Une promesse de productivité qui cache une charge invisible
L’intelligence artificielle est souvent présentée comme un levier capable de réduire les tâches répétitives, d’accélérer la rédaction de documents et d’alléger la charge mentale au travail. Pourtant, dans de nombreux bureaux, le constat est plus nuancé : le gain de temps affiché par les outils d’IA est fréquemment absorbé par le temps nécessaire pour relire, corriger et vérifier leurs productions. Autrement dit, la productivité apparente peut masquer une nouvelle forme de travail, moins visible mais bien réelle.
Le “verification burden”, un coût humain souvent sous-estimé
Le chercheur Feigh met en avant un concept clé : le verification burden, soit le fardeau de vérification. Il désigne le temps perdu par les salariés à contrôler la fiabilité des résultats générés par l’IA. Cette tâche ne se limite pas à repérer une faute ponctuelle ; elle exige de reprendre la main sur un travail partiellement délégué à la machine, tout en restant responsable du résultat final. Ce déplacement de la charge de travail explique pourquoi l’IA peut, paradoxalement, augmenter l’effort cognitif au lieu de le diminuer.
- Relire les textes générés pour détecter les erreurs factuelles
- Comparer les informations avec des sources fiables
- Réécrire les passages trop génériques ou imprécis
- Assumer la responsabilité du livrable final
Quand l’IA produit du “workslop” au lieu de vrai travail
Une étude récente menée à Stanford éclaire ce phénomène en montrant que beaucoup de salariés contraints d’utiliser l’IA produisent surtout du “workslop” : un contenu qui semble acceptable en surface, mais qui repose sur un effort limité et nécessite souvent une reprise importante ensuite. Cela peut concerner un compte rendu, une note interne ou une présentation commerciale qui paraît professionnelle au premier regard, mais contient des erreurs, des approximations ou un raisonnement faible. Le résultat final donne une impression de vitesse, sans garantir une réelle efficacité.
Exemple concret : un employé demande à un outil d’IA de rédiger un mémo sur un projet client. Le document semble propre, bien structuré et convaincant. Mais à la relecture, il faut corriger des chiffres, reformuler des passages vagues et supprimer des affirmations non vérifiées. Le temps gagné au départ disparaît alors dans une phase de correction parfois plus longue que la rédaction initiale.
Vérifier l’IA prend parfois plus de temps que travailler sans elle
Un autre enseignement ressort des analyses récentes : les travailleurs qui utilisent l’IA ne gagnent pas toujours du temps, surtout lorsqu’ils tentent de contrôler minutieusement chaque sortie avant de l’envoyer. Dans certains cas, ils passent même plus de temps que ceux qui n’utilisent pas l’outil. Cela s’explique par une dynamique simple : plus l’utilisateur veut sécuriser le résultat, plus il doit examiner chaque détail, ce qui transforme la promesse de rapidité en double charge de travail.
- Créer un document a un point d’arrêt relativement clair
- Vérifier un document IA demande de décider quoi contrôler
- Identifier les erreurs potentielles prend du temps
- Corriger les imprécisions exige une expertise humaine
Un problème cognitif autant qu’organisationnel
Le vrai enjeu n’est pas seulement technique. Feigh souligne que la vérification d’un contenu produit par IA impose un coût cognitif particulier : l’employé doit décider ce qu’il faut tester, comment le tester et jusqu’où pousser le contrôle, sans savoir à l’avance si une erreur existe ni où elle se cache. Cette incertitude permanente rend la tâche plus fatigante qu’une production classique. Dans les faits, l’utilisateur doit devenir à la fois auteur, correcteur et auditeur du même document.
Exemple parlant : pour préparer une présentation, un salarié peut rédiger lui-même un plan et en maîtriser rapidement la structure. Avec l’IA, il reçoit parfois une version plus rapide à produire, mais plus difficile à fiabiliser, notamment si les sources, les chiffres ou les arguments ne sont pas clairement identifiables. Le travail devient alors moins linéaire et plus fragmenté.
Pourquoi l’IA n’a pas encore transformé le travail comme promis
Mis bout à bout, ces éléments expliquent pourquoi l’IA n’a pas encore provoqué la révolution de la productivité annoncée dans de nombreux secteurs. Dans la pratique, son usage peut générer plus de contrôle, plus de corrections et plus de vigilance, sans supprimer les responsabilités humaines. Le bénéfice existe dans certains contextes précis, mais il est souvent annulé lorsque la qualité attendue est élevée, que les erreurs sont coûteuses ou que le contenu doit être exact, nuancé et fiable.
Dans les entreprises, la question n’est donc pas seulement de savoir si l’IA peut produire vite, mais si elle permet réellement de travailler mieux. Tant que les équipes devront consacrer une part importante de leur temps à vérifier ce que la machine génère, la promesse de gains massifs restera limitée. L’enjeu est désormais de trouver les usages où l’IA apporte une aide réelle, sans transférer sur les salariés une nouvelle forme de surcharge.
En savoir plus sur L'ABESTIT
Subscribe to get the latest posts sent to your email.





