La Plateforme Stevenson

par Aruna Ranganathan et Xingqi Maggie Ye 9 février 2026 Illustration par Eynon Jones

Harvard Business Review 9 février 2026 https://hbr.org/2026/02/ai-doesnt-reduce-work-it-intensifies-it T(raduction automatique)

L'une des promesses de l'IA est de réduire la charge de travail afin que les employés puissent se concentrer sur des tâches à plus forte valeur ajoutée et plus stimulantes. Or, selon une nouvelle étude, les outils d'IA n'allégent pas le travail, ils l'intensifient systématiquement : dans cette étude, les employés travaillaient Les employés ont accéléré leur rythme de travail, élargi leur champ d'action et étendu leurs heures de travail, souvent sans qu'on le leur demande. Cela pourrait sembler une réussite, mais la réalité est plus complexe. Ces changements peuvent s'avérer insoutenables et entraîner une surcharge de travail, une fatigue cognitive, un épuisement professionnel et une baisse de la capacité de décision. Le gain de productivité initial peut rapidement se transformer en baisse de la qualité du travail, en roulement de personnel et en d'autres problèmes. Pour y remédier, les entreprises doivent adopter une « pratique d'IA », c'est-à-dire un ensemble de normes et de standards encadrant l'utilisation de l'IA, incluant des pauses intentionnelles, une planification des tâches et un renforcement de l'intervention humaine. Actuellement, de nombreuses entreprises cherchent à inciter davantage de leurs employés à utiliser l'IA. Il faut dire que la promesse de l'IA d'alléger certaines tâches – rédaction de documents routiniers, synthèse d'informations, débogage de code – et de libérer du temps pour des missions à plus forte valeur ajoutée est particulièrement séduisante. Mais sont-ils préparés aux conséquences d'un succès ? Alors que les dirigeants se concentrent sur les gains de productivité promis, ils risquent d'être surpris par la complexité de la réalité et de ne pas se rendre compte du coût de ces gains avant qu'il ne soit trop tard. Dans le cadre de nos recherches en cours, nous avons constaté que les outils d'IA n'ont pas réduit la charge de travail, mais l'ont au contraire considérablement intensifiée. Une étude menée pendant huit mois sur l'impact de l'IA générative sur les habitudes de travail au sein d'une entreprise technologique américaine d'environ 200 employés a révélé que ces derniers travaillaient plus rapidement, prenaient en charge un éventail de tâches plus large et étendaient leurs heures de travail, souvent de leur propre initiative. Il est important de noter que l'entreprise n'imposait pas l'utilisation de l'IA (bien qu'elle proposât des abonnements professionnels à des outils d'IA commerciaux). De leur propre initiative, les employés ont été plus productifs car l'IA a rendu cette augmentation de la charge de travail possible, accessible et, dans de nombreux cas, intrinsèquement gratifiante. S i cela peut sembler idéal pour les dirigeants, les changements induits par une adoption enthousiaste de l'IA peuvent s'avérer non durables et engendrer des problèmes à long terme. Une fois l'enthousiasme des premières expériences retombé, les employés peuvent constater une augmentation insidieuse de leur charge de travail et se sentir débordés par la gestion de toutes les tâches qui leur incombent soudainement. Cette surcharge de travail peut à son tour entraîner une fatigue cognitive, un épuisement professionnel et une altération de la capacité de décision. Le gain de productivité initial peut laisser place à une baisse de la qualité du travail, à un fort taux de rotation du personnel et à d'autres problèmes. Cela place les dirigeants dans une situation délicate. Que doivent-ils faire ? Compter sur l’autorégulation des employés n’est pas une stratégie gagnante. Les entreprises doivent plutôt définir des normes et des standards concernant l’utilisation de l’IA – ce que nous appelons une « pratique d’IA ». Voici ce que les dirigeants doivent savoir et comment ils peuvent favoriser la réussite de leurs employés.

D'avril à décembre de l'année dernière, nous avons étudié l'impact des outils d'IA générative sur les habitudes de travail au sein de cette entreprise technologique. Pour ce faire, nous avons procédé à des observations sur le terrain deux jours par semaine, suivi les canaux de communication interne et mené plus de 40 entretiens approfondis auprès des équipes d'ingénierie, de produit, de design, de recherche et d'opérations.

Nous avons identifié trois principales formes d'intensification.

L'IA étant capable de combler les lacunes en matière de connaissances, les employés ont progressivement assumé des responsabilités qui incombaient auparavant à d'autres. Les chefs de produit et les concepteurs se sont mis à coder ; les chercheurs ont pris en charge des tâches d'ingénierie ; et des personnes de tous les services de l'entreprise ont entrepris des travaux qu'elles auraient externalisés, reportés ou tout simplement évités par le passé.

L'IA générative a rendu ces tâches plus accessibles. Ces outils ont procuré à beaucoup un véritable coup de pouce cognitif : ils ont réduit la dépendance aux autres et offert un retour d'information et une correction immédiats. Les employés décrivaient cela comme de simples « expérimentations » avec l'IA, mais ces expériences ont finalement abouti à un élargissement significatif de leurs responsabilités. De fait, les employés ont pris en charge de plus en plus de tâches qui auraient auparavant nécessité un renfort de personnel.

L'élargissement des responsabilités a eu des répercussions importantes. Par exemple, les ingénieurs ont consacré davantage de temps à la relecture, à la correction et à l'accompagnement du travail généré ou assisté par l'IA produit par leurs collègues. Ces exigences allaient bien au-delà de la simple revue de code. Les ingénieurs se sont retrouvés de plus en plus souvent à coacher des collègues qui « programmaient intuitivement » et à finaliser des demandes de fusion incomplètes. Ce manque de suivi était souvent constaté de manière informelle – sur Slack ou lors de consultations rapides – ce qui alourdissait la charge de travail des ingénieurs.

L'IA ayant simplifié le démarrage des tâches — en réduisant la difficulté de se retrouver face à une page blanche ou à un point de départ inconnu —, les employés ont intégré de petites quantités de travail à leurs pauses habituelles. Nombre d'entre eux sollicitaient l'IA pendant leur déjeuner, en réunion ou en attendant le chargement d'un fichier. Certains ont même décrit l'envoi d'une « dernière petite sollicitation » juste avant de quitter leur bureau, afin que l'IA puisse travailler pendant leur absence.

Ces actions donnaient rarement l'impression d'un surcroît de travail, et pourtant, à terme, elles permettaient de réduire les pauses naturelles et d'accroître l'implication dans la tâche. Le style conversationnel des invites adoucissait encore davantage l'expérience ; écrire une phrase à un système d'IA s'apparentait davantage à une conversation qu'à l'exécution d'une tâche formelle, ce qui facilitait les débordements involontaires sur les soirées ou les matinées.

Certains employés ont confié avoir réalisé, souvent a posteriori, que les sollicitations répétées pendant les pauses étant devenues une habitude, ces moments d'inactivité ne leur procuraient plus le même sentiment de ressourcement. De ce fait, le travail leur paraissait moins structuré et plus diffus, comme une dimension qu'on pouvait toujours explorer davantage. La frontière entre vie professionnelle et vie personnelle n'a pas disparu, mais elle est devenue plus facile à franchir.

L'IA a instauré un nouveau rythme où les travailleurs géraient plusieurs tâches simultanément : écriture manuelle de code pendant que l'IA en générait une version alternative, exécution de plusieurs agents en parallèle, ou reprise de tâches longtemps différées grâce à la capacité de l'IA à les gérer en arrière-plan. Ils agissaient ainsi, en partie, car ils avaient le sentiment de disposer d'un « partenaire » capable de les aider à accomplir leur charge de travail.

Si l'impression d'avoir un « partenaire » donnait l'impression d'avancer, la réalité était tout autre : une attention constamment détournée, des vérifications fréquentes des résultats de l'IA et un nombre croissant de tâches en cours. Il en résultait une charge cognitive importante et un sentiment de jonglerie permanente, même si le travail paraissait productif.

Avec le temps, ce rythme a accru les attentes en matière de rapidité, non pas nécessairement par des exigences explicites, mais par ce qui est devenu visible et normalisé dans le travail quotidien. De nombreux employés ont constaté qu'ils en faisaient plus à la fois – et ressentaient plus de pression – qu'avant l'utilisation de l'IA, alors même que les gains de temps grâce à l'automatisation étaient censés réduire cette pression.

Tout cela a engendré un cercle vicieux. L'IA a accéléré certaines tâches, ce qui a accru les attentes en matière de rapidité ; cette rapidité accrue a rendu les travailleurs plus dépendants de l'IA. Cette dépendance accrue a élargi le champ des possibles, et cet élargissement a encore augmenté la quantité et la densité du travail. Plusieurs participants ont constaté que, malgré un sentiment de productivité accru, ils ne se sentaient pas moins occupés, et même, dans certains cas, plus qu'auparavant. Comme l'a résumé un ingénieur : « On se dit que, grâce à l'IA, on peut gagner du temps et travailler moins, car on est plus productif. Mais en réalité, on travaille autant, voire plus. »

Les entreprises pourraient considérer cette augmentation volontaire du travail comme un avantage indéniable. Après tout, si les employés agissent ainsi de leur propre initiative, où serait le mal ? N'est-ce pas là l'explosion de productivité tant attendue ?

Nos recherches révèlent les risques liés à une expansion et une accélération informelles du travail : une productivité accrue, même à court terme, peut masquer une augmentation silencieuse de la charge de travail et une fatigue cognitive grandissante, les employés jonglant avec de multiples flux de travail automatisés par l’IA. Comme cet effort supplémentaire est volontaire et souvent présenté comme une expérimentation enrichissante, les dirigeants peuvent facilement sous-estimer la charge de travail supplémentaire supportée par les employés. À terme, le surmenage peut altérer le jugement, accroître le risque d’erreurs et rendre plus difficile pour les organisations de distinguer les gains de productivité réels d’une intensité insoutenable. Pour les employés, l’effet cumulatif est la fatigue, l’épuisement professionnel et le sentiment croissant qu’il est de plus en plus difficile de se déconnecter du travail, d’autant plus que les exigences organisationnelles en matière de rapidité et de réactivité augmentent.

Au lieu de subir passivement la transformation du monde du travail par les outils d'IA, individus et entreprises devraient adopter une « pratique de l'IA » : un ensemble de normes et de routines intentionnelles encadrant l'utilisation de l'IA, définissant les moments opportuns pour l'interrompre et les modalités d'adaptation du travail face aux nouvelles capacités. Sans une telle pratique, le travail assisté par l'IA tend naturellement à s'intensifier plutôt qu'à se réduire, avec des conséquences néfastes sur l'épuisement professionnel, la qualité des décisions et la pérennité de l'activité.

Dans le cadre de leurs efforts pour développer leurs pratiques en matière d'IA, les organisations devraient envisager d'adopter :

À mesure que les tâches s'accélèrent et que les frontières s'estompent, les travailleurs pourraient bénéficier de brefs moments structurés pour réguler le rythme : des intervalles protégés pour évaluer l'alignement, reconsidérer les hypothèses ou assimiler les informations avant d'aller de l'avant.

Ces pauses ne ralentiraient pas le travail en général ; elles permettraient simplement d’éviter l’accumulation insidieuse de surcharge qui survient lorsque l’accélération n’est pas maîtrisée. Par exemple, une pause décisionnelle pourrait exiger, avant la finalisation d’une décision importante, un contre-argument et un lien explicite avec les objectifs organisationnels – élargissant ainsi le champ d’attention juste assez pour prévenir toute dérive. Intégrer de telles pauses dans le flux de travail quotidien est un moyen pour les organisations de favoriser de meilleures décisions, des limites plus saines et des formes de productivité plus durables dans des environnements enrichis par l’IA.

L'IA permettant une activité continue en arrière-plan, les organisations peuvent tirer parti de normes qui encadrent délibérément le déroulement des tâches, et non seulement leur vitesse. Cela inclut le regroupement des notifications non urgentes, le report des mises à jour aux pauses naturelles et la protection des plages de concentration durant lesquelles les employés sont à l'abri des interruptions.

Plutôt que de réagir instantanément à chaque résultat généré par l'IA, la mise en séquence des tâches favorise une progression cohérente du travail. Grâce à cette coordination rythmée, les collaborateurs subissent moins de fragmentation et de changements de contexte coûteux, tandis que les équipes maintiennent leur productivité globale. En régulant l'ordre et le calendrier des tâches – au lieu d'exiger une réactivité continue –, la mise en séquence permet aux organisations de préserver l'attention des utilisateurs, de réduire la surcharge cognitive et de favoriser une prise de décision plus réfléchie dans les environnements de travail où l'IA est omniprésente.

À mesure que l'IA favorise le travail individuel et autonome, les organisations ont tout intérêt à préserver du temps et de l'espace pour l'écoute et les échanges humains. De courtes occasions de se connecter avec autrui – que ce soit par de brefs points de contact, des moments de réflexion partagée ou des dialogues structurés – interrompent l'utilisation intensive et continue des outils d'IA et permettent de prendre du recul. Au-delà de la simple perspective, l'échange social favorise la créativité. L'IA offre une vision unique et synthétisée, mais l'intuition créative repose sur la confrontation à de multiples points de vue humains. En institutionnalisant des espaces et des moments dédiés à l'écoute et au dialogue, les organisations réancrent le travail dans un contexte social et contribuent à contrer les effets déshumanisants et individualisants d'un travail rapide et médiatisé par l'IA. ***

La promesse de l'IA générative réside non seulement dans ses applications au travail, mais aussi dans la manière dont elle s'intègre harmonieusement au rythme quotidien. Nos conclusions suggèrent que, sans une approche intentionnelle, l'IA facilite l'augmentation de la productivité, mais rend plus difficile l'arrêt. Une pratique axée sur l'IA offre un contrepoids : un moyen de préserver des moments de récupération et de réflexion, même lorsque le rythme de travail s'accélère. La question qui se pose aux organisations n'est pas de savoir si l'IA transformera le travail, mais si elles façonneront activement ce changement, ou si elles le laisseront les influencer insidieusement.

La promesse de l'IA générative réside non seulement dans ses applications au travail, mais aussi dans la manière dont elle s'intègre harmonieusement au rythme quotidien. Nos conclusions suggèrent que, sans une approche intentionnelle, l'IA facilite l'augmentation de la productivité, mais rend plus difficile l'arrêt. Une pratique axée sur l'IA offre un contrepoids : un moyen de préserver des moments de récupération et de réflexion, même lorsque le rythme de travail s'accélère. La question qui se pose aux organisations n'est pas de savoir si l'IA transformera le travail, mais si elles façonneront activement ce changement, ou si elles le laisseront les influencer insidieusement.

Aruna Ranganathan est professeure agrégée de gestion et d'organisation à la Haas School of Business de l'Université de Californie à Berkeley. Elle a obtenu son doctorat à la Sloan School of Management du MIT. Ses recherches, qui utilisent des méthodes de recherche holistiques, portent sur l'avenir du travail, l'identification au travail et les inégalités en milieu professionnel.

Xingqi Maggie Ye est doctorante au sein du groupe de gestion des organisations de Berkeley Haas. Ses recherches combinent ethnographie et expérimentations de terrain pour examiner comment l'intelligence artificielle générative remodèle les pratiques de travail, les identités professionnelles et les structures organisationnelles. Elle est titulaire d'un master en administration des affaires (MHA) de l'université Cornell et d'une licence (BS) de l'Imperial College London.