L'IA ne vous libère pas : elle vous met une chaîne (dorée)

Dans les salles de réunion d'une entreprise tech américaine, pendant huit mois, deux cents employés ont vécu une expérience que personne n'avait planifiée. Ils avaient un accès volontaire à des outils d'intelligence artificielle générative, ces assistants numériques qui promettent d'écrire des e-mails en quelques secondes, de résumer des montagnes de documents, d'automatiser le travail répétitif. Le récit dominant suggérait un avenir radieux : moins d'heures au bureau, plus de temps pour la réflexion stratégique, peut-être même quelques après-midi libres récupérés. Huit mois plus tard, les chercheurs de la Harvard Business Review ont examiné les données et ont découvert quelque chose de profondément différent. Il n'y avait eu aucune libération. Le rythme de travail s'était accéléré, les tâches s'étaient multipliées, les heures de travail s'étaient prolongées. L'IA n'avait pas allégé la charge : elle l'avait intensifiée.

Huit mois dans le ventre de l'algorithme

Ce qu'Aruna Ranganathan et Xingqi Maggie Ye ont documenté dans leur recherche pour la Harvard Business Review va au-delà du simple constat que « la technologie ne tient pas ses promesses ». C'est la photographie d'un mécanisme plus subtil et pervasif qu'elles ont baptisé « workload creep », l'expansion rampante de la charge de travail. Les deux cents employés étudiés n'étaient pas des cobayes passifs dans un laboratoire contrôlé. C'étaient des professionnels qui avaient choisi librement d'adopter l'IA générative, poussés par la curiosité ou la conviction qu'elle pourrait les rendre plus efficaces. Aucun mandat d'entreprise venu d'en haut, aucune imposition. Pourtant, semaine après semaine, le schéma a émergé avec une cohérence inquiétante.

L'IA leur permettait d'accomplir des tâches individuelles plus rapidement, c'était indéniable. Répondre à un e-mail complexe qui demandait auparavant vingt minutes n'en prenait plus que huit. Résumer un rapport de cinquante pages devenait une question de quelques clics au lieu d'une heure de lecture concentrée. Mais voici le paradoxe : ce temps gagné ne revenait jamais aux travailleurs. Il se dissolvait immédiatement en nouvelles demandes, projets supplémentaires, attentes recalibrées. Comme l'eau qui trouve toujours le niveau le plus bas, le travail s'étendait pour remplir chaque minute libérée par l'automatisation.

Les chercheurs ont observé trois dynamiques qui se renforçaient mutuellement. La première : l'expansion du rôle. Quand vous devenez plus rapide pour un certain type de tâche, vos collègues et supérieurs commencent à vous en déléguer davantage. Le travailleur qui parvient à traiter ses e-mails deux fois plus vite ne finit pas sa journée plus tôt, il reçoit deux fois plus de demandes. La deuxième : le relèvement des standards. Ce qui était auparavant considéré comme un résultat acceptable devient désormais le minimum syndical. Si l'IA vous permet de produire une présentation plus soignée en moins de temps, on s'attend à ce que toutes vos présentations atteignent ce niveau. La troisième, peut-être la plus insidieuse : l'auto-imposition. Les travailleurs eux-mêmes, voyant tout ce qu'ils peuvent accomplir avec l'assistance de l'IA, se chargent volontairement de tâches supplémentaires, convaincus de pouvoir les gérer.

Le paradoxe de la productivité

Pour comprendre l'ampleur de ce phénomène, il faut regarder au-delà de la seule étude qualitative. Entre septembre 2023 et octobre 2024, Microsoft a mené ce qui est probablement la plus grande expérience contrôlée sur l'adoption de l'IA générative dans des contextes de travail réels : 7 137 travailleurs du savoir répartis dans 66 grandes entreprises, tous équipés de Microsoft 365 Copilot, l'assistant IA intégré aux applications qu'ils utilisaient quotidiennement pour les e-mails, les réunions et la rédaction de documents. L'affectation était aléatoire : la moitié recevait l'accès à l'IA, l'autre moitié continuait à travailler comme d'habitude. Six mois d'observation continue, avec 4 975 interactions tracées avec des horodatages précis.

Les résultats ont confirmé le gain d'efficacité sur des tâches spécifiques. Les travailleurs ayant accès à Copilot ont réduit le temps passé sur Outlook de 1,4 heure par semaine en moyenne, soit environ 12 % par rapport à la période précédente. En ne considérant que ceux qui utilisaient réellement l'outil de manière continue, l'économie montait à 2 heures, soit une réduction de 17 %. Ils ont consolidé le travail par e-mail en sessions plus concentrées, libérant des blocs continus d'une heure et demie sans interruption du courrier. Sur le papier, une victoire nette de l'automatisation.

Mais quand les économistes de Microsoft ont examiné le total des heures de travail, ils ont trouvé quelque chose de déconcertant. Le temps total passé dans les applications numériques en dehors des heures de travail standard n'avait diminué que de 0,25 heure par semaine, soit environ 15 minutes. Une réduction de 9 %, certes, mais infinitésimale par rapport aux 2 heures économisées sur Outlook. Où étaient passées les 1,75 heure restantes ? La réponse la plus probable : absorbées par des activités que le système de télémétrie ne pouvait pas tracer, ou pire, converties en nouveau travail que les travailleurs avaient spontanément accepté de fournir.

Le schéma devient encore plus clair quand on analyse les tâches qui devraient bénéficier le plus de l'IA. Les réunions sur Teams n'ont diminué ni en nombre ni en durée. Les documents Word finalisés sont restés stables. Au contraire, certains indicateurs suggéraient une légère augmentation de la complexité du travail : plus de réunions avec de nombreux participants, des documents collaboratifs qui demandaient deux jours de moins pour être finalisés (de 287 à 239 heures), mais sans réduction du nombre total de documents produits. L'efficacité gagnée ne se traduisait pas par une réduction de la charge, mais par une accélération du rendement.

Mais comment passe-t-on d'une économie de deux heures sur Outlook à travailler plus globalement ? La réponse réside dans les schémas comportementaux individuels. Une étude menée par des chercheurs de Harvard et du MIT sur 244 consultants du Boston Consulting Group a révélé que face au même outil d'IA, les professionnels développent trois modes radicalement différents. Les « Cyborgs » fusionnent continuellement leur propre raisonnement avec la machine dans un dialogue itératif serré. Les « Centaures » gardent fermement le contrôle stratégique, n'utilisant l'IA que pour des tâches spécifiques bien circonscrites. Les « Self-Automators » délèguent à l'IA tant la définition du problème que son exécution, souvent avec un unique prompt gigantesque.

Ces derniers sont ceux qui risquent le plus le workload creep. En déléguant complètement des tâches individuelles, ils développent l'illusion de les avoir résolues instantanément et finissent par en accumuler davantage. Un consultant de l'étude a copié l'intégralité d'un énoncé de cas d'entreprise dans ChatGPT, a accepté la recommandation sans vérification, et a remis le mémo au PDG. La réponse était fausse, mais le temps « économisé » avait déjà été réinvesti ailleurs. C'est l'équivalent professionnel de cette étrange loi économique selon laquelle les routes plus larges ne réduisent pas le trafic, elles l'attirent.

Qui gagne quand vous travaillez plus

L'économiste Wei Jiang et ses collègues de la Columbia Business School ont étudié près de deux décennies de données sur le temps de travail américain, en les croisant avec des mesures d'exposition professionnelle à l'IA. Le tableau qui émerge est systémique, pas anecdotique. Passer du 25e au 75e percentile d'exposition à l'IA correspond à 2,2 heures de travail hebdomadaires supplémentaires. L'effet s'est intensifié après la sortie de ChatGPT en novembre 2022, qui a fonctionné comme un choc exogène à l'adoption de l'IA générative. Les professions les plus exposées ont connu une augmentation de 3,15 heures par semaine par rapport aux moins exposées, et cette expansion s'est accompagnée d'une réduction proportionnelle du temps libre.

Mais ici surgit la question centrale : si l'IA augmente réellement la productivité, pourquoi les bénéfices ne reviennent-ils pas aux travailleurs sous forme d'horaires plus courts ou de salaires plus élevés ? La réponse réside dans la distribution des gains de productivité, un thème que les économistes appellent « capture de rente ». Sur des marchés du travail compétitifs, où les travailleurs ont peu de pouvoir de négociation parce que quelques grands employeurs dominent, les entreprises peuvent s'approprier l'essentiel des bénéfices. Et sur des marchés de produits hautement compétitifs, où les produits sont substituables, les entreprises sont incitées à transférer les gains de productivité aux consommateurs par des prix plus bas ou de meilleurs services, plutôt que de les partager avec les employés.

L'étude de Jiang quantifie ce mécanisme. L'effet de l'IA sur les heures travaillées est amplifié de 30 à 40 % sur les marchés du travail concentrés par rapport aux marchés compétitifs. Et dans les secteurs à forte compétition sur les produits, l'expansion horaire est encore plus marquée. Les travailleurs deviennent plus productifs mais ne voient pas d'améliorations correspondantes dans l'équilibre vie professionnelle-vie privée. L'IA en fait des machines plus efficaces, mais cette efficacité est capturée par d'autres acteurs de la chaîne de valeur.

Il y a ensuite la question du suivi algorithmique, qui a connu une expansion silencieuse mais pervasive pendant la pandémie. Les outils d'IA pour tracer la performance des employés à distance — ces systèmes qui mesurent les frappes au clavier, analysent les schémas d'activité, génèrent des scores de productivité automatiques — ont transformé le travail à domicile en travail sous surveillance continue. L'étude de Jiang montre que les professions à forte exposition aux technologies de monitoring IA ont connu un allongement des heures de travail même après le retour au bureau. Le mécanisme est ce que les économistes appellent « contracting efficiency » : l'IA permet aux employeurs de vérifier plus facilement l'effort des employés, rigidifiant les attentes de performance.

Cela ne s'applique pas à tous. Les travailleurs indépendants, qui ne sont pas soumis à la dynamique classique principal-agent du travail salarié, ne montrent pas le même schéma d'expansion horaire lorsqu'ils utilisent l'IA. Il n'y a pas de patron pour capturer les gains de productivité, ces gains peuvent donc effectivement se traduire par des choix individuels sur la manière d'allouer son temps. Mais pour la majorité des travailleurs du savoir intégrés dans des organisations, l'IA redessine le contrat psychologique du travail de manière unilatérale. Image tirée du papier Microsoft sur arxiv.org

Le mirage du temps libre

John Maynard Keynes prévoyait en 1930 que ses petits-enfants travailleraient quinze heures par semaine grâce aux gains de productivité technologique. Près d'un siècle plus tard, nous allons dans la direction opposée. Mais la promesse de l'IA comme libératrice du temps humain était si séduisante, si souvent répétée dans les keynotes d'entreprise et les articles visionnaires, qu'elle a occulté une leçon que nous aurions dû tirer de chaque vague d'automatisation précédente. Les technologies qui augmentent l'efficacité réduisent rarement les heures travaillées ; le plus souvent, elles les redistribuent ou les intensifient.

Les données sur la réduction du temps libre collectées par Jiang sont particulièrement révélatrices. Quand les travailleurs exposés à l'IA réduisent leurs heures de loisirs, ce n'est pas l'écran qui en souffre le plus. Regarder la télévision et jouer aux jeux vidéo restent relativement stables. Ce qui est sacrifié, ce sont les activités qui demandent une participation active : socialisation, divertissement en direct, sport. C'est un signal subtil de la manière dont l'intensification du travail modifie non seulement la quantité mais la qualité du temps non travaillé. Le peu de temps libre qui reste est consacré à des formes de loisirs passives, qui demandent moins d'énergie cognitive et émotionnelle.

Vient ensuite la question de la satisfaction au travail, qui représente peut-être l'indicateur le plus direct de la manière dont les travailleurs vivent réellement cette transformation. Les chercheurs ont analysé les avis sur Glassdoor — cette plateforme où les employés évaluent anonymement leurs employeurs — en croisant les notes avec des mesures d'exposition professionnelle à l'IA. Le résultat est net : une plus grande exposition à l'IA corrèle avec une satisfaction au travail moindre et un équilibre vie professionnelle-vie privée perçu comme moins bon. Ce n'est pas simplement que l'IA rend les gens plus productifs, c'est que cette productivité arrive avec un coût personnel que les systèmes de mesure traditionnels ne saisissent pas.

L'étude Microsoft avait trouvé un indice similaire en examinant les effets de débordement (spillover) sur les collègues proches des travailleurs ayant reçu Copilot. Il n'y avait pas d'impacts négatifs mesurables sur les schémas de travail des non-utilisateurs, ce qui suggère que le temps économisé n'était pas déchargé sur les autres. Mais cela soulève une question encore plus inquiétante : si vous ne travaillez pas moins et que vous ne déléguez pas davantage à vos collègues, où va cette efficacité gagnée ? La réponse la plus probable est qu'elle est capturée par des attentes organisationnelles implicites qui se recalibrent continuellement à la hausse.

La géographie invisible du burnout

Quand on regarde la distribution sectorielle et géographique de ces effets, des schémas émergent qui compliquent encore le tableau. L'étude Microsoft a trouvé que dans les entreprises de télécommunications et de technologie, 45 % des travailleurs ayant accès à Copilot l'utilisaient chaque semaine, tandis que dans le secteur de la construction et de l'industrie, le pourcentage tombait à 25 %. Mais la variation la plus significative n'était pas entre les secteurs, elle était entre les entreprises individuelles. Deux entreprises du même secteur pouvaient avoir des taux d'adoption différant d'un facteur 10, avec des moyennes hebdomadaires allant de 6,3 % à 70 %.

Cela suggère que la culture organisationnelle et les pratiques managériales jouent un rôle crucial dans la médiation de la manière dont l'IA est intégrée dans les flux de travail. Les entreprises qui avaient fourni une formation spécifique sur l'utilisation de l'IA voyaient des schémas d'utilisation plus sophistiqués et moins d'incidences de délégation totale de type Self-Automator. Mais 68 % des travailleurs de l'étude n'avaient reçu aucune formation structurée, les laissant naviguer à tâtons dans un territoire cognitif complètement nouveau.

La dimension géographique ajoute un niveau de complexité supplémentaire. Les études menées jusqu'ici se concentrent presque exclusivement sur les États-Unis et quelques grandes économies européennes. Nous ne savons pas si les schémas de workload creep sont universels ou s'il existe des variantes culturelles significatives. Dans des pays dotés de protections du travail plus fortes, de limites législatives sur le temps de travail, ou de traditions différentes sur la frontière entre vie professionnelle et vie privée, l'IA pourrait s'intégrer de manières radicalement différentes. L'Union européenne discute du « droit à la déconnexion », des réglementations qui limiteraient la capacité des employeurs à contacter les employés en dehors des heures de travail. Mais si l'IA permet aux travailleurs d'être plus productifs pendant les heures standard, elle pourrait paradoxalement rendre la déconnexion formelle moins nécessaire tout en intensifiant la charge pendant les heures régulières.

Il n'existe pas encore d'études longitudinales qui suivent les mêmes travailleurs sur des périodes supérieures à un an, surveillant l'évolution des schémas d'utilisation de l'IA et de leurs effets sur la charge de travail au fil du temps. Il est possible que l'intensification observée soit un phénomène transitoire, lié à la phase d'apprentissage et d'adaptation. Ou bien cela pourrait être le début d'une trajectoire menant à des formes de burnout structurel, où la capacité de travailler plus vite devient une prison plutôt qu'une libération.

Contre-exemples et voies de sortie

Toutes les données ne pointent pas dans la même direction sombre. Une étude de la London School of Economics sur des travailleurs ayant intégré l'IA générative dans leurs routines a trouvé des économies moyennes de 7,5 heures par semaine. La différence méthodologique cruciale : cette enquête reposait sur l'auto-déclaration, en demandant directement aux travailleurs combien de temps ils estimaient avoir économisé. Les études basées sur une télémétrie objective comme celle de Microsoft trouvent des effets beaucoup plus modestes. Il est possible que les travailleurs perçoivent une économie de temps significative même quand ils travaillent objectivement plus d'heures, peut-être parce que certaines tâches deviennent moins frustrantes ou moins lourdes cognitivement même si elles sont plus nombreuses.

Il existe ensuite des cas d'entreprise spécifiques où l'introduction de l'IA s'est accompagnée de changements structurels dans l'organisation du travail qui ont effectivement permis des réductions d'horaires. Des entreprises qui ont intentionnellement redessiné les flux de travail, en éliminant les réunions redondantes, en consolidant les communications, et en fixant des attentes explicites selon lesquelles le temps économisé par l'IA devait se traduire par des horaires plus courts plutôt que par un rendement accru. Mais ceux-ci semblent être des exceptions qui demandent des interventions managériales délibérées, et non l'issue naturelle de l'adoption technologique.

Le point fondamental est que l'IA ne détermine pas seule les issues professionnelles. Comme toute technologie puissante, elle peut être employée pour des objectifs différents. Elle peut servir à presser davantage de rendement des mêmes travailleurs dans les mêmes heures, elle peut permettre de produire le même rendement en moins de temps, ou elle peut autoriser un rendement plus sophistiqué qui était auparavant inaccessible. Le choix entre ces voies n'est pas technique mais politique, au sens le plus large du terme : il dépend de qui a le pouvoir de décider comment allouer les gains de productivité.

Les experts en gestion des ressources humaines commencent à développer des cadres pour surveiller l'impact de l'adoption de l'IA sur le bien-être des employés, en allant au-delà des mesures traditionnelles de productivité. Certains outils incluent des sondages périodiques sur la charge cognitive perçue, l'analyse des schémas de communication pour identifier les signes de surcharge, et des mécanismes de feedback continu qui permettent aux travailleurs de signaler quand l'attente d'utiliser l'IA devient oppressive plutôt qu'habilitante.

La vraie question que ces études soulèvent n'est pas de savoir si l'IA augmente la productivité, mais pour qui et à quel coût. Huit mois dans une entreprise tech américaine ont montré que sans garde-fous intentionnels, l'automatisation intelligente a tendance à intensifier le travail au lieu de l'alléger. Les données de Microsoft sur près de sept mille travailleurs confirment que l'efficacité gagnée sur des tâches individuelles se dissout rapidement en une nouvelle charge globale. Les analyses macroéconomiques révèlent qu'en l'absence de pouvoir de négociation, les bénéfices sont capturés par les entreprises et les consommateurs tandis que les travailleurs ne voient que des horaires plus longs.

Nous pouvons encore choisir un chemin différent, où l'IA rend effectivement du temps au lieu de l'absorber. Mais ce choix exige une prise de conscience, une réglementation, et peut-être surtout une redéfinition collective de ce que signifie bien travailler à l'ère de l'intelligence artificielle. Sinon, nous risquons de découvrir que les chaînes dorées de l'automatisation sont toujours des chaînes, seulement plus brillantes.