Quand l'IA nous donne du travail

Bien souvent, les déploiements d’intelligence artificielle visent des gains de productivité. Et bien souvent, les résultats ne sont pas au rendez-vous. Ainsi, selon une enquête du cabinet Bain auprès de 951 entreprises dans le monde, les économies qu’elles réalisent grâce à l’IA se situent le plus souvent entre 0 et 10% alors que leurs attentes sont en général plus élevées.

L’un des facteurs expliquant cet écart réside dans le travail humain pour rendre les productions de l’IA effectivement utilisables. Un travail souvent invisible qui prend des formes diverses: interagir avec un chatbot jusqu’à obtenir un résultat satisfaisant, valider les productions d’un agent, ou intervenir pour traiter les cas sensibles et les exceptions.

Aux petits soins pour l’IA

Quiconque travaille avec l’IA en a sans doute fait l’expérience: on reformule une requête parce que la première réponse ne convient pas, on compare plusieurs versions, on réintroduit un contexte déjà fourni, on vérifie des chiffres et des sources, on corrige une erreur qui en fait apparaître une autre, on reprend à la main une partie du travail que l’IA était censée accomplir.

Des chercheurs ont donné le nom de «botsitting» à tout ce travail humain autour de l’IA (par analogie avec le babysitting). Dans une enquête auprès de 6000 travailleurs numériques, ils estiment que ces derniers y consacrent en moyenne 6,4 heures par semaine, soit 37% du temps passé avec l’IA, pratiquement autant que le temps passé à produire effectivement avec l’IA (36%). Les 27% restants étant consacrés à l’apprentissage des outils et à la construction d’agents ou de workflows (Work AI Index, 2026).

Travail utile ou spirale de reprises?

Dans bien des cas, ce travail est utile et nécessaire. L’organisation a des attentes à l’égard de notre travail, on en est responsable, on a des exigences de qualité, on veut éviter qu’une mauvaise décision ne cause des soucis, on s’attache à ce que le contenu soit conforme à ce que l’on voulait dire.

Dans le rapport précité, les employés qui estiment gagner en productivité et en qualité grâce à l’IA sont aussi ceux qui consacrent une plus grande part de leur temps avec l’IA au botsitting.

Mais il arrive aussi que ce botsitting se révèle improductif et que l’on se perde dans des interactions chronophages. On passe un temps fou à examiner et trier les dizaines d’idées et de propositions générées par l’IA, on travaille à reconstituer la logique de la réponse proposée, une tâche censée être simple s’élargit à de nouveaux aspects et se transforme en un vaste projet.

Autrement dit, si l’IA automatise une partie du travail humain, elle en génère aussi une autre, faite de cadrage, de vérification et de supervision de ce qu’elle produit. L’enjeu pour les organisations consiste autant à faciliter la part utile de ce travail qu’à remédier à ses formes improductives et frustrantes.

Traiter l’attention humaine comme une ressource rare

Pour y parvenir, les organisations peuvent agir à trois niveaux.

1. Rendre visible et reconnaître le travail humain autour de l’IA. Mesurer les gains suppose d’intégrer le temps consacré au cadrage, à la vérification, aux corrections et aux reprises, y compris lorsque celles-ci interviennent plus loin dans le processus ou impactent d’autres collaborateurs. Cette réalité doit aussi entrer dans l’évaluation de la performance, car valoriser uniquement la vitesse ou le volume peut décourager le travail de vérification pourtant nécessaire à la qualité.

2. Concevoir le travail pour éviter de solliciter inutilement les collaborateurs. Le botsitting ne devrait pas devenir une charge que les utilisateurs absorbent simplement parce qu’un dispositif a été mal conçu. Cela passe par exemple par un meilleur choix des cas d’usage, un accès de l’IA au contexte réellement nécessaire ou un périmètre d’action mieux circonscrit pour les agents. Des mécanismes d’escalade peuvent aussi permettre de remplacer une surveillance permanente par une intervention humaine ciblée lorsque l’agent atteint ses limites.

3. Donner aux collaborateurs les moyens d’intervenir de manière efficace. Cela suppose à la fois des outils adaptés et des compétences. Une personne chargée de valider une action devrait par exemple disposer des informations nécessaires à son jugement, sans avoir à reconstituer le chemin emprunté par un agent ou à trier une masse d’informations inutiles. Les utilisateurs doivent aussi apprendre à surveiller leur interaction, à repérer qu’un échange tourne en rond et à savoir quand changer d’approche, interrompre l’échange ou reprendre la main.