La méthode ADKAR, développée par Prosci, structure le changement autour de cinq jalons individuels : Awareness, Desire, Knowledge, Ability, Reinforcement. Son adoption dépasse aujourd’hui le périmètre des cabinets de conseil. Des grands groupes comme Atos l’intègrent dans leurs parcours de certification internes, au même titre que SAFe ou ITIL, ce qui en fait un référentiel de compétences attendu pour les postes liés à la transformation digitale.
ADKAR en contexte d’hyper-changement : sortir du séquentiel
Le modèle ADKAR a été conçu comme une progression linéaire. Dans un environnement de releases continues, d’agilité à l’échelle ou de déploiement d’outils IA, cette séquentialité ne tient plus. Les collaborateurs traversent plusieurs cycles ADKAR en parallèle, à des stades différents selon les projets.
Lire également : Tout savoir sur le compagnon de Yoann Usai en 2026 et leur vie de couple
Nous observons sur le terrain que les cinq étapes se chevauchent dès que le rythme de transformation s’accélère. Un employé peut être en phase Ability sur un déploiement ERP tout en démarrant à peine l’Awareness sur une refonte de processus liée à l’IA. Traiter ces cycles comme indépendants revient à ignorer la charge cognitive cumulée.
Pour que le modèle reste opérant, il faut le piloter comme un backlog de transitions individuelles plutôt que comme un tunnel unique. Chaque collaborateur a un portefeuille de changements actifs, et le rôle du change manager consiste à prioriser les jalons ADKAR par ordre d’impact métier, pas par ordre alphabétique du modèle. Comme le détaille la méthodologie ADKAR expliquée sur Campus Recrutement, la compréhension fine de chaque étape reste le socle, même quand l’exécution cesse d’être linéaire.
A lire en complément : Comment bien choisir son assurance pour protéger son patrimoine efficacement
Diagnostiquer le point de blocage ADKAR sur un projet de transformation
La valeur opérationnelle d’ADKAR réside moins dans la description des cinq étapes que dans sa capacité à localiser précisément où un individu ou une équipe décroche. Trop de déploiements échouent parce que les équipes projet investissent massivement sur la formation (Knowledge) alors que le blocage réel se situe en amont, sur le Desire.
Un diagnostic ADKAR fiable repose sur des entretiens individuels courts et ciblés, pas sur des enquêtes de satisfaction génériques. Pour chaque jalon, la question est binaire : l’individu a-t-il franchi ce seuil, oui ou non ? Le premier « non » dans la séquence identifie le point d’intervention prioritaire.
Concrètement, sur un programme ERP de grande ampleur (SAP, Oracle), Prosci propose désormais des parcours de formation dédiés à chaque rôle : sponsors, chefs de projet, managers de proximité. Cette granularité permet d’industrialiser le diagnostic et d’affecter les ressources d’accompagnement là où le blocage est réel.
- Si le blocage est sur Awareness, le problème est un déficit de communication sponsorisée par la direction, pas un manque de supports de formation.
- Si le blocage est sur Desire, aucune formation technique ne compensera l’absence de réponse à la question « qu’est-ce que j’y gagne personnellement ».
- Si le blocage est sur Ability, le collaborateur comprend et veut changer mais l’environnement de travail (outils, processus, charge) ne lui permet pas de pratiquer.
ADKAR comme brique d’orchestration dans un portefeuille de projets
ADKAR n’est plus seulement une grille RH ou de communication. Les plateformes de gestion de projets comme Asana le présentent désormais comme un modèle d’orchestration de l’adoption, complémentaire aux frameworks de delivery Agile ou PMI.
Cette évolution d’usage change la posture du change manager. Il ne produit plus un « plan de conduite du changement » en parallèle du projet. Il intègre les jalons ADKAR directement dans le backlog de l’équipe projet, avec des critères d’acceptance liés à l’adoption réelle par les utilisateurs finaux.
Sur un programme de transformation à plusieurs chantiers simultanés, nous recommandons de cartographier les populations impactées par chantier, puis de croiser cette cartographie avec l’état ADKAR de chaque groupe. Le résultat est un tableau de bord d’adoption qui complète les indicateurs classiques d’avancement projet (budget, délai, périmètre).
Intégrer ADKAR dans les rituels agiles
Dans un contexte SAFe ou Scrum à l’échelle, le Program Increment Planning offre un point d’ancrage naturel. Chaque PI Planning peut inclure un objectif d’adoption formulé en termes ADKAR : par exemple, « atteindre le seuil Knowledge pour les 40 utilisateurs clés du module finance avant le PI suivant ».
Les rétrospectives d’équipe deviennent aussi un outil de Reinforcement. En structurant une partie de la rétrospective autour de la question « quelles nouvelles pratiques avons-nous effectivement adoptées ce sprint », on ancre le dernier jalon ADKAR dans un rituel déjà existant, sans ajouter de réunion supplémentaire.
Limites d’ADKAR et arbitrages à connaître
Le modèle postule que le changement est souhaitable. Il ne fournit aucun cadre pour décider si un changement mérite d’être mené. ADKAR accompagne l’adoption, il ne valide pas la pertinence stratégique du projet. Cette distinction est souvent floue dans les organisations qui confondent « les gens résistent » et « le projet est mal calibré ».
Autre limite : le modèle traite l’individu comme unité d’analyse, ce qui est sa force mais aussi son angle mort. Les dynamiques collectives (effet de groupe, culture d’équipe, jeux politiques entre directions) ne sont pas modélisées. Un collaborateur peut avoir franchi les cinq étapes individuellement et régresser sous la pression d’un collectif hostile au changement.
- ADKAR fonctionne mieux quand il est couplé à un modèle organisationnel (Kotter pour le sponsorship, Lewin pour la dynamique de groupe).
- Sur les transformations IA, le jalon Knowledge nécessite des mises à jour continues car les outils évoluent entre deux cycles de formation.
- Le Reinforcement est le jalon le plus négligé en pratique, alors que c’est celui qui détermine si le changement survit au-delà du go-live.
L’efficacité d’ADKAR dépend moins du modèle lui-même que de la rigueur avec laquelle le diagnostic individuel est mené et maintenu dans la durée. Un tableau ADKAR mis à jour une fois en début de projet puis oublié ne produit aucun résultat. Le changement se pilote en continu, ou il ne se pilote pas.