Le coût caché de l’IA en entreprise et les raisons pour lesquelles les équipes continuent de « surveiller » les bots

L’adoption de l’IA augmente les coûts cachés liés à la main-d’œuvre humaine

L’IA est désormais omniprésente. Elle devient l’acteur invisible de presque tous les flux de travail numériques. Le problème, c’est que son efficacité semble meilleure qu’elle ne l’est en réalité. De nombreux employés consacrent du temps à faire ce que les machines ne peuvent pas faire : saisir des données, vérifier les erreurs, valider le contexte et assembler les résultats provenant de différents systèmes. Ce travail de « surveillance des bots », comme l’appelle le Work AI Institute de Glean, ajoute une charge de travail invisible qui n’apparaît pas dans les rapports de performance, mais se traduit par la fatigue des employés et un ralentissement des cycles de livraison.

Une récente enquête menée par le Work AI Institute de Glean auprès de 6 000 professionnels du numérique à temps plein a révélé que 87 % d’entre eux utilisent l’IA. Elle automatise environ un quart de leurs tâches et leur fait gagner environ 11 heures par semaine. Cependant, ils consacrent également environ 6,4 heures par semaine à la maintenance ou à la correction des résultats générés par l’IA. Cela signifie que près de la moitié du temps gagné est réaffecté à la gestion du système lui-même. Pour les entreprises qui recherchent un véritable retour sur investissement dans le cadre de leur transformation numérique, cet aspect est au cœur de leur stratégie de productivité.

Rebecca Hinds, directrice du Work AI Institute, a qualifié cela de « cercle vicieux qui s’autoalimente ». Elle a raison. Chaque amélioration des performances de l’IA nécessite une supervision humaine supplémentaire, un ajustement des données, une correction des erreurs et l’apport de contexte. Tant que les organisations n’auront pas repensé leurs flux de travail pour tenir compte de cette charge de travail humaine, le déploiement de l’IA semblera plus rapide, mais progressera en réalité plus lentement.

Les dirigeants devraient examiner de près le volume de travail invisible généré par l’IA au sein des différentes équipes. Reconnaître et quantifier ce travail caché constitue la première étape pour mettre en place des systèmes plus intelligents qui permettent véritablement de gagner en productivité.

La fragmentation des outils et l’absence de contexte d’entreprise alimentent la frustration

La plupart des grands modèles linguistiques ont été entraînés à partir de données générales issues d’Internet. Cela s’avère utile pour acquérir des connaissances générales, mais présente des limites en termes de précision dans le contexte de l’entreprise. Ils connaissent rarement la terminologie propre à l’entreprise, ses produits internes ou ses processus de travail locaux. Les collaborateurs doivent sans cesse combler ces lacunes, en expliquant et réexpliquant le contexte à chaque nouvelle requête. Multipliez cela par plusieurs outils non connectés entre eux, et ce qui devrait être de l’« automatisation » se transforme en travail supplémentaire aux rendements décroissants.

Rebecca Hinds a fait remarquer que les employés se sentent souvent frustrés car « les outils ne comprennent pas suffisamment le travail quotidien pour être utiles ». Ils finissent par réécrire les instructions pour différentes plateformes et par vérifier manuellement les réponses incohérentes. Une grande partie de ces difficultés provient d’une mauvaise intégration, d’un manque d’environnements de données unifiés et d’API standardisées. Ce n’est pas une question de niveau d’intelligence de l’IA ; il s’agit plutôt de savoir dans quelle mesure elle communique efficacement avec le reste de vos systèmes d’entreprise.

Pour les décideurs, cela devrait être le signe d’une faille de conception. Le déploiement de multiples outils disparates, sans gouvernance centralisée ni contexte partagé, ne fait que transférer la complexité du système vers l’employé. La solution la plus judicieuse consiste à investir dans des écosystèmes d’IA étroitement intégrés, capables de comprendre les données spécifiques à l’entreprise et de communiquer de manière fluide entre les services.

En s’attaquant à la fragmentation et en favorisant des architectures plus interconnectées, les entreprises peuvent réduire les saisies répétitives, diminuer la frustration et faire de l’IA un véritable levier de productivité, plutôt qu’une nouvelle charge de travail cachée.

L’utilisation non vérifiée de l’IA (« botshitting ») compromet la qualité des résultats

La rapidité est importante, mais pas au détriment de la confiance. De nombreux employés publient des contenus générés par l’IA sans vérification adéquate, un comportement que le Work AI Institute de Glean qualifie de « botshitting ». Cela résulte souvent de la pression exercée pour livrer plus rapidement ou de la gestion simultanée d’un trop grand nombre d’outils d’IA. Le risque est simple : lorsque la précision baisse, la crédibilité s’en trouve affectée.

Selon l’enquête menée par Glean, 69 % des utilisateurs ont admis avoir transmis des résultats générés par l’IA sans les avoir vérifiés. Quarante et un pour cent ont déclaré avoir transmis des travaux qu’ils ne pouvaient pas expliquer entièrement, et 28 % ont imputé les erreurs à l’IA elle-même. Ces chiffres montrent ce qui se passe lorsque le temps consacré à la vérification est sacrifié au profit de la rapidité. Le problème ne réside pas dans un manque de capacités, mais dans l’absence de structure régissant l’utilisation et le contrôle de l’IA.

Rebecca Hinds, directrice du Work AI Institute de Glean, a averti que « le “botshitting” revient à prive l’esprit humain de sa réflexion critique, de votre jugement et de votre compréhension. » C’est un problème. L’intervention humaine reste le dernier maillon de contrôle avant que quoi que ce soit ne parvienne à un client, à une autorité de régulation ou sur le marché. Laisser ce maillon de contrôle faillir transforme l’IA d’un atout en un handicap.

Les dirigeants doivent établir des normes opérationnelles définissant dans quels cas les résultats générés par l’IA sont acceptables et selon quelles modalités ils doivent être vérifiés. La définition de ces limites permet de préserver à la fois la confiance envers la marque et celle des collaborateurs. La vérification doit être considérée comme un élément à part entière de la productivité. À l’ère de l’IA, le contrôle qualité repose sur une supervision humaine rigoureuse et mesurée.

Des facteurs psychologiques et organisationnels influencent la divulgation de l’utilisation de l’IA

L’impact culturel de l’IA au sein des entreprises n’est pas seulement technique, il est également social. De nombreux employés comptent désormais davantage sur les outils d’IA pour leur travail quotidien que sur leurs responsables. Ce n’est pas nécessairement négatif, mais cela crée des tensions en matière de visibilité. Certains employés cachent leur utilisation de l’IA, craignant que cela ne soit perçu comme de la paresse ou ne donne l’impression que leur poste est remplaçable. D’autres, au contraire, exagèrent leur utilisation de l’IA pour paraître plus à la pointe. Ces deux comportements soulignent une même chose : l’incertitude quant à la manière dont les organisations évaluent réellement l’adoption de l’IA.

Les données issues de l’enquête menée par Glean montrent que plus de la moitié des employés reçoivent quotidiennement davantage d’aide de l’IA que de la part de leurs responsables. Parmi les personnes les plus performantes en matière d’IA, 54 % admettent utiliser des outils non approuvés ou non conformes, tandis que 36 % cachent à quel point elles dépendent de l’IA. Ces tendances révèlent un sentiment sous-jacent d’inquiétude quant à l’acceptation et à la sécurité liées à l’utilisation de l’IA. La sécurité psychologique, c’est-à-dire le fait de savoir qu’une utilisation transparente de l’IA ne nuira pas à sa position au sein de l’entreprise, fait encore défaut dans de nombreuses organisations.

Rebecca Hinds a fait remarquer que le contexte organisationnel détermine dans quelle mesure les personnes se montrent ouvertes à l’utilisation de l’IA. Sans un soutien clair de la part de la direction, les collaborateurs continueront d’évoluer dans la zone grise entre innovation et conformité.

Pour les dirigeants, la solution réside dans la transparence. Indiquez clairement que la maîtrise de l’IA est valorisée, mais que la responsabilité reste essentielle. Encouragez les discussions ouvertes autour de l’expérimentation, de l’échec et de la réussite. Lorsque les dirigeants donnent le ton, les collaborateurs n’ont plus besoin de cacher la manière dont ils utilisent l’IA ; ils la partageront, l’affineront et favoriseront des progrès significatifs dans toute l’entreprise.

Les grandes entreprises repensent le travail autour de l’IA

Les entreprises les plus performantes savent que la réussite en matière d’IA repose sur la conception. Elles ne cherchent pas à utiliser davantage l’IA, mais à mieux l’utiliser. Cela implique de redéfinir ce qu’est un travail de qualité et de former les équipes à prendre des décisions réfléchies quant au moment où il convient d’utiliser l’IA, et à celui où il ne faut pas y recourir. Cette approche génère des gains de performance durables, plutôt que des améliorations à court terme.

Les organisations les plus performantes de l’étude de Glean consacrent une part plus importante de leur temps dédié à l’IA à des tâches contextuelles : définir la qualité, orienter le jugement et structurer les décisions avant de les déléguer à des systèmes. Elles ne cherchent pas à remplacer la perspicacité humaine, mais à la renforcer à l’aide d’outils de précision. Ces entreprises investissent dans des programmes de formation et une gouvernance transparente, afin de s’assurer que leurs collaborateurs savent utiliser l’IA de manière responsable et efficace.

Rebecca Hinds, directrice du Work AI Institute chez Glean, a souligné que l’impact réel ne provient pas « des clics sur l’outil, ni simplement des jetons utilisés, mais de véritables compétences et d’un véritable apprentissage ». Cet état d’esprit multiplie les capacités. Cela se voit dans les organisations où les dirigeants donnent le ton, en utilisant eux-mêmes l’IA, en abordant ouvertement les échecs et en considérant l’itération comme un processus de croissance tout à fait normal.

Du point de vue du leadership, la conclusion est claire. Mettez en place une gouvernance qui évolue au rythme de la technologie. Évaluez l’impact de l’IA à l’aide d’indicateurs clés de performance (KPI) éprouvés, tels que la qualité, l’efficacité et l’engagement, plutôt que d’indicateurs de vanité comme les taux d’utilisation. Rendez les données accessibles aux personnes qui effectuent le travail, et pas seulement à celles qui le supervisent. Le chemin le plus rapide vers la création de valeur passe par la clarté des objectifs, soutenue par la transparence et un retour d’information régulier.

L’IA, un partenaire privilégié pour l’apprentissage et la collaboration

On observe une évolution dans la manière dont les gens utilisent l’IA au travail. Celle-ci devient un partenaire d’apprentissage, vers lequel les employés se tournent pour obtenir des conseils avant de se tourner vers des sources de formation officielles. Ce comportement témoigne d’un changement majeur dans la philosophie du développement professionnel : les employés attendent désormais de l’IA qu’elle les aide à s’améliorer au fur et à mesure qu’ils travaillent.

Les recherches menées par Glean ont révélé que les employés préfèrent de plus en plus recourir à l’IA pour les activités d’accompagnement et de développement des compétences plutôt que de se tourner vers les canaux de formation traditionnels. Ils apprécient en effet son caractère immédiat et la facilité d’utilisation qu’elle offre. Les outils dotés d’interfaces « low-code » ou « no-code » accélèrent cette tendance, en permettant aux employés d’accéder directement à des solutions et à un apprentissage structuré au sein même de leurs flux de travail quotidiens.

Rebecca Hinds a souligné que cette évolution est « radicalement différente de ce que nous avons observé avec les technologies précédentes ». Elle témoigne d’un nouveau niveau d’aisance face à une croissance guidée par les machines et d’une attente croissante selon laquelle les systèmes numériques devraient non seulement exécuter des tâches, mais aussi enseigner.

Pour les dirigeants, cela représente à la fois une opportunité et une responsabilité. L’intégration de la formation directement dans les environnements de travail peut favoriser une amélioration massive des compétences à grande échelle, mais cela nécessite une conception réfléchie. L’IA doit être développée et déployée dans le cadre d’un écosystème de développement humain à long terme. Lorsque les entreprises investissent dans cette intégration, elles obtiennent non seulement des équipes plus efficaces, mais aussi des équipes plus performantes qui évoluent en permanence au rythme de la technologie.

Principaux enseignements pour les décideurs

• Le travail caché nuit à l’efficacité de l’IA : sur le papier, l’IA permet de gagner en rapidité, mais elle implique un travail humain invisible, sous forme de supervision et de corrections constantes. Les dirigeants devraient quantifier ce coût caché et repenser les processus de travail afin de tirer pleinement parti des gains de productivité réels.
• La fragmentation des outils nuit à la concentration : les collaborateurs perdent du temps à passer d’un outil d’IA à un autre sans lien entre eux et à se replonger dans le contexte. Les dirigeants devraient regrouper les plateformes et veiller à ce que les systèmes d’IA s’intègrent de manière transparente aux données de l’entreprise.
• Les résultats non vérifiés compromettent la crédibilité : de nombreux collaborateurs publient des travaux générés par l’IA sans les avoir soumis à des contrôles appropriés, ce qui met en péril l’exactitude et la confiance. Les dirigeants doivent imposer des normes de révision claires et faire de la vérification une étape essentielle du processus de productivité.
• Les dynamiques culturelles influencent l’utilisation de l’IA : les collaborateurs craignent souvent de révéler ou de dissimuler leur utilisation de l’IA en raison d’attentes peu claires. Les dirigeants doivent instaurer la transparence et un climat de sécurité psychologique autour de l’expérimentation afin de favoriser une adoption en toute confiance.
• La refonte des méthodes de travail est le moteur de la véritable valeur de l’IA : les meilleures entreprises utilisent l’IA pour redéfinir leurs processus. Les dirigeants doivent donner la priorité à la formation, à une gouvernance adaptable et à l’exemple donné par la direction afin de développer l’innovation de manière durable.
• L’IA devient un partenaire d’apprentissage continu : les salariés se tournent davantage vers l’IA que vers les canaux traditionnels pour se former et obtenir de l’aide. Les entreprises devraient intégrer des outils d’apprentissage basés sur l’IA dans leurs processus de travail afin d’accélérer le développement des compétences et la capacité d’adaptation.