La fatigue rapide, un défi majeur pour les lieux de travail intégrés à l’IA
Nous assistons à une nouvelle forme de surcharge cognitive au sein des entreprises. Il s’agit de la l’épuisement rapide. C’est ce qui se produit lorsque les gens sont coincés dans une boucle de génération, d’affinage et de remaniement des messages-guides pour qu’un outil d’IA générative produise quelque chose d’utile. L’énergie dépensée pour alimenter l’outil devient la tâche elle-même. Pour les travailleurs du savoir, en particulier ceux qui développent des logiciels, cela ne contribue pas à la productivité, mais réduit le temps de réflexion.
Le passage des méthodes traditionnelles de recherche à l’utilisation de grands modèles de langage (LLM) marque un véritable tournant dans la manière de travailler. Leslie Joseph, de Forrester, décrit l’ancienne méthode comme « trouver et assembler » – rechercher, rassembler et compiler. Ce n’était pas parfait, mais c’était familier. Aujourd’hui, nous en sommes au stade de « l’interrogation et de l’affinage », où les travailleurs rédigent des entrées, obtiennent des réponses générées par l’IA, puis affinent sans cesse. Le problème ? Il y a des frictions dans cette boucle. Elle empêche les gens d’atteindre l’état de fluidité, où la plupart des travaux à forte valeur ajoutée sont réalisés. C’est important.
La technologie est puissante, mais la façon dont nous la mettons en œuvre doit correspondre à la façon dont les gens pensent et travaillent. Pousser les outils d’IA sans réévaluer les flux de travail, c’est faire preuve d’un leadership paresseux. Pour les décideurs, cela signifie que la lassitude des utilisateurs doit être prise au sérieux car, plus qu’un simple désagrément, c’est un signe de désalignement opérationnel entre la manière dont les outils sont déployés et la manière dont les personnes génèrent de la valeur.
L’imprévisibilité et les limites de l’apprentissage tout au long de la vie alimentent la lassitude.
L’IA générative s’accompagne de sa propre logique de travail. La plupart des dirigeants savent que ces outils sont rapides, évolutifs et impressionnants. Ce qui ne retient pas suffisamment l’attention, c’est qu’ils sont également incohérents et parfois trop sûrs d’eux. Cela crée une boucle difficile pour les utilisateurs. Lorsque l’IA produit des résultats inexacts, sans admettre qu’elle ne sait pas, les employés sont contraints de continuer à itérer, à rechercher la clarté dans un système qui y résiste activement.
Selon Ramprakash Ramamoorthy, directeur de la recherche en IA chez ManageEngine, trois points de douleur sont à l’origine de la majeure partie de cette fatigue : décider quel LLM utiliser, trouver la meilleure invite, et affiner cette invite encore et encore pour obtenir quelque chose de fiable. La plupart des LLM ne vous disent pas qu’ils ne sont pas sûrs. Ils renvoient les résultats comme s’ils étaient certains, même s’ils se trompent.
Pour les dirigeants, la conclusion est simple : Les outils d’IA dépourvus de mécanismes de responsabilisation créent des frictions là où il devrait y avoir de la rapidité. Lorsqu’un outil ne permet pas de signaler l’incertitude de manière structurée, votre équipe en paie le prix en termes de temps et de moral. Il ne s’agit pas d’abandonner l’IA. Il s’agit de prendre des décisions plus intelligentes en matière d’intégration, afin que les employés puissent bénéficier d’une réelle augmentation de la productivité sans subir de pression psychologique.
Les GenAI peuvent réduire la productivité des travailleurs expérimentés et entraver le développement des compétences.
On croit à tort que l’IA améliore la productivité dans tous les domaines. Ce n’est pas le cas. Les recherches et les observations pratiques montrent que les avantages varient, souvent en fonction du niveau d’expérience. Les employés débutants ont tendance à en tirer le plus grand profit, l’IA les aidant à se mettre au courant plus rapidement, à répondre aux questions de base et à automatiser les tâches de recherche répétitives. Mais pour les professionnels expérimentés, l’impact est plus complexe.
Aaron McEwan, vice-président du département consultatif de Gartner, souligne que l’IA générative peut ralentir les travailleurs expérimentés. En fait, une étude réalisée par Model Evaluation & Threat Research a révélé que l’IA réduisait la productivité des développeurs expérimentés de 19 %, même s’ils pensaient avancer plus vite. L’illusion de la vitesse est dangereuse, car elle masque la dégradation de la qualité et de la profondeur du travail.
Au-delà de la vitesse d’exécution, il y a un problème plus grave : la dépendance excessive à l’égard de l’IA réduit le développement de la pensée critique et des compétences en matière de résolution de problèmes. Si votre équipe saute des étapes mentales parce qu’un modèle lui donne une réponse, elle ne développe pas une véritable expertise. Ramprakash Ramamoorthy a souligné que les utilisateurs commencent à perdre leur capacité à effectuer des tâches techniques, comme la rédaction de réponses à des tickets d’assistance, parce que le système le fait toujours à leur place. Cette utilisation passive émousse les capacités au fil du temps.
Si vous dirigez des équipes, en particulier dans des secteurs à forte intensité de connaissances comme l’ingénierie ou le droit, vous devez réfléchir sérieusement à la manière dont l’IA façonne votre pipeline. Il se peut que vous gagniez en rapidité aujourd’hui, mais que vous perdiez de futurs leaders qui n’ont jamais eu l’occasion d’acquérir une véritable expertise. La santé organisationnelle à long terme dépend de l’équilibre entre l’utilisation intelligente des outils et le développement des compétences fondamentales.
Érosion des structures sociales et de la collaboration sur le lieu de travail
À mesure que les outils d’IA s’intègrent dans le flux de travail quotidien, la collaboration humaine en prend un coup. Il ne s’agit pas seulement de réduire le nombre de réunions ou de conversations plus courtes. Il s’agit d’affaiblir les relations informelles et sans friction au sein de l’organisation qui favorisent l’innovation et la résilience. Ce sont ces relations qui ne sont pas intégrées dans les organigrammes, mais qui rendent les équipes adaptables et intelligentes.
Julia Freeland Fisher, directrice de la recherche sur l’éducation à l’Institut Clayton Christensen, prévient que ces « liens faibles » sont remplacés par des interfaces d’IA toujours disponibles et toujours réactives. Lorsque les employés se tournent vers l’IA au lieu d’aller à la rencontre de leurs collègues, deux choses se produisent : les gens ont moins accès aux informations informelles et leur capacité à collaborer commence à se dégrader. Le risque à long terme ici est plus grand que la solitude ou la déconnexion, c’est une perte de l’avantage de l’innovation.
L’innovation est souvent le fruit de conversations qui transcendent les départements, les rôles et les contextes. Si les gens n’interagissent que par le biais de flux de travail étroitement contrôlés ou d’invites de l’IA, les chances d’obtenir des idées inattendues diminuent. L’apprentissage organisationnel ralentit. Le développement des talents s’arrête. Cela se produit déjà dans des secteurs qui souffrent de lacunes en matière de mentorat, comme la profession juridique.
M. Fisher est clair sur les conséquences. Lorsque les jeunes employés ne s’engagent pas avec d’autres personnes dans l’économie de l’innovation, y compris en dehors de leur entreprise, ils ont moins de chances de devenir des inventeurs ou des leaders d’opinion. L’IA qui remplace les personnes dans les petites conversations peut tranquillement étouffer cette voie. Les dirigeants doivent prendre cette question au sérieux et faire pression pour que les implémentations de l’IA soutiennent, et non remplacent, la connexion humaine.
Impressions trompeuses de progrès et frustration qui en résulte
Les outils d’IA générative ont tendance à donner l’impression que le travail progresse rapidement, en particulier dans les premières étapes d’une tâche. Les premiers résultats peuvent sembler prometteurs, et cet élan initial peut pousser les équipes à avancer trop vite. C’est alors que les incohérences commencent à apparaître, que des détails sont écrasés, que la logique antérieure est confuse et que les équipes commencent à revoir les étapes précédentes pour corriger ce que l’IA a fait de travers. Cette boucle fait perdre du temps et de la concentration.
Binny Gill, fondateur et PDG de Kognitos, l’explique clairement : les utilisateurs ont l’impression de progresser, mais le processus finit par dérailler lorsque les résultats de l’IA s’effilochent et doivent être retravaillés. Le problème sous-jacent est une confiance excessive dans la capacité de l’outil à gérer des tâches complexes ou séquentielles. M. Gill conseille de diviser les tâches importantes en éléments plus petits, chacun étant revu étape par étape, afin de réduire le risque d’erreurs en cascade sur l’ensemble du projet.
Il y a également un aspect stratégique à cela. Si vous poussez vos équipes à utiliser des outils d’IA sans normes claires en matière de validation, vous amplifiez les points d’échec. La solution n’est pas d’arrêter l’utilisation de l’IA, mais de former vos équipes à travailler avec elle de manière disciplinée et modulaire. Recadrer les messages-guides, ouvrir de nouvelles sessions pour de nouveaux problèmes et changer de modèle lorsque l’un d’entre eux stagne sont autant de mesures tactiques qui réduisent la frustration et maintiennent l’élan.
Cela a des implications pour l’ingénierie, la conception, les opérations et tout autre domaine fortement automatisé. Si la frustration augmente ou si la qualité des résultats diminue, le problème n’est peut-être pas dû à vos employés, mais à une mauvaise utilisation d’un outil plus probabiliste que précis. Il peut s’agir d’une mauvaise utilisation d’un outil qui est plus probabiliste que précis. Pour y remédier, il faut un leadership en matière de processus, et pas seulement des mises à jour techniques.
Le soutien et les normes organisationnelles sont essentiels pour une intégration réussie de l’IA.
Le déploiement de l’IA générative dans votre entreprise n’est pas seulement une décision technologique. Il s’agit d’un changement dans la façon dont vos employés pensent, collaborent et définissent le succès. La plupart des organisations n’y parviennent pas. Elles considèrent le déploiement de l’IA comme une amélioration de la productivité, et non comme une transformation comportementale. Cette façon de penser est erronée et freine l’adoption réelle de l’IA.
Leslie Joseph de Forrester le dit directement : à moins que les entreprises ne commencent à considérer l’intégration de l’IA comme un changement à la fois structurel et psychologique, elle ne produira pas de résultats durables. Se contenter de brancher l’IA sur d’anciens flux de travail ne fonctionnera pas. Vous avez besoin de systèmes internes qui permettent aux équipes d’apprendre au fur et à mesure, de partager ce qui fonctionne et de mettre en évidence les outils qui tombent en panne ou qui provoquent l’épuisement professionnel.
Il s’agit notamment de laisser la place à l’apprentissage par les pairs. Par exemple, les développeurs qui s’adaptent à des environnements enrichis par l’IA ont besoin d’entendre directement d’autres personnes qui ont compris comment faire fonctionner l’IA pour eux. Il ne s’agit pas d’un problème que l’on peut résoudre par une formation standard, la vraie valeur vient des discussions au sein des équipes sur ce qui aide et ce qui gêne.
En outre, les fournisseurs d’IA doivent rester ancrés dans des cas d’utilisation réels. Binny Gill prévient que le marché de l’IA est plein de promesses excessives. Les démonstrations présentent souvent une image parfaite qui ne correspond pas aux performances réelles. Les dirigeants doivent inciter les fournisseurs à être honnêtes et à proposer des fonctionnalités qui permettent une adoption progressive afin que les équipes puissent faire confiance aux outils au fil du temps.
Il s’agit également d’une question de gestion. Si les dirigeants prétendent que cette transition est purement technique, ils envoient le mauvais message. L’IA modifie la façon dont les gens pensent, prennent des décisions et apprécient leurs propres contributions. Il vous appartient de veiller à ce que votre organisation soit structurée de manière à soutenir ce changement à tous les niveaux.
L’utilisation excessive de la GenAI peut fausser la perception de la productivité et compromettre la valeur à long terme.
L’IA générative donne l’impression que les tâches sont plus rapides. Parfois, elles sont plus rapides. Mais la vitesse n’est pas synonyme de valeur. Les dirigeants doivent reconnaître que l’augmentation du débit sans amélioration de la qualité des décisions ou de la pertinence des résultats ne conduit pas à une meilleure performance. Si vos équipes font le mauvais travail plus rapidement, vous ne gagnez pas, vous aggravez l’inefficacité.
Aaron McEwan, vice-président consultatif chez Gartner, a expliqué le cœur du problème : les entreprises assimilent souvent la vitesse à la productivité, sans mesurer si le résultat apporte une valeur stratégique. L’IA générative peut automatiser certaines parties du travail de connaissance et de l’exécution tactique, mais elle ne garantit pas que le travail s’aligne sur les priorités de l’entreprise. La réduction de la réflexion humaine nécessaire pour traiter la complexité peut, dans de nombreux cas, diluer le résultat.
Le problème se pose avec plus d’acuité dans les environnements où l’apprentissage et l’expertise approfondie sont essentiels. Si les gens se déchargent systématiquement de la rigueur mentale sur l’IA, le développement des compétences ralentit. Vous vous retrouvez avec des travailleurs rapides mais moins capables de gérer des cas particuliers, des problèmes non structurés ou des décisions à fort enjeu. Cela crée un déficit de compétences au fil du temps, un déficit que vous ne pouvez pas combler en ajoutant un autre outil.
La leçon à tirer pour les dirigeants est claire : mesurez la productivité en fonction de la valeur fournie, et non de l’effort économisé. Poussez vos équipes à définir les tâches qui bénéficient d’une augmentation de l’IA et celles qui requièrent un engagement cognitif total. C’est cet équilibre qui fait la différence entre l’IA comme béquille et l’IA comme multiplicateur de force.
Repenser les flux de travail pour compenser la fatigue induite par le numérique et l’IA.
L’utilisation intensive des outils d’IA a intensifié le temps passé devant l’écran, réduit l’interaction humaine et contribué à un sentiment croissant de fatigue numérique sur les lieux de travail. Il ne s’agit pas seulement de fatigue physique, mais aussi d’épuisement cognitif. Plus il y a d’interfaces avec lesquelles vos équipes interagissent, plus il est difficile de maintenir l’attention, la créativité et la motivation.
Kirill Perevozchikov, PDG de White Label PR, dirige une équipe qui travaille d’abord à distance, mais il reste convaincu de l’importance d’un contact humain réel. Son équipe privilégie les interactions en face à face avec les journalistes, afin de rappeler qu’il y a un humain derrière le contenu, et pas seulement une série de réponses automatisées. Ce n’est pas de la nostalgie, c’est de la stratégie. Le lien humain reste le moteur de la confiance et de la collaboration, même dans des environnements où l’IA est omniprésente.
C’est là que les dirigeants doivent intervenir. Vous devez repenser les flux de travail en tenant compte de l’énergie humaine soutenue, et pas seulement des mesures de production. Cela implique d’encourager le temps de réflexion hors ligne, de favoriser les réunions en personne lorsque c’est possible et de permettre aux équipes de se déconnecter des outils sans culpabilité.
La productivité n’est pas infinie. Si vous souhaitez innover, vous concentrer sur le long terme et obtenir un engagement élevé, l’environnement de travail ne doit pas se limiter à l’efficacité. Il doit permettre la récupération, la réflexion et l’interaction réelle. L’IA nous donne de la vitesse, mais si vous ne contrebalancez pas l’intensité qu’elle introduit, le coût se traduira par l’épuisement professionnel, la rotation du personnel et une exécution superficielle.
Un leadership attentif pour gérer la transition de la GenAI
L’IA générative n’est pas prête à l’emploi. Les organisations qui la traitent comme un simple déploiement de logiciel passeront à côté de la transformation profonde qu’elle exige. Le succès dépend de la manière dont les dirigeants gèrent la transition. Il ne s’agit pas seulement de fournir l’accès aux outils, mais de guider la façon dont les gens travaillent avec eux, apprennent d’eux et restent alignés sur les objectifs de l’entreprise.
Kirill Perevozchikov, PDG de White Label PR, a adopté une approche pratique et concrète. Son entreprise n’enferme pas les équipes dans une seule plateforme d’IA. Les employés ont la liberté de tester différents outils au cours de périodes d’essai, puis de choisir ce qui fonctionne le mieux. Ils ne le font pas de manière isolée. Ils rapportent les résultats au groupe, en partageant les découvertes et les meilleures pratiques lors des réunions d’équipe. Ce type d’échange de connaissances ascendant aide les utilisateurs à rester en contact avec la réalité de l’utilisation de l’IA, et pas seulement avec les promesses des fournisseurs.
Binny Gill, PDG de Kognitos, soulève un autre point crucial : de nombreuses entreprises actives dans le domaine de l’IA font des promesses excessives. Les démonstrations ont l’air bien faites, mais les résultats en production sont rarement à la hauteur. Les dirigeants devraient inciter les fournisseurs à faire preuve de transparence en ce qui concerne les limites de performance et à mettre en place des fonctionnalités conçues pour une croissance incrémentale. M. Gill préconise des déploiements d’IA qui augmentent la fiabilité et la confiance au fil du temps, notamment en permettant une surveillance humaine aux points critiques.
Aaron McEwan de Gartner ajoute que la formation ne peut s’arrêter à la salle de classe. La véritable capacité vient du coaching actif, où le personnel expérimenté travaille côte à côte avec les nouveaux membres de l’équipe pour examiner le contenu généré par l’IA et signaler les lacunes. Cette boucle de rétroaction directe favorise à la fois l’instauration d’un climat de confiance et le développement des compétences.
Si vous occupez un poste de direction, votre responsabilité n’est pas seulement d’approuver les outils d’IA, mais aussi de gérer l’aspect humain du déploiement. Cela inclut la confiance, la facilité d’utilisation, la responsabilité et l’apprentissage partagé. Vous n’obtiendrez pas de gains durables en imposant des systèmes aux équipes. Vous les obtiendrez en vous assurant que l’outil améliore la façon dont les gens pensent et collaborent, et en améliorant constamment la façon dont cet outil est utilisé.
Récapitulation
L’IA générative ne va pas disparaître, et elle ne devrait pas disparaître. Mais la façon dont vous la mettez en œuvre déterminera si elle génère de la valeur ou si elle entraîne votre organisation dans un travail superficiel et non durable. Le vrai problème n’est pas la technologie elle-même. C’est la façon dont les gens sont censés interagir avec elle, et si votre leadership ouvre la voie ou ajoute des frictions.
La lassitude face à la rapidité, la réduction de la collaboration et le déclin de l’expertise ne sont pas seulement des plaintes d’utilisateurs. Ce sont des signaux qui indiquent que les couches opérationnelles, les habitudes culturelles et les hypothèses des dirigeants doivent être ajustées. La rapidité sans structure favorise le gaspillage. L’automatisation sans supervision érode la confiance. Et la délégation sans développement affame votre vivier de talents.
Si vous voulez que l’IA améliore votre entreprise, commencez par votre personnel. Réévaluez les flux de travail. Construisez des systèmes dans lesquels l’IA soutient, et non remplace, la réflexion de base. Encouragez l’expérimentation, mais fixez des normes strictes sur les domaines où le jugement critique doit rester humain.
Un bon leadership n’attend pas que les fissures se creusent. Il identifie rapidement les points de pression et renforce ce qui fait réellement avancer l’entreprise : la clarté, la capacité et la connexion. Si ces éléments sont corrects, l’intelligence artificielle suivra.
