Une nouvelle étude révèle que certains modes d’utilisation de l’IA sont à l’origine de la fatigue cognitive, tandis que d’autres peuvent contribuer à réduire l’épuisement professionnel.
| En bref – Alors que les entreprises incitent de plus en plus leurs employés à constituer et à superviser des équipes complexes d’agents — par exemple en mesurant et en récompensant la consommation de jetons comme indicateur de performance —, les individus se retrouvent poussés à leurs limites cognitives. – Les participants à une étude récente ont décrit une sensation de « bourdonnement » ou de brouillard mental, accompagnée de difficultés de concentration, d’une prise de décision plus lente et de maux de tête. – Les auteurs qualifient ce phénomène de « surcharge mentale liée à l’IA », définie comme une fatigue mentale résultant d’une utilisation excessive ou d’une surveillance trop importante des outils d’IA, au-delà des capacités cognitives de l’individu. Cette tension mentale associée à l’IA engendre des coûts importants, notamment une augmentation des erreurs des employés, une fatigue décisionnelle accrue et une intention de démissionner. – Les résultats montrent également comment les flux de travail pilotés par l’IA peuvent être conçus pour réduire l’épuisement professionnel et mettent en lumière des pratiques spécifiques à mettre en œuvre par les managers, les équipes et l’organisation afin de prévenir la fatigue mentale, même face à l’intensification des activités liées à l’IA. |
Le jour de l’An, le programmeur Steve Yegge a lancé Gas Town , une plateforme open source permettant aux utilisateurs de piloter simultanément des essaims d’agents Claude Code, assemblant ainsi des logiciels à une vitesse fulgurante. Les résultats étaient impressionnants, mais aussi vertigineux. « Il se passe tellement de choses qu’il est impossible de tout comprendre », a écrit un des premiers utilisateurs. « J’étais très stressé en regardant ça. Gas Town évoluait trop vite pour moi. »
Gas Town illustre une tension croissante : l’IA promet d’agir comme un amplificateur qui stimulera l’efficacité et facilitera le travail, mais les travailleurs qui utilisent ces outils d’IA indiquent qu’ils intensifient plutôt qu’ils ne simplifient le travail.
Ce problème est de plus en plus fréquent. Les entreprises incitent leurs employés à constituer et superviser des équipes complexes d’agents, par exemple en mesurant et en récompensant la consommation de jetons comme indicateur de performance. Meta , notamment, utilise le nombre de lignes de code générées par l’IA comme mesure de performance pour les ingénieurs. Avec l’adoption croissante des systèmes multi-agents , les employés doivent jongler entre de nombreux outils. Contrairement à la promesse de dégager plus de temps pour se concentrer sur des tâches plus importantes, jongler avec plusieurs outils et gérer plusieurs tâches simultanément risque de devenir la caractéristique principale du travail avec l’IA.
Sans surprise, les travailleurs se retrouvent confrontés aux limites de leurs capacités cognitives lorsqu’ils travaillent de cette manière. Ces dernières semaines, des utilisateurs d’IA en ligne ont décrit une surcharge cognitive , une attention « saturée » et une fatigue mentale accrue sur les réseaux sociaux. L’ingénieur Francesco Bonacci, fondateur de Cua AI, a publié un article populaire sur X intitulé « Paralysie du codage Vibe : quand la productivité infinie vous épuise », dans lequel il déplore : « Je termine chaque journée épuisé, non pas par le travail lui-même, mais par sa gestion . Six projets ouverts, quatre fonctionnalités à moitié écrites, deux « corrections rapides » qui ont engendré des digressions, et le sentiment croissant que je perds complètement le fil. »
En tant que groupe de recherche étudiant les tendances émergentes en matière de main-d’œuvre et d’IA, ces signaux ont retenu notre attention. La littérature scientifique présente des résultats contradictoires quant à la relation entre l’IA et l’épuisement professionnel. ( L’épuisement professionnel se définit comme un état de stress chronique au travail, caractérisé par l’épuisement, des sentiments négatifs à l’égard du travail et une baisse de l’efficacité.) Certaines études suggèrent que le recours à l’IA pour remplacer les tâches fastidieuses atténue l’épuisement ; d’autres , parfois menées sur les mêmes populations, montrent que l’utilisation de l’IA aggrave l’épuisement professionnel. L’apparition d’une fatigue mentale aiguë et intense liée à une supervision intensive par l’IA – distincte de l’épuisement professionnel – complexifie encore la situation.
Pour comprendre ce phénomène, nous avons mené une étude auprès de 1 488 employés à temps plein basés aux États-Unis (48 % d’hommes et 51 % de femmes ; 58 % de contributeurs indépendants et 41 % de cadres) travaillant dans de grandes entreprises de différents secteurs, fonctions et niveaux hiérarchiques. Nous les avons interrogés sur les habitudes et la fréquence d’utilisation de l’IA, leurs expériences professionnelles, ainsi que sur leurs capacités cognitives et émotionnelles.
Nous avons constaté que le phénomène décrit dans ces témoignages – l’épuisement cognitif dû à une supervision intensive des agents d’IA – est à la fois réel et significatif. Nous le qualifions de « surcharge cognitive liée à l’IA », que nous définissons comme une fatigue mentale résultant d’une utilisation ou d’une supervision excessive d’outils d’IA, dépassant les capacités cognitives de l’individu. Les participants ont décrit une sensation de « bourdonnement » ou de brouillard mental, accompagnée de difficultés de concentration, d’une prise de décision plus lente et de maux de tête. Cette tension mentale associée à l’IA engendre des coûts importants, se traduisant par une augmentation des erreurs des employés, une fatigue décisionnelle accrue et une intention de démissionner.
Il convient toutefois de nuancer ce constat. Nous avons également constaté que lorsque l’IA est utilisée pour remplacer les tâches routinières ou répétitives, les scores d’épuisement professionnel – mais pas ceux de fatigue mentale – diminuent. Ceci met en lumière la distinction subtile, mais importante, entre les types de stress que l’IA peut atténuer et ceux qu’elle risque d’aggraver.
Nos conclusions constituent à la fois un guide et une mise en garde. Utilisées judicieusement, ces données peuvent contribuer à concevoir des flux de travail pilotés par l’IA afin de réduire l’épuisement professionnel. Elles mettent également en lumière des pratiques spécifiques à adopter par les managers, les équipes et l’organisation pour éviter la fatigue mentale, même face à l’intensification des activités liées à l’IA.
Quand l’utilisation de l’IA prédit la fatigue mentale
L’utilisation de l’IA par les travailleurs est aujourd’hui extrêmement variée. Cela se traduit par une grande diversité d’outils utilisés simultanément, la mesure dans laquelle l’IA remplace ou complète le travail, le niveau de supervision requis et l’impact de l’IA sur la charge de travail globale. Les utilisateurs peuvent recourir à des agents de recherche, des outils d’analyse de données, des outils de génération ou de conception d’images, ou encore des agents de programmation. Nous avons examiné l’ensemble de ces modes d’utilisation, ainsi que des indicateurs cognitifs, afin de comprendre les impacts mentaux des différents types d’utilisation de l’IA.
Nous avons appris quelques choses importantes :
Premièrement, nous avons constaté que la forme d’interaction avec l’IA la plus éprouvante mentalement était la supervision , c’est-à-dire la mesure dans laquelle les outils d’IA nécessitaient une surveillance directe de la part du travailleur. Les participants à notre étude qui ont indiqué que leur travail avec l’IA exigeait un niveau de supervision élevé ont déployé 14 % d’effort mental supplémentaire. Un niveau élevé de supervision de l’IA a également prédit une augmentation de 12 % de la fatigue mentale chez les participants. Enfin, une supervision plus intensive de l’IA a également prédit une augmentation de 19 % de la surcharge informationnelle – le sentiment d’être submergé par la quantité d’informations à traiter au travail.
Un deuxième facteur important, lié à l’IA et prédictif de la charge cognitive et de la fatigue mentale, est la mesure dans laquelle un employé déclare que la présence d’outils d’IA a augmenté sa charge de travail. Ces deux facteurs combinés – la supervision de l’IA et l’augmentation de la charge de travail – accroissent le champ de responsabilité de l’employé, l’obligeant à surveiller davantage de résultats pour un plus grand nombre d’outils dans le même laps de temps. Il est donc logique que la charge cognitive ait augmenté, et par conséquent, son épuisement mental.
Nous avons également constaté une corrélation fascinante entre le nombre d’outils d’IA utilisés simultanément et l’augmentation perçue de la productivité. Lorsque les employés passent d’un à deux outils d’IA utilisés simultanément, leur productivité augmente significativement. L’ajout d’un troisième outil entraîne une nouvelle hausse de la productivité, mais à un rythme plus lent. Au-delà de trois outils, la productivité chute . Le multitâchage est réputé pour son improductivité , et pourtant, nous succombons sans cesse à son attrait.
Si l’utilisation de l’IA permet souvent de prédire la fatigue mentale, elle ne semble pas, en revanche, prédire une augmentation du burn-out. Au contraire, le recours à l’IA pour remplacer les tâches répétitives prédit une diminution du burn-out.
Cela peut paraître paradoxal, mais c’est logique. La littérature scientifique a déjà établi cette distinction entre l’épuisement professionnel et les conséquences cognitives aiguës. Les mesures de l’épuisement professionnel se concentrent généralement sur les dimensions physiques et émotionnelles de la souffrance (par exemple : « Votre travail est-il émotionnellement épuisant ? »). La fatigue mentale aiguë, quant à elle, résulte d’une sollicitation excessive de l’attention, de la mémoire de travail et des fonctions exécutives, au-delà des capacités limitées de ces systèmes. C’est précisément ce qu’exige une supervision intensive de l’IA.
Présentation de « AI Brain Fry »
À la fin de notre étude, nous avons demandé aux participants s’ils avaient déjà ressenti une « fatigue mentale résultant d’une utilisation excessive, d’une interaction avec, et/ou d’une supervision des outils d’IA dépassant leurs capacités cognitives ». Autrement dit, une surcharge cognitive liée à l’IA. (Nous avons posé cette question à la fin afin d’éviter les biais d’amorçage. Toutes les questions précédentes dissociaient l’utilisation de l’IA des résultats étudiés.) Quatorze pour cent des participants à notre étude utilisant l’IA dans le cadre professionnel ont déclaré avoir ressenti cette surcharge cognitive liée à l’IA.
La prévalence du syndrome de la « démotivation liée à l’IA » semble varier considérablement selon les fonctions occupées. Seuls 6 % des juristes déclarent en avoir souffert, contre 26 % pour les personnes travaillant dans le marketing. Après le marketing, les ressources humaines, les opérations, l’ingénierie, la finance et l’informatique sont les fonctions les plus touchées par ce syndrome.
Mais qu’est-ce que la surcharge cognitive liée à l’IA ? De nombreux participants ont utilisé les termes « brouillard » ou « bourdonnement ». Ils ont décrit des échanges intensifs avec les outils, suivis d’une incapacité à penser clairement, comme une gueule de bois mentale, caractérisée par des difficultés de concentration, une prise de décision plus lente et des maux de tête, obligeant plusieurs d’entre eux à s’éloigner physiquement de leur ordinateur pour « réinitialiser ».
Voici le témoignage d’un responsable d’ingénierie : « J’utilisais un outil pour évaluer les décisions techniques, un autre qui générait des brouillons et des synthèses, et je jonglais constamment entre les deux, vérifiant chaque détail. Mais au lieu d’avancer plus vite, j’avais l’impression d’avoir la tête encombrée. Pas de fatigue physique, juste… saturée. C’était comme si une douzaine d’onglets étaient ouverts dans ma tête, chacun se disputant mon attention. Je me surprenais à relire les mêmes choses, à remettre en question mes décisions bien plus souvent que d’habitude, et à devenir étrangement impatient. Ma pensée n’était pas défaillante, juste bruyante, comme un brouhaha mental. Ce qui m’a finalement permis de m’en sortir, c’est de réaliser que je consacrais plus d’efforts à gérer les outils qu’à résoudre le problème. »
Un directeur financier a écrit : « J’ai fait des allers-retours avec l’IA pour reformuler les idées, synthétiser les données, former et organiser le flux des piliers et du travail… Je n’arrivais même pas à comprendre… si ce que j’avais créé avait un sens… Je ne pouvais rien faire d’autre et j’ai dû y revenir le lendemain, quand j’aurais pu réfléchir. »
Ces deux descriptions sont représentatives des témoignages recueillis auprès des autres participants. Qualitativement, elles mettent en évidence la surcharge informationnelle et le changement fréquent de tâche comme facteurs importants de la surcharge cognitive liée à l’IA. Quantitativement, nous avons constaté de fortes corrélations entre cette surcharge cognitive et la surcharge informationnelle, mais une relation moins directe avec les éléments liés au changement de tâche.
Le coût commercial de l’IA Brain Fry
La surcharge cognitive liée à l’IA est plus qu’un simple désagrément. Nos données révèlent que cette surcharge engendre également des coûts importants pour les entreprises.
Le premier problème est la fatigue décisionnelle. Sans surprise, lorsque notre cerveau est épuisé par la charge cognitive d’un travail intensif sur l’IA, nos ressources mentales disponibles pour prendre des décisions de qualité diminuent. Les participants à notre étude qui ont approuvé la réduction de la charge cognitive liée à l’IA souffrent de 33 % de fatigue décisionnelle en plus que ceux qui ne l’ont pas approuvée. Une étude de 2018 a estimé le coût des décisions sous-optimales pour une entreprise réalisant un chiffre d’affaires de 5 milliards de dollars à 150 millions de dollars par an. Une augmentation de 33 % de la fatigue décisionnelle des employés pourrait donc faire grimper ce coût de plusieurs millions de dollars par an.
Probablement en raison d’un mécanisme similaire, nous avons constaté des corrélations prédictives constantes entre la surcharge cognitive liée à l’IA et les déclarations d’erreurs, mineures et majeures, au travail. Nous avons défini les erreurs mineures comme « de petites erreurs faciles à repérer ou à corriger, telles que des erreurs de codage ou de formatage » et les erreurs majeures comme « des erreurs aux conséquences plus graves, susceptibles d’affecter la sécurité, les résultats ou les décisions importantes ». Parmi les participants utilisant l’IA au travail, ceux qui ont subi une surcharge cognitive ont déclaré commettre des erreurs significativement plus souvent – avec des scores respectivement supérieurs de 11 % et 39 % sur les mesures de fréquence des erreurs mineures et majeures – que ceux qui n’en ont pas subi.
Dans bien des cas, les employés qui utilisent l’IA de manière intensive sont les stars d’aujourd’hui, des talents que l’entreprise se doit de fidéliser. Or, la surcharge cognitive liée à l’IA prédit positivement l’intention de démissionner. Parmi les employés qui n’ont pas signalé de surcharge cognitive due à l’IA, 25 % ont manifesté une intention de quitter leur emploi. Parmi ceux qui ont signalé une surcharge cognitive due à l’IA, ce pourcentage est passé à 34 %. Cela représente une augmentation de 39 % de l’intention de départ chez les principaux utilisateurs d’IA.
Moins de labeur, moins d’épuisement professionnel
L’utilisation de l’IA n’entraîne pas systématiquement une surcharge cognitive. Nous nous sommes également intéressés à la manière dont l’IA pourrait atténuer le stress au travail. Nous avons constaté que lorsque les participants utilisaient l’IA pour réduire considérablement le temps consacré aux tâches routinières ou répétitives, leur niveau d’épuisement professionnel était significativement plus faible – 15 % inférieur à celui des personnes n’utilisant pas l’IA de cette façon.
Là encore, la logique est évidente. Les tâches répétitives et fastidieuses – la « corvée », comme les appellent nos collègues – constituent des cibles idéales pour l’IA. En confiant ces tâches ingrates à l’IA, nous libérons du temps pour des activités plus agréables et créatives. C’est ce qu’ont fait les employés de notre étude : ils ont affiché des scores d’engagement et de motivation au travail plus élevés, des associations émotionnelles plus positives avec l’IA et moins d’associations émotionnelles négatives. Ces participants ont également fait état de liens sociaux plus étroits avec leurs collègues, sans doute parce qu’ils avaient plus de temps libre.
Ces résultats confirment la distinction entre le burn-out, déficit à forte composante émotionnelle, et la surcharge cognitive liée à l’IA, qui représente une tension cognitive plus aiguë. L’IA peut contribuer à atténuer l’épuisement émotionnel lorsqu’elle remplace certaines tâches, nous libérant ainsi du temps pour des activités ressourçantes et positives. En revanche, lorsque son utilisation exige une surveillance mentale intense, notre étude suggère que l’utilisation d’outils d’IA pourrait être à l’origine de l’épuisement mental.
Pratiques de gestion, d’équipe et organisationnelles qui font la différence
L’expérience des employés avec l’IA ne dépend pas uniquement de leurs choix individuels. Nous avons constaté que les pratiques d’équipe, de management et organisationnelles ont une influence majeure. Mais lesquelles ont le plus d’impact sur la fatigue mentale liée à l’IA ?
Au niveau des cadres, les employés dont les supérieurs prennent le temps de répondre à leurs questions sur l’IA présentent des scores de fatigue mentale inférieurs de 15 % à ceux dont les supérieurs ne le font pas. À l’inverse, lorsque les cadres attendent de leurs employés qu’ils apprennent à utiliser l’IA par eux-mêmes, ces derniers affichent des scores de fatigue mentale supérieurs de 5 % – un léger, mais mesurable, impact négatif de l’utilisation de l’IA par leurs collaborateurs.
Au sein des équipes, lorsque les employés subissent une pression collective pour utiliser l’IA, on observe une augmentation de la fatigue mentale. Ce même phénomène se produit lorsqu’il existe une grande disparité dans l’utilisation de l’IA au sein de l’équipe. En revanche, lorsque l’IA est intégrée de manière structurée aux processus, les membres de l’équipe ressentent une charge mentale nettement moindre. Cette intégration peut permettre d’éliminer efficacement les tâches répétitives de manière collective. Les normes du groupe peuvent renforcer les relations productives avec les nouveaux outils, tout comme elles peuvent freiner les relations négatives.
Au niveau organisationnel, des pratiques telles que la mise en place d’une stratégie IA claire et la formation des employés semblent porter leurs fruits. En revanche, lorsque les entreprises ne communiquent pas clairement sur le rôle de l’IA, les scores de fatigue mentale sont plus élevés. De même, lorsque les employés ont le sentiment que leur organisation attend d’eux une charge de travail accrue en raison de l’IA, leurs scores de fatigue mentale augmentent de 12 %.
Il s’agit d’une constatation cruciale, car la plupart des messages organisationnels concernant le lien entre charge de travail et IA sont implicites plutôt qu’explicites. Par exemple, évoquer une productivité accrue grâce à l’IA peut signaler une intensification du travail. De même, qualifier les contributeurs individuels de « gestionnaires » d’agents sous-entend indirectement une augmentation de leur niveau de responsabilité.
Dans ce contexte, il devient essentiel pour les organisations d’équilibrer les messages vantant les gains d’efficacité grâce à l’IA avec une communication axée sur le bien-être mental des employés. Dans notre étude, les employés qui estiment que leur entreprise valorise l’équilibre vie professionnelle-vie privée présentaient des scores de fatigue mentale inférieurs de 28 % à ceux des autres. Ces signaux sont également importants, et même extrêmement importants.
Leçons pour les dirigeants
L’IA peut aider les employés à travailler plus vite, à voir plus grand et à innover davantage. Cependant, nous constatons qu’elle peut engendrer une surcharge cognitive, avec les conséquences personnelles et professionnelles que cela implique. Nos conclusions suggèrent que la différence entre les deux ne réside pas dans la quantité d’IA utilisée par un individu, mais dans la manière dont les employés, les équipes, les dirigeants et les organisations en façonnent l’usage. Quelques enseignements pour les dirigeants :
Repenser de manière holistique les emplois, le travail et les outils pour une responsabilité humaine et IA.
La supervision par l’IA ne peut se contenter de se superposer à la supervision humaine ; de même, il est impossible de surcharger indéfiniment un même utilisateur avec un nombre infini d’agents d’IA. Tout comme il existe des normes encadrant le contrôle humain, il est nécessaire de définir des limites à la supervision combinant humain et agent , ainsi qu’aux agents seuls. Nos recherches suggèrent une baisse de productivité suite à l’utilisation simultanée de trois agents d’IA. En revanche, lorsque les équipes intègrent pleinement l’IA à leurs processus et la perçoivent comme une compétence collective plutôt que comme un facteur de différenciation individuel, la charge cognitive diminue. Par ailleurs, la conception de nouveaux outils d’IA devrait s’appuyer sur les principes de la neurobiologie. Les outils qui sollicitent moins l’attention et la mémoire de travail, et qui favorisent la créativité, l’interaction sociale ou le développement des compétences, peuvent générer une valeur ajoutée encore plus importante et durable, tout en encourageant l’innovation, la croissance et en procurant du plaisir aux utilisateurs.
Définissez clairement vos attentes concernant l’IA et la charge de travail.
Lorsque les organisations célèbrent des « gains de productivité » sans préciser les conséquences sur la charge de travail, les employés y voient une intensification des tâches. Cette ambiguïté peut à elle seule accroître le stress. Les dirigeants réduisent ce stress en définissant clairement le rôle de l’IA au sein de l’organisation, en expliquant comment elle redéfinit les responsabilités, en établissant des directives concernant la supervision et en précisant l’évolution de la charge de travail. 70 % des efforts de transformation liés à l’IA devraient être consacrés aux personnes et aux processus, afin d’offrir aux employés la clarté nécessaire à leur épanouissement.
Passer des indicateurs d’activité — et d’intensité — à ceux d’impact.
Inciter à la quantité engendrera du gaspillage, une baisse de la qualité du travail et une surcharge mentale inutile. Définissez un objectif stratégique clair et ambitieux, assorti de résultats mesurables. Soyez prudent face aux innovations en matière d’efficacité. Ne vous précipitez pas pour réintégrer le travail récemment automatisé par un employé ingénieux ; une telle réaction serait perçue comme une punition et découragerait toute innovation future.
Développer les compétences des travailleurs liées à la gestion de la charge de travail en IA.
Comme l’indique le responsable de l’ingénierie ci-dessus, certains développeurs « consacrent plus d’efforts à la gestion des outils qu’à la résolution du problème ». Dans le cadre de notre collaboration avec les développeurs de logiciels, nous avons constaté que les plus compétents en IA se sentent bloqués dans leur progression s’ils ne développent pas de nouvelles compétences essentielles telles que la définition du problème, la planification de l’analyse et la priorisation stratégique. Le développement de ces compétences peut permettre de réduire considérablement le travail inutile lié à l’IA. Ce n’est pas parce qu’un développeur peut itérer avec l’IA à faible coût marginal qu’il doit le faire.
Déployer stratégiquement l’attention humaine comme une ressource limitée.
Aujourd’hui, certaines des compétences humaines les plus précieuses, comme le discernement, la prise de décision et la planification stratégique, requièrent une attention soutenue. Si l’épuisement professionnel est devenu une préoccupation majeure dans de nombreux milieux de travail, la fatigue mentale, quant à elle, passe souvent inaperçue dans les enquêtes existantes. Les organisations devraient faire évoluer leurs outils d’analyse des données RH afin de surveiller la charge cognitive globale et de se prémunir contre la fatigue mentale liée à l’utilisation de l’IA, un nouveau risque professionnel. Les cultures, les équipes et les dirigeants qui privilégient le bien-être cognitif peuvent s’attendre à de meilleurs jugements, moins d’erreurs et une fidélisation accrue des talents.
L’étude AI brain fry révèle à quel point les nouveaux outils peuvent impacter rapidement et fortement notre cerveau dès leur utilisation. Il nous faut maintenant apprendre à mettre cette même puissance au service du bien commun, tant sur le plan humain que professionnel.
