- On attend de l’IA qu’elle booste l’efficacité, mais en réalité, elle oblige de nombreux employés à passer du temps à rédiger des prompts, à vérifier et à corriger les résultats.
- Environ 50 % des organisations ont testé l’IA, mais il subsiste un fossé important entre la préparation et l’efficacité réelle.
- Les employés doivent assumer un « travail invisible », tel que la vérification des faits, la correction des hallucinations et l’ajustement des résultats de l’IA.
- Une étude de Workday en 2026 montre que plus d’un tiers du temps gagné grâce à l’IA est reperdu à cause des retouches (rework).
- Ce phénomène est appelé « taxe de l’IA sur la productivité » (AI tax on productivity).
- Des exemples concrets montrent que l’IA peut commettre des erreurs basiques comme des erreurs de calcul, obligeant les humains à une surveillance constante.
- De nombreux employés manquent de formation adéquate, ce qui conduit à une mauvaise utilisation de l’IA ou à la création de contenus inexacts.
- Certaines organisations ont dû licencier du personnel en raison d’une dépendance excessive à l’IA sans vérification des résultats.
- Les entreprises changent de stratégie : elles ne conservent qu’environ 10 cas d’usage sur 200 qui génèrent 80 % de la valeur, le reste étant abandonné.
Conclusion : L’IA n’est pas simplement un outil de gain de temps ; elle crée une nouvelle couche de travail : la gestion de l’IA elle-même. Lorsqu’un tiers des bénéfices est perdu dans la correction d’erreurs, la « taxe IA » devient un problème concret. Pour que l’IA apporte de la valeur, les entreprises doivent changer leur manière de mesurer la productivité, former le personnel et choisir les bons cas d’usage. Sinon, l’IA pourrait augmenter la charge de travail au lieu de la réduire.
