L’IA devait libérer du temps : elle a inventé le travail en plus

Pendant six mois, ActivTrak a regardé 10 584 salariés travailler — 180 jours avant qu’ils adoptent l’intelligence artificielle, 180 jours après. Résultat : aucune catégorie de tâche n’a diminué. Les e-mails ont pris 104 % de temps en plus. La messagerie, 145 %. L’outil vendu pour libérer du temps en a fabriqué. 📊 ActivTrak Productivity Lab, « 2026 State of the Workplace », mars 2026

On a beaucoup écrit sur les emplois que l’IA supprimerait — et presque rien sur ce qu’elle fait au temps de ceux qui la gardent. Le sujet est pourtant le plus mesuré de toute la littérature sur l’IA au travail : des centaines de millions d’heures enregistrées, huit mois d’ethnographie, des expériences contrôlées à presque huit cents participants. Et la convergence est nette. La promesse ne s’est pas cassée en douceur : elle s’est inversée. L’outil qui devait rendre le travail plus léger le rend plus dense, plus étendu, plus difficile à quitter — et l’un des mécanismes les mieux documentés de cette inversion tient en une phrase embarrassante : les salariés se l’infligent eux-mêmes.

Les chiffres, les mécanismes, et ce que personne ne dit quand il vend du « temps gagné » : la question n’est pas de savoir si l’IA fait gagner du temps. Elle est de savoir à qui appartient le temps gagné.

« Libérer du temps pour des tâches à plus forte valeur » : le pitch, noir sur blanc

La promesse a une formulation canonique, et elle n’est pas sortie d’un prospectus. Elle est écrite en toutes lettres dans la Harvard Business Review, en février 2026 : l’IA devait « réduire le fardeau d’une partie du travail — rédiger des documents routiniers, résumer des informations, déboguer du code — et laisser aux travailleurs plus de temps pour des tâches à forte valeur ajoutée ». 📚 Ranganathan et Ye, Harvard Business Review, 9 février 2026 Trois verbes techniques, un troc implicite : du temps donné à la machine, du temps rendu à l’humain. C’est sur ce troc que tout le récit industriel repose depuis trois ans.

Et le récit a des acheteurs. Dans l’enquête Upwork de juillet 2024, 96 % des dirigeants interrogés disaient attendre de l’IA une augmentation de la productivité globale de leur entreprise ; 39 % l’imposaient déjà à leurs équipes, 46 % l’encourageaient. 📊 Upwork Research Institute, « From Burnout to Balance », 23 juillet 2024 — 2 500 répondants (États-Unis, Royaume-Uni, Australie, Canada) La suite du rapport décrit ce qui arrive quand une direction achète une promesse et que les équipes la subissent. On y reviendra. D’abord, regardons le compteur : que disent les heures réellement enregistrées ?

443 millions d’heures, 163 638 salariés : aucune tâche n’a diminué

ActivTrak est un éditeur américain de logiciels de supervision du travail. Ses clients acceptent que le temps passé sur chaque application soit enregistré, ce qui fait de ses données le plus grand observatoire comportemental du travail de bureau disponible — avec une limite qu’il faut dire d’emblée : ce sont des entreprises qui se sont équipées d’un outil de surveillance, pas un échantillon représentatif de l’économie. La cinquième édition de son rapport annuel compile 443 millions d’heures de travail dans 1 111 entreprises, soit 163 638 employés, sur trois ans et plus de vingt-trois secteurs. 📊 ActivTrak, « 2026 State of the Workplace », 11 mars 2026

Le constat d’adoption est d’abord massif : 80 % des employés utilisent désormais au moins un outil d’IA, contre 53 % deux ans plus tôt, et le temps passé dans ces outils a été multiplié par huit. La rétention mensuelle moyenne atteint 92 % — ce n’est plus de l’expérimentation, c’est un socle. Le constat qui suit est celui qui dérange : sur un sous-ensemble de 10 584 utilisateurs observés 180 jours avant et 180 jours après leur adoption de l’IA, le temps passé dans chaque catégorie de travail mesurée a augmenté. E-mails : +104 %. Chat et messagerie : +145 %. Outils de gestion : +94 %. Aucune catégorie en baisse.

La conclusion du rapport mérite d’être citée dans sa langue d’origine tant elle est tranchante : « AI is functioning as an additional productivity layer — not a substitute for existing work. » L’IA fonctionne comme une couche de productivité supplémentaire, pas comme un substitut au travail existant. Traduction : on n’a pas remplacé du travail par la machine. On a ajouté la machine au travail — et le travail a grossi pour faire de la place.

Le rapport publie même le dosage optimal du poison. Les employés qui passent entre 7 % et 10 % de leur temps dans les outils d’IA affichent le taux de productivité le plus élevé de tous les paliers d’usage : 95 %. Ils sont 3 % dans ce cas. Le segment le plus large — 57 % des employés — y passe moins de 1 % de son temps. La plupart des organisations ont l’adoption. Presque aucune n’a l’optimisation.

Huit mois dans une entreprise, quarante entretiens : l’intensification est volontaire

Les chiffres disent que le travail grossit. Pour le pourquoi, il faut entrer dans l’entreprise. C’est ce qu’ont fait Aruna Ranganathan, professeure associée à Berkeley Haas, et Xingqi Maggie Ye, doctorante : huit mois d’ethnographie, d’avril à décembre 2025, dans une entreprise technologique américaine d’environ 200 salariés — observation in situ deux jours par semaine, suivi des canaux de communication internes, plus de quarante entretiens dans l’ingénierie, le produit, le design, la recherche et les opérations. Leur article, publié dans la Harvard Business Review le 9 février 2026, conclut que l’IA n’a pas réduit le travail : elle l’a « constamment intensifié ». 📚 Berkeley Haas Newsroom, 18 février 2026 — entretien avec les autrices

Et la phrase qui devrait être affichée dans toutes les salles de réunion où l’on prépare un déploiement : « employees worked at a faster pace, took on a broader scope of tasks, and extended work into more hours of the day, often without being asked to do so » — les salariés ont travaillé plus vite, élargi leur périmètre de tâches, étendu le travail à plus d’heures de la journée, souvent sans qu’on le leur demande. L’entreprise, précisent les chercheuses, n’imposait rien : elle offrait des abonnements. L’expansion s’est faite toute seule.

Trois mécanismes la portent, et chacun mérite son nom. L’expansion des tâches : l’IA comble les lacunes de compétence, alors les chefs de produit et les designers se mettent à écrire du code, les chercheurs s’emparent de tâches d’ingénierie — le périmètre de ce qui compte comme « mon travail » s’élargit sans redéfinition de poste. Les frontières dissoutes : lancer une tâche ne coûte plus rien, alors le travail s’infiltre dans les anciennes pauses — un prompt pendant le déjeuner, un « dernier prompt » avant de quitter le bureau pour que la machine travaille pendant que l’on part. Le style conversationnel de l’outil fait le reste : taper une ligne à une IA ressemble à discuter, pas à travailler, ce qui rend le débordement sur les soirées indolore. Le multitâche permanent : plusieurs fils actifs à la fois, des agents tournant en arrière-plan pendant qu’on relit du code ou qu’on assiste à une réunion — une attention en commutation constante.

La phrase est d’un ingénieur de l’étude, rapportée et traduite par nos soins. Elle résume à elle seule la mécanique : le gain de temps est immédiatement réinvesti en travail, par celui-là même qui l’a gagné. Les chercheuses nomment le cycle : l’IA accélère des tâches, ce qui relève les attentes de vitesse ; la vitesse accrue rend plus dépendant de l’IA ; la dépendance élargit le périmètre de ce que l’on entreprend ; le périmètre élargi gonfle la quantité et la densité du travail. Une boucle. Sans coupable. C’est le détail le plus inconfortable : l’intensification par l’IA est la seule surcharge qui n’a pas besoin de bourreau. Elle se présente déguisée en enthousiasme.

Les gains existent. C’est précisément le problème.

Il faut prendre l’objection au sérieux, parce qu’elle est vraie. L’IA augmente réellement la productivité — sur certaines tâches, dans certaines conditions. L’étude de référence reste celle de Fabrizio Dell’Acqua et de ses coauteurs, conduite avec le Boston Consulting Group et publiée en 2023 comme working paper de la Harvard Business School : 758 consultants du BCG, répartis aléatoirement entre trois conditions — pas d’IA, GPT-4, GPT-4 avec formation au prompt —, sur 18 tâches de conseil réalistes. À l’intérieur de ce que les auteurs appellent la « frontière en dents de scie » des capacités de l’IA, les consultants assistés ont accompli 12,2 % de tâches en plus, 25,1 % plus vite, avec une qualité supérieure de plus de 40 % à celle du groupe témoin. Les consultants sous la moyenne de performance ont gagné 43 %. 📚 Dell’Acqua et al., « Navigating the Jagged Technological Frontier », HBS WP 24-013, 2023

Mais la même étude contient la seconde moitié de l’histoire, systématiquement oubliée des brochures : sur une tâche choisie hors de la frontière — apparemment semblable, réellement hors de portée —, les consultants utilisant l’IA avaient 19 points de probabilité en moins de produire une solution correcte que ceux qui travaillaient sans elle. La frontière est en dents de scie, pas en ligne droite : on ne la voit qu’après être tombé dedans.

L’objection, donc, est recevable et ne sauve pas la promesse : elle l’enterre. Les gains sont réels, circonscrits et mesurables — et c’est exactement ce qui alimente la boucle de Berkeley. La capacité accrue produit du débit accru ; le débit accru redéfinit la norme ; la norme redéfinie exige plus de capacité. Si l’IA n’apportait rien, le problème n’existerait pas. Le problème, c’est qu’elle apporte assez pour justifier l’accélération, pas assez pour la financer.

D’en haut : 81 % des dirigeants ont augmenté les exigences

La boucle de Berkeley décrit l’intensification volontaire, venue d’en bas. Il en existe une seconde, venue d’en haut, et elle est documentée par la même enquête Upwork de juillet 2024, réalisée par Walr auprès de 2 500 personnes aux États-Unis, au Royaume-Uni, en Australie et au Canada — 1 250 dirigeants et 1 250 salariés ou indépendants. Les chiffres y sont d’une symétrie presque théâtrale : 81 % des dirigeants reconnaissent avoir augmenté leurs exigences envers les travailleurs dans l’année ; 65 % des salariés disent peiner à suivre ces exigences ; 71 % des salariés à temps plein se déclarent en burn-out. 📊 Upwork Research Institute, 23 juillet 2024

Et la charge nouvelle porte précisément sur le travail que la machine est censée avoir absorbé. Sur les 77 % de salariés qui disent que l’IA a diminué leur productivité et alourdi leur charge d’au moins une manière, la ventilation est instructive : 39 % passent plus de temps à réviser ou modérer du contenu généré par l’IA, 23 % plus de temps à apprendre à utiliser les outils, 21 % se voient demander plus de travail. Ce que la presse appelle « gains de productivité » s’appelle, côté salarié, travail de surveillance du travail de la machine. La promesse était de déléguer les tâches routinières ; la réalité est qu’on a ajouté un stagiaire prolifique qu’il faut relire en permanence. Ce retraitement a déjà un nom et un coût mesuré : le workslop, dont chaque épisode coûte en moyenne 1 h 56 à celui qui doit le corriger.

Deux lunettes pour un même phénomène : 10 % des entreprises, 80 % des employés

En France, les chiffres disponibles mesurent autre chose, et c’est en soi une information. Selon l’enquête TIC entreprises 2024 de l’Insee, 10 % des entreprises de 10 salariés ou plus des secteurs principalement marchands utilisaient au moins une technologie d’IA en 2024, contre 6 % en 2023 — et 33 % pour celles de 250 salariés ou plus. 📊 Insee, enquête TIC entreprises 2024 En face, les données ActivTrak mesurent 80 % d’employés utilisateurs. Il ne s’agit pas de comparer les deux chiffres — ce serait comparer des entreprises à des salariés, un sondage déclaratif à des logs de connexion, la France de 2024 aux États-Unis de 2026. Ce qu’ils montrent ensemble, c’est l’écart entre deux instruments de mesure : l’IA vue depuis les directions, qui la déclarent à l’Insee, et l’IA vécue depuis les postes de travail, qui la trahit par les logs. Le phénomène n’est pas à mi-chemin des deux. Il est simplement invisible pour l’une des deux lunettes.

Ce que la recherche française documente déjà, elle, est remarquablement convergent avec Berkeley. Dans le numéro de décembre 2025 de la revue Chroniques du travail, résumé par Le Monde en février 2026, les observations de terrain dessinent le même motif à double face : en radiologie, l’IA offre une « seconde paire d’yeux », « utile pour détecter des lésions passées inaperçues, notamment en situation de fatigue ou de travail de nuit » ; pour les secrétaires du même service, le système qui automatise la rédaction des comptes rendus est « à l’origine de la perte d’apprentissage ». 📚 Le Monde, 5 février 2026 — d’après la revue Chroniques du travail, décembre 2025 Moustafa Zouinar, professeur associé au CNAM, résume l’asymétrie : certains cas produisent « augmentation de la productivité, gain de temps, fiabilité des diagnostics, diminution de la charge de travail » ; d’autres produisent « pertes de performance, complexification de l’activité, de “nouvelles” tâches parfois coûteuses en temps et en ressources attentionnelles » — sans compter une perte d’expertise observée dans un cabinet de comptabilité, liée au « désengagement progressif des salariés des tâches automatisées ». Le même outil, la même pièce, deux métiers : l’un gagne une seconde paire d’yeux, l’autre perd la raison d’apprendre.

Le LaborIA, laboratoire du ministère du Travail et d’Inria, a même donné un nom au rapport de force qui sous-tend tout cela : le « conflit de rationalité » entre la logique gestionnaire des concepteurs — optimiser les process, la productivité — et la logique du travail réel des salariés, qui s’interrogent sur la reconnaissance, l’autonomie et le sens. Ses enquêtes documentent des salariés qui doivent désormais « s’engager dans l’entretien, l’amélioration et la supervision » des systèmes — et posent la question qui résume la nouvelle charge : « Comment surveiller que la personne ne s’est pas reposée à 100 % sur l’IA et a gardé cet esprit vigilant ? » 📊 LaborIA Explorer, synthèse générale, 17 mai 2024 La vigilance sur la machine : voilà la tâche à haute valeur ajoutée que la promesse avait oublié d’annoncer. Le même État qui mesure cette adoption déploie déjà ses propres algorithmes de tri du côté des demandeurs d’emploi.

Journées plus courtes, week-ends plus longs : le paradoxe terminal

Les données ActivTrak contiennent un paradoxe qui mérite d’être regardé en face, parce qu’il ruine le confort des deux camps. Le camp du progrès a raison sur un point : la journée moyenne a raccourci, de 8 heures 53 en 2023 à 8 heures 44 en 2025, et le risque d’épuisement a baissé de 22 %, à 5 % des effectifs, tandis que 75 % des employés conservent des rythmes sains — un record sur trois ans. Le camp de l’alerte a raison sur un autre : dans le même temps, le travail a dévoré les marges. Les heures productives du samedi ont bondi de 46 % — de 3 h 10 à 4 h 37 — et celles du dimanche de 58 %, de 2 h 30 à 3 h 58. Le samedi de travail commence désormais en moyenne à 7 h 11, contre 8 h 35 en 2023. La session de concentration moyenne dure 13 minutes et 7 secondes, en recul de 9 % depuis 2023, et la part du temps en travail ininterrompu tombe à 60 %, son plus bas niveau en trois ans.

Et la dernière ligne de ce tableau est la plus importante : le risque de désengagement grimpe à près d’un employé sur quatre, en hausse de 21 % en un an. Relisez les deux courbes ensemble. On ne s’épuise plus, on décroche. La surcharge est contenue par les directions, les rythmes sont assainis — et pendant ce temps, la capacité ainsi libérée n’est pas rendue aux salariés : elle est laissée en jachère, faute d’avoir décidé ce qu’on en fait. « Ce ne sont pas des salariés démissionnaires, notent les auteurs du rapport. Ce sont des salariés dont la capacité n’est pas utilisée. » La crise du burn-out recule. La crise de l’alignement avance. Le temps gagné par l’assainissement des rythmes est le même que celui gagné par la machine : il n’a nulle part où être rendu.

« AI practice » : décider la cadence au lieu de la subir

Les chercheuses de Berkeley ne s’arrêtent pas au constat, et leur prescription a le mérite de la précision : puisqu’on ne peut pas empêcher l’outil d’accélérer, il faut construire les normes qui structurent l’usage — ce qu’elles appellent une « AI practice ». Trois ingrédients. Des pauses intentionnelles : des moments courts et protégés avant les décisions majeures, pour exiger un contre-argument et un lien explicite avec les objectifs, afin que la vitesse ne chasse pas la réflexion. Du séquençage : regrouper les mises à jour non urgentes, tenir les notifications jusqu’aux points de rupture naturels, protéger des fenêtres de concentration — faire avancer le travail par phases cohérentes plutôt que dans un état d’interruption permanente. Et de l’ancrage humain : du temps protégé pour les points de contact, la réflexion partagée, le dialogue — pour que le travail ne devienne pas entièrement solitaire et médiatisé par l’outil.

Remarquez ce que ces trois prescriptions ont en commun : aucune n’est une question d’outil. Ce sont des décisions sur la cadence — qui la fixe, où elle s’arrête, ce qui a le droit d’attendre. C’est exactement le point que le débat public ne touche jamais, parce qu’il est plus confortable de parler de compétences, de formation ou d’accompagnement que de pouvoir sur le temps.

Ce que trois ans de données disent, sans mystère : le gain de temps existe ; il est mesuré, répliqué, circonscrit par une frontière en dents de scie. Mais ce gain n’a jamais été restitué. Il est réinvesti — séance tenante, par en haut et par en bas — dans davantage de messages, davantage de tâches, davantage de week-ends, davantage de vigilance sur la machine. La promesse de libération du temps n’était pas fausse au sens où l’outil ne marcherait pas. Elle était fausse au sens où elle présentait comme un cadeau ce qui est un arbitrage : le temps gagné par l’automatisation va soit aux marges, soit aux salariés, soit à personne. Les trois années écoulées montrent où il est allé. Ce que vend le discours du « temps libéré », ce n’est pas du temps. C’est du débit.

Le reste, comme toujours, est affaire de lucidité.