77% des utilisateurs australiens de l’IA déclarent au moins une forme de botshitting : livrer un travail assisté par l’IA qu’ils n’ont pas suffisamment vérifié, qu’ils ne comprennent pas totalement ou qu’ils ne pourraient pas défendre avec assurance.
C’est le taux le plus élevé parmi les trois pays interrogés pour le Work AI Index 2026, contre 70% au Royaume-Uni et 64% aux États-Unis.
C’est aussi difficile à concilier avec les chiffres d’adoption de l’Australie.
90% des travailleurs numériques australiens utilisent l’IA au travail, au même niveau que le Royaume-Uni et devant les États-Unis. 72% disent qu’elle les rend plus productifs, et les travailleurs déclarent économiser environ 10 heures par semaine grâce à l’automatisation par l’IA.
Ils intègrent aussi davantage l’IA dans leur journée de travail :
- 54% se tournent vers l’IA avant d’essayer de résoudre un problème eux-mêmes.
- 74% ont utilisé l’IA comme prise de notes en réunion.
- 66% ont fait animer une réunion par l’IA.
- 58% ont envoyé un jumeau numérique à une réunion à leur place.
L’Australie est allée plus vite que les États-Unis et a rejoint le Royaume-Uni sur l’adoption globale. Sur l’impact organisationnel, elle arrive dernière.
Seuls 10% des travailleurs australiens disent que l’IA a significativement amélioré la performance de leur organisation, contre 12% aux États-Unis et 18% au Royaume-Uni.
Le Work AI Index 2026: Australia, du Work AI Institute de Glean, a interrogé 1 500 travailleurs numériques australiens dans le cadre d’une étude mondiale portant sur 6 000 salariés à temps plein. Nous avons également échangé avec des dizaines de leaders de l’IA et analysé des interactions d’IA en milieu de travail anonymisées et agrégées issues de la platform d’IA d’entreprise de Glean.
Ce que nous avons constaté, c’est une main-d’œuvre qui a adopté l’IA plus vite que ses organisations n’ont modifié la façon dont le travail s’organise autour d’elle.
L’IA s’est intégrée au travail plus vite que le travail n’a changé
Adopter un outil d’IA peut se faire rapidement. Une organisation active une licence, approuve une plateforme ou donne aux employés accès à un nouvel assistant.
Changer le travail autour prend plus de temps.
Cela implique de décider quelles tâches l’IA doit prendre en charge, de quel contexte elle a besoin, comment sa production doit être revue, qui reste responsable et ce que les employés doivent faire quand l’outil échoue.
Dans les organisations australiennes, ces systèmes sont encore en train de rattraper leur retard :
- 57% des travailleurs disent que leur organisation fournit suffisamment de formation et de support sur l’IA.
- 59% disent que les workflows ont été repensés pour tirer parti de l’IA.
- 62% disent que la politique IA de leur organisation est régulièrement revue.
- 9% disent que personne n’est principalement responsable de la supervision de l’usage de l’IA.
- 58% disent que les informations importantes dont ils ont besoin ne sont pas accessibles via leurs outils d’IA.
Dans de nombreux cas, l’IA a été ajoutée à un travail qui fonctionne encore à peu près comme avant. Les mêmes passations, validations, systèmes et lacunes d’information demeurent. L’IA peut produire une première réponse plus vite, mais l’employé doit toujours intégrer cette réponse dans un processus qui n’a pas été conçu pour elle.
Résultat : un taux d’échec élevé. Les travailleurs australiens disent que 40% de leurs sessions d’IA nécessitent une reprise importante ou une réinitialisation complète.
Quand l’IA échoue aussi souvent, le travail de réparation revient à l’employé. Il fournit le contexte manquant, réécrit des prompts, vérifie les sources, corrige les erreurs, compare les résultats et reconstruit un travail qui semblait terminé avant d’être fiable.
Les travailleurs australiens passent en moyenne 6,5 heures par semaine sur ce travail, que nous appelons botsitting. Cela représente 38% de leur temps lié à l’IA, plus que les 34% qu’ils consacrent à utiliser l’IA pour produire du travail.
Lorsque ce travail n’est pas soutenu, les employés finissent par prendre des raccourcis. La production avance sans nouvelle vérification. Une hypothèse fragile survit parce que l’échéance approche. Une réponse soignée semble suffisamment complète pour être envoyée.
C’est ainsi qu’une adoption rapide devient du botshitting.
Les plus grandes organisations australiennes ont davantage à démêler
Les chiffres d’adoption masquent aussi un défi structurel.
Beaucoup des plus grandes organisations australiennes ont été créées il y a des générations. L’entreprise moyenne de l’ASX 20 a environ 104 ans, d’après l’analyse réalisée pour l’Australian Work AI Index.
L’âge, à lui seul, n’est pas le problème. Ces organisations ont perduré parce qu’elles ont construit des institutions solides, une expertise profonde et des processus capables de fonctionner malgré les évolutions économiques, réglementaires et technologiques.
Mais ces atouts s’accompagnent de complexité.
Les organisations plus anciennes sont plus susceptibles de cumuler des couches de systèmes cœur, des politiques accumulées,
des circuits d’approbation établis et des workflows qui relient plusieurs fonctions. Un changement dans une partie de l’organisation peut affecter des systèmes et des responsabilités ailleurs.
Comme l’a formulé Dominic Price, Partner chez Be Luminous et contributeur au rapport australien :
« L’Australie ne manque pas d’ambition en matière d’IA. Mais beaucoup de ses plus grandes entreprises portent bien plus d’héritage que leurs pairs mondiaux. »
Ajouter un outil d’IA dans cet environnement est bien plus simple que de reconfigurer l’organisation autour.
Un nouvel assistant peut être capable de résumer un dossier client sans comprendre pourquoi un champ est systématiquement ignoré. Il peut récupérer le processus formel sans savoir quelle exception permet réellement au travail d’avancer. Il peut rédiger une analyse sans accès au système où se trouvent les chiffres les plus à jour.
Les employés comblent alors l’écart entre la nouvelle technologie et l’organisation existante. Ils transportent l’information d’un système à l’autre, expliquent des règles non écrites et déterminent quelle partie de la production peut être jugée fiable.
Ce travail peut donner l’impression, en surface, qu’un déploiement d’IA est un succès, tandis que les employés absorbent la complexité sous-jacente.
Les Australiens tiennent toujours l’humain pour responsable
Un constat rend le taux de botshitting en Australie particulièrement intéressant.
Quand un travail généré par l’IA échoue, 49% des travailleurs australiens blâment la personne qui a utilisé l’outil. Seuls 22% blâment la machine, tandis que 29% ne savent pas clairement qui est responsable.
À première vue, cela ressemble à un signe de forte responsabilisation. Si la personne reste responsable du résultat, on peut s’attendre à ce que le travail fasse l’objet d’une relecture plus attentive.
Mais l’Australie affiche aussi le taux de botshitting le plus élevé des trois pays étudiés. 44% des travailleurs australiens livrent parfois un travail assisté par l’IA qu’ils n’ont pas entièrement vérifié, et 45% déclarent expédier du travail qu’ils ne sauraient pas expliquer si on le leur demandait.
Cette contradiction met en évidence la différence entre la responsabilité en principe et la responsabilité dans la pratique.
Les travailleurs peuvent penser que l’humain doit assumer le résultat, tout en évoluant dans un système qui rend difficile la mise en place d’une relecture rigoureuse dans la durée. Les délais continuent de récompenser la vitesse. Les sorties de l’IA arrivent toujours avec un rendu soigné. Le salarié a toujours plusieurs autres tâches en attente. La vérification peut être perçue comme leur responsabilité sans qu’on leur donne suffisamment de temps, de contexte ou de soutien pour bien la faire.
L’humain est tenu responsable après l’échec, mais le workflow fait peu pour l’aider à l’éviter.
C’est un problème d’organisation, pas seulement une défaillance individuelle de jugement.
Quand l’IA échoue, les travailleurs improvisent
La manière dont les travailleurs réagissent quand l’IA se trompe apporte un autre indice.
33% des travailleurs australiens disent qu’ils humanisent l’IA quand elle échoue. Ils disent s’il vous plaît, adoucissent leur ton, l’encouragent ou lui demandent d’essayer plus fort. À comparer à 24% aux États-Unis.
Les travailleurs australiens sont aussi moins susceptibles que leurs homologues américains d’utiliser plusieurs stratégies de correction pratiques, notamment reformuler la demande, ajouter du contexte, refaire eux-mêmes le travail ou passer à un autre outil.
Humaniser l’IA n’est pas intrinsèquement un problème. Un ton poli peut n’avoir aucun effet sur le fait que la réponse suivante soit meilleure ou pire.
Mais la tendance générale suggère que beaucoup d’employés abordent les échecs de l’IA sans méthode fiable pour les diagnostiquer. Ils savent que la réponse n’est pas correcte, mais pas nécessairement pourquoi.
Le problème peut venir du prompt. Il peut s’agir d’une source manquante, d’informations obsolètes, d’une instruction peu claire, ou d’une tâche pour laquelle l’outil n’est pas adapté. Sans formation permettant de distinguer ces types d’échec, les travailleurs retombent sur une habitude familière de la collaboration humaine : encourager l’autre partie et réessayer.
Cette réaction devient encore plus compréhensible lorsque la bonne information n’est pas disponible pour l’outil. 58% des travailleurs australiens disent que des informations critiques dont ils ont besoin ne sont pas accessibles via leurs systèmes d’IA, la part la plus élevée des trois pays interrogés.
Un employé peut demander plus poliment, simplifier l’instruction ou relancer le prompt. Aucun de ces changements n’aidera si l’IA ne peut pas accéder au plan de projet à jour, comprendre quelle prévision est la version finale, ou appliquer les définitions internes qui structurent la tâche.
Les travailleurs finissent par improviser autour d’un problème d’information qu’ils ne peuvent pas résoudre depuis la boîte de prompt.
L’Australie doit concevoir pour l’échec, pas seulement pour l’adoption
La prochaine phase d’adoption de l’IA exige plus que d’apprendre aux travailleurs à utiliser un outil quand tout se passe bien.
Les employés doivent aussi savoir comment reconnaître un échec et s’en remettre. Cela signifie construire quatre capacités autour de la technologie.
Refondre les workflows en fonction de ce que l’IA change
L’IA ne doit pas être ajoutée à chaque étape existante sans réexaminer si ces étapes ont encore du sens.
Les organisations doivent cartographier où l’IA entre dans le travail, quels passages de relais elle modifie, quelle nouvelle revue est nécessaire, et où se situe la responsabilité quand une personne et un système contribuent tous deux au résultat.
L’objectif n’est pas de préserver chaque processus d’avant l’IA. Il s’agit de supprimer les étapes qui n’apportent plus de valeur, tout en protégeant le jugement, l’expertise et les contrôles dont le travail a encore besoin.
Donner à l’IA le contexte de l’entreprise, pas seulement l’accès aux données
Connecter l’IA à davantage de systèmes ne suffit pas. Elle doit distinguer les informations actuelles des versions obsolètes, les sources faisant autorité des brouillons de travail, et le contexte pertinent de tout ce qu’elle peut récupérer.
Cette distinction a des conséquences mesurables. En Australie, les travailleurs dans des organisations où l’IA est riche en contexte sont :
- 53% moins susceptibles de se sentir épuisés par l’IA.
- 45% moins susceptibles d’expédier du travail qu’ils ne peuvent pas expliquer.
- 47% moins susceptibles d’utiliser des outils non approuvés.
Un meilleur contexte ne supprime pas la revue humaine. Il réduit la reconstruction répétitive qui consomme le temps des employés avant qu’une revue pertinente puisse commencer.
Former les personnes à diagnostiquer ce qui a mal tourné
La formation se concentre souvent sur l’accès, le prompting et l’usage approuvé. Ces compétences comptent, mais elles ne préparent pas les employés aux 40% de sessions qui échouent.
Les travailleurs ont besoin de moyens pratiques pour identifier si le problème vient d’un manque de contexte, d’une mauvaise qualité de source, d’un modèle inadapté, d’une tâche mal cadrée, ou d’un workflow qui nécessite encore une prise en charge humaine.
Ils doivent aussi savoir quand un autre prompt a peu de chances d’aider.
La maîtrise de l’IA inclut la capacité à réparer une interaction qui a échoué et à savoir quand cesser de s’appuyer sur l’outil.
Rendre la responsabilité visible
La gouvernance de l’IA doit répondre aux questions que les employés rencontrent pendant le travail :
- Qui peut approuver un livrable assisté par l’IA ?
- Quelles tâches exigent une vérification des sources ?
- Quand un agent peut-il agir sans une autre revue ?
- Qui est responsable du résultat lorsque plusieurs personnes et outils ont contribué ?
- Vers qui un employé doit-il se tourner lorsque le système approuvé ne peut pas accomplir la tâche ?
Une politique régulièrement révisée est importante. Le fait d’avoir une personne clairement responsable de l’usage de l’IA l’est aussi. Mais ces structures doivent se traduire par des décisions que les employés peuvent prendre pendant que le travail est en cours.
L’impact doit être conçu
L’adoption rapide de l’Australie reste un avantage. Ses travailleurs sont prêts à expérimenter, à intégrer l’IA dans des workflows à fort enjeu, et à repenser quelle part de leur travail la technologie pourrait prendre en charge.
Mais la vitesse ne devient un avantage que lorsque l’organisation est en mesure de l’absorber.
Pour l’instant, les salariés assument une grande partie de cette charge eux-mêmes. Ils reconstituent le contexte manquant, réparent les sessions interrompues, concilient l’IA avec les processus hérités et décident, de leur propre chef, quand une réponse est suffisamment bonne pour avancer.
La prochaine étape consiste à sortir cette charge de l’improvisation individuelle et à l’intégrer dans la manière dont le travail est conçu.
L’Australie n’a pas besoin de ralentir. Elle a besoin de la formation, du contexte, de la gouvernance et des workflows qui permettent à une adoption rapide de produire un travail auquel les gens peuvent faire confiance.
L’adoption peut se diffuser grâce à l’enthousiasme. L’impact, lui, doit être conçu.
Lisez le Work AI Index 2026: Australia en intégralité pour comprendre où vont les gains de l’Australie en matière d’IA et ce que les organisations peuvent construire autour de la technologie pour les rendre durables
