L'IA ne fait pas gagner du temps – elle le compresse : 8 mois d'observations
Les entreprises s’inquiètent de faire adopter l’IA par leurs employés. La promesse est séduisante : l’IA se chargera des tâches fastidieuses – brouillons de documents, synthèse d’informations, débogage de code – libérant du temps pour un travail à plus forte valeur ajoutée.
Mais les entreprises sont-elles prêtes à affronter ce qui se passe quand elles y parviennent réellement ?
Des chercheurs de Stanford ont mené une étude observationnelle de 8 mois auprès d’environ 200 employés d’une entreprise technologique américaine ayant déployé l’IA générative. L’entreprise n’avait pas imposé l’utilisation de l’IA – elle avait simplement fourni des abonnements professionnels à des outils commerciaux. Les employés décidaient eux-mêmes s’ils les adoptaient.
Le résultat s’est avéré paradoxal. L’IA n’a pas réduit le travail. Elle l’a intensifié. Les travailleurs sont devenus plus rapides, ont pris en charge davantage de tâches, ont étalé leur travail sur plus d’heures dans la journée – souvent sans aucune pression externe explicite. L’IA a rendu le « faire plus » possible, accessible, et dans bien des cas intrinsèquement gratifiant.
Fait remarquable, le même schéma se retrouve dans d’autres recherches. Microsoft a constaté que 62 % des chefs de produit utilisent l’IA générative quotidiennement, mais si 81 % affirment que l’IA fait gagner du temps, 56 % nient que l’effort ait diminué. Un paradoxe ? Non – une tendance de fond.
Pourquoi l’IA ne réduit pas le travail : trois mécanismes
Les chercheurs ont identifié trois formes d’intensification du travail qui ont émergé dans l’entreprise observée.
1. L’expansion des tâches
L’IA comble les lacunes de connaissances. Cela permet aux travailleurs de prendre en charge des tâches qui relevaient auparavant de quelqu’un d’autre.
Des chefs de produit et des designers se sont mis à écrire du code. Des chercheurs ont assumé des tâches d’ingénierie. Les gens ont commencé à tenter des travaux qu’ils auraient auparavant délégués, reportés ou tout simplement évités.
L’IA générative a soudainement rendu ces tâches accessibles. Les outils ont procuré ce que beaucoup ont vécu comme un « coup d’accélérateur cognitif » – ils réduisaient la dépendance aux autres, offraient un retour immédiat et permettaient des corrections en temps réel. Les travailleurs décrivaient cela comme « essayer des choses avec l’IA », mais ces expérimentations se sont accumulées pour élargir significativement le périmètre de leur poste. En pratique, les travailleurs absorbaient de plus en plus un travail qui aurait autrefois justifié des recrutements supplémentaires.
Cette expansion du périmètre a eu un effet secondaire. Les ingénieurs, de leur côté, ont passé plus de temps à relire, corriger et accompagner des collègues dont le travail assisté par l’IA nécessitait désormais une supervision. Ces sollicitations dépassaient la revue de code formelle. Les ingénieurs se retrouvaient de plus en plus à coacher des collègues qui faisaient du « vibe-coding » et à terminer des pull requests partiellement réalisées. Cette supervision émergeait souvent de manière informelle – dans des fils Slack ou lors de consultations rapides – ajoutant une charge aux ingénieurs qui n’apparaissait dans aucun outil de suivi de charge de travail.
Le paradoxe : l’IA était censée alléger la charge de l’équipe. Au lieu de cela, elle a redistribué la charge – certains ont pris plus de tâches, d’autres ont passé plus de temps à vérifier.
2. Le flou entre travail et non-travail
L’IA a rendu le démarrage d’une tâche trop facile. Elle a abaissé la friction face à la page blanche ou à un point de départ inconnu. En conséquence, les travailleurs ont commencé à glisser de petites portions de travail dans des moments qui étaient auparavant des pauses.
Beaucoup sollicitaient l’IA pendant le déjeuner, en réunion, pendant le chargement d’un fichier. Certains décrivaient l’envoi d’« un dernier petit prompt » juste avant de quitter leur poste, pour que l’IA travaille pendant leur absence.
Ces actions ne ressemblaient que rarement à « travailler davantage ». Mais au fil du temps, elles ont créé une journée de travail avec moins de pauses naturelles et un engagement plus continu.
Le style conversationnel du prompting a encore adouci l’expérience : taper une ligne à destination d’un système d’IA ressemblait davantage à une conversation qu’à l’exécution d’une tâche formelle, ce qui facilitait l’extension du travail en soirée ou tôt le matin sans intention consciente.
Certains travailleurs ont décrit avoir réalisé – souvent rétrospectivement – qu’à mesure que le prompting pendant les pauses devenait habituel, le temps de repos ne procurait plus le même sentiment de récupération. Le travail commençait à sembler moins délimité et plus ambiant – quelque chose qu’on pouvait toujours faire avancer juste un peu plus.
La frontière entre travail et non-travail n’a pas disparu. Mais la franchir est devenu plus facile.
3. Le multitâche amplifié
L’IA a introduit un nouveau rythme dans lequel les travailleurs géraient simultanément plusieurs fils actifs : écrire du code manuellement pendant que l’IA en générait une version alternative, faire tourner plusieurs agents en parallèle, relancer des tâches longtemps différées parce que l’IA pouvait « s’en occuper » en arrière-plan.
Les travailleurs le faisaient en partie parce qu’ils avaient le sentiment d’avoir un « partenaire » capable de les aider à avancer dans la charge de travail.
Si le sentiment d’avoir un « partenaire » créait une impression d’élan, la réalité était faite de changements de contexte constants, de vérifications fréquentes des productions de l’IA et d’un nombre croissant de tâches ouvertes. Cela produisait une charge cognitive et un sentiment persistant de jonglerie, même quand le travail semblait productif.
Au fil du temps, ce rythme a élevé les attentes de rapidité – pas nécessairement par des exigences explicites, mais par ce qui devenait visible et normalisé dans le travail quotidien.
De nombreux travailleurs ont noté qu’ils faisaient davantage de choses simultanément – et ressentaient une pression accrue – qu’avant d’utiliser l’IA, alors même que les gains de temps liés à l’automatisation étaient censés réduire cette pression.
Le cycle auto-renforçant : des gains de temps à la surcharge
Tout cela a créé un cycle auto-renforçant.
L’IA a accéléré certaines tâches → cela a élevé les attentes de rapidité → une vitesse accrue a rendu les travailleurs plus dépendants de l’IA → une dépendance accrue a élargi l’éventail de ce que les travailleurs tentaient → un éventail plus large a encore augmenté le volume et la densité du travail.
Un ingénieur a résumé la situation : « On se disait qu’en étant plus productif avec l’IA, on gagnerait du temps, on pourrait travailler moins. Mais en réalité, on ne travaille pas moins. On travaille autant, voire plus. »
Les organisations pourraient voir cette expansion volontaire du travail comme un gain sans équivoque. Après tout, si les travailleurs le font de leur propre initiative, quel est le problème ? N’est-ce pas la croissance explosive de la productivité qu’on nous avait promise ?
Mais l’étude révèle les risques de laisser le travail s’étendre et s’accélérer de manière informelle. Ce qui ressemble à une productivité accrue à court terme peut masquer une accumulation silencieuse de surcharge et une tension cognitive croissante, à mesure que les employés jonglent avec de multiples flux de travail assistés par l’IA.
Parce que cet effort supplémentaire est volontaire et souvent présenté comme une expérimentation plaisante, il est facile pour les dirigeants de ne pas percevoir la charge additionnelle que portent les travailleurs. À terme, le surmenage peut altérer le jugement, augmenter les taux d’erreur et rendre plus difficile pour les organisations de distinguer les véritables gains de productivité d’une intensité insoutenable.
Pour les travailleurs, l’effet cumulé est la fatigue, le burn-out et un sentiment croissant que le travail est de plus en plus difficile à quitter.
À mon sens, il est essentiel de distinguer productivité et intensité.
Pratique de l’IA : trois leviers contre l’intensification
Plutôt que de réagir passivement à la façon dont les outils d’IA remodèlent le travail, individus et entreprises doivent adopter une « pratique de l’IA » – un ensemble de normes et de routines intentionnelles qui structurent la manière dont l’IA est utilisée, le moment où il convient de s’arrêter, et la façon dont le travail devrait – ou ne devrait pas – s’étendre en réponse à de nouvelles capacités.
Sans de telles pratiques, la tendance naturelle du travail assisté par l’IA n’est pas la réduction mais l’intensification – avec des conséquences sur le burn-out, la qualité des décisions et la durabilité à long terme.
Les chercheurs proposent trois pratiques clés.
1. Les pauses intentionnelles
À mesure que les tâches s’accélèrent et que les frontières se brouillent, les travailleurs peuvent tirer profit de moments brefs et structurés qui régulent le rythme : des intervalles protégés pour évaluer l’alignement, revisiter les hypothèses ou assimiler l’information avant d’avancer.
Ces pauses ne ralentiraient pas le travail dans l’ensemble. Elles empêcheraient simplement l’accumulation silencieuse de surcharge qui survient quand l’accélération n’est pas contrôlée.
Par exemple, une pause décisionnelle pourrait exiger, avant qu’une décision importante ne soit finalisée, un contre-argument et un lien explicite avec les objectifs de l’organisation – élargissant juste assez le champ d’attention pour se prémunir contre la dérive.
Intégrer de telles pauses dans le flux de travail quotidien est un moyen pour les organisations de soutenir de meilleures décisions, des frontières plus saines et des formes de productivité plus durables dans les environnements augmentés par l’IA.
2. Le séquençage
Puisque l’IA rend possible une activité permanente en arrière-plan, les organisations peuvent bénéficier de normes qui façonnent intentionnellement quand le travail avance, et pas seulement à quelle vitesse.
Cela inclut le regroupement des notifications non urgentes, le report des mises à jour jusqu’aux points de contrôle naturels, et la protection de plages de concentration pendant lesquelles les travailleurs sont préservés des interruptions.
Plutôt que de réagir à chaque production de l’IA au moment où elle apparaît, le séquençage encourage le travail à progresser par phases cohérentes.
Quand la coordination est structurée de cette manière, les travailleurs subissent moins de fragmentation et moins de changements de contexte coûteux, tout en maintenant le débit global de l’équipe.
En régulant l’ordre et le rythme du travail – plutôt qu’en exigeant une réactivité permanente – le séquençage peut aider les organisations à préserver l’attention, réduire la surcharge cognitive et favoriser une prise de décision plus réfléchie dans les environnements de travail portés par l’IA.
3. L’ancrage humain
Alors que l’IA permet un travail de plus en plus solitaire et autonome, les organisations peuvent tirer profit de la protection du temps et de l’espace consacrés à l’écoute et à la connexion humaine.
De brèves occasions de se connecter aux autres – que ce soit par des points rapides, des moments de réflexion partagée ou un dialogue structuré – interrompent l’engagement solitaire continu avec les outils d’IA et contribuent à restaurer la perspective.
Au-delà de la perspective, l’échange social nourrit la créativité. L’IA fournit un point de vue unique et synthétisé, mais l’intuition créative repose sur l’exposition à de multiples perspectives humaines.
En institutionnalisant le temps et l’espace pour l’écoute et le dialogue, les organisations réancrent le travail dans un contexte social et contribuent à contrebalancer les effets épuisants et individualisants du travail rapide médié par l’IA.
Gérer la transformation IA de votre équipe ?
Notre module ouvert sur l'IA pour managers : pratiques de délégation, limites de l'automatisation, contrôle qualité, gestion de la charge de travail – sans inscription.
Continuez votre apprentissage
Ouvrez le manuel et reprenez là où vous vous êtes arrêté
Ce que cela signifie pour les dirigeants et les équipes
La promesse de l’IA générative ne réside pas seulement dans ce qu’elle peut faire pour le travail, mais dans la manière dont elle est intégrée au rythme quotidien.
L’étude le montre : sans intention, l’IA facilite le fait de faire plus – mais rend plus difficile le fait de s’arrêter.
La pratique de l’IA offre un contrepoids : un moyen de préserver des moments de récupération et de réflexion même quand le travail s’accélère. La question à laquelle font face les organisations n’est pas de savoir si l’IA va transformer le travail, mais si elles vont activement façonner ce changement – ou le laisser silencieusement les façonner.
Pour les responsables d’équipe :
Surveillez la dérive de la charge de travail, pas seulement la productivité. Si l’équipe travaille plus vite avec l’IA, cela ne signifie pas nécessairement qu’elle travaille de manière durable. Vérifiez régulièrement : l’expansion volontaire des tâches masque-t-elle une charge croissante ?
Formulez des normes explicites pour la délégation à l’IA. Quelles tâches peuvent être déléguées en toute sécurité ? Lesquelles nécessitent une supervision humaine ? Si cela n’est pas clairement défini, les travailleurs expérimenteront sans limites – souvent avec des conséquences sur la qualité.
Créez des plages de concentration protégées. Si l’IA permet une activité continue, protégez activement du temps sans interruptions. Toutes les notifications ne nécessitent pas une réponse immédiate. Toutes les productions de l’IA ne nécessitent pas une relecture immédiate.
Pour les travailleurs individuels :
Distinguez « je peux » de « je devrais ». Le fait que l’IA rende une tâche possible ne signifie pas que vous devez la prendre en charge. Élargir votre périmètre sans tenir compte de la durabilité à long terme est un chemin vers le burn-out.
Fixez des limites au prompting. Si solliciter l’IA est devenu si facile que vous le faites pendant les pauses, posez-vous la question : est-ce encore une pause ? Ou le travail est-il simplement devenu ambiant ?
Exigez des pauses décisionnelles pour les tâches à enjeux élevés. Avant de finaliser une décision importante basée sur une production de l’IA, formulez un contre-argument et un lien explicite avec vos objectifs. Cela ne ralentit pas le travail – cela protège contre la dérive.
Pour les organisations :
Développez des bonnes pratiques IA spécifiques à votre domaine. Les cours génériques d’ingénierie de prompts ne suffisent pas. Les travailleurs ont besoin de cas issus de leur domaine : comment utiliser l’IA pour les spécifications, l’analyse de données, le design, le code – avec des exemples explicites de ce qui fonctionne et de ce qui ne fonctionne pas.
Institutionnalisez l’ancrage humain. À mesure que l’IA permet davantage de travail en solo, protégez du temps pour l’interaction humaine – points d’équipe, réflexion, dialogue. La créativité et la perspective nécessitent l’exposition à de multiples points de vue humains, pas seulement à une perspective IA unique et synthétisée.
Revisitez les critères d’évaluation. Si les rôles évoluent – des chefs de produit écrivent du code, des chercheurs assument des tâches d’ingénierie – peut-être que les critères de réussite devraient évoluer aussi. Évaluez-vous la capacité à relire de manière critique les productions de l’IA ? Ou uniquement la vitesse d’exécution des tâches ?
Productivité ou intensité ?
L’étude de 8 mois d’une entreprise technologique révèle ce que beaucoup ressentent intuitivement sans toujours pouvoir le formuler : l’IA ne change pas tant ce que nous faisons que la manière dont nous vivons le travail.
L’IA n’a pas réduit la charge de travail. Elle l’a compressée.
Les travailleurs ont commencé à faire plus de tâches dans le même temps. À assumer des responsabilités qui appartenaient autrefois à d’autres. À étaler le travail sur des heures qui étaient auparavant des pauses. À jongler avec plusieurs fils simultanément parce que l’IA créait l’illusion d’un « partenaire » capable de supporter la charge.
Mais l’effet cumulé n’est pas plus de temps libre. C’est la fatigue. Des frontières floues. Le sentiment croissant que le travail est de plus en plus difficile à poser.
Le paradoxe est que l’IA a rendu le travail plus facile à commencer, mais pas plus facile à arrêter.
La question mérite d’être posée : qu’est-ce qui compte le plus – la productivité ou la durabilité ? La vitesse ou la qualité du jugement ? Plus de tâches ou des frontières plus saines ?
L’IA ne répondra pas à ces questions pour nous. Cela requiert des pratiques intentionnelles, des normes explicites et une volonté active de façonner l’intégration de l’IA dans le flux de travail.
La question n’est pas de savoir si l’IA va transformer le travail. La question est de savoir si nous allons activement façonner ce changement – ou le laisser silencieusement nous façonner.
Avez-vous observé des schémas d’intensification similaires dans votre équipe ? Comment conciliez-vous productivité et durabilité ?
Sources
- AI Doesn’t Reduce Work–It Intensifies It (Harvard Business Review) – article original d’Aruna Ranganathan et Xingqi Maggie Ye sur l’étude de 8 mois
- Product Manager Practices for Delegating Work to Generative AI (arXiv:2510.02504) – étude de Microsoft montrant que 62 % des chefs de produit utilisent l’IA générative quotidiennement, mais 56 % nient que l’effort ait diminué
- AI Delegation: Why Accountability Stays With Humans – notre analyse de la recherche de Microsoft sur les pratiques de délégation du travail à l’IA générative