Intelligence artificielle

Un nouvel outil. Une autre plateforme. Une énième initiative de transformation numérique. Et puis on recommence.

C’est le rythme auquel la plupart des organisations sont soumises depuis maintenant deux ans. L’IA est arrivée avec des promesses immenses, des budgets parfois considérables et un sentiment d’urgence qui frôle par moments la panique. Et cette pression n’a jamais vraiment ralenti.

Aujourd’hui, un problème plus discret, mais potentiellement plus important, commence à émerger dans les organisations : la fatigue liée à l’IA.

Il ne s’agit pas simplement d’une résistance au changement. On parle plutôt de professionnels compétents et engagés qui commencent à atteindre un point de saturation face à la vague d’initiatives liées à l’IA. Pour les dirigeants qui pilotent son adoption, ce n’est pas un simple enjeu de ressources humaines, c’est un risque stratégique.

À quoi ressemble concrètement la fatigue liée à l’IA

La fatigue liée à l’IA se manifeste par l'épuisement, le désengagement ou l'anxiété générés par la présence constante de l'IA dans le milieu de travail. Elle ne touche pas seulement les employés moins à l'aise avec la technologie. Elle atteint aussi les scientifiques de données, les gestionnaires d'opérations et les analystes seniors. Bref, toute personne qui doit continuellement s'adapter à des outils et à des processus en mutation.

Plusieurs facteurs s’accumulent, notamment la multiplication des plateformes numériques, la pression implicite de « rester à jour », les perturbations incessantes des flux de travail et une peur bien réelle de devenir obsolète. Selon une enquête Randstad rapportée par Reuters, quatre travailleurs sur cinq croient que l'IA aura un impact direct sur leurs tâches quotidiennes. Parmi les répondants, les membres de la génération Z comptent d’ailleurs parmi les plus inquiets.

Comme le résume bien le PDG de Randstad, Sander van 't Noordende, les employés peuvent être enthousiastes face à l'IA, mais ils restent sceptiques parce qu'ils savent que les entreprises cherchent avant tout à réduire les coûts et à augmenter l'efficacité. Cette inquiétude ne reste pas à la maison. Elle entre au bureau chaque matin et érode silencieusement la performance de vos équipes.

Des recherches récentes ont permis d’établir un lien direct entre l’exposition à l'IA et l'épuisement émotionnel. Plus les employés comprennent le rythme d'avancement de l'IA, plus ils vivent de l'insécurité d'emploi, de la surcharge mentale et de la difficulté à décrocher. En résumé, savoir ce que l'IA peut faire et ce qu'elle pourrait remplacer est devenu une source de stress en soi.

Les outils à la source de la fatigue liée à l’IA 

La fatigue liée à l’IA ne s’explique pas uniquement par l’arrivée récente de l’IA générative. Elle s’ajoute à une surcharge numérique qui fragilisait déjà la performance des équipes bien avant son apparition.

Une enquête menée par Lokalize auprès de 1 000 cols blancs américains révèle que 17% des employés changent de plateforme plus de 100 fois au cours d’une seule journée de travail. Résultat : ils perdent en moyenne 51 minutes par semaine, soit près de 44 heures par année en frictions numériques.

Même si l’échantillon demeure limité, ces données soulèvent une question importante : dans votre organisation, combien d’heures vos équipes perdent-elles chaque semaine simplement à naviguer entre trop d’outils?

Le rapport 2025 Global State of AI at Work d'Asana démontre bien ce phénomène. Si 70 % des travailleurs utilisent désormais l'IA chaque semaine, 84 % signalent un épuisement numérique et 77 % décrivent leur charge de travail comme ingérable. Le terme utilisé par Asana pour décrire ce qui se passe dans de nombreuses organisations est sans équivoque : « automatiser le chaos ». Les entreprises utilisent l’IA pour accélérer des processus défaillants plutôt que de les repenser, ce qui ne peut qu’amplifier les inefficacités déjà présentes au lieu de réellement améliorer les façons de faire.

Saviez-vous que seulement un tiers des organisations ont réussi à déployer leur programme d’IA à grande échelle? Les autres sont prises dans un cycle de projets pilotes et de preuves de concept qui n'atteignent jamais la production, tout en demandant à leurs équipes d'absorber le changement.

Pourquoi c'est un problème de leadership et non de technologie

La vérité est que la fatigue liée à l’IA est rarement causée par l’IA elle-même. Elle est plutôt causée par la façon dont l'adoption de l'IA est menée.

Quand les organisations lancent des initiatives d’IA sans objectifs d'affaires clairs, quand elles introduisent des outils sans en retirer d’autres, quand le changement est perpétuel plutôt que délibéré, ce sont les équipes qui en paient le prix. La technologie devient alors une source de perturbation plutôt qu'un levier de performance.

Pour les dirigeants, cela crée un paradoxe. Plus on pousse l'IA agressivement dans l'organisation, plus la résistance s'accumule. Et cette résistance n'est pas irrationnelle. C'est une réponse rationnelle à l'ambiguïté, à la surcharge et à l’absence de retombées tangibles pour les personnes qui font le travail.

Le risque stratégique est réel, car les organisations fatiguées adoptent les outils superficiellement et développent une résistance au changement, et ce, même quand ce changement est nécessaire.

Trois principes à suivre pour bien faire les choses

Avancer avec l'IA sans épuiser les équipes exige de la discipline. Ça ne signifie pas moins d'ambition, mais plutôt une exécution plus intelligente.

Réduire avant d'ajouter : Chaque nouvel outil d’IA devrait en remplacer un autre. Avant d'introduire une nouvelle plateforme, demandez-vous ce qu'elle remplace. L’objectif n’est pas d’accumuler des outils, mais de simplifier l’environnement de travail. Les équipes qui jonglent avec trop de plateformes n’ont pas besoin d’une solution de plus. Elles ont besoin de moins d’outils, mieux intégrés, capables de réellement réduire la friction et de rendre le travail plus fluide. 

Prioriser les cas d'usage à forte valeur ajoutée : Les organisations qui obtiennent de vrais résultats avec l'IA ne la déploient pas partout en même temps. Elles identifient où le temps est véritablement gaspillé, où la qualité est livrée de façon inconsistante et où les tâches répétitives drainent la productivité des équipes. Elles ciblent ensuite ces irritants et les traitent en priorité. Des gains rapides, visibles et mesurables permettent de bâtir la confiance à l’intérieur de l’organisation et créent l’élan nécessaire pour soutenir une adoption plus large par la suite.

Protéger l'énergie des équipes : Les déploiements d’outils d’IA devraient être introduits de manière progressive et réfléchie. Il est aussi essentiel de donner aux équipes la permission explicite de dire : « Ce cas d’usage ne bénéficie pas de l’automatisation. » Ce n’est pas de la résistance au changement, c’est du jugement professionnel. Et c’est justement ce jugement que l’IA ne peut pas remplacer.

Quatre piliers pour mener des projets d'IA sans brûler vos équipes

1. Focus stratégique. Les recherches de Shibumi sur la fatigue liée à l’IA montrent qu’un portefeuille de projets dispersé et mal priorisé est l’un des principaux moteurs de l’épuisement organisationnel. La solution n'est pas de ralentir, mais plutôt de consolider. Chaque initiative d’IA devrait donc se rattacher à un nombre restreint de résultats attendus. Concrètement, cela signifie approuver moins de projets, exiger une justification claire de la valeur recherchée, nommer un responsable pour chaque initiative et abandonner activement les projets pilotes qui ne démontrent pas un impact réel. Si un projet n'a pas le potentiel de se rendre en production, il ne devrait pas mobiliser le temps des équipes.

2. Visibilité des projets et balises claires. La fatigue s’installe lorsque les équipes ne voient plus comment toutes les pièces s’assemblent. Mettre en place une source unique de vérité pour les initiatives d’IA, qui inclut les échéanciers et les responsabilités, permet de réduire la duplication, de diminuer l’anxiété et de donner aux dirigeants la visibilité nécessaire pour interrompre ou regrouper les efforts qui se chevauchent avant qu’ils ne s’accumulent. Au-delà du ROI, vous devriez également mesurer la friction, la prolifération des outils, les changements de contexte et la charge qui pèse sur les employés. 

3. Un modèle opérationnel centré sur l'humain. Les recherches de McKinsey révèlent que les employés sont souvent plus prêts pour l'IA que leurs dirigeants ne le supposent. Ils ont toutefois besoin de formation et de clarté sur la façon dont l'IA redéfinit leur rôle. Les outils imposés par la haute direction sans donner de contexte vont forcément générer de la résistance. Investissez dans des formations adaptées aux rôles et ne laissez surtout pas l'IA devenir un amplificateur de pression en continu.

4. Veille continue et ajustements en cours de route. L’adoption de l’IA ne se termine pas au moment du déploiement. Sans suivi actif, elle peut rapidement engendrer une fatigue décisionnelle et une surcharge cognitive qui finissent par éroder les gains de performance qu’elle était censée produire. Il est donc essentiel de mettre en place un mécanisme permanent de suivi, non seulement pour mesurer les indicateurs de valeur comme les revenus, les coûts et les délais, mais aussi pour capter les signaux d’adoption interne. Le taux d’engagement, l’utilisation réelle des outils et les abandons progressifs sont souvent de bons indicateurs d’essoufflement des équipes. Ces données devraient d’ailleurs être intégrées aux bilans trimestriels présentés au niveau exécutif. C’est ce qui permet d’anticiper le problème et d’intervenir avant qu’il ne s’installe durablement.

La vraie mesure de la maturité IA

Une organisation considérée comme étant mature en IA n'est pas celle qui a le plus d'outils. C'est celle qui a fait les choix les plus clairs sur où l'IA crée de la valeur et où elle n'en crée pas.

Les entreprises qui génèrent les plus grands retours sur investissement de leurs efforts sont celles qui traitent l'IA comme un actif opérationnel et non comme une tendance à suivre. Elles mesurent les résultats, affinent ce qui fonctionne et abandonnent ce qui ne fonctionne pas.

L'IA a un énorme potentiel pour améliorer la façon dont les organisations fonctionnent. Mais ce potentiel s'annule quand le rythme d'adoption dépasse la capacité des équipes à l'absorber de façon significative.

Vous l’aurez compris : la vraie innovation n’est pas d’adopter plus d’IA, mais de mieux l’adopter.