger la charge administrative. Comme l’un des participants, occupant un poste de direction, le déclare sans détour : « Si nous n’étions pas en crise, l’efficacité consisterait à donner plus aux bénéfi­ciaires. Aujourd’hui, l’efficacité, c’est continuer d’exister. » On voit ici que la promesse d’efficacité ne se résume plus à améliorer l’action humanitaire ; dans certains cas, il s’agit de la survie même d’une organisation dans un système qui se rétracte.

Pourtant, c’est précisément là que la pru­dence est de mise. Les gains d’efficacité ne se traduisent pas toujours par une transformation des pratiques. Plusieurs humanitaires se sont interrogés sur le bénéfice concret de ces gains de temps. Comme l’exprime sobrement l’un d’entre eux : « Est-ce que j’ai plus de temps à consacrer à ma famille ? […] Ou à une activité sportive ? Non, j’ai juste plus de temps pour travailler encore davantage. […] Pour moi, c’est clairement une sorte de fuite en avant. »

Si l’IA accélère la production des rap­ports, mais que le système dédié à cette tâche est structurellement exces­sif et déconnecté de la réalité opéra­tionnelle, en quoi la situation a-t-elle évolué ? Si l’IA réduit la charge d’établir la conformité aux exigences des bail­leurs de fonds, mais que l’architecture de la procédure reste la même, peut-on parler de transformation ou ne s’agit-il que d’adaptation ? Si des équipes déjà surchargées de travail absorbent les gains de productivité pour répondre à des attentes de rendement toujours plus élevées, l’IA, plutôt que d’abaisser le niveau de pression, risque de le nor­maliser. La question n’est pas de savoir si l’IA permet de gagner du temps, car c’est clairement le cas, mais de définir si ces gains créent l’espace pour repenser des systèmes dysfonctionnels au sein des organisations, ou s’ils ne font qu’aider les acteurs de l’humanitaire à les sup­porter plus longtemps.

Une gouvernance activatrice de compétences : passer de l’efficacité à la création de valeur au service des missions

Nous avons précédemment évoqué un cycle qui s’autoalimente : adoption informelle de l’IA, mutisme, et adapta­tion de l’efficacité face à un nouveau mécanisme. Nous nous interrogeons désormais sur les changements pos­sibles lorsque la gouvernance existe.

Quelques organisations ont décrit leurs efforts pour dépasser une situation où l’adoption de l’IA se fait de manière non structurée, non pas en traitant simple­ment cette technologie comme un dis­positif technique à réglementer, mais en tant que capacité stratégique au sein d’une organisation, et qui demande une gestion réfléchie. Dans ces structures, le changement n’a pas été motivé par la sophistication technologique, mais par la prise de conscience du fait que l’inaction comporte ses propres risques. La gouvernance a consisté à apporter de la visibilité là où l’incertitude prévalait, autrement dit, à clarifier la définition d’un usage acceptable, à identifier des environnements sécurisés, à soutenir l’apprentissage des professionnels, à créer des outils internes et à garantir l’autorisation de l’expérimentation res­ponsable à l’échelle de l’organisation.

Cependant, la gouvernance devrait éga­lement ouvrir une réflexion sur l’objec­tif fondamental de l’adoption de l’IA. Comme nous l’avons montré, les gains d’efficacité, dans un secteur soumis à des pressions opérationnelles majeures, peuvent facilement être annulés par l’augmentation, dans une logique « de survie », du nombre de tâches effec­tuées (rédaction de rapports, gestion de la conformité, maintien de systèmes surchargés). Pourtant, les profession­nels oeuvrant dans un environnement davantage structuré se font l’écho d’une ambition différente : celle de ne plus seulement utiliser l’IA dans le but d’accomplir plus vite le travail existant, mais de rediriger leur temps disponible vers des activités qui mettent à profit leur valeur ajoutée – analyse critique, appréciation contextuelle, développe­ment de relations humaines, créativité appliquée à la résolution de problèmes et engagement plus poussé envers les communautés affectées par des crises.

Un professionnel nous a cité un exemple pratique de cette situation : sur une opé­ration en Jordanie, un dispositif pilote a été conçu à l’aide de l’IA dans le but de remanier la collecte de données issues des communautés, plutôt que de simple­ment accélérer les processus de travail internes. Les populations concernées ont été en mesure de se livrer à des entretiens individuels assistés par l’IA au moment qui leur convenait, rédui­sant ainsi la charge habituelle liée à la planification des enquêtes tout en amé­liorant l’accessibilité et la réactivité. La supervision par un humain, essentielle pour l’interprétation et l’appréciation contextuelle, a été maintenue, mais le professionnel a fait état à la fois d’une collecte de données plus rapide, et de rapports plus pertinents.

L’élément significatif dans cet exemple n’est pas la technologie elle-même, mais les conditions qui sous-tendent son utilisation : un champ d’application délimité, un degré de maîtrise suffisant de la part du professionnel, une supervi­sion humaine et un choix de conception explicite visant à créer de la valeur opé­rationnelle plutôt qu’à améliorer l’effica­cité interne. C’est ce que la gouvernance permet de mettre en place.

L’accès à des outils d’IA n’engendre pas automatiquement un usage pertinent de cette technologie. Il est nécessaire que les conditions idoines existent au niveau de l’organisation afin d’ouvrir la voie à une expérimentation réfléchie, à un apprentissage partagé et à une redeva­bilité claire. En ce sens, la gouvernance n’est pas un frein à l’adoption de l’IA, elle représente la condition préalable à une transformation responsable.

Vers un nouveau paradigme

Le paradoxe de l’IA dans l’humanitaire est une histoire qui nous est familière : celle d’une évolution technologique en avance sur l’adaptation institutionnelle. Toutefois, les conclusions présentées ici suggèrent une situation plus préoccu­pante d’un point de vue structurel.

Le secteur semble pris au piège dans une boucle qui s’équilibre d’elle-même : l’adaptation individuelle suffit à main­tenir le fonctionnement du système, occultant l’urgence qui, d’ordinaire, imposerait d’apporter une réponse col­lective. Les professionnels intègrent l’IA à leurs tâches, parfois de façon réfléchie ou improvisée, souvent de manière imperceptible. La production de résul­tats est toujours présente, les dirigeants ne perçoivent pas nécessairement qu’il existe une crise.

Pendant ce temps, les coûts s’accumulent en sourdine : un savoir non partagé, une qualité qui ne peut être garantie, des données insuffisamment protégées, des risques qui demeurent mal compris et des inégalités qui se creusent en silence. Loin de correspondre à des événements isolés, ils surviennent graduellement, par le biais d’innombrables choix indivi­duels qui finissent par former une crise.

C’est pourquoi la gouvernance ne peut être uniquement considérée comme un catalyseur de l’innovation : elle consti­tue également un impératif de préven­tion. Certains risques représentent des préoccupations opérationnelles immé­diates – sécurité, utilisation éthique et conformité réglementaire. D’autres sont plus généraux, mais tout aussi lourds de conséquences : l’empreinte environne­mentale des infrastructures d’IA, ou la possibilité que l’IA humanitaire repro­duise les asymétries de pouvoir épisté­miques et géopolitiques plutôt que de les remettre en cause.

Mais la gouvernance ne s’inscrit pas exclusivement dans une posture défen­sive, elle détermine également le type de valeur créée par l’IA. Si cette technologie ne fait qu’aider les humanitaires à sur­vivre en accélérant la surcharge admi­nistrative, sa contribution risque de se limiter à de l’adaptation au coeur d’un système déjà débordé. À l’inverse, si la gouvernance permet à l’IA de réorienter le temps disponible des personnes en direction de leur capacité d’appréciation et de leur créativité, de l’établissement de relations humaines et d’un engage­ment plus poussé envers les popula­tions affectées par des crises, les enjeux prennent alors une dimension bien plus grande. C’est pourquoi le paradigme doit être déplacé de l’efficacité vers la valeur – définir ce que nous tentons de réaliser avec l’IA et pour qui.

L’avenir de l’IA dans le secteur huma­nitaire doit encore s’écrire. Qu’il soit passivement hérité ou volontairement façonné par la communauté humani­taire dépendra des choix que nous fai­sons aujourd’hui.

Déclaration de rigueur méthodologique : aux fins de cette étude qualitative, nous avons eu recours à l’IA générative pour faci­liter la transcription des entretiens, le codage thématique et la finalisation du texte. Tous les contenus assistés par l’IA présents dans ce travail ont été rigoureusement examinés, révisés et validés par les auteurs. Le texte final reflète une expertise, des interpréta­tions et une intention qui nous sont propres, et nous assumons l’entière responsabilité de son contenu, de son exactitude et de sa pré­sentation. Cette déclaration est fournie dans un objectif de transparence et afin de par­tager ouvertement la façon dont les techno­logies d’intelligence artificielle sont utilisées pour accompagner un travail intellectuel.

Traduit de l’anglais par Floryse Atindogbe