L’IA épuise d’abord ceux qui tenaient le mieux

Votre meilleure collaboratrice vient de commettre deux erreurs importantes dans la même semaine. D’ordinaire, cela n’arrive pas. Or c’est aussi elle qui pilote quatre outils d’IA dans son flux de travail, vérifie leurs réponses, les corrige et tranche à longueur de journée ce qui peut être publié, transmis ou rejeté.

C’est précisément ce mécanisme qu’examine une étude publiée dans la Harvard Business Review, menée par Boston Consulting Group et l’Université de Californie à Riverside. Les chercheurs ont interrogé 1 488 salariés à temps plein aux États-Unis. Leur conclusion mérite qu’on s’y arrête: ceux qui travaillent le plus avec l’IA, et surtout ceux qui la supervisent le plus intensément, sont aussi ceux qui risquent le plus une forme d’épuisement cognitif rapide. Les auteurs ont baptisé ce phénomène “AI brain fry”, une sorte de surchauffe mentale qui peut apparaître au cours d’une seule journée de travail.

Le véritable seuil se situe au quatrième outil

La promesse implicite de l’IA en entreprise est connue: davantage d’outils devrait produire davantage d’efficacité. Les données racontent une histoire plus nuancée. Le gain perçu culmine à trois outils utilisés en parallèle. Au-delà, la productivité ressentie ne se tasse pas seulement, elle recule franchement.

Selon le compte rendu de Fortune consacré à l’étude de BCG, les salariés soumis à de fortes exigences de supervision de l’IA ont déclaré 14 % d’effort mental supplémentaire, 12 % de fatigue mentale en plus et 19 % de surcharge informationnelle par rapport à ceux dont les obligations de contrôle étaient plus faibles. Cette inflation cognitive a quelque chose de très concret: relire des textes générés, valider des analyses, corriger des visuels, arbitrer des réponses automatiques, puis recommencer.

Il ne s’agit donc pas seulement d’utiliser un assistant. Il s’agit d’exercer, en continu, une vigilance de qualité. Et cette vigilance occupe la mémoire de travail de façon persistante, au point d’entamer la disponibilité mentale nécessaire aux tâches qui créent réellement de la valeur.

Les plus performants deviennent aussi les plus exposés

L’un des résultats les plus cruels de l’étude tient à la distribution du phénomène. Au total, 14 % des utilisateurs d’IA disent souffrir de ce “brain fry”. Mais le taux atteint 26 % dans le marketing, contre 6 % dans les services juridiques, comme le rappelle l’analyse publiée par The Decoder.

Le contraste ne semble pas renvoyer à une différence de talent ou de résistance. Il renvoie surtout à l’intensité du contrôle demandé. Les équipes marketing doivent souvent relire du texte, valider des analyses, vérifier des créations et encadrer des réponses clients sur plusieurs canaux. À chaque sortie de l’IA, il faut juger: est-ce exact, cohérent, fidèle à la marque, acceptable d’un point de vue réputationnel, voire juridique?

À force de multiplier ces micro-arbitrages, l’esprit reste partiellement mobilisé en permanence. La pensée ne s’effondre pas, mais elle se brouille. Or les salariés les plus fiables sont précisément ceux que l’on sollicite parce qu’ils savent trancher avec discernement. Leur compétence devient ainsi le point d’entrée de leur fatigue.

Le coût n’apparaît pas seulement dans l’humeur, mais dans les décisions

Les conséquences vont bien au-delà d’un simple sentiment d’épuisement. D’après la Harvard Business Review, les personnes concernées rapportent 33 % de fatigue décisionnelle en plus, 11 % d’erreurs mineures supplémentaires et 39 % d’erreurs majeures. Ce ne sont pas de simples maladresses de forme. Ce sont des fautes susceptibles d’affecter la sécurité, la qualité ou des décisions importantes.

Le texte cite également une estimation de Gartner: pour une entreprise réalisant 5 milliards de dollars de chiffre d’affaires, une prise de décision sous-optimale pourrait coûter environ 150 millions de dollars par an, soit de l’ordre de 138 millions d’euros. Le signal est clair. Si l’entreprise accélère grâce à l’IA tout en dégradant la qualité de jugement de ses meilleurs profils, elle remplace un gain de vitesse par une perte de discernement.

Les chiffres de rétention vont dans le même sens. L’intention de quitter l’entreprise passe de 25 % chez les salariés non touchés à 34 % chez ceux qui le sont, soit une hausse de 39 % du risque de départ, comme l’a résumé Futurism dans sa reprise des résultats. La fragilité porte donc sur le cœur même des équipes.

Deux leviers organisationnels réduisent réellement la fatigue

L’intérêt de cette étude est qu’elle ne se contente pas de constater les dégâts. Elle identifie aussi ce qui fonctionne. Premier levier: le récit managérial. Les entreprises qui présentent l’IA comme un moyen de soulager le travail répétitif et de préserver un meilleur équilibre entre vie professionnelle et vie personnelle enregistrent des scores de fatigue inférieurs de 28 %. Celles qui la présentent comme l’outil qui permet d’exiger davantage constatent, au contraire, 12 % de fatigue en plus.

Deuxième levier: l’implication du manager. Lorsque les responsables aident concrètement leurs équipes à résoudre les difficultés liées à l’IA et proposent une formation directe, la fatigue mentale baisse de 15 %. Lorsqu’ils laissent chacun se débrouiller seul, elle augmente de 5 %. L’écart est considérable et il dit quelque chose de très simple: l’introduction de l’IA n’est jamais purement technique.

Un autre point mérite d’être retenu. Les salariés qui utilisent l’IA pour supprimer des tâches répétitives, plutôt que pour accroître sans cesse le volume de production, rapportent 15 % de burn-out en moins. Autrement dit, la technologie aide lorsqu’elle retire de la friction. Elle nuit lorsqu’elle sert uniquement à densifier la charge, comme on le voit aussi dans le débat sur les heures prétendument économisées par l’IA qui se perdent ensuite en retouches.

Avant de perdre vos meilleurs profils, changez l’architecture du travail

La recommandation la plus utile est sans doute la moins intuitive: donnez moins d’outils d’IA simultanés à vos meilleurs profils, et non davantage. Fixer un plafond de trois outils par rôle paraît raisonnable. Prévoir du temps dédié à la relecture et à la validation l’est tout autant. Ce qui ne fonctionne pas, c’est de considérer cette supervision comme une tâche invisible, à glisser entre deux réunions et trois urgences.

L’un des participants a décrit son état comme une pensée qui n’était pas brisée, mais devenue bruyante, une forme de statique mentale qui ne s’éteint plus. L’image est juste. Le risque majeur n’est pas seulement que l’IA transforme le travail. C’est qu’en la faisant superviser sans relâche, on use d’abord ceux dont le jugement tenait encore l’ensemble.