Non pour décider à la place des administrateurs, mais pour mieux les préparer, augmenter leur capacité de réflexion et poser les bonnes questions.

Le boardroom est probablement l'un des niveaux les plus complexes d'une organisation.

Cette complexité n'est pas accessoire, elle est la nature même de l'exercice.

Une analyse de PwC, reprise par le Harvard Law School Forum on Corporate Governance, rappelle que les conseils d'administration performants reposent souvent sur trois piliers: une expérience variée qui nourrit le jugement, une vision de long terme à l'échelle de l'entreprise, et une distance d'un cran vis-à-vis de la gestion quotidienne, qui autorise les questions difficiles.

Ces trois piliers se traduisent en trois exigences.

Un conseil d'administration doit d'abord réconcilier des points de vue divergents. Chaque administrateur est riche de sa propre expérience, de son parcours et d'une lecture qui lui est propre. La valeur d'un conseil naît précisément de la friction entre ces regards, à condition qu'elle produise une décision plutôt qu'une paralysie.

Il doit ensuite comprendre l'ADN de l'entreprise. Une décision de conseil ne se prend pas sur des chiffres seuls. Elle engage une histoire, une culture, des engagements tacites et une trajectoire que les documents ne disent jamais entièrement.

Il doit enfin trancher des situations complexes. Information incomplète, enjeux élevés, conséquences longues. Le conseil décide souvent là où il n'existe pas de bonne réponse évidente, seulement des arbitrages.

La tentation

Dans ce contexte, inviter l'intelligence artificielle peut être tentant, et la promesse est réelle.

Un modèle de langage lit en quelques secondes ce qu'un administrateur met des heures à parcourir, et les dossiers de conseil atteignent souvent plusieurs centaines de pages.

Dans la Harvard Business Review, Stanislav Shekshnia (INSEAD) décrit des conseils pionniers qui utilisent déjà des LLM pour préparer leurs réunions et tester des hypothèses en séance.

La même recherche identifie trois apports: mieux préparer les administrateurs, améliorer l'information qui remonte au conseil, et, à terme, participer à la discussion.

Au-delà de la synthèse, l'apport le plus intéressant est ailleurs.

Un modèle bien configuré aide à faire émerger les questions restées dans les angles morts, à éprouver une hypothèse que personne n'a osé formuler, et à confronter la position du management à des scénarios alternatifs.

PwC va dans ce sens: l'IA peut réduire l'asymétrie d'information de longue date entre le conseil et le management, et mettre la stratégie sous tension en combinant données publiques et internes.

Il faut toutefois mesurer où en est la pratique. Une étude publiée dans la Harvard Business Review, relayée par le Harvard Law School Forum on Corporate Governance, rapporte que ses deux auteurs ont réuni plus de cinquante administrateurs en groupes de discussion : la plupart déclarent n'utiliser que rarement, voire jamais, l'IA dans l'exercice de leur mandat. La promesse précède largement l'usage.

Les risques

Cette promesse s'accompagne de risques réels, qu'il faut nommer sans détour.

Le premier est la confidentialité. Un conseil manipule ce qu'une entreprise a de plus sensible.

Le deuxième est l'inexactitude. Le MIT Sloan Management Review le formule sans détour: une IA doit être surveillée parce qu'elle peut dériver ou halluciner.

Un modèle peut bien se comporter en test, puis se dégrader silencieusement dans le temps.

À cela s'ajoute l'absence de jugement critique. Livré à lui-même, un LLM est le « yes man » parfait : fluide, assuré, prompt à confirmer ce qu'on attend de lui.

Le risque, pour un conseil, est qu'il devienne cette voix unique derrière laquelle chacun se range, alors qu'une bonne gouvernance se mesure justement à la capacité de chaque administrateur à challenger sans s'y rallier.

D'autres risques méritent d'être nommés :

• La dépendance. À force de s'appuyer sur une synthèse, un administrateur peut cesser de lire la source et perdre la matière même de son discernement.
• L'ancrage prématuré. Un résumé bien écrit oriente le débat avant qu'il ait eu lieu, et fabrique un faux consensus.
• L'érosion de la friction. Le débat d'un conseil est une fonction, pas un défaut. Un outil conçu pour lisser peut appauvrir ce qui fait sa valeur.
• L'opacité. Ce que les modèles intériorisent, et leur alignement réel sur l'intention humaine, restent difficiles à auditer. Or la gouvernance exige traçabilité, contradiction, redevabilité et capacité d'expliquer pourquoi une décision a été prise. Une réponse rapide, fluide et plausible ne suffit pas.
• La responsabilité. Un administrateur engage une responsabilité fiduciaire et légale. Le MIT Sloan Management Review la situe dans la lignée jurisprudentielle Caremark et Marchand, et en tire une conséquence directe : superviser le risque IA suppose une maîtrise technologique accrue du conseil. Cette responsabilité ne se délègue pas à une machine.

Traiter les risques

Aucun de ces risques n'est rédhibitoire. Chacun se traite.

Sur la confidentialité, l'actualité le rappelle régulièrement : rien n'est totalement sûr. C'est vrai d'un outil web, d'une messagerie, d'un cloud, comme de toute infrastructure numérique. Le risque zéro n'existe pas.

Mais posons la vraie question.

Combien d'administrateurs et de cadres utilisent déjà un LLM public dans leur travail, et y déposent des informations internes sans le moindre cadre ?

Les chiffres sont éloquents. Selon le rapport LayerX de 2025, 45% des employés utilisent des outils d'IA générative, et parmi eux 77% y copient-collent des données, dont plus d'un cinquième contient des informations personnelles ou de paiement.

Surtout, environ 82% de ces copier-coller passent par des comptes personnels non gérés, hors de tout périmètre de sécurité de l'entreprise.

Une enquête de 2026 confirme la tendance : 43% des employés ont saisi de la correspondance professionnelle dans des outils publics, 34% des données clients, et 31% des informations financières ou des documents et stratégies confidentiels. Le cas Samsung, dont des ingénieurs ont divulgué du code confidentiel via ChatGPT en cherchant de l'aide au débogage, n'est que l'illustration visible d'un phénomène massif et silencieux.

Le débat n'est donc pas « LLM ou pas de LLM au conseil ». Il est « LLM encadré ou usage sauvage déjà en cours ».

Un outil hébergé dans un environnement maîtrisé, contractuellement borné, assorti de règles de gouvernance claires, est plus défendable que la situation réelle d'aujourd'hui. Le MIT Sloan Management Review décrit précisément cette logique sous le terme de gouvernance minimale viable : la supervision doit être intégrée à la plateforme elle-même, qui journalise chaque requête et chaque réponse, masque les données sensibles, filtre les hallucinations et laisse une trace auditable. Le contrôle cesse d'être un poste de garde en amont pour devenir un suivi continu.

Et ce cadre ne sert pas que la sécurité : sans configuration sérieuse, un LLM produit aussi des réponses pauvres, quand elles ne sont pas fausses.

Sur l'inexactitude, tout se joue dans la construction. Un outil de conseil n'est pas un chatbot brut, c'est une architecture.

Chez Nobilys, elle prend la forme de board patterns, d'une structure de compétences spécialisées et d'un board virtuel conçu non pour rassurer mais pour challenger. L'ancrage dans les documents réels du conseil repose sur une technique appelée RAG, pour retrieval-augmented generation. Plutôt que de répondre à partir de ses seules connaissances générales, le modèle recherche d'abord les passages pertinents dans les propres documents de l'entreprise, puis construit sa réponse à partir d'eux.

Il reste ainsi tenu par la matière réelle du dossier, et non par ses approximations. L'intention de conception est inversée par rapport au réflexe habituel : on ne cherche pas un modèle qui plaît, on cherche un modèle qui contredit, qui signale l'angle mort et fait émerger la question manquante. Une exigence demeure, que le MIT Sloan Management Review résume d'une phrase : quand un modèle fait ce qu'il ne devrait pas, quelqu'un doit avoir l'autorité de l'arrêter. Cette autorité reste humaine.

Un modèle possible

À quoi ressemble alors un tel modèle ?

Il prépare le conseil, en digérant des dossiers volumineux pour rendre le temps de séance au jugement. Un administrateur qui reçoit deux cents pages la veille peut disposer le lendemain d'une synthèse structurée, des points de vigilance et des zones de risque, et arriver en séance avec une longueur d'avance.

Il augmente la capacité du conseil, par des profils spécialisés qui prolongent les comités : audit, rémunération et nomination, risques, durabilité. Un module d'intelligence sectorielle, propre au métier du client, comble un angle mort fréquent. Cet angle mort est documenté : près de trois quarts des conseils s'auto-évaluent comme modérément ou faiblement compétents en IA, et beaucoup portent un déficit générationnel sur le numérique.

Il challenge les décisions et interroge le management, en tenant la ligne que la plupart des administrateurs expérimentés reconnaîtront : un conseil décide, mais il questionne surtout. La vraie valeur d'un tel outil n'est pas de répondre, elle est de poser les bonnes questions, qu'elles soient de fond, de processus ou de stratégie. Concrètement, on peut charger un dossier de préparation et demander non pas un résumé, mais les cinq questions qu'un administrateur rigoureux devrait poser en séance sur tel investissement ou telle acquisition. La valeur se déplace de la réponse vers la question.

Il accélère enfin l'intégration des nouveaux administrateurs, en donnant un accès rapide aux décisions passées, à leurs motifs et à l'historique, ce qui raccourcit une montée en compétence habituellement longue.

L'objection de fond

Un conseil exigeant posera l'objection lui-même, autant la nommer.

Un LLM grand public donne déjà de bonnes réponses de surface, et un conseil d'administration expérimenté aboutira souvent aux mêmes conclusions. C'est vrai. Mais c'est confondre la réponse et la valeur.

La valeur d'un tel outil n'est pas de produire une conclusion inattendue. Elle est ailleurs : dans la vitesse de préparation, dans l'alignement du conseil autour d'une même base de faits, dans l'intégration accélérée d'un nouveau membre, et dans un ancrage sur les documents réels de l'entreprise qu'un outil générique ne donnera jamais.

Un chatbot public répond à une question isolée. Un board virtuel bien construit tient la mémoire des décisions, connaît le dossier, et est conçu pour contredire plutôt que pour plaire. La différence n'est pas dans la fluidité de la réponse, elle est dans la profondeur et la traçabilité de ce qui la fonde.

Non pas remplacer, mais élargir

Reste la crainte la plus intime. L'administrateur peut redouter de perdre sa valeur ajoutée. C'est l'inverse qui se produit.

L'IA ne décide pas et n'a pas à décider. Elle élargit la capacité de réflexion, met une décision en perspective, ouvre des angles que la salle n'avait pas vus. Le jugement, l'arbitrage et la responsabilité restent entièrement humains.

Cet apport ne se limite pas aux organisations moyennes dépourvues de conseil structuré, où le gain de structure est évident. Il vaut aussi pour les conseils matures et professionnels, qui y gagnent en efficacité, en impact et en alignement. Un outil bien construit resserre l'alignement d'un conseil autant qu'il accélère l'intégration de ses nouveaux membres.

La bonne manière d'inviter l'IA dans le boardroom n'est donc pas de lui confier la décision.

C'est d'en faire un instrument de préparation et un partenaire de contradiction, au service d'administrateurs qui restent, seuls, comptables de leurs choix.

Références

• Stanislav Shekshnia, « How Pioneering Boards Are Using AI », Harvard Business Review, juillet-août 2025.
• « How Forward-Thinking Boards Are Using AI », INSEAD Knowledge, janvier 2026.
• Paul DeNicola, Barbara Berlin, Ariel Smilowitz (PwC), « Using AI in the Boardroom : New Opportunities and Challenges », Harvard Law School Forum on Corporate Governance, novembre 2025.
• « How Boards Can Lead in a World Remade by AI », Harvard Law School Forum on Corporate Governance, février 2026.
• « Why Your Board Needs a Plan for AI Oversight », MIT Sloan Management Review.
• « A Framework for Assessing AI Risk », MIT Sloan, janvier 2026.
• Nick van der Meulen, Jennifer Jewer, « Minimum Viable Governance for Generative AI », MIT Sloan Management Review, juin 2026.
• « The Real Question to Ask About AI Governance », MIT Sloan Management Review, juin 2026.
• LayerX, Enterprise AI and SaaS Data Security Report 2025.
• « Shadow AI Is Happening Within Your Organization », enquête 2026.
• Lutz Finger, « AI in the Boardroom : What Directors Need to Know », Forbes, avril 2026.