77 % des utilisateurs d'IA australiens signalent 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 pleinement ou qu'ils ne pourraient pas défendre en toute confiance.
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 également difficile à concilier avec les chiffres d'adoption de l'Australie.
90 % des travailleurs du numérique australiens utilisent l'IA au travail, au même niveau que le Royaume-Uni et devant les États-Unis. 72 % affirment qu'elle les rend plus productifs, et les travailleurs déclarent gagner environ 10 heures par semaine grâce à l'automatisation par l'IA.
Ils intègrent également l'IA plus en profondeur dans leur journée de travail :
- 54 % se tournent vers l'IA avant d'essayer de résoudre un problème par eux-mêmes.
- 74 % ont utilisé l'IA comme preneur de notes en réunion.
- 66 % ont fait animer une réunion par l'IA.
- 58 % ont envoyé un jumeau numérique à une réunion en leur nom.
L'Australie a avancé plus vite que les États-Unis et a égalé le Royaume-Uni sur l'adoption globale. Sur l'impact organisationnel, elle se classe dernière.
Seuls 10 % des travailleurs australiens affirment 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 : Australie, du Work AI Institute de Glean, a interrogé 1 500 travailleurs du numérique australiens dans le cadre d'une étude mondiale portant sur 6 000 travailleurs à temps plein. Nous avons également échangé avec des dizaines de responsables de l'IA et analysé des interactions IA en entreprise, anonymisées et agrégées, issues de la plateforme d'IA d'entreprise de Glean.
Ce que nous avons découvert, 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'effectue autour d'elle.
L'IA s'est intégrée au travail plus vite que le travail n'a évolué
Adopter un outil d'IA peut se faire rapidement. Une organisation active une licence, approuve une plateforme ou donne aux employés l'accès à un nouvel assistant.
Changer le travail qui l'entoure prend plus de temps.
Cela signifie décider quelles tâches l'IA doit prendre en charge, de quel contexte elle a besoin, comment son résultat doit être examiné, qui reste responsable et ce que les employés doivent faire lorsque l'outil échoue.
Au sein des organisations australiennes, ces systèmes sont encore en train de rattraper leur retard :
- 57 % des travailleurs affirment que leur organisation fournit suffisamment de formation et de soutien en matière d'IA.
- 59 % affirment que les flux de travail ont été repensés pour tirer parti de l'IA.
- 62 % affirment que la politique d'IA de leur organisation est régulièrement révisée.
- 9 % affirment que personne n'est principalement responsable de la supervision de l'usage de l'IA.
- 58 % affirment que des 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 en grande partie comme avant. Les mêmes transmissions, approbations, systèmes et lacunes d'information demeurent. L'IA peut produire la première réponse plus rapidement, mais l'employé doit encore intégrer cette réponse dans un processus qui n'a pas été conçu pour elle.
Le résultat est un taux d'échec élevé. Les travailleurs australiens affirment que 40 % de leurs sessions d'IA nécessitent une révision substantielle ou une réinitialisation complète.
Lorsque l'IA échoue aussi souvent, le travail de correction retombe sur l'employé. Il fournit le contexte manquant, réécrit les prompts, vérifie les sources, corrige les erreurs, compare les résultats et reconstruit un travail qui semblait terminé avant d'être fiable.
Les travailleurs australiens consacrent en moyenne 6,5 heures par semaine à ce travail, que nous appelons botsitting. Il représente 38 % de leur temps lié à l'IA, soit plus que les 34 % qu'ils passent à utiliser l'IA pour produire du travail.
Lorsque ce travail n'est pas soutenu, les travailleurs finissent par prendre des raccourcis. Le résultat avance sans vérification supplémentaire. 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 d'Australie ont davantage à défaire
Les chiffres d'adoption dissimulent aussi un défi structurel.
Bon nombre des plus grandes organisations d'Australie ont été créées il y a des générations. L'entreprise moyenne de l'ASX 20 a environ 104 ans, d'après l'analyse menée pour le Work AI Index Australie.
L'âge à lui seul n'est pas le problème. Ces organisations ont perduré parce qu'elles ont bâti des institutions solides, une expertise profonde et des processus capables de fonctionner à travers les changements économiques, réglementaires et technologiques.
Mais ces atouts s'accompagnent de complexité.
Les organisations plus anciennes sont plus susceptibles de porter des couches de systèmes centraux, des politiques accumulées,
des chemins d'approbation établis et des flux de travail reliant plusieurs fonctions. Un changement dans une partie de l'organisation peut affecter les systèmes et les responsabilités ailleurs.
Comme l'a exprimé Dominic Price, associé chez Be Luminous et contributeur du rapport australien :
« L'Australie ne manque pas d'ambition en matière d'IA. Mais nombre de ses plus grandes entreprises portent bien plus d'héritage technologique que leurs homologues mondiaux. »
Ajouter un outil d'IA à cet environnement est bien plus facile que de reconfigurer l'organisation autour de lui.
Un nouvel assistant peut être capable de résumer la fiche d'un client sans comprendre pourquoi un champ est systématiquement ignoré. Il peut récupérer le processus formel sans savoir quelle exception permet au travail d'avancer. Il peut rédiger une analyse sans avoir accès au système où se trouvent les chiffres les plus récents.
Les employés comblent alors l'écart entre la nouvelle technologie et l'organisation existante. Ils font circuler l'information entre les systèmes, expliquent les règles implicites et décident quelle partie du résultat peut être considérée comme fiable.
Ce travail peut faire paraître un déploiement d'IA réussi en surface, tandis que les employés absorbent en dessous toute la complexité.
Les Australiens tiennent toujours l'humain pour responsable
Un constat rend le taux de botshitting de l'Australie particulièrement intéressant.
Lorsqu'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 qui est responsable.
À première vue, cela ressemble à un signe de forte responsabilisation. Si la personne reste responsable du résultat, on pourrait s'attendre à ce que le travail fasse l'objet d'un examen plus attentif.
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 livrer un travail qu'ils ne pourraient pas expliquer si on le leur demandait.
Cette contradiction met en lumière une distinction entre la responsabilité de principe et la responsabilité dans la pratique.
Les travailleurs peuvent estimer que l'humain doit assumer le résultat tout en évoluant dans un système qui rend l'examen attentif difficile à maintenir. L'échéance récompense toujours la rapidité. Le résultat de l'IA arrive toujours soigné. L'employé a toujours plusieurs autres tâches en attente. La vérification du travail peut être perçue comme sa responsabilité, sans qu'on lui accorde suffisamment de temps, de contexte ou de soutien pour la faire correctement.
L'humain est tenu pour responsable après l'échec, mais le flux de travail ne fait pas grand-chose pour l'aider à le prévenir.
C'est un problème opérationnel, et non simplement une erreur de jugement individuelle.
Quand l'IA échoue, les travailleurs improvisent
La manière dont les travailleurs réagissent lorsque l'IA se trompe fournit un autre indice.
33 % des travailleurs australiens déclarent humaniser l'IA lorsqu'elle échoue. Ils disent s'il vous plaît, adoucissent leur ton, l'encouragent ou lui demandent de faire plus d'efforts. Contre 24 % aux États-Unis.
Les travailleurs australiens sont également moins susceptibles que leurs homologues américains d'utiliser plusieurs stratégies de correction concrètes, notamment reformuler la demande, ajouter du contexte, refaire le travail eux-mêmes ou passer à un autre outil.
Humaniser l'IA n'est pas un problème en soi. 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 de nombreux employés abordent l'échec de l'IA sans méthode fiable pour en poser le diagnostic. Ils savent que la réponse n'est pas correcte, mais pas nécessairement pourquoi.
Le problème pourrait venir du prompt. Il pourrait s'agir d'une source manquante, d'informations obsolètes, d'une instruction peu claire ou d'une tâche que l'outil n'est pas en mesure d'accomplir. Faute de formation pour distinguer ces différents types d'échec, les travailleurs retombent sur une habitude familière de la collaboration entre humains : 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 déclarent que les informations critiques dont ils ont besoin ne sont pas accessibles via leurs systèmes d'IA, la proportion la plus élevée des trois pays interrogés.
Un employé peut formuler sa demande plus poliment, simplifier l'instruction ou relancer le prompt. Aucun de ces changements ne sera utile si l'IA ne peut pas accéder au plan de projet actuel, comprendre quelle prévision est définitive 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 zone de saisie du prompt.
L'Australie doit concevoir pour l'échec, pas seulement pour l'adoption
La prochaine phase de l'adoption de l'IA exige plus que d'apprendre aux travailleurs à utiliser un outil lorsque tout se passe bien.
Les employés doivent aussi savoir reconnaître l'échec et s'en remettre. Cela implique de développer quatre capacités autour de la technologie.
Repenser les flux de travail en fonction de ce que l'IA change
L'IA ne devrait pas être ajoutée à chaque étape existante sans se demander si ces étapes ont encore un sens.
Les organisations doivent cartographier où l'IA intervient dans le travail, quels transferts elle modifie, quel nouvel examen est nécessaire et où se situe la responsabilité lorsqu'une personne et un système contribuent tous deux au résultat.
L'objectif n'est pas de préserver chaque processus antérieur à l'IA. Il s'agit de supprimer les étapes qui n'apportent plus de valeur tout en protégeant le jugement, l'expertise et les vérifications que le travail requiert encore.
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 en cours, et le contexte pertinent de tout ce qu'elle pourrait extraire.
Cette distinction a des conséquences mesurables. En Australie, les travailleurs des organisations dotées d'une IA riche en contexte sont :
- 53 % moins susceptibles de se sentir épuisés par l'IA.
- 45 % moins susceptibles de livrer un travail qu'ils ne peuvent pas expliquer.
- 47 % moins susceptibles d'utiliser des outils non approuvés.
Un meilleur contexte ne supprime pas l'examen humain. Il réduit la reconstruction répétitive qui consomme le temps des employés avant qu'un examen utile puisse commencer.
Former les gens à diagnostiquer ce qui n'a pas fonctionné
La formation se concentre souvent sur l'accès, la rédaction de prompts 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 concrets pour déterminer si le problème est un contexte manquant, une mauvaise qualité de source, un modèle inadapté, une tâche mal cadrée, ou un flux de travail qui exige encore une prise en charge humaine.
Ils doivent aussi savoir quand un nouveau prompt a peu de chances d'aider.
La maîtrise de l'IA implique de savoir comment réparer une interaction échouée et 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 au cours du travail :
- Qui peut approuver un résultat assisté par l'IA ?
- Quelles tâches nécessitent une vérification des sources ?
- Quand un agent peut-il agir sans un examen supplémentaire ?
- Qui est responsable du résultat lorsque plusieurs personnes et outils y ont contribué ?
- Vers qui un employé doit-il se tourner lorsque le système approuvé ne peut pas accomplir la tâche ?
Une politique révisée régulièrement est essentielle. Tout comme le fait d'avoir une personne clairement responsable de l'usage de l'IA. Mais ces structures doivent se traduire en décisions que les employés peuvent prendre pendant que le travail se déroule.
L'impact doit être conçu
L'adoption rapide de l'IA en Australie reste un atout. Ses travailleurs sont prêts à expérimenter, à intégrer l'IA dans des flux de travail à fort enjeu et à repenser la part de leur travail que la technologie pourrait prendre en charge.
Mais la rapidité ne devient un avantage que lorsque l'organisation est capable de l'absorber.
À l'heure actuelle, ce sont les travailleurs eux-mêmes qui assument une grande partie de cette absorption. Ils reconstruisent le contexte manquant, réparent les sessions qui échouent, concilient l'IA avec les processus hérités et décident seuls du moment où une réponse est suffisamment bonne pour avancer.
La prochaine étape consiste à sortir cette charge de l'improvisation individuelle pour l'intégrer à la façon 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 flux de travail qui permettent à une adoption rapide de produire un travail auquel les gens peuvent se fier.
L'adoption peut se diffuser par l'enthousiasme. L'impact, lui, doit être conçu.
Consultez l'intégralité du Work AI Index 2026 : Australie pour comprendre où vont les gains de l'IA en Australie et ce que les organisations peuvent construire autour de la technologie pour les faire durer
