La dette d'appropriation : le chaînon manquant de la gouvernance numérique

Pourquoi un outil bien gouverné ne produit pas toujours les usages attendus

La dette d'appropriation désigne l'écart durable entre les capacités qu'offre un outil numérique et la capacité réelle d'une organisation à se les approprier dans ses pratiques quotidiennes.

Un cadre de sécurité qualifié, dix mois d'expérimentation, une évaluation indépendante qui juge l'outil « utile » pour trois agents sur quatre. Sur le papier, la généralisation de l'Assistant IA dans la fonction publique d'État coche donc toutes les cases d'un déploiement maîtrisé. Et pourtant, plus d'un agent sur deux continue, en parallèle, à recourir à des outils d'IA non homologués.

Comment expliquer qu'un dispositif apparemment aussi bien gouverné produise autant de contournements ? En réalité, la réponse n'est ni technique ni réglementaire. Elle tient à une forme de dette numérique que nous ne savons pas encore nommer.

Le point aveugle d'une taxonomie à cinq entrées

J'ai construit, au fil de mes tribunes, une lecture de la dette numérique en cinq catégories : dette de projet, dette technique, dette contractuelle, dette de dépendance, dette de gouvernance. Cette grille permet ainsi de qualifier à peu près toutes les défaillances que j'ai pu observer ou documenter. Elle couvre notamment des grands projets échoués (SIRHEN, Louvois, ONP), des dépendances non maîtrisées aux plateformes GAFAM, et des défaillances de gouvernance de la sécurité des systèmes d'information.

Or, le cas de l'Assistant IA révèle une situation que cette grille ne couvre pas : un outil disponible, un cadre de gouvernance qui se construit, et malgré cela un usage réel qui échappe très largement au périmètre prévu. Aucune des cinq dettes existantes ne nomme précisément cet écart. Il manque donc une sixième catégorie.

Définir la dette d'appropriation

La sociologie des usages offre justement le concept qui manquait. Josiane Jouët, dans son Retour critique sur la sociologie des usages (Réseaux, 2000), distingue nettement deux notions. Le déploiement est un acte administratif : il consiste à rendre un outil disponible. L'appropriation, en revanche, est un processus social : l'usager y construit un rapport propre à l'objet technique, sur un temps long, à travers l'acquisition de savoirs, de savoir-faire et d'habiletés pratiques. Ainsi, cette appropriation ne se décrète pas ; elle ne se déduit jamais du déploiement.

Le mot « durable » compte : c'est lui qui justifie de parler de dette plutôt que de simple retard d'adoption. En effet, un retard qui se referme tôt ou tard ne mérite pas ce nom ; c'est sa persistance, et son coût croissant, qui en font une dette.

Ce qui distingue cette dette des autres formes de dette numérique, et de la dette de gouvernance en particulier, c'est qu'elle peut exister même quand les règles sont posées. On peut ainsi avoir un cadre de sécurité qualifié, une charte d'usage, un accord collectif signé — et malgré tout un fossé béant entre l'outil prescrit et les usages réels. Autrement dit, la dette de gouvernance décrit l'absence de règles, tandis que la dette d'appropriation décrit l'échec, ou l'inachèvement, du processus qui transforme une règle en pratique.

De l'investissement à la valeur : où la chaîne se rompt

Un outil peut donc franchir sans encombre les trois premières étapes de cette chaîne — investissement validé, déploiement réussi, cadre de gouvernance posé — et échouer malgré tout à produire de la valeur, simplement parce que le troisième maillon n'a pas tenu.

La symétrie des six dettes numériques

Cette sixième catégorie complète ainsi une grille désormais composée de six catégories : la dette de projet, lorsque le livrable s'enlise ; la dette technique, lorsque l'outil vieillit ; la dette contractuelle, lorsque le contrat enferme ; la dette de dépendance, lorsque le fournisseur rend captif ; la dette de gouvernance, lorsque les règles font défaut ; enfin, la dette d'appropriation, lorsque les usages ne suivent pas.

Une distinction nécessaire avec la conduite du changement

On m'objectera cependant qu'il existe déjà un mot pour cela : la conduite du changement. La distinction mérite d'être posée clairement. D'un côté, la conduite du changement est descendante : elle accompagne l'adoption d'un outil qu'on a déjà choisi de pousser. De l'autre, l'appropriation, au sens de Jouët, est ascendante : c'est l'agent qui fait sien l'outil, à son rythme, selon sa propre logique d'usage. Cette logique s'éloigne parfois beaucoup de celle prévue par le déploiement.

Un plan de conduite du changement se solde par un succès ou un échec ponctuel. La dette d'appropriation, elle, se capitalise : chaque mois où l'écart entre outil disponible et usage maîtrisé n'est pas traité, le retard coûte donc plus cher à rattraper — en risques cyber, en shadow IT installé, en pertes de productivité silencieuses. C'est une dette au sens plein du terme, pas un simple chantier de formation à cocher.

Un terrain qui m'est familier : Éducation nationale et CHU

Ce phénomène, je l'ai déjà documenté sans le nommer ainsi. Le cas du CHU de Rouen sur le Shadow AI illustre exactement cette dynamique : des praticiens s'approprient des outils d'intelligence artificielle en dehors de tout cadre validé. Ce n'est pas de l'indiscipline : l'appropriation spontanée va simplement plus vite que le cadrage institutionnel. Le même mécanisme est d'ailleurs à l'œuvre dans le déploiement des Chromebooks dans les académies : le taux d'équipement progresse, le taux d'usage réellement intégré au métier enseignant progresse en revanche beaucoup plus lentement, et un recours documenté à des outils non homologués comble l'écart.

Dans les deux cas, le raisonnement du décideur est le même que celui de la DGAFP en 2026 : fournir un outil souverain et poser un cadre suffirait à faire refluer les usages non maîtrisés. Or, la sociologie des usages dit l'inverse. Un outil plus une règle ne produisent donc pas mécaniquement de l'appropriation : ils en créent, au mieux, les conditions.

Autrement dit, le problème n'est pas propre à l'intelligence artificielle. En réalité, l'IA ne fait qu'accélérer un mécanisme ancien que les DSI connaissent depuis plus de vingt ans. Le même écart s'observait déjà, par ailleurs, lors des grands déploiements bureautiques ou applicatifs, bien avant que l'IA générative n'en révèle l'ampleur au grand jour.

Une dette mesurable, donc pilotable

Contrairement à d'autres formes de dette numérique, plus difficiles à objectiver, la dette d'appropriation dispose d'indicateurs directement observables :

• Un indicateur direct — le taux de recours à des outils non homologués, mesurable dans n'importe quel rectorat, CHU ou DSI, à l'image du taux national de 55 % observé dans la fonction publique d'État.
• Un indicateur indirect — l'écart entre le taux d'équipement (agents dotés d'un outil) et le taux d'usage déclaré comme « intégré au métier ». On observe alors une forme de compétence fantôme : un agent apparaît « équipé » et « formé » dans les tableaux de bord, alors qu'il n'utilise l'outil que pour des tâches périphériques — résumer un texte, reformuler un courrier — sans aucun impact sur son cœur de métier. C'est une dette invisible aux indicateurs classiques d'équipement et de formation, puisque l'agent y apparaît, à tort, comme pleinement intégré.
• Un coût chiffrable — reformation, doublons d'outils, risques de sécurité liés à des usages non maîtrisés — des charges qui s'accumulent avec le temps si la dette n'est pas traitée, exactement selon la logique qui fonde mes autres catégories de dette numérique.

Ce que ça change pour le pilotage

La conséquence pratique est simple à énoncer, plus difficile à mettre en œuvre : l'appropriation doit être budgétée et pilotée comme un poste à part entière. Cela suppose notamment de la formation continue, une coproduction des usages avec le travail réel des agents ou des enseignants, et une mesure régulière de l'écart entre équipement et usage maîtrisé. Concrètement, le budget d'accompagnement devrait donc être indexé sur le coût de la licence technique plutôt que traité comme une variable d'ajustement : pour un euro investi dans l'outil, une part proportionnelle devrait être fléchée vers la co-construction des usages — académies et CHU compris. À défaut, la dette d'appropriation se paie en shadow IT durable, quels que soient par ailleurs la qualité de l'outil et la solidité du cadre de gouvernance.

À titre de vérification, une académie ou un rectorat qui voudrait tester cette lecture dispose d'un indicateur simple à suivre sur douze mois : le taux de recours à des outils d'IA non homologués parmi les enseignants équipés. Une stagnation confirmerait ainsi que le problème est d'appropriation, non de norme. Un recul net confirmerait au contraire qu'un outil et un cadre suffisent.

Le véritable investissement commence là où le déploiement s'arrête.

Le succès d'un déploiement ne se mesure donc plus au volume de licences achetées, mais au taux d'appropriation réelle. Tant que les décideurs mesureront l'offre plutôt que l'usage, la dette d'appropriation se creusera silencieusement derrière des tableaux de bord pourtant passés au vert.

Comme la dette technique, la dette d'appropriation peut être évaluée, mesurée et pilotée. Elle mérite désormais sa place parmi les indicateurs de gouvernance des DSI et des directions métiers — c'est l'objet du prochain volet de cette série.

Jacky Galicher — Consultant, ancien DSI de l'académie de Normandie