Presque tous les travailleurs de bureau utilisent désormais l'IA au travail, et pourtant très peu d'organisations peuvent prouver qu'elles en tirent un bénéfice. Cet écart est l'histoire la plus importante et la moins comprise de l'IA au travail aujourd'hui.
Le Work AI Index 2026, du Work AI Institute de Glean, explore le travail humain caché que l'IA a ajouté à la journée de travail, et la manière dont ce travail affecte la valeur que les organisations finissent par voir.
Nous avons interrogé 6 000 travailleurs numériques à temps plein aux États-Unis, au Royaume-Uni et en Australie, échangé avec des dizaines de leaders IA, et analysé des interactions d'IA en entreprise, anonymisées et agrégées, provenant de la plateforme Glean Work AI. Ce que nous avons trouvé, c'est une main-d'œuvre qui a adopté l'IA, ainsi qu'une couche épaisse, pour l'essentiel invisible, de travail humain qui maintient l'ensemble debout.
L'adoption de l'IA n'est pas le problème
À tous les indicateurs d'adoption, l'IA est arrivée dans le lieu de travail :
- 87% des travailleurs numériques utilisent désormais l'IA au travail
- 75% disent qu'elle les rend plus productifs
- Les travailleurs indiquent que l'automatisation par l'IA leur fait gagner environ 11 heures par semaine
Dans la plupart des cas, il ne s'agit pas d'utilisateurs réticents. La plupart des travailleurs (x%) se tournent désormais vers l'IA avant de demander à un collègue, veulent qu'elle automatise des parties plus importantes de leur travail (x% vs. y% aujourd'hui), et sont x% à être même à l'aise avec le fait que l'IA joue un rôle dans le licenciement de leurs collègues humains.
L'adoption a progressé plus vite que la capacité de la plupart des organisations à la soutenir. Les individus gagnent du temps et en font davantage, mais, pour trop d'organisations, cette valeur devrait se voir dans la performance de l'entreprise.
La plupart des entreprises ne voient toujours pas l'impact
Seuls 13% des travailleurs disent que leur organisation fonctionne nettement mieux grâce à l'IA.
.webp)
Ce décalage entre productivité individuelle et performance organisationnelle est le paradoxe de productivité au cœur du Work AI Index. Les travailleurs disent que l'IA les aide à aller plus vite, mais la plupart ne voient pas ces gains se transformer en meilleurs résultats pour leur organisation.
Quand on regarde ce qui se passe en coulisses, on comprend mieux pourquoi.
Les travailleurs passent des heures à rendre l'IA utile
En plus des 11 heures gagnées grâce à l'automatisation par l'IA, ils passent 6,4 heures par semaine sur le travail nécessaire pour rendre l'IA utile.
Nous appelons ce travail botsitting : donner à l'IA le contexte qui lui manque, vérifier ses résultats, déboguer ses erreurs, relancer des prompts, et nettoyer les réponses confiantes mais fausses qu'elle laisse derrière elle.
Les travailleurs passent plus de temps à faire du botsitting qu'à utiliser l'IA pour produire le travail lui-même. Pour chaque heure passée à obtenir un résultat utile, ils passent à peu près une autre heure à rendre ce résultat exploitable.
Les économies de temps et le botsitting sont tous deux réels. La différence clé entre les deux est la visibilité.
Le temps gagné apparaît sur les tableaux de bord et, souvent, dans la façon dont les gens ressentent leur journée. Le botsitting, en revanche, est rarement visible, parce que peu d'organisations le suivent, le budgètent ou le récompensent. Cela aide à expliquer pourquoi ajouter davantage d'IA ne produit pas toujours de meilleurs résultats. Sans le bon soutien, plus d'IA peut aussi vouloir dire plus de vérifications, plus de corrections et plus de travail à absorber pour les employés.
Si la plupart du botsitting est fastidieux et banal (comme recoller le même prompt dans trois outils d'IA différents parce que les premier et deuxième résultats étaient médiocres), tout le botsitting n'est pas mauvais pour autant. La vérification, l'affinage et le jugement font partie d'une utilisation responsable de l'IA. Le problème, c'est de laisser ce travail invisible, non soutenu et entièrement à la charge des employés individuels.
Quand le botsitting n'est pas géré, il devient du botshitting
Quand le travail de vérification de l'IA n'est pas reconnu, les gens finissent par prendre des raccourcis. Ils cessent de vérifier les résultats, acceptent la première réponse qui paraît suffisamment bonne, et livrent un travail qu'ils ne peuvent pas entièrement expliquer ni défendre.
C'est à ce moment-là que le botsitting devient du botshitting : livrer du travail généré par IA qui n'a pas été relu, n'est pas entièrement compris, et ne pourrait pas être défendu si quelqu'un posait la question. Aujourd'hui, 69% des utilisateurs d'IA admettent au moins un comportement de botshitting.
Le botsitting épuise les gens, la fatigue mène au botshitting, et le travail non vérifié crée davantage de nettoyage en aval, ce qui produit encore plus de botsitting.
Ce que font différemment les 13% d'entreprises qui y arrivent
Les entreprises qui comblent l'écart ne sont pas nécessairement celles qui utilisent le plus d'IA. Ce sont celles qui construisent le jugement, les habitudes et les systèmes qui rendent l'IA fiable à mesure que l'adoption progresse — l'infrastructure humaine de l'IA. Elles la construisent à trois niveaux :
Les individus exercent leur jugement.
Les meilleurs résultats IA ne prennent pas chaque sortie pour argent comptant. Ils vérifient le travail, l'affinent et apprennent de ce qui ne va pas.
Ils sont aussi plus disposés à mettre l'IA de côté lorsqu'elle n'améliore pas la tâche. Une meilleure utilisation de l'IA ne signifie pas toujours plus d'utilisation de l'IA. Cela veut dire savoir où l'IA aide, où elle a besoin d'être supervisée, et où le jugement humain doit guider.
Les équipes restent responsables.
Les équipes IA les plus performantes considèrent la sortie de l'IA comme un point de départ, pas comme un produit fini. Les travailleurs de ces équipes sont plus susceptibles de considérer l'IA comme un « coéquipier ». À l'instar d'un coéquipier humain, ils donnent du retour, corrigent les réponses faibles et recommencent lorsque le premier résultat est insuffisant.
Les managers qui obtiennent de bons résultats avec l'IA utilisent aussi l'IA pour se délester du travail de coordination, puis réinvestissent ce temps dans les personnes. Ils coachent, mentorent et aident les employés à développer les compétences dont ils auront besoin à mesure que le travail change.
L'IA peut contribuer au travail, mais la responsabilité reste celle de l'équipe.
Les organisations fournissent du contexte, pas seulement l'accès.
Donner à l'IA accès aux données de l'entreprise n'est pas la même chose que lui donner le contexte nécessaire pour faire du bon travail.
Plus de la moitié des travailleurs (x%) disent que les informations critiques dont ils ont besoin ne sont pas accessibles via leurs outils d'IA. Cela oblige les employés à combler eux-mêmes les lacunes, à copier des informations entre systèmes, à réécrire des prompts et à corriger des réponses construites sur un contexte incomplet.
Les travailleurs dans des organisations riches en contexte décrivent une expérience différente. Ils sont :
- 64% moins susceptibles de se sentir épuisés par l'IA.
- 52% moins susceptibles de livrer un travail qu'ils ne peuvent pas expliquer.
- 31% moins susceptibles de faire du botshitting.
Plus d'outils ne résoudront pas le problème. Les organisations qui tirent davantage parti de l'IA commencent par le travail, choisissent une technologie adaptée à la tâche, et donnent à l'IA le contexte de l'entreprise dont elle a besoin pour être utile.
Résoudre le paradoxe de productivité
L'écart entre 87% d'adoption et 13% d'impact organisationnel n'est pas simplement un problème technologique qui sera résolu avec des modèles plus puissants. C'est un problème de conception du travail.
Les organisations contrôlent la façon dont elles mesurent l'IA, où elles l'appliquent, quel contexte elles lui donnent, et comment elles soutiennent les personnes responsables de ses résultats. Elles peuvent décider où l'IA doit guider, où elle doit assister, et où le jugement humain compte le plus.
L'IA fait gagner du temps aux gens, mais une partie de ce temps est absorbée par le travail de vérification, de correction et de mise en forme de ses résultats pour qu'ils soient utilisables.
Les organisations qui tiennent compte de ce travail et construisent l'infrastructure humaine pour le soutenir sont mieux placées pour transformer la productivité individuelle en résultats dont l'entreprise peut réellement tirer parti. Sans ces changements, les entreprises risquent d'ajouter davantage d'IA sans en voir beaucoup plus de valeur, tandis que les employés continuent d'absorber le travail en coulisses.
Lisez le Work AI Index 2026 complet pour comprendre le travail caché qui façonne l'IA au travail et ce que les organisations peuvent faire à ce sujet.
