La fatigue IA en RH : pourquoi 74% des organisations n'ont pas encore de résultats

Il y a trois ans, tout le monde était convaincu que l'IA allait tout changer.

Les recrutements, les évaluations, la planification, la paie. Les éditeurs de SIRH promettaient des gains de productivité massifs. Les directions générales ouvraient les budgets. Les équipes RH se formaient, expérimentaient, pilotaient.

En 2026, le bilan est moins enthousiasmant que prévu.

Selon une étude BCG portant sur plus de 1.000 dirigeants dans 59 pays, 74% des entreprises n'ont pas encore généré de valeur tangible de leurs investissements IA. Une mise à jour de cette étude en 2025 est encore plus sévère : seules 5% des entreprises mondiales tirent des retours réels de leurs projets IA.

En Belgique, les chiffres ne sont pas meilleurs. Seul un professionnel RH belge sur sept constate déjà des résultats concrets de l'IA dans les fonctions RH — soit 15% seulement, selon SD Worx. Et malgré trois ans d'adoption croissante des outils, 53% des responsables RH déclarent en 2026 ne toujours pas faire confiance à l'IA pour rendre un travail de qualité. Un chiffre quasi identique à 2024 et 2025.

Un nom commence à circuler dans les cercles RH pour décrire cet état : la fatigue IA. L'épuisement face aux promesses non tenues, aux projets pilotes qui n'aboutissent pas, aux outils qui nécessitent plus d'énergie à alimenter qu'ils n'en font gagner.

La bonne nouvelle, c'est que ce signal d'alarme permet enfin de poser la vraie question. Pas "comment adopter plus d'IA ?" mais "pourquoi l'IA ne produit-elle pas les résultats attendus ?"

La réponse est moins technologique qu'on ne le pense.

L'état des lieux belge : adoption en hausse, résultats en retard

La Belgique n'est pas en retard sur l'adoption de l'IA en entreprise. Selon Eurostat, un quart des entreprises belges occupant plus de dix travailleurs utilisent déjà au moins une application d'IA — une augmentation de 80% en l'espace d'un an. Le pays se classe dans le trio de tête européen sur ce critère, derrière le Danemark et la Suède.

Côté RH spécifiquement, l'usage quotidien de l'IA chez les professionnels RH a bondi de 9% en 2024 à 28% en 2025, soit une progression de 19 points en un an. Entre 2025 et 2026, la progression n'est que de 5 points pour atteindre 33%. L'accélération initiale s'essouffle.

Mais l'adoption ne dit rien des résultats.

Le HR Barometer 2026 de Vlerick Business School et Hudson indique que les organisations belges anticipent notablement plus souvent un ralentissement économique. La priorité accordée à la réduction des coûts a presque triplé en un an. Dans ce contexte, la pression sur le ROI des investissements technologiques — dont l'IA — devient plus forte que jamais. La direction attend des résultats. Les équipes RH peinent à les démontrer.

Ce n'est pas un problème de volonté. C'est un problème de fondations.

Les 3 obstacles officiels... et celui qu'on ne nomme pas

Quand on demande aux professionnels RH belges et européens ce qui freine l'adoption de l'IA, trois obstacles reviennent systématiquement.

Le manque d'expertise technique. Selon une étude Axys publiée par Culture RH en juin 2026, 52% des répondants considèrent le manque d'expertise technique comme un obstacle majeur. 88% estiment que l'IA exige de nouvelles compétences au sein des équipes RH. C'est un frein réel — mais il se résout. On peut former, recruter, externaliser.

Les ressources — budget et temps. 39% des professionnels interrogés regrettent un manque d'implication ou de soutien de la direction. Ce frein se lève aussi — avec de l'évangélisation interne et des démonstrations de valeur concrètes.

La qualité des données. C'est le troisième obstacle cité — et de loin le moins commenté dans les plans d'action. Pourtant, comme le formule un expert de Cegid cité par SIRH Expert : "L'IA reste inutile sans une base saine. La qualité des données RH devient l'enjeu central."

Ce troisième obstacle est le seul qu'on ne peut pas contourner.

On peut pallier un manque d'expertise en faisant appel à un partenaire externe. On peut débloquer du budget avec le bon argumentaire. Mais on ne peut pas faire fonctionner correctement une IA sur des données fausses, incomplètes ou non structurées. Une IA nourrie de mauvaises données ne produit pas de mauvais résultats de façon aléatoire — elle les produit de façon systématique et à grande échelle. Ce qui était une erreur manuelle occasionnelle devient une erreur industrielle.

La question qui suit est évidente : quelles sont les données RH les plus fréquemment incorrectes, incomplètes ou non structurées dans les organisations belges ?

La réponse surprend rarement ceux qui travaillent sur le terrain : les données de temps de travail.

Pourquoi les données de temps sont le maillon manquant

Les données de temps de travail sont traitées dans beaucoup d'organisations comme une contrainte administrative — quelque chose qu'on enregistre parce qu'on doit le faire, pas parce qu'on en tire de la valeur. Cette posture a une conséquence directe : la qualité de ces données est rarement considérée comme un enjeu stratégique.

Résultat : les jeux de données que les outils RH et les algorithmes reçoivent en entrée sont truffés d'approximations.

Quelques cas concrets que tout HR Manager belge reconnaîtra :

Un remplacement de dernière minute géré par message WhatsApp, jamais enregistré dans le système. Des heures supplémentaires validées oralement par le manager, saisies en paie à la fin du mois avec un décalage de plusieurs semaines. Un flexi-job mal catégorisé parce que le système ne distingue pas assez finement les types de contrats. Des absences courtes non déclarées parce que la procédure est perçue comme trop lourde pour "juste une demi-journée". Un planning théorique qui ne correspond plus à la réalité opérationnelle depuis des semaines, mais que personne n'a mis à jour.

Chacun de ces cas, pris isolément, est une anomalie mineure. Agrégés sur des centaines de collaborateurs et plusieurs mois, ils constituent une corruption systématique des données qui rend toute analyse prédictive impossible.

Comme le souligne le Journal des Professionnels dans son analyse de la gestion des temps en 2026 : réduire la GTA à un outil de comptage revient à ignorer ce qu'elle révèle sur le fonctionnement réel d'une organisation. Les données de temps, croisées avec les indicateurs d'activité, permettent d'identifier des déséquilibres de charge avant qu'ils ne se traduisent par de l'absentéisme ou du turnover.

L'analogie chantier s'impose ici. Dans la construction, le BIM — Building Information Modeling — a révolutionné la gestion de projet. Mais cette révolution n'a été possible que parce que les données de départ étaient précises et structurées. Personne n'irait modéliser un bâtiment en 3D à partir de plans approximatifs dessinés à la main. Les algorithmes de planification et d'optimisation RH, c'est exactement pareil. La puissance de l'outil est proportionnelle à la qualité de ce qu'on lui donne à traiter.

Ce que "données de temps fiables" veut dire concrètement

Rendre les données de temps fiables n'est pas un projet de transformation digitale à plusieurs années. C'est souvent une question de processus et d'outil adapté.

Un enregistrement en temps réel, pas en différé. L'écart entre le moment où quelque chose se passe et le moment où c'est saisi dans le système est la première source d'erreur. Un pointage digital — badge, application mobile, tablette — réduit cet écart à zéro. Ce qui est enregistré au moment où ça arrive est exact. Ce qui est reconstitué trois jours plus tard, par mémoire ou par habitude, ne l'est pas.

Une gestion des anomalies active. Oubli de pointage, doublon, entrée sans sortie : ces anomalies doivent être signalées et traitées en temps réel, pas découvertes en fin de mois lors de la préparation de la paie. Un bon système détecte ces incohérences automatiquement et les soumet à validation avant qu'elles ne contaminent le jeu de données.

Une couverture de tous les types de contrats. En 2026, avec l'extension des flexi-jobs à tous les secteurs, la réduction du seuil du temps partiel à 1/10e et les nouvelles règles sur les heures supplémentaires volontaires, la diversité des contrats à gérer a explosé. Un système qui ne sait gérer que les CDI classiques produit des données incomplètes par construction.

Un lien direct avec la paie, sans ressaisie. Chaque transfert manuel de données entre systèmes est une occasion d'erreur ou de perte. Un export automatisé et direct vers le secrétariat social est la seule garantie que ce qui a été enregistré est ce qui sera payé.

Une traçabilité sur 5 ans. C'est précisément ce que l'obligation légale belge du 1er janvier 2027 impose. Mais au-delà de la conformité, cette traçabilité est la matière première de toute analyse RH à moyen terme : évolution des charges de travail, patterns d'absentéisme, identification des équipes en tension. Des données qu'on ne peut exploiter que si elles ont été collectées proprement dès le départ.

L'infrastructure avant l'intelligence

En 2026, la fatigue IA en RH n'est pas un signal de rejet de la technologie. C'est un signal de maturité. Les organisations qui en tirent les bonnes leçons arrêtent de chercher un outil plus puissant — et commencent à regarder ce qu'elles lui donnent à traiter.

L'IA n'est pas un magicien. C'est un amplificateur. Elle amplifie ce que vous lui donnez, en bien comme en mal.

Les organisations qui obtiendront des résultats concrets de leurs investissements IA en 2027 et au-delà ne sont pas nécessairement celles qui ont les algorithmes les plus sophistiqués. Ce sont celles qui ont structuré leur donnée de base — dont la donnée temps — avec suffisamment de rigueur pour qu'un système intelligent puisse en tirer quelque chose d'utile.

En Belgique, avec l'obligation d'enregistrement du temps de travail qui entre en vigueur au 1er janvier 2027, cette structuration devient simultanément une exigence légale et un avantage compétitif. Ceux qui s'y conforment par obligation le feront. Ceux qui le font par stratégie en tireront davantage.

Dans votre organisation, est-ce que la qualité des données RH est un sujet qui remonte jusqu'à la direction — ou ça reste un problème de terrain ?

Sources : BCG "Where's the Value in AI?" (2024) · BCG AI Adoption Study (2025) · SD Worx Research Institute (2025-2026) · Acerta HR-Outlook 2026 / Vlerick Business School · HR Barometer 2026 Vlerick-Hudson · Baromètre IA RH 2026 OpinionWay/ étude Axys (juin 2026) · SIRH Expert (décembre 2025) · Journal des Professionnels (août 2026) · Eurostat ICT survey 2024

‍