En 2024, le Work Trend Index de Microsoft et LinkedIn révélait que 75 % des travailleurs de la connaissance utilisaient déjà l’IA au travail. Parmi ses utilisateurs, 78 % apportaient leurs propres outils dans l’entreprise et 52 % hésitaient à reconnaître qu’ils y avaient recours pour leurs tâches les plus importantes.
L’adoption n’attend donc ni les comités de pilotage, ni le déploiement officiel de Copilot, ni la prochaine formation organisée par la direction du Learning. Elle avance, discrètement, dans les onglets des navigateurs et les habitudes individuelles. C’est évidemment une formidable preuve d’initiative. C’est aussi le début d’un joli casse-tête organisationnel : les collaborateurs sont déjà en train d’inventer, chacun de leur côté, les règles du travail qui vient. Bienvenue dans le Far West.
Dans une même équipe, cinq personnes peuvent désormais travailler ensemble tout en suivant cinq régimes de production totalement différents, sans en avoir conscience et surtout sans jamais les avoir discutés. Elles utilisent les mêmes mots, comme « analyser », « rédiger », « décider » ou « vérifier », alors que ces mots ne recouvrent plus les mêmes opérations, le même effort intellectuel ni le même niveau de responsabilité.
L’expérimentation reste indispensable et il faut continuer à l’encourager. Mais ces nouvelles pratiques risquent de rester invisibles, individuelles et implicites, jusqu’au jour où l’entreprise découvrira qu’elle ne sait plus exactement comment le travail est réalisé, comment en évaluer la qualité ni comment développer les compétences nécessaires pour bien le faire.
Cinq collaborateurs, cinq manières de travailler
La première ligne de fracture concerne la transparence. Certains collaborateurs déclarent spontanément qu’ils ont utilisé l’IA pour préparer une note, analyser un document ou rédiger un feedback. D’autres préfèrent ne pas le dire, parce qu’ils craignent de paraître paresseux, moins compétents ou facilement remplaçables. Ce silence peut sembler anodin tant que le résultat est satisfaisant, mais il prive l’entreprise d’une information essentielle : comment le travail a-t-il réellement été produit ? Impossible d’identifier les bons usages, de comprendre une erreur ou de diffuser une pratique efficace si chacun conserve sa petite recette secrète. Nous vantons les vertus de l’intelligence collective tout en laissant parfois s’organiser une utilisation clandestine de l’intelligence artificielle. Il y a là un léger paradoxe.
La deuxième fracture concerne la réflexion. Certains se servent de l’IA comme d’un sparring-partner capable de challenger une hypothèse, de révéler un angle mort ou de proposer une objection. D’autres lui confient progressivement une partie du raisonnement : « Analyse le problème, propose-moi les options et dis-moi laquelle choisir. » Le résultat peut être parfaitement présenté dans les deux cas, mais l’activité cognitive n’a plus rien de comparable.
Une étude de Microsoft Research et de Carnegie Mellon menée auprès de 319 professionnels, à partir de 936 situations concrètes, montre qu’une confiance élevée dans l’IA est associée à un moindre effort de pensée critique. Elle souligne également que notre travail intellectuel se déplace vers la vérification, l’intégration des réponses et la supervision de la tâche. Ce déplacement peut être une excellente nouvelle s’il nous conduit à exercer des compétences plus exigeantes. Encore faut-il former les collaborateurs à ces nouvelles responsabilités, plutôt que de supposer qu’elles apparaîtront spontanément avec l’ouverture d’une licence. Pour utiliser l’IA avec discernement, savoir lui poser une bonne question ne suffit pas. Il faut également savoir quand la challenger, comment confronter ses réponses et à quel moment reprendre le volant.
La troisième fracture concerne justement la vérification. Certains contrôlent chaque chiffre, chaque source et chaque conclusion ; d’autres considèrent qu’une réponse bien formulée est probablement une réponse juste. L’étude mondiale conduite par l’Université de Melbourne avec KPMG auprès de plus de 48 000 personnes dans 47 pays devrait malgré tout nous faire lever un sourcil : 66 % des utilisateurs interrogés reconnaissent s’appuyer sur des résultats produits par l’IA sans en évaluer l’exactitude, tandis que 56 % déclarent avoir déjà commis des erreurs dans leur travail à cause de son utilisation. La réponse instinctive serait d’exiger une vérification systématique de tout ce que l’IA produit. L’intention est excellente ; sa mise en œuvre mérite un peu plus de finesse.
Lorsqu’un collaborateur génère en dix minutes un document qu’un collègue met deux heures à contrôler, l’entreprise n’a pas gagné en productivité : elle a simplement déplacé la charge de travail vers la personne la plus consciencieuse. Il ne suffit donc pas de demander de « garder un humain dans la boucle », cette formule magique qui donne parfois l’impression que le problème est réglé. Il faut décider ce que l’humain doit réellement vérifier, avec quel niveau d’attention, selon la nature de la tâche, la gravité d’une erreur et la responsabilité engagée. Une invitation à déjeuner, une analyse financière et une décision concernant un collaborateur ne méritent vraisemblablement pas le même dispositif de contrôle.
La quatrième fracture concerne l’apprentissage. L’IA peut constituer un professeur remarquable lorsqu’on lui demande d’expliquer une notion, de critiquer un raisonnement, de simuler une situation ou de nous faire progresser par le questionnement. Elle peut aussi devenir un remplaçant très arrangeant, auquel nous déléguons précisément les tâches qui nous permettaient jusqu’ici de développer notre expertise. À court terme, celui qui apprend avec l’IA et celui qui lui délègue son apprentissage peuvent produire un résultat similaire. À long terme, le premier construit ses compétences tandis que le second risque de perdre des occasions de pratiquer, de mémoriser et d’exercer son jugement.
Il s’agit donc de choisir consciemment ce que nous pouvons cesser de faire et ce que nous devons continuer à apprendre, sans chercher à préserver à tout prix les anciennes manières de travailler. Si tous les juniors délèguent à l’IA les tâches qui permettaient autrefois aux experts de le devenir, qui possédera encore les compétences nécessaires pour détecter ses erreurs dans cinq ans ?
Enfin, la cinquième fracture concerne la production elle-même. Grâce à l’IA, chacun peut fabriquer davantage de comptes rendus, d’analyses, de présentations, de recommandations et de plans d’action. Seulement, l’IA a considérablement augmenté notre capacité à produire sans ajouter une seule heure aux journées de ceux qui devront nous lire. Nous pourrions donc réussir l’exploit d’automatiser la production de bruit, puis de mobiliser des humains déjà débordés pour le traiter.
Les chercheurs ont donné un nom à l’une des manifestations de ce phénomène : le « workslop », ce travail généré avec peu d’effort, suffisamment bien présenté pour circuler dans l’organisation, mais trop générique, incomplet ou décontextualisé pour être réellement utilisable. L’expéditeur économise quelques minutes ; le destinataire doit comprendre ce qu’il a voulu dire, retrouver les informations manquantes, vérifier les affirmations et parfois tout recommencer. La productivité individuelle devient alors une dette collective, payée par celui qui reçoit le livrable. Une gigantesque partie de mistigri, finalement, dans laquelle chacun tente de transmettre à son voisin la charge cognitive qu’il vient d’économiser. Mais là encore, rien n’est inéluctable. Quelques questions simples peuvent éviter ces dérives. Ce document mérite-t-il réellement d’être produit ? À quoi doit-il servir ? Quel niveau de qualité attendons-nous ? Et la personne qui l’envoie accepterait-elle de le recevoir ?
La charte IA est un bon début. Elle ne peut pas organiser le travail à elle seule
Pour encadrer ces nouveaux usages, de nombreuses entreprises ont commencé par rédiger une charte. C’est une étape indispensable : elle permet de définir les outils autorisés, de protéger les données sensibles, de rappeler les principes juridiques et de poser un cadre commun.
Mais une charte ne peut pas répondre seule à toutes les situations du quotidien. Elle ne dit pas nécessairement à une équipe commerciale si elle peut utiliser l’IA pour préparer une recommandation client. Elle ne précise pas à un manager s’il doit signaler qu’un feedback a été reformulé par ChatGPT. Elle ne définit pas ce que l’équipe considère comme un travail « suffisamment bon », qui doit relire une analyse ou à quel moment le gain de temps de l’un commence à devenir la surcharge de l’autre. Elle fixe les limites générales, sans nécessairement préciser comment travailler au quotidien.
Entre la politique générale de l’entreprise et les pratiques individuelles, il manque donc encore souvent un niveau de régulation : celui de l’équipe. C’est là que les principes doivent être traduits en décisions opérationnelles, au plus près des métiers et du travail réel. Tant que les usages restent personnels et implicites, l’entreprise peine à apprendre collectivement de ce qui fonctionne, à garantir un niveau homogène de qualité et à accompagner le développement des compétences. Elle peut distribuer des milliers de licences, publier un catalogue de cas d’usage et afficher un excellent taux d’adoption tout en ne sachant pas précisément comment le travail est en train de changer. Après avoir donné accès aux outils et encouragé l’expérimentation, elle doit maintenant transformer les apprentissages individuels en règles collectives.
À lire aussi
Et si on parlait de… Workslop
Managers, à vous d’organiser la nouvelle conquête de l’Ouest
Faut-il alors transformer les managers en shérifs de l’IA, occupés à surveiller les prompts et à traquer les usages interdits ? Certainement pas. Ils n’en ont ni le temps, ni les moyens, ni la vocation. Leur rôle consiste en revanche à organiser la conversation que l’équipe n’aura probablement pas spontanément, puis à transformer cette discussion en règles simples, concrètes et révisables.
Dans quelles situations souhaitons-nous rendre explicite l’usage de l’IA ? Que pouvons-nous lui déléguer sans affaiblir notre responsabilité ? Quelles productions doivent être vérifiées, par qui et selon quel niveau d’exigence ? Quelles compétences voulons-nous continuer à exercer parce qu’elles conditionnent notre capacité future à juger ? Comment éviter de produire davantage de contenus sans produire davantage de valeur ? Et surtout, qu’allons-nous commencer à faire, continuer à faire ou arrêter de faire ensemble ? Ces décisions ne peuvent pas être entièrement prises par la direction générale, le service juridique ou la DSI, car elles dépendent du métier, du niveau de risque, des compétences disponibles et des interdépendances quotidiennes entre collègues. Elles doivent être discutées au plus près du travail réel, sans pour autant abandonner chaque équipe à elle-même. Le cadre doit venir de l’entreprise ; et sa traduction opérationnelle doit se construire dans le collectif.
Nous avons déjà vécu une difficulté comparable lors de la transformation digitale : déployer des outils en espérant que les usages, les comportements et l’organisation suivraient naturellement. Nous savons désormais que la technologie ne transforme rien toute seule. Elle accélère l’existant, révèle les contradictions et amplifie parfois les écarts, mais elle peut devenir un formidable levier lorsque les équipes disposent du temps, des compétences et des espaces nécessaires pour repenser leur manière de travailler. L’IA ne fera pas exception. Elle peut améliorer la qualité du travail, développer les compétences, libérer du temps et rendre les équipes plus efficaces. Elle peut aussi affaiblir le jugement, dégrader l’information ou déplacer silencieusement la charge d’un collaborateur vers un autre. La différence ne viendra pas seulement de la qualité des outils choisis, mais des règles et des pratiques que les collectifs sauront construire autour d’eux.
Le principal défi n’est donc plus uniquement de favoriser l’adoption. Il est de transformer des milliers d’expérimentations individuelles en une nouvelle manière de travailler ensemble. Le Far West est déjà là. Bonne nouvelle : ses règles restent encore à écrire.
Pour aller plus loin
IA en entreprise : pourquoi il est urgent de passer des tests à une vraie stratégie
Trois ans après l'essor de l'intelligence artificielle générative, les entreprises ne peuvent plus se contenter d'expérimenter. Malgré des investissements importants, les gains financiers restent difficiles à démontrer. Pour transformer l'IA en véritable levier de performance et de création de valeur, elles doivent désormais clarifier leur stratégie et passer d'une logique de « test and learn » à une approche plus industrielle, pensée de bout en bout.
7 octobre 2026
Intelligence artificielle : jusqu’où va la responsabilité pénale du dirigeant ?
Alors que l’IA s’installe au cœur des décisions de l’entreprise, qui est responsable si l'algorithme dérape ? La machine, l’entreprise, le dirigeant ? Longtemps théorique, cette question est devenue un angle mort stratégique. Décryptage de Maître Eléonore Favero, avocate spécialisée en droit des nouvelles technologies.
23 juin 2026
