Selon une étude du Work AI Institute de Glean, le temps consacré à fournir du contexte aux outils d’IA, à vérifier leurs réponses et à corriger leurs erreurs réduit une partie des gains de productivité qu’ils sont censés générer.
Les gains de productivité promis par l’IA sont ils réduits par le travail préparatoire à son bon fonctionnement ? C’est la question que l’on se pose à la lecture d’une enquête menée auprès de 6 000 salariés aux Etats-Unis, Angleterre et Autralie par le Work AI Institute de Glean. Elle constate l’émergence de deux comportements : le « botsitting », soit l’ensemble du travail nécessaire pour rendre l’IA réellement exploitable et le « bootshitting » où les salariés livrent du contenu généré par l’IA sans les avoir suffisamment vérifiés, compris ou validés. « C’est en quelque sorte un cercle vicieux qui s’autoalimente », explique Rebecca Hinds, directrice de la recherche. Selon elle, les entreprises doivent commencer à prendre conscience et à traiter « l’énorme quantité de travail humain qui se trouve au cœur de ces usages ».
6,4 heures de perdues à configurer l’IA
L’IA est devenue un véritable partenaire de travail pour de nombreux salariés. D’après l’étude, 87 % des salariés l’utilisent désormais. Celle-ci automatise plus d’un quart de leurs tâches et leur ferait gagner en moyenne 11 heures par semaine. Pourtant, seuls 13 % des répondants estiment que l’IA a significativement amélioré les performances de leur entreprise. Une partie du temps gagné est en effet absorbée par les tâches liées à l’utilisation même de cette technologie. Les employés consacrent environ un tiers de leur semaine de travail, soit 6,4 heures, au « botsitting » : fournir du contexte aux outils, superviser les résultats, corriger les erreurs, nettoyer les contenus générés ou encore naviguer entre plusieurs applications IA. « Nous observons des taux très élevés d’utilisation simultanée de plusieurs outils, qui ne sont souvent pas connectés entre eux », souligne Rebecca Hinds.
Les LLM sont entraînés sur d’immenses volumes de données publiques, mais ne disposent pas toujours des informations spécifiques à l’entreprise. Les salariés doivent donc leur fournir des détails supplémentaires sur les produits, les clients ou les services de leur organisation. « Les utilisateurs sont souvent frustrés lorsque les outils ne comprennent pas suffisamment leur travail quotidien pour être réellement utiles », explique-t-elle. De plus, le recours à plusieurs solutions IA les oblige fréquemment à reformuler les mêmes demandes. « C’est épuisant pour les employés, d’autant plus que ce travail reste largement invisible, rarement reconnu ou valorisé au sein des organisations », ajoute-t-elle.
Quand la vérification devient un fardeau
Les collaborateurs doivent également détecter les erreurs dans des contenus qui paraissent parfois parfaitement aboutis, mais qui peuvent être inexacts, incomplets ou dépourvus de contexte essentiel. Selon Rebecca Hinds, le débogage constitue la principale source de fatigue, notamment lorsqu’il est effectué par des personnes qui n’ont pas participé à la génération initiale des contenus et doivent d’abord reconstituer le contexte. Elle précise toutefois que « tout le botsitting n’est pas négatif ». Une certaine forme de supervision humaine demeure indispensable afin de conserver la maîtrise des résultats. Lorsque cette charge devient excessive, elle peut toutefois conduire au « botshitting » : les utilisateurs livrent des productions générées par l’IA sans les avoir correctement vérifiées, faute de temps ou par lassitude. Près de 69 % des répondants reconnaissent l’avoir déjà fait. Plus préoccupant encore, 41 % affirment avoir parfois remis un travail qu’ils seraient incapables d’expliquer en détail si on leur demandait. Par ailleurs, 28 % déclarent avoir attribué à l’IA des erreurs qui leur étaient en réalité imputables. « Le botshitting consiste à abandonner son esprit critique, son jugement et sa compréhension au profit de l’IA », résume Rebecca Hinds. « Or ces responsabilités doivent absolument rester du ressort de l’humain. »
Le phénomène est particulièrement marqué chez les utilisateurs qui travaillent avec plusieurs assistants IA. Leur capacité à automatiser et à exécuter de nombreuses tâches à grande échelle peut rapidement devenir difficile à contrôler si les mécanismes de supervision ou les autorisations ne sont pas correctement définis. « Les conséquences négatives n’apparaissent souvent qu’après plusieurs étapes », souligne-t-elle. « Il faut alors mener un véritable travail d’enquête pour comprendre où l’agent a commis une erreur. »
Une relation ambiguë à l’IA
Fait notable, plus de la moitié des personnes interrogées déclarent recevoir davantage d’aide quotidienne de l’IA que de leur manager et considèrent qu’il est plus facile de collaborer avec elle qu’avec certains collègues. Les salariés semblent toutefois confrontés à un équilibre délicat dans leur manière de communiquer sur leur utilisation de l’IA. Parmi les utilisateurs les plus avancés, 54 % utilisent des outils non approuvés par leur entreprise ou détournent les outils autorisés de leur usage prévu. En outre, 36 % dissimulent l’importance de l’aide apportée par l’IA dans leur travail.
Selon Rebecca Hinds, les bénéfices ou les risques associés à cette transparence dépendent fortement du climat de confiance instauré par l’entreprise. Afficher une utilisation intensive de l’IA peut être perçu positivement comme un signe de maîtrise technologique, mais aussi négativement si cela donne l’impression que la contribution humaine est limitée. « Dans de nombreuses sociétés, la pression est énorme pour démontrer sa maîtrise de l’IA et apparaître comme un utilisateur avancé », observe-t-elle.
Un accompagnement nécessaire
Le rapport souligne que les entreprises les plus performantes n’utilisent pas nécessairement davantage l’IA que les autres. Elles consacrent plutôt une part plus importante de leur temps aux activités qui l’entourent : fournir du contexte, définir des critères de qualité, développer le jugement humain et déterminer quelles tâches ne devraient pas être confiées à un modèle. Les sociétés les plus avancées abordent ces enjeux de manière proactive. Elles investissent dans la formation, considèrent l’IA comme une occasion de repenser les processus de travail et valorisent officiellement les compétences liées à son utilisation. Elles reconnaissent également qu’une compétence essentielle consiste à savoir quand ne pas utiliser l’IA. « Il ne s’agit pas seulement du nombre de clics ou de tokens consommés, mais de véritables compétences et d’un véritable apprentissage », insiste Rebecca Hinds.
Ces entreprises définissent également une stratégie IA claire et expliquent les objectifs poursuivis. Leur gouvernance évolue en permanence afin de réévaluer régulièrement les politiques et les pratiques mises en place. Selon Rebecca Hinds, cette démarche doit être portée à tous les niveaux de l’organisation, y compris par les dirigeants : « Les salariés doivent voir les dirigeants utiliser eux-mêmes ces technologies et partager aussi bien leurs réussites que leurs échecs. » Les entreprises les plus matures s’appuient enfin sur des indicateurs alignés sur leurs KPI existants. Elles mesurent la qualité, l’efficacité et l’engagement des collaborateurs, tout en donnant aux employés accès aux données nécessaires pour évaluer leur propre progression. « Il s’agit moins de surveillance que de retour d’information sur la manière dont nous travaillons collectivement », conclut-elle. L’étude met enfin en évidence une tendance marquante : les salariés utilisent de plus en plus l’IA comme outil d’apprentissage et la préfèrent souvent aux autres canaux de formation. Un constat qui souligne l’importance des solutions low-code et no-code, faciles à prendre en main, intégrées aux flux de travail et capables d’exploiter le contexte propre à l’entreprise. « C’est très différent de ce que nous avions observé lors de l’adoption des technologies précédentes », conclut Rebecca Hinds.