Des projets qui prenaient autrefois trois semaines sont désormais bouclés en une. Des rapports qui occupaient une journée entière sont terminés avant le déjeuner. Pourtant, les salariés sont évalués selon ce rythme accéléré avant même qu’un consensus n’existe sur son caractère durable, exact ou équitable. Les gains d’efficacité ont profité aux organisations ; la pression accrue s’est reportée sur les individus.

Dans presque tous les secteurs qui adoptent l’intelligence artificielle, le même schéma apparaît. Les gains d’efficacité ne sont pas rendus aux travailleurs sous forme de temps retrouvé. Ils sont au contraire convertis — souvent immédiatement — en attentes de production plus élevées. La logique sous-jacente, rarement formulée ouvertement, est simple : si l’IA a libéré une partie de votre après-midi, ce temps est désormais affecté à la prochaine tâche. Les travailleurs ne récupèrent pas du temps. Ils reçoivent davantage de travail, à un rythme accéléré, dans le même nombre d’heures.

Ce n’est pas la première fois qu’une technologie transformatrice promet d’alléger la charge de travail tout en l’intensifiant. L’économiste Robert Solow observait en 1987 que les ordinateurs apparaissaient partout sauf dans les statistiques de productivité — un phénomène ensuite baptisé le paradoxe de la productivité. Les e-mails, la messagerie instantanée et les appareils mobiles ont chacun suivi des trajectoires comparables : chacun a été adopté pour gagner du temps et a finalement élargi le périmètre et accéléré le rythme de ce que l’on attendait des salariés. Ce qui distingue la vague actuelle d’IA est la vitesse et l’ampleur de son adoption, ainsi que le fait que l’IA prend en charge des tâches cognitives que l’on supposait auparavant nécessiter un jugement humain.

Les recherches sont cohérentes : l’IA intensifie le travail, elle ne le réduit pas

Les travaux de GoTo et Workplace Intelligence décrivent ce paradoxe avec une clarté inhabituelle. Leur étude Pulse of Work in 2026, menée auprès de 2 500 employés et décideurs informatiques dans dix pays, a montré que les salariés gagnent plus de deux heures par jour grâce aux outils d’IA. Cependant, la même étude révèle que 60% des employés se sentent poussés à utiliser l’IA pour accroître leur productivité, 50% disent en dépendre de manière excessive, et 39% estiment que cette dépendance croissante diminue leur propre intelligence. Les gains de productivité et les coûts humains se matérialisent simultanément, mais la plupart des organisations n’en suivent qu’un seul aspect.

Une analyse distincte d’ActivTrak, portant sur 443 millions d’heures d’activité professionnelle dans plus de 1 100 organisations, a montré que l’IA avait doublé le temps consacré aux e-mails et à la messagerie, tandis que le travail approfondi et concentré reculait de 9%. Une étude du Harvard Business Review, publiée plus tôt cette année, indique qu’après l’adoption de l’IA, les salariés travaillaient plus vite, assumaient un éventail plus large de responsabilités et prolongaient leur travail sur davantage d’heures dans la journée — souvent sans qu’on le leur demande. Les outils génèrent davantage d’activité tout en érodant la capacité de réflexion de haute qualité qui donne de la valeur à cette activité.

Ces constats s’inscrivent dans des inquiétudes antérieures à la vague actuelle d’IA. L’Organisation mondiale de la santé a officiellement reconnu l’épuisement professionnel comme un phénomène lié au travail en 2019, et les recherches de Gallup avant l’essor de l’IA identifiaient déjà un désengagement croissant dans la main-d’œuvre mondiale. L’IA n’a pas créé ces pressions à partir de rien : elle a superposé de nouvelles exigences cognitives sur une culture de travail déjà sous tension.

Évalués sur la vitesse, pas sur le jugement

Lorsque l’IA comprime les délais, le changement le plus visible est la vitesse. Parce qu’elle est le résultat le plus lisible et le plus facilement quantifiable de l’adoption de l’IA, la vitesse devient rapidement le substitut par défaut de la performance. Les recherches de Gallup montrent que 65% des employés disent que l’IA a amélioré leur productivité, et que l’usage fréquent de l’IA chez les managers a doublé de 15% à 30% depuis 2023. Pourtant, cette adoption croissante creuse un écart entre ceux qui en tirent profit et ceux qui en supportent la pression : les dirigeants signalent les gains les plus forts, tandis que les contributeurs individuels restent les moins susceptibles de recevoir des conseils sur l’usage efficace de l’IA. Par ailleurs, 54% des managers disent que les attentes au travail ont augmenté directement en raison de l’IA. Le niveau d’exigence grimpe et les cadres de mesure ne suivent pas.

Ce que les évaluations fondées sur la vitesse ne voient pas, c’est précisément le travail cognitif que l’IA ne peut pas accomplir : vérifier l’exactitude des résultats, repérer les hallucinations avant qu’elles ne deviennent des décisions et appliquer le jugement contextuel qui fait défaut aux modèles. Relire un contenu généré par l’IA pour y détecter les erreurs et transformer un brouillon achevé à 80% en un travail réellement de qualité n’est pas une corvée que l’on peut accomplir en pilote automatique. C’est un jugement de niveau dirigeant qui fonctionne en arrière-plan toute la journée. Lorsque les salariés sont évalués principalement sur la rapidité de leur production, ce travail cognitif invisible n’est pas reconnu — et finit par s’épuiser.

La conséquence en aval est ce que les chercheurs commencent à appeler le « workslop » : une production rapide mais de faible valeur qui inonde les organisations lorsque la vitesse est la seule mesure suivie. L’étude de GoTo et Workplace Intelligence a montré que 43% des employés ont utilisé du contenu généré par l’IA tout en soupçonnant qu’il était de mauvaise qualité ou contenait des erreurs, et que 77% disent que le travail généré par l’IA prend plus de temps à relire que le travail humain. Comme l’a rapporté Built In, lorsque les managers récompensent avant tout la production accélérée, les employés privilégient la quantité au détriment de la qualité, et ceux qui reçoivent ce travail passent plus de temps à corriger ce que l’IA a produit. En pratique, produire plus vite signifie souvent progresser moins vite au total.

Le cycle que personne n’interrompt

Ce qui rend cette dynamique particulièrement difficile à traiter, c’est qu’elle s’accumule silencieusement. L’étude de GoTo et Workplace Intelligence a révélé que 65% des employés estiment que les employeurs ne les dotent pas des compétences nécessaires à mesure que l’IA prend en charge davantage de travail, et que 80% pensent que la plupart des salariés ne sont pas correctement formés à l’usage des outils d’IA. Pourtant, près d’un dirigeant IT sur quatre affirme que des erreurs liées à l’IA ont déjà affecté des clients ou le résultat financier de leur entreprise. Les organisations accélèrent l’adoption tout en sous-investissant dans l’infrastructure humaine nécessaire pour la soutenir.

Les dirigeants qui présentent au conseil d’administration les gains de productivité liés à l’IA ne signalent généralement pas, en parallèle, l’augmentation de la charge cognitive, la diminution du temps de travail concentré ou l’érosion de la qualité du jugement sur lesquels ces gains reposent. Les indicateurs favorables dans une présentation sont mis en avant. Les indicateurs qui révéleraient le coût humain n’existent pas encore.

Ce que les dirigeants doivent faire différemment

La première intervention est la plus simple et la plus rare : rendre réellement du temps aux salariés. Lorsque l’IA réduit un projet de trois semaines à une semaine, la réaction par défaut consiste à attribuer deux autres tâches. L’alternative consiste à utiliser cette capacité récupérée pour les activités que l’IA ne peut pas accomplir : relations plus profondes, revue de qualité plus rigoureuse, développement des compétences et forme de jugement posée qui produit des résultats durables plutôt que rapides. Les organisations qui considèrent chaque gain d’efficacité comme une invitation à ajouter du travail découvriront qu’elles ont construit une roue de hamster plus rapide, et non une main-d’œuvre plus capable.

La deuxième consiste à redéfinir la manière dont la performance est mesurée. Les salariés qui produisent le plus de volume ne créent pas nécessairement le plus de valeur. Ceux qui détectent les erreurs de l’IA avant qu’elles ne deviennent des décisions, qui appliquent un jugement contextuel rendant les résultats utilisables et qui maintiennent la qualité pendant que d’autres optimisent le volume sont précisément ceux que les organisations doivent identifier et retenir. Cela suppose de mesurer l’impact plutôt que le débit, un problème plus difficile mais dont les réponses sont bien plus précieuses.

La troisième est d’établir des attentes honnêtes à tous les niveaux. La plupart des salariés ne se sont pas engagés pour gérer un système d’IA en plus de leur poste existant. Ils se sont engagés pour mieux faire leur travail. Lorsque les organisations ajoutent des outils d’IA sans ajuster les charges, les délais ou les critères de réussite, elles ne donnent pas davantage de moyens à leurs équipes. Elles redéfinissent discrètement ce que signifie « suffisamment », sans se demander si quelqu’un peut tenir ce rythme. Cette conversation doit être publique, et non enfouie dans un tableau de bord de productivité.

Les opinions exprimées dans les tribunes de Fortune.com sont uniquement celles de leurs auteurs et ne reflètent pas nécessairement les opinions et convictions de Fortune.

Cet article a été initialement publié sur Fortune.com