L’Europe s’est positionnée comme le régulateur mondial du numérique. RGPD, Digital Services Act, Digital Markets Act, AI Act, Data Act — la Commission Européenne a produit en cinq ans plus de législation numérique que le reste du monde combiné. Les amendes contre Apple, Google, Meta et Amazon se chiffrent en milliards. Et pourtant, la domination des géants américains sur les marchés numériques européens n’a pas fondamentalement changé. La question mérite d’être posée honnêtement : cette régulation ambitieuse produit-elle des résultats concrets ?

Ce que le RGPD a vraiment changé

Le RGPD, entré en vigueur en 2018, a eu des effets réels et importants — juste pas toujours ceux qu’on attendait. Il a créé une norme mondiale de facto : des entreprises du monde entier ont adapté leurs pratiques de confidentialité pour se conformer aux standards européens qui s’appliquent à tous leurs utilisateurs, pas seulement aux européens. La California Consumer Privacy Act (CCPA) s’en est largement inspirée. Le RGPD a exporté les valeurs européennes de protection des données bien au-delà des frontières de l’Union.

En revanche, les bannières de cookies omniprésentes — un effet non intentionnel de la directive ePrivacy — ont créé une « fatigue du consentement » qui a peut-être eu l’effet inverse du voulu : 80% des utilisateurs cliquent sur « tout accepter » sans lire, créant une fiction de consentement éclairé. La CNIL française et ses homologues européens travaillent à simplifier et rendre plus sincère ce système de consentement. Le chemin est encore long.

Le DMA : contester les gardiens de l’accès

Le Digital Markets Act (DMA) s’attaque à un problème fondamental : la capacité des grandes plateformes (« gatekeepers ») à utiliser leur position dominante pour favoriser leurs propres services au détriment des concurrents. Apple a été contrainte d’ouvrir iOS à des app stores alternatifs en Europe. Google doit permettre le choix d’un moteur de recherche par défaut. Meta doit permettre l’interopérabilité de WhatsApp avec d’autres messageries.

Les résultats préliminaires sont mitigés. L’ouverture de l’App Store d’Apple en Europe a créé quelques alternatives, mais la majorité des utilisateurs restent sur l’App Store officiel par habitude et par confiance. L’interopérabilité de WhatsApp est techniquement complexe et les premiers essais montrent des expériences utilisateur dégradées. Les grandes plateformes jouent le jeu de la conformité tout en minimisant l’impact sur leur position dominante — ce qui n’est pas illégal, juste frustrant pour les régulateurs.

L’AI Act : réguler quelque chose qu’on ne comprend pas encore

L’AI Act européen, premier cadre réglementaire complet au monde sur l’intelligence artificielle, est entré en application progressive depuis 2025. Son approche basée sur les risques — des règles différentes selon le niveau de risque des applications — est conceptuellement solide. Mais réguler une technologie qui évolue aussi vite que l’IA pose un problème fondamental : les règles écrites pour les modèles de 2023 peuvent être inadaptées ou obsolètes face aux modèles de 2026.

Les entreprises tech américaines et les startups européennes d’IA s’inquiètent que la compliance avec l’AI Act soit si coûteuse et complexe qu’elle désavantage les acteurs européens par rapport à leurs concurrents américains ou chinois qui ne sont pas soumis aux mêmes contraintes sur leurs marchés domestiques. La question est réelle : peut-on être à la fois le régulateur le plus strict et le terreau des champions technologiques de demain ? L’Europe va devoir trouver la réponse à cette question existentielle dans les années qui viennent.

Le COVID-19 a exposé la fragilité d’un modèle de supply chain mondial optimisé pour le coût minimal au détriment de la résilience. Les semi-conducteurs manquants pour produire des voitures, les containers bloqués dans les ports, les perturbations géopolitiques à répétition : ces crises ont forcé une remise en question profonde de la philosophie du « just-in-time » globalisé à l’extrême. En 2026, les grandes entreprises ont tiré des leçons — mais pas toutes les mêmes, et pas toutes les bonnes.

Le « just-in-case » remplace le « just-in-time »

La philosophie dominante du management des stocks dans les années 1990-2010 était la minimisation des inventaires. Le « just-in-time » consistait à recevoir les composants exactement quand on en avait besoin, sans stockage intermédiaire. Appliqué à l’échelle mondiale avec des fournisseurs à l’autre bout du monde, ce modèle a montré ses limites catastrophiques quand la moindre perturbation pouvait tout arrêter.

Les entreprises les plus sophistiquées sont passées à un modèle de « just-in-case » : des stocks stratégiques de composants critiques, des fournisseurs de backup dans des géographies différentes, et des capacités de production dormantes qui peuvent être activées rapidement. Ce modèle coûte plus cher à court terme — les analystes financiers qui optimisaient le bilan trimestriel s’en plaignent. Mais il est fondamentalement plus robuste dans un monde géopolitiquement instable.

La relocalisation et le « friendshoring » : la réalité derrière les discours

Les discours politiques sur la relocalisation industrielle sont généreux. La réalité des décisions d’entreprises est plus nuancée. Relocaliser une production en Europe ou aux États-Unis pour des produits qui nécessitent une main-d’œuvre abondante et peu qualifiée reste économiquement très difficile sans robots ou subventions massives. Le CHIPS Act américain et les programmes européens similaires ont démontré qu’avec suffisamment d’argent public, on peut convaincre des entreprises comme TSMC ou Intel de construire des usines en dehors d’Asie.

Ce qui se développe en revanche, c’est le « friendshoring » — déplacer la production chez des partenaires géopolitiques de confiance. Le Mexique bénéficie massivement de la relocalisation d’usines qui quittent la Chine mais restent proches du marché américain. L’Inde, le Vietnam, le Maroc et la Pologne captent des parts de production qui se déplacent. Ce redessinage de la carte industrielle mondiale n’est pas terminé — il accélère.

L’IA comme outil de résilience de la supply chain

Les outils de prédiction alimentés par l’IA transforment la manière dont les grandes entreprises gèrent leur chaîne d’approvisionnement. Des plateformes comme Resilinc ou o9 Solutions analysent en permanence des milliers de signaux — météo, données portuaires, tensions géopolitiques, données financières des fournisseurs — pour anticiper les perturbations avant qu’elles se produisent. Un fournisseur clé dont les finances se dégradent, une zone géographique sous tension : l’IA peut alerter les équipes supply chain des semaines avant qu’une crise ne se matérialise.

Le management est en train de vivre sa plus grande transformation depuis l’invention du management scientifique par Taylor au début du XXe siècle. L’intelligence artificielle ne change pas seulement les tâches des employés — elle redéfinit profondément ce que signifie diriger une équipe, prendre des décisions, et créer de la valeur en tant que leader. Les managers qui comprennent ce changement et s’y adaptent vont prendre une longueur d’avance considérable. Ceux qui attendent que « ça se tasse » vont se retrouver dépassés.

Ce que l’IA fait aux équipes concrètement

Dans les équipes qui ont intégré l’IA dans leur workflow, la nature du travail a changé. Les tâches répétitives d’analyse de données, de rédaction de premiers drafts, de recherche d’information, de génération de rapports standard sont largement automatisées. Ce qui reste — et s’amplifie — c’est le travail qui nécessite du jugement, de la créativité, de la négociation, et de la relation humaine. Le ratio « tâches d’exécution / tâches de réflexion » au sein de beaucoup d’emplois tertiaires est en train de basculer.

Pour un manager, cela signifie que ses collaborateurs ont potentiellement une capacité de production beaucoup plus élevée — mais aussi qu’ils ont besoin de plus d’orientation stratégique, de contexte, et de feedbacks de qualité. Le manager qui distribuait du travail d’exécution et vérifiait les résultats n’a plus beaucoup de valeur ajoutée. Celui qui définit des objectifs clairs, crée les conditions d’une collaboration efficace, et aide son équipe à utiliser intelligemment ses outils IA en a beaucoup.

Les nouvelles compétences qui deviennent critiques

La première compétence critique est l’évaluation critique des outputs IA. Un collaborateur qui utilise un LLM pour rédiger une analyse peut produire quelque chose de superficiellement convaincant mais factuellement incorrect ou stratégiquement inadapté. Le manager doit être capable d’évaluer la qualité de ce travail — ce qui nécessite de comprendre à la fois les capacités et les limites des outils IA, et de maintenir une expertise métier suffisante pour ne pas être aveuglé par la forme.

La deuxième est la conception de workflows humain-IA. Comment structurer le travail d’une équipe pour que l’IA augmente réellement la productivité sans créer des goulots d’étranglement ou des dépendances fragiles ? Quelles tâches déléguer entièrement à l’IA, quelles tâches garder entièrement humaines, quelles tâches bénéficient d’une collaboration homme-machine ? Ces questions de design organisationnel sont nouvelles et ne s’apprennent pas dans les écoles de management traditionnelles.

La montée en puissance de l’intelligence émotionnelle

Paradoxalement, l’essor de l’IA valorise davantage les compétences humaines « irréductibles » — l’empathie, la gestion des conflits, l’inspiration, la création de sens. Dans un monde où les tâches analytiques sont de plus en plus automatisables, ce qui distingue un excellent manager d’un médiocre, c’est sa capacité à comprendre ce que ses collaborateurs ressentent, à les motiver au-delà des incitations financières, et à créer une culture d’équipe où les gens ont envie de donner le meilleur d’eux-mêmes.

Les écoles de commerce l’ont compris — les programmes de leadership des grandes institutions (HEC, INSEAD, Wharton) ont considérablement renforcé les modules de psychologie organisationnelle, de gestion des émotions et d’éthique du leadership aux côtés des nouveaux modules d’IA appliquée. Le manager du futur n’est pas un technicien de l’IA — c’est quelqu’un qui comprend l’IA, qui comprend les humains, et qui sait les faire travailler ensemble de manière productive et digne.