63 % des salariés pensent que l’IA pourrait déshumaniser le travail

Les employés craignent que l’IA réduise la valeur humaine du travail

63% des travailleurs disent que l’IA rendra le lieu de travail moins humain, selon le rapport AI and Workplace Humanity de Resume Now. Cette inquiétude va au-delà de la perte d’emploi. Le même rapport a révélé que 57% s’attendent à ce que l’IA réduise les compétences humaines, tandis que 43% pensent qu’elle dévalorisera le travail humain. Seuls 16% estiment que l’IA rendra le lieu de travail plus humain.

Ces chiffres mettent en évidence un problème de management. Les entreprises adoptent l’IA pour augmenter la production, automatiser les tâches répétitives et accélérer la prise de décision. Les employés posent une autre question : qu’advient-il de leur rôle lorsque des logiciels commencent à effectuer un travail qui exigeait auparavant un effort humain ?

La réponse façonnera la culture d’entreprise. Une mauvaise mise en œuvre peut réduire les occasions pour les employés de réfléchir aux problèmes, d’échanger des idées et de développer leur expertise. Elle peut aussi amener les employés à remettre en question la valeur de leur propre contribution. Resume Now a constaté que 20% des travailleurs s’attendent à ce que l’IA crée un « environnement froid, piloté par les machines ». Cette perception compte, même lorsque la technologie sous-jacente améliore la productivité.

Les dirigeants devraient donc mesurer plus que les heures économisées ou les tâches automatisées. Ils doivent identifier quelles capacités humaines chaque déploiement d’IA modifie. Si l’IA génère une première version, qui développe le jugement nécessaire pour l’évaluer ? Si elle prend en charge l’analyse, où les employés apprennent-ils à remettre en question les hypothèses ? Si elle remplace les interactions de routine entre collègues, qu’advient-il du transfert de connaissances ?

L’objectif ne devrait pas être de protéger chaque processus existant de l’automatisation. Cela sacrifierait des gains de productivité utiles. L’approche la plus solide consiste à automatiser le travail là où l’IA présente un avantage clair, tout en préservant délibérément le jugement humain, la responsabilité, l’apprentissage et la collaboration là où ils apportent de la valeur.

Cette distinction est importante pour la planification de la main-d’œuvre. L’IA peut modifier le contenu d’un poste sans supprimer le besoin de ce poste. Les dirigeants devraient définir quelles tâches passent à l’IA, lesquelles restent confiées aux personnes, et lesquelles exigent les deux. Cela donne aux employés une base plus claire pour développer les compétences dont l’organisation aura besoin ensuite.

La contrainte n’est pas de savoir si les entreprises peuvent déployer davantage d’IA. Elles le peuvent. La tâche la plus difficile consiste à s’assurer que les gains de productivité ne se font pas au détriment des capacités humaines dont l’entreprise dépend encore. La culture devrait donc faire partie de l’architecture et de la gouvernance de l’IA dès le départ.

Des plans IA clairs et l’implication des employés détermineront l’adoption

Les employés doivent savoir ce qu’un système d’IA va faire, pourquoi l’entreprise l’introduit et comment il affectera leur travail. Sans ces réponses, l’incertitude comble le vide. C’est particulièrement important lorsque les employés sont exposés à des affirmations contradictoires sur les pertes d’emploi liées à l’IA, les gains de productivité et l’évolution des exigences en matière de compétences.

Kaelyn Lowmaster, directrice analyste au sein de la practice RH de Gartner, affirme que les dirigeants « doivent être clairs et transparents sur leur stratégie et leurs principes en matière d’IA ». Elle recommande également de donner aux employés des canaux formels pour faire remonter leurs préoccupations, poser des questions et proposer des cas d’usage de l’IA.

Cette contribution des employés a une valeur pratique. Les personnes qui exécutent un processus savent souvent où le temps se perd, où les erreurs se produisent et où l’automatisation pourrait créer de nouveaux problèmes. Les employés qui utilisent déjà des outils d’IA émergents peuvent aussi identifier des applications utiles que les équipes technologiques centrales pourraient négliger. Lowmaster note que cette source de connaissance deviendra plus importante à mesure que des employés natifs de l’IA entreront dans la main-d’œuvre.

La communication seule, toutefois, ne suffit pas. Les employés ont besoin de clarté opérationnelle. Les dirigeants devraient expliquer quelles tâches sont susceptibles de changer, ce qui reste sous contrôle humain, quelles nouvelles compétences seront requises et ce que l’entreprise sait actuellement des rôles futurs. Les dirigeants doivent éviter les garanties qu’ils ne peuvent pas étayer. Un plan crédible à court et moyen terme est plus utile que de larges assurances sur la sécurité de l’emploi à long terme.

Les recherches de Gartner citées par Lowmaster soutiennent cette approche. Elle indique que la clarté sur la valeur actuelle des employés et sur la manière dont leurs rôles évolueront à court et moyen terme incite davantage les employés à utiliser l’IA que toute autre forme de soutien organisationnel. L’implication pour les dirigeants est claire : l’adoption dépend autant de la conception des rôles que de l’accès à la technologie.

Les entreprises devraient également transformer la participation des employés en un processus de gouvernance opérationnel. Les canaux de retour d’information peuvent révéler où les résultats de l’IA sont peu fiables, où les politiques manquent de clarté et où les employés évitent des outils utiles parce qu’ils ne comprennent pas les règles. Ils peuvent aussi faire émerger des cas d’usage de l’IA efficaces qui peuvent être testés puis étendus.

La stratégie IA la plus solide relie donc le déploiement technologique à la planification de la main-d’œuvre. Définissez l’objectif métier. Précisez ce que l’IA fera et ne fera pas. Attribuez la responsabilité humaine. Expliquez comment les rôles vont évoluer. Donnez ensuite aux employés un moyen structuré d’influencer la mise en œuvre.

Cette approche ne supprime pas l’incertitude. Aucun dirigeant ne peut prédire de manière fiable tous les effets de l’IA sur les emplois futurs. Elle fait quelque chose de plus utile : elle donne aux employés suffisamment de clarté pour agir aujourd’hui tout en donnant au management de meilleures informations pour la prochaine décision de déploiement.

L’adoption de l’IA doit préserver la collaboration humaine

L’IA peut augmenter la production individuelle tout en réduisant les interactions entre les employés. Ce compromis mérite l’attention des dirigeants. Si les employés utilisent l’IA pour brainstormer, relire leur travail et résoudre des problèmes de routine, ils ont moins de raisons de consulter leurs collègues. L’efficacité peut s’améliorer tandis que le partage des connaissances diminue.

Kaelyn Lowmaster, directrice analyste au sein de la practice RH de Gartner, identifie cela comme un risque spécifique. Les employés qui deviennent excessivement dépendants de l’IA pour « brainstormer et relire leur travail » peuvent moins collaborer avec leurs collègues. C’est important, car la collaboration ne sert pas seulement à accomplir une tâche. Elle transfère des connaissances, met en lumière des hypothèses fragiles, développe le jugement et aide les employés moins expérimentés à comprendre comment les décisions sont prises.

Les dirigeants ne devraient pas réagir en limitant des outils d’IA utiles. Ils devraient repenser l’organisation du travail afin que la collaboration reste intentionnelle. Megan Slabinski, district president of technology talent solutions chez Robert Half, recommande du « temps dédié au mentorat, des projets en équipe et des points de contact en présentiel ou hybrides ». Ces pratiques peuvent préserver les liens entre employés même si davantage de tâches individuelles deviennent automatisées.

Le mentorat est particulièrement important. Les employés juniors développent traditionnellement leur expertise en réalisant des tâches de base, en recevant des retours et en observant des collègues expérimentés. L’IA peut désormais accomplir rapidement une partie de ce travail de base. Les entreprises doivent donc se demander si l’automatisation supprime des activités qui aidaient auparavant les employés à développer leur jugement professionnel. Si c’est le cas, les dirigeants ont besoin d’un processus plus explicite de formation et de revue.

Le même principe s’applique à la conception des équipes. Toutes les tâches assistées par l’IA n’exigent pas une implication de groupe. Imposer des réunions inutiles ne ferait que remplacer une inefficacité par une autre. Les dirigeants devraient plutôt identifier les travaux pour lesquels les échanges humains ont une valeur claire : décisions complexes, revue de résultats importants, développement créatif, cas à haut risque et travail qui dépend de connaissances issues de plusieurs fonctions.

Les dirigeants devraient également surveiller la manière dont l’IA affecte les attentes en matière de performance. Lowmaster avertit que si l’IA augmente l’efficacité individuelle, les employés peuvent subir une « pression insoutenable pour atteindre des objectifs relevés, pilotés par l’IA, en matière de vitesse ou de production ». Les gains de productivité ne devraient pas automatiquement se traduire par des hausses proportionnelles de charge de travail. Une partie de la capacité créée par l’IA peut soutenir une revue plus approfondie, la collaboration, l’apprentissage ou des décisions de meilleure qualité.

L’objectif est simple. Utiliser l’IA là où elle réduit les efforts à faible valeur, mais préserver les interactions humaines là où la collaboration améliore la qualité, développe les compétences ou maîtrise le risque. Les entreprises qui établissent explicitement cette distinction peuvent gagner en efficacité sans affaiblir les relations de travail dont leur performance dépend encore.

L’automatisation ne supprime pas la responsabilité humaine

L’IA peut accomplir une grande part de certains workflows. Elle ne peut pas assumer la responsabilité organisationnelle du résultat. Cette distinction devrait guider la manière dont les dirigeants conçoivent des opérations activées par l’IA.

Frank Antezana, PDG de iTech AG, affirme que l’IA peut accomplir « 80% ou 90% d’un workflow », tandis que la dernière couche exige encore des personnes qu’elles valident les résultats, prennent des décisions et assument la responsabilité. Il note également que l’IA accélère le traitement de l’information, l’automatisation des tâches et la prise de décision sans éliminer le besoin de jugement humain et de supervision.

Ce pourcentage ne doit pas être traité comme un benchmark universel. Les différents workflows présentent des niveaux de complexité et de risque différents. Le point important est que la quantité de travail effectuée par l’IA et le niveau de responsabilité qu’elle porte sont deux questions distinctes. Un système automatisé peut produire l’essentiel d’un résultat tandis qu’un humain reste responsable de l’exactitude, de la pertinence et de la sécurité d’utilisation de ce résultat.

Cela devient critique lorsque l’IA produit des informations plausibles mais incorrectes. Les systèmes d’IA générative peuvent commettre des erreurs factuelles, omettre un contexte pertinent ou produire des réponses non étayées par des preuves fiables. La revue humaine doit donc être conçue en fonction du risque plutôt qu’ajoutée comme une étape finale générique.

Pour un brouillon interne à faible impact, une revue limitée peut suffire. Les décisions impliquant des clients, des employés, les finances, la sécurité, des obligations juridiques ou d’autres risques métiers significatifs exigent des contrôles plus solides. Les dirigeants devraient définir qui approuve le résultat, ce que cette personne doit vérifier et ce qui se passe lorsque le résultat de l’IA n’est pas digne de confiance.

La supervision humaine doit aussi être substantielle. Un processus ne devient pas plus sûr simplement parce qu’un employé clique sur un bouton d’approbation. Les évaluateurs ont besoin de suffisamment de connaissances métier, de temps, d’autorité et d’accès aux informations sources pour remettre le système en question. Sinon, la revue humaine devient procédurale au lieu d’être un contrôle efficace.

Cela a des implications pour la gouvernance de l’IA. Chaque processus important assisté par l’IA devrait avoir un propriétaire clairement identifié. Le management devrait savoir quel système a généré un résultat, quelles informations ont été utilisées, où la validation a lieu et qui détient l’autorité de décision finale. Les usages à plus haut risque peuvent également exiger une revue documentée, des tests, du monitoring et des procédures d’escalade adaptées aux obligations réglementaires et opérationnelles de l’organisation.

L’IA peut malgré tout créer une valeur substantielle dans ces contraintes. L’automatisation devrait supprimer les efforts répétitifs et accélérer l’analyse. L’expertise humaine devrait se concentrer sur les exceptions, la vérification, les décisions à conséquences et la responsabilité. La tâche des dirigeants consiste à définir cette frontière avant de déployer la technologie à grande échelle, plutôt que de la découvrir après une défaillance de l’IA.

Un mauvais usage de l’IA peut créer plus de travail qu’il n’en supprime

L’IA ne crée pas de productivité par défaut. Si les employés n’ont pas les compétences pour bien l’utiliser, ils peuvent générer plus vite des contenus de faible qualité. Leurs collègues doivent alors vérifier, corriger ou recréer ce travail. L’organisation a automatisé la production sans réduire l’effort total.

Ce problème est souvent appelé « workslop » de l’IA : un résultat généré par l’IA de faible qualité transmis à des collègues qui doivent le rendre exploitable. Le coût est facile à manquer parce que l’employé qui produit le travail initial peut sembler plus productif. L’effort supplémentaire apparaît ailleurs dans le workflow.

Cela change la manière dont les dirigeants devraient mesurer les retours de l’IA. Le temps économisé par l’utilisateur initial est un indicateur incomplet. Les dirigeants doivent aussi prendre en compte le temps de revue, les taux d’erreur, les reprises, les résultats rejetés et les retards en aval. Un outil d’IA qui fait gagner deux heures lors de la création mais génère trois heures de vérification et de correction a réduit la productivité.

La formation est donc une exigence opérationnelle. Les employés doivent comprendre ce que l’IA fait bien, où elle n’est pas fiable, comment fournir des instructions efficaces et quand une vérification indépendante est requise. Ils ont aussi besoin de règles claires concernant les données sensibles, les informations confidentielles et les décisions à haut risque.

Kaelyn Lowmaster, directrice analyste au sein de la practice RH de Gartner, note qu’une « dépendance excessive aux outils d’IA » peut conduire à des « cas de mauvais jugement des employés ou de résultats de faible qualité ». Plus important encore, elle affirme que l’un des « plus grands freins » identifiés par les recherches de Gartner est un « manque de confiance dans l’exactitude des résultats générés par l’IA ».

Ce manque de confiance peut effacer les gains d’efficacité. Si les employés partent du principe que chaque résultat de l’IA peut être erroné, ils peuvent passer beaucoup de temps à le vérifier. S’ils font trop facilement confiance à l’IA, des erreurs peuvent atteindre les clients, les managers ou les systèmes métiers. Aucun de ces résultats n’est souhaitable. Les entreprises ont besoin d’exigences de validation qui reflètent le risque de chaque cas d’usage.

La responsabilité est une autre contrainte. Les employés ne devraient pas pouvoir transférer la responsabilité d’un travail médiocre à un système d’IA. Si une personne soumet une analyse, une recommandation ou un document assisté par l’IA, l’organisation doit définir qui est responsable de la vérification de sa qualité. Une responsabilité claire réduit le risque que des résultats peu fiables progressent dans le workflow sans revue appropriée.

Les dirigeants devraient évaluer les déploiements d’IA à l’aune de la performance de bout en bout. Mesurez le temps net économisé, la qualité des résultats, les reprises, les taux d’erreur et le volume de vérification humaine requis. Lorsque les résultats sont faibles, la réponse peut être une meilleure formation, un workflow différent, des contrôles plus solides ou l’abandon d’un cas d’usage de l’IA inadapté. L’objectif n’est pas d’utiliser plus d’IA. C’est d’obtenir de meilleures performances métier.

Les gains de productivité de l’IA peuvent créer des objectifs de performance intenables

L’IA peut aider un employé à accomplir certaines tâches plus rapidement. Le management peut alors commettre une erreur coûteuse : traiter chaque gain de productivité comme une capacité permanente pour du travail supplémentaire.

Kaelyn Lowmaster de la practice RH de Gartner avertit que lorsque l’IA « augmente l’efficacité des employés individuels », les travailleurs peuvent subir une « pression insoutenable pour atteindre des objectifs relevés, pilotés par l’IA, en matière de vitesse ou de production ». Il s’agit autant d’un sujet de gestion de la performance que d’un sujet d’IA.

La contrainte clé est que l’IA n’accélère pas toutes les parties d’un poste de manière égale. Elle peut produire un brouillon en quelques secondes, mais un employé a toujours besoin de temps pour vérifier les faits, traiter les exceptions, se coordonner avec ses collègues, exercer son jugement et approuver le résultat. Relever les objectifs en fonction de l’étape automatisée la plus rapide peut créer des attentes irréalistes pour l’ensemble du workflow.

Les dirigeants devraient également distinguer volume plus élevé et valeur plus élevée. L’IA peut aider les employés à produire davantage de documents, d’analyses, de code ou de réponses clients. Cela ne signifie pas automatiquement que l’organisation a créé proportionnellement plus de résultats utiles. La qualité, l’exactitude, les résultats clients et l’impact métier restent des mesures plus pertinentes que la production brute.

Des objectifs agressifs peuvent aussi encourager de mauvaises pratiques liées à l’IA. Les employés soumis à une pression pour maximiser la production peuvent réduire la vérification, trop s’appuyer sur des contenus générés ou transmettre à leurs collègues des résultats de faible qualité. Cela relie directement la gestion de la performance au problème du « workslop ». Une entreprise peut créer des incitations qui augmentent la production visible tout en augmentant aussi les reprises cachées.

La meilleure approche consiste à établir une base de référence fondée sur des preuves après le déploiement de l’IA. Mesurez où du temps est réellement économisé et où de nouvelles tâches apparaissent. Certaines tâches deviendront nettement plus rapides. D’autres gagneront peu. De nouvelles exigences en matière de revue, de gouvernance et de contrôle qualité peuvent consommer une partie de la capacité créée par l’IA.

Les dirigeants peuvent alors décider où la capacité restante crée le plus de valeur. Dans certains rôles, des objectifs de production plus élevés auront du sens. Dans d’autres, les employés pourront consacrer plus de temps aux clients, aux décisions complexes, à la collaboration, au développement des compétences ou à l’amélioration de la qualité. Cette allocation devrait refléter les priorités métier plutôt qu’une hypothèse selon laquelle chaque minute économisée doit devenir une unité de production supplémentaire.

L’IA devrait améliorer l’économie et la qualité du travail. Si les objectifs de productivité augmentent plus vite que le bénéfice net prouvé de la technologie, l’organisation risque de transformer un gain d’efficacité en charge de travail accrue, en qualité affaiblie et en résistance des employés. Les dirigeants ne devraient relever les attentes qu’après avoir mesuré l’ensemble du workflow.

Positionner l’IA comme un support pour les employés

La manière dont les dirigeants définissent le rôle de l’IA influencera la volonté des employés de l’utiliser. Megan Slabinski, district president of technology talent solutions chez Robert Half, affirme que les entreprises qui positionnent l’IA « davantage comme un outil de support que comme un remplacement verront probablement un intérêt plus fort de la part des employés ».

Cette position doit être soutenue par des décisions opérationnelles. Les employés remarqueront rapidement si le management décrit l’IA comme un outil de support tout en l’utilisant principalement pour réduire les effectifs. Les dirigeants devraient expliquer quelles tâches ils entendent automatiser, quelles responsabilités restent humaines et comment les postes devraient évoluer. Le message doit correspondre à la mise en œuvre.

La distinction entre tâches et emplois est importante. L’IA peut automatiser certaines parties d’un rôle sans supprimer le besoin de la personne qui l’exerce. Elle peut traiter l’information, produire des brouillons, résumer des contenus et prendre en charge le travail répétitif. Les employés apportent toujours le contexte, valident les résultats, traitent les exceptions, collaborent entre fonctions, prennent des décisions à conséquences et assument la responsabilité des résultats.

Slabinski souligne ce rôle humain persistant. « Les entreprises auront toujours besoin de professionnels capables d’appliquer la technologie et de collaborer entre équipes », dit-elle. Pour les dirigeants, cela signifie que la stratégie IA devrait inclure la conception de la main-d’œuvre. La question n’est pas seulement de savoir quels processus l’IA peut automatiser. Le management doit déterminer comment les compétences et les responsabilités des employés doivent évoluer à mesure que l’automatisation s’étend.

Cette approche répond également aux préoccupations identifiées dans le rapport AI and Workplace Humanity de Resume Now. Le rapport a révélé que 63% des travailleurs pensent que l’IA rendra les lieux de travail moins humains, 57% estiment qu’elle réduira les compétences humaines et 43% s’attendent à ce qu’elle dévalorise le travail humain. Seuls 16% pensent que l’IA rendra les lieux de travail plus humains. Positionner l’IA comme un support aura une valeur limitée à moins que les employés puissent voir des preuves que leur jugement, leur expertise et leur développement restent importants.

Les dirigeants devraient donc identifier le bénéfice que l’IA est censée apporter au niveau de l’employé. Dans un cas d’usage solide, l’IA peut supprimer le travail répétitif, réduire le temps de recherche et de rédaction, ou aider les employés à traiter l’information plus rapidement. Le management peut ensuite réaffecter une partie de cette capacité à des travaux où la contribution humaine a plus de valeur, notamment l’interaction client, la résolution de problèmes complexes, la collaboration et les décisions finales.

La formation devrait renforcer le même modèle. Les employés ont besoin de plus que d’instructions pour utiliser un outil d’IA. Ils doivent comprendre quand l’utiliser, quand remettre en question son résultat, ce qui doit être vérifié indépendamment et où l’approbation humaine reste obligatoire. Les capacités en IA et le jugement professionnel doivent se développer ensemble.

L’objectif n’est pas l’acceptation des employés pour elle-même. C’est une adoption productive. Les entreprises ont besoin d’employés qui utilisent l’IA là où elle crée une valeur mesurable, la remettent en question là où sa fiabilité est faible et conservent la responsabilité de leur travail. Positionner l’IA comme un support fonctionne lorsque la conception organisationnelle, les mesures de performance, la formation et les décisions de management renforcent toutes ce principe.

En résumé

63% des travailleurs s’attendent déjà à ce que l’IA rende le lieu de travail moins humain. Les dirigeants devraient traiter ce chiffre comme un signal de mise en œuvre. L’adoption de l’IA peut générer de vrais gains de productivité, mais ces gains seront plus difficiles à maintenir si les employés perdent confiance dans la technologie, dans ses résultats ou dans les intentions du management.

La priorité n’est pas l’automatisation maximale. C’est une meilleure performance métier. Automatisez les tâches là où l’IA crée une valeur mesurable. Maintenez la responsabilité humaine là où le jugement compte. Formez les employés à vérifier les résultats. Protégez la collaboration là où elle développe les connaissances et améliore les décisions. Fixez les objectifs de performance sur la base des gains nets de productivité.

La communication doit être tout aussi concrète. Expliquez quelles tâches vont changer, quelles décisions restent humaines et comment les rôles sont susceptibles d’évoluer. Ne promettez pas que les emplois ne changeront jamais. Donnez aux employés les informations dont ils ont besoin pour comprendre leur valeur actuelle et se préparer à la suite.

Les entreprises qui réussissent cela n’auront pas à choisir entre la productivité de l’IA et un lieu de travail humain. Elles peuvent utiliser l’IA pour supprimer les efforts à faible valeur tout en donnant aux employés davantage de capacité pour le jugement, la collaboration et un travail à plus forte valeur. C’est le critère que les dirigeants devraient utiliser pour évaluer si un déploiement d’IA fonctionne réellement.