Certaines entreprises commencent déjà à ajuster leurs effectifs en misant sur les gains attendus de l’IA.
Le problème, c’est que ces gains restent très variables.
Gartner estime que la seule productivité individuelle conduit généralement à 0 à 3 % de réduction d’effectifs. Pour approcher les 10 %, il faut aller beaucoup plus loin : revoir les process et les rôles.
Dans le même temps, Deloitte indique que 7 responsables tech sur 10 prévoient d’augmenter leurs effectifs pour déployer ces mêmes outils.
L’IA produit deux mouvements en sens inverse : elle permet d’envisager des réductions d’effectifs, tout en exigeant des renforts pour être réellement déployée.
L’IA générative crée d’abord une charge de transformation : process à revoir, données à fiabiliser, compétences à développer, gouvernance à installer. Ces efforts invisibles sont encore rarement intégrés dans le calcul des gains.
Harvard Business Review montre qu’un déploiement mal maîtrisé peut générer une charge supplémentaire : vérifier, corriger, reprendre, parfois jusqu’à perdre confiance dans ce qui est produit.
Le phénomène peut aller jusqu’au knowledge decay : une perte progressive de fiabilité dans ce que l’organisation produit, partage et utilise pour décider.
Le workslop en est un exemple très concret : un travail généré avec l’IA qui semble exploitable, mais qui doit finalement être vérifié, corrigé ou repris. Selon une enquête menée en septembre 2025 par BetterUp Labs et le Stanford Social Media Lab auprès de 1 150 salariés américains à temps plein, 40 % disent en avoir reçu au cours du mois précédent.
Résultat : ce type de livrable mobilise en moyenne près de deux heures de vérification et de correction.
À l’échelle d’une entreprise de 10 000 personnes, HBR estime que cela peut dépasser 9 millions de dollars par an en temps perdu.
C’est là que le calcul de productivité commence à devenir moins évident.
Les gains sont souvent chiffrés à partir du temps économisé ou des tâches automatisées. Beaucoup moins à partir du temps passé à vérifier, corriger ou sécuriser ce qui sort.
Le MIT Media Lab, via Project NANDA, estime d’ailleurs que 95 % des organisations n’ont observé aucun retour mesurable sur leurs investissements en IA générative.
Pour un dirigeant, la question devient alors plus précise : qu’est-ce que l’on mesure réellement quand on parle de gains liés à l’IA ?
La plupart des organisations savent suivre la vitesse de déploiement, le niveau d’adoption, le nombre d’outils lancés ou de cas d’usage recensés.
Elles mesurent beaucoup moins la qualité de ce qui sort : la fiabilité des contenus générés, le temps passé à vérifier, les erreurs reprises, la confiance accordée aux résultats.
Le knowledge decay reste encore un cadre conceptuel et les données sur le workslop reposent sur du déclaratif. On ne sait pas encore à quelle vitesse ces effets s’installent ni comment ils varient selon les secteurs et les usages.
La logique de Todd Loiselle, DSI du National Food Group, est intéressante à cet égard : pas de projet IA sans lien avec un levier financier précis. Cela oblige à regarder au-delà de l’activation d’un outil. Cela oblige à regarder au-delà de l’outil : quel process change vraiment, quelle charge disparaît, et laquelle réapparaît ailleurs.
Au fond, saura-t-on mesurer ce que l’IA améliore réellement dans le travail, au-delà de ce qu’elle permet simplement d’accélérer ?
Verizon apporte un début de réponse. Après avoir renforcé l’automatisation de son service client, l’entreprise remet au premier plan les conseillers humains sur les situations où le contexte, la confiance ou l’empathie comptent le plus.
Quand les jeunes salariés freinent l’IA par peur d’être remplacés
Une enquête menée en 2026 par Writer et Workplace Intelligence auprès de 2 400 salariés aux États-Unis, au Royaume-Uni et en Europe indique que 29 % d'entre eux déclarent saboter la stratégie IA de leur employeur : ignorer les consignes, refuser les formations, ou encore fausser certaines données de performance.
Chez les moins de 30 ans, ce chiffre monte à 44 %, principalement par crainte de perdre leur emploi.
Le signal est moins moral qu’organisationnel. Quand l’IA arrive d’abord comme une menace, la résistance devient une manière de se protéger.
It’s been a while since you last heard from Inno DeepBrief. If you no longer wish to receive these emails, you can unsubscribe at any time using the link below.
