L'usage de l'IA progresse, mais les risques demeurent

Une phase de découverte et d'expérimentation de l'IA a mis en évidence des risques tels que les hallucinations, les biais et les erreurs. Ces problèmes soulignent la nécessité de la prudence à mesure que l'IA s'intègre davantage aux tâches quotidiennes.

Les salariés font état des bénéfices de l'IA

Selon une enquête menée en 2026 par l'Observatoire Greenworking et Ipsos bva, 73 % des salariés déclarent utiliser l'IA générative au travail, 75 % affirmant qu'ils vont plus vite et 70 % estimant produire un travail de meilleure qualité. Ces résultats laissent penser que l'impact positif de l'IA sur la productivité et la production est largement perçu.

Les améliorations perçues ne se traduisent pas forcément en gains réels

Toutefois, la question reste de savoir ce que l'organisation gagne réellement lorsque les individus perçoivent des améliorations en matière de rapidité et de qualité. Alors que les modèles d'IA gagnent en cohérence, en fluidité et en force de conviction, il peut devenir plus difficile de remettre en question des réponses reposant sur un raisonnement fragile.

L'IA peut renforcer un faux sentiment de maîtrise

Une réponse mieux rédigée n'est pas forcément plus exacte, et une recommandation plus convaincante n'est pas forcément plus solide. Cela peut renforcer un sentiment de maîtrise sans progrès réel du raisonnement. Le risque ne tient pas seulement à l'« hallucination » de l'IA, mais aussi au fait qu'elle fournit des réponses trop rapidement.

Les difficultés à vérifier les résultats produits par l'IA

À mesure que la production devient plus facile, il est de plus en plus difficile de distinguer ce qui est véritablement pertinent de ce qui ne fait que le paraître. Les gains individuels ne se traduisent pas automatiquement en performance collective, et ce qui est gagné au niveau de la production ne disparaît pas nécessairement du travail, ce qui peut affecter l'évaluation des résultats, la prise de décision et la responsabilité des conséquences.

Les managers font face à de nouveaux défis

Cette tension est déjà visible dans le travail des managers : 58 % d'entre eux déclarent devoir remettre en question ou vérifier davantage les productions réalisées avec l'IA. Le temps gagné dans la production est désormais consacré à l'évaluation, à l'arbitrage, à l'explication et à la responsabilité du résultat.

Les managers doivent composer avec des consignes sur l'IA peu claires

Cela crée une forme de « dette managériale », car les entreprises ne peuvent pas définir à l'avance tous les bons usages de l'IA, en raison de la diversité des métiers et des situations, ainsi que de la rapidité d'évolution des outils. Les managers sont de plus en plus chargés de trancher des questions que l'organisation n'a pas encore clarifiées, comme ce qui peut être délégué, ce qui doit être vérifié, comment évaluer le travail réalisé avec l'IA et comment éviter que les écarts de maîtrise ne se creusent.

La massification de l'IA n'équivaut pas à un passage à l'échelle

La confusion entre la massification de l'usage de l'IA et son passage à l'échelle est fréquente. Multiplier les licences, les utilisateurs ou les cas d'usage témoigne de la diffusion de l'IA, mais cela ne signifie pas nécessairement que l'entreprise en tire davantage de valeur.

La valeur réelle dépend de l'amélioration de l'organisation

Passer à l'échelle suppose que les bénéfices perçus individuellement se traduisent par une meilleure prise de décision, une meilleure coopération, un meilleur apprentissage ou une meilleure production. Une entreprise peut avoir largement adopté l'IA sans réussir à la déployer à grande échelle. Le véritable critère n'est pas le nombre d'utilisateurs, mais ce que l'organisation est capable de mieux faire grâce à l'IA.