C’est un de très nombreux verbatims recensés par Anthropic concernant l’IA. Des utilisateurs de Claude, la plateforme d’IA développée par Anthropic, ont été interrogés en mars 2026 sur les attentes de l’IA.

Ce retour précis vient d’un.e utilisateur.rice d’Inde et il questionne le discours largement véhiculé par l’IA et ses défenseurs, à savoir : grâce à l’IA, nous aurons tous davantage de temps pour nous consacrer à des activités enrichissantes intellectuellement. Or, ce qu’illustre ce verbatim, mais aussi ce que beaucoup d’entre nous expérimentent avec l’IA, c’est que, pour l’instant, l’IA ne tient pas réellement cette promesse. Pourquoi ? Tout d’abord, car le temps de travail demeure inchangé malgré l’utilisation croissante de l’IA en entreprise, mais aussi car l’IA « travaille » souvent sur des sujets à haute valeur intellectuelle.

L’IA ne libère pas du temps

De plus en plus d’entreprises, en France notamment, souhaitent intégrer l’IA dans leurs modes de travail. Souvent, cela se fait, non pas pour répondre à un besoin technologique, mais pour « prendre le train en marche », « se positionner sur le marché », « ne pas être en retard ». Il y a une forme d’injonction à utiliser l’IA pour, a priori, rester compétitif. Ainsi, ces entreprises déploient massivement Chat-GPT, Gemini ou encore Claude et incitent vivement – voire obligent – leurs équipes à utiliser ces nouveaux outils pour « aller plus vite ».

Si nous pouvons aller plus vite et donc exécuter nos tâches plus rapidement, alors, en toute logique, notre temps de travail devrait se réduire. Et bien non, les horaires de travail restent inchangés même pour les utilisateurs des agents IA. Aucun cadre utilisant l’IA aujourd’hui ne finit ses journées à 16h : plus il va vite et plus de nouvelles tâches viennent s’ajouter à sa to-do list.

Ces nouvelles tâches peuvent correspondre à de nouveaux sujets à traiter, mais aussi à un travail chronophage de vérification de la production de l’agent IA. C’est aussi un des verbatims, largement revenus dans l’étude d’Anthropic ; ici par un.e utilisateur.rice béninois.e : « If I have to double-check everything, I’m not really saving time. »

Ce travail de vérification prend beaucoup de temps car l’agent IA :

  • apporte parfois des modifications subtiles qu’il faut identifier pour potentiellement les corriger ;
  • se trompe dans la bonne compréhension du sujet : le temps dédié au prompt est aussi à prendre en compte – il faut parfois s’y reprendre à plusieurs reprises pour obtenir un résultat satisfaisant, ce qui occasionne aussi une consommation plus forte de tokens et donc de coûts liés à l’IA ;
  • invente des informations et peut donc totalement biaiser des données – on parle « d’hallucinations » de l’IA (par exemple, un rapport publié (puis retiré !) par EY Canada, qui contenait des fausses données et des fausses sources ; idem pour KPMG dont le rapport rédigé avec (ou par) l’IA avait inventé des informations concernant UBS ; ou encore le cabinet d’avocats Sullivan & Cromwell qui a dû s’excuser auprès du juge fédéral de New-York pour les jurisprudences et articles de lois erronés, produits par l’IA).

L’IA se concentre sur des sujets à haute valeur intellectuelle

Un des corollaires de ce temps finalement non libéré est la délégation de sujets parfois clés à son agent IA : sous la pression d’un top management à la recherche de gains de productivité et d’un usage intensif de l’IA, de nombreux cadres « sous-traitent » une partie de leur cœur de métier à leur agent. Et c’est là toute l’ironie du déploiement mal cadré d’une IA : en plus de ne pas libérer de temps, elle se garde les sujets les plus intéressants et les plus créatifs !

En tant que consultante, j’ai constaté ce paradoxe au sein d’une équipe en charge de la décarbonation où une partie de l’analyse de risques climatiques de transition (sujet absolument majeur pour une entreprise puisqu’il s’agit d’évaluer les impacts financiers qu’une bascule vers une économie bas carbone pourrait avoir sur son activité) était déléguée à Claude pour, encore une fois, « aller plus vite ». Mais si un expert carbone ne passe pas du temps – de réflexion, de prise de recul, d’échanges, de benchmark – sur un sujet aussi crucial et enrichissant, à quoi d’autre vaut-il mieux qu’il passe son temps ?

Là encore, l’utilisateur de l’IA se retrouve dans une posture de vérificateur challengeant de manière assez limitée les productions de son agent, notamment en raison d’un biais de confiance, aussi appelé algorithm appreciation, qui se traduit par « une confiance quasi-automatique envers les systèmes d’IA, même en l’absence d’avantages évidents par rapport à l’humain » (étude menée par trois chercheurs de HEC Paris en 2022).

Alors, faut-il bannir l’usage de l’IA en entreprise ? Non, l’IA peut trouver sa place dans le monde du travail à condition de limiter son utilisation aux cas dans lesquels elle démontre une réelle valeur ajoutée.

Il est donc nécessaire :

  • D’utiliser les modèles adaptés aux besoins : s’il s’agit de traitement de texte ou de mise en forme, il est inutile d’utiliser un agent dans sa dernière version, extrêmement consommateur en ressources ; d’où la nécessité de déployer une IA frugale (ce concept fera l’objet d’un prochain article) ;
  • De former les équipes – et le top management, à l’utilisation de l’IA et en particulier des agents : comprendre leur fonctionnement mais aussi mieux appréhender les cas d’usage métiers pertinents à l’utilisation de l’IA limiteraient les frictions en interne et donneraient vraiment un sens au déploiement de l’IA en entreprise. Toutes les fonctions d’un Groupe n’ont pas vocation à utiliser l’IA et ce n’est pas un problème (ce décryptage fera aussi l’objet d’un prochain article).

Si ce point de vue vous interpelle, n’hésitez pas à me contacter pour en discuter davantage !