L’IA générative promettait de nous libérer du travail fastidieux. Deux ans après son déploiement massif en entreprise, les études convergent vers un constat dérangeant : mal intégrée, elle intensifie le travail au lieu de le simplifier. Décryptage d’un phénomène encore largement invisible dans les organisations — et propositions concrètes pour reprendre la main.

---

Le paradoxe : plus d’IA, plus de fatigue mentale

Sur le papier, l’équation était simple : l’IA automatise les tâches répétitives, les collaborateurs récupèrent du temps pour la réflexion à haute valeur ajoutée. La réalité observée sur le terrain raconte une autre histoire.

Une étude ethnographique de huit mois menée par Aruna Ranganathan (Haas School of Business, Berkeley) et Xingqi Maggie Ye dans une entreprise technologique d’environ 200 salariés arrive à une conclusion sans ambiguïté : les outils d’IA n’ont pas réduit le travail, ils l’ont constamment intensifié. Les collaborateurs lancent des productions IA « en arrière-plan » pendant qu’ils traitent d’autres dossiers, multiplient les allers-retours entre tâches hétérogènes, et paient à chaque bascule le prix du « résidu attentionnel » : une partie de la cognition reste accrochée à la tâche précédente, dégradant la qualité de traitement de la suivante.

Début 2026, le Boston Consulting Group a mis un nom sur le symptôme : le « AI brain fry ». Dans une enquête auprès de près de 1 500 salariés à temps plein, tous secteurs confondus, les chercheurs ont constaté que la supervision intensive d’outils d’IA était la forme d’engagement la plus coûteuse mentalement. Les travailleurs chargés de surveiller étroitement des agents IA rapportent +14 % d’effort mental, +12 % de fatigue mentale et +19 % de surcharge informationnelle. Les conséquences sont business autant qu’humaines : les personnes en état de « brain fry » commettent 39 % d’erreurs majeures en plus et sont 39 % plus susceptibles de chercher activement à quitter leur poste.

Le benchmark : ce que disent les grandes études

Quatre corpus de recherche, publiés entre mi-2025 et mi-2026, dessinent le même paysage sous des angles différents :

1. Le « workslop » — Stanford Social Media Lab & BetterUp Labs (2025-2026). Ce mot-valise (« work » + « slop ») désigne les contenus générés par IA qui ont l’apparence d’un travail abouti mais manquent de substance. L’enquête auprès de 1 150 salariés américains révèle qu’environ 40 % en ont reçu au cours du dernier mois, chaque incident nécessitant en moyenne 1 h 56 de travail correctif chez le destinataire. Coût estimé : 186 $ par salarié et par mois, soit plus de 9 millions de dollars par an pour une organisation de 10 000 personnes. Le coût relationnel est tout aussi préoccupant : environ la moitié des destinataires jugent l’expéditeur moins fiable, moins créatif, moins compétent qu’avant.

2. Le retour sur investissement fantôme — MIT (2025). Le rapport du MIT Media Lab de juillet 2025 estimait que 95 % des organisations ne constataient aucun retour mesurable sur leurs investissements en IA générative, malgré des milliards dépensés. Le workslop et la surcharge de vérification expliquent une bonne part de cette évaporation des gains.

3. La « dette cognitive » — MIT Media Lab (2025). Une étude par électroencéphalographie sur des rédacteurs d’essais montre qu’un usage passif de l’IA (déléguer sans effort préalable) réduit l’engagement cognitif et peut affaiblir, à terme, les capacités que l’on n’exerce plus. Nuance importante : introduire l’IA après un effort autonome initial produit de bien meilleurs résultats. Le problème n’est pas l’outil, c’est la séquence d’usage.

4. La pensée critique sous pression — Microsoft Research (2025). Chez les knowledge workers, plus la confiance dans l’IA est élevée, moins l’effort de pensée critique est rapporté — tandis que la confiance en ses propres capacités est associée à davantage de vigilance. L’enjeu de formation est donc double : maîtriser l’outil ET renforcer le jugement humain.

Les cinq mécanismes de la surcharge

Derrière ces chiffres, des mécanismes cognitifs bien identifiés :

1. Le coût de production baisse, le coût de traitement reste humain. Générer un rapport ne coûte plus rien ; le lire, le vérifier, l’arbitrer, si. Chaque gain de temps individuel se traduit souvent par une surcharge collective : le temps « gagné » est immédiatement réabsorbé par la lecture des productions des collègues « augmentés ».
2. Le travail de vérification invisible. Relire, corriger, contextualiser, valider les sorties de l’IA ne figure dans aucune fiche de poste. Cette « supervision fantôme » consomme pourtant les fonctions cognitives les plus coûteuses : jugement, attention sélective, responsabilité finale.
3. Le multitâche démultiplié. L’IA rend techniquement possible de mener plusieurs chantiers en parallèle. Le cerveau humain, lui, n’a pas changé : chaque interruption laisse un résidu attentionnel qui se cumule au fil de la journée.
4. La sphère de responsabilité élargie. Les chercheurs du BCG observent que l’IA n’a pas réduit la charge : elle a étendu ce dont chacun se sent responsable — plus de production, plus de contrôle, plus d’information, dans le même temps de travail.
5. L’effacement des frontières. La facilité d’accès aux outils favorise les micro-tâches le soir, le week-end, pendant les pauses — autant de moments de récupération cognitive rognés.

Six propositions pour reprendre le contrôle

La bonne nouvelle : aucun de ces mécanismes n’est une fatalité. Ils relèvent moins de la technologie que de la façon dont les organisations l’intègrent. Voici ce que nous recommandons — et déployons — chez nos clients.

1. Établir une charte d’usage et une gouvernance claires

La charge cognitive additionnelle explose quand les règles du jeu sont floues : qui vérifie quoi ? Quel niveau de qualité est attendu ? Quand l’usage de l’IA doit-il être signalé ? Une charte d’usage courte, co-construite avec les équipes, réduit drastiquement les arbitrages permanents. Elle doit notamment poser une norme anti-workslop : « l’IA t’aide à produire, mais tu restes l’auteur » — on n’envoie jamais à un collègue un contenu qu’on n’a pas soi-même relu, compris et assumé.

2. Former au discernement, pas seulement à l’outil

Savoir prompter ne suffit pas. Les études du MIT et de Microsoft convergent : ce qui protège de la dette cognitive, c’est la capacité à choisir quand utiliser l’IA, dans quel ordre (effort humain d’abord, IA ensuite pour amplifier), et comment garder la main sur le jugement final. C’est exactement la philosophie de nos formats Prompt Party® et Prompt Sprint® : des mises en situation réelles où chacun apprend à doser la délégation cognitive plutôt qu’à la subir.

3. Protéger l’attention comme un actif stratégique

Instaurer des plages de travail profond sans notifications, limiter le nombre d’outils IA actifs simultanément par collaborateur, regrouper les tâches de vérification plutôt que les disperser : autant de mesures organisationnelles simples qui s’attaquent directement au résidu attentionnel. Les équipes qui gagneront ne seront pas celles qui empilent le plus d’outils, mais celles qui construisent les workflows les plus clairs.

4. Rendre visible le travail de vérification

Tant que la relecture et la validation des sorties IA restent invisibles, elles ne sont ni planifiées, ni reconnues, ni outillées. Intégrez ce temps dans les estimations de charge, dans les rituels d’équipe, voire dans les fiches de poste. Ce qui est nommé peut être régulé.

5. Mesurer la qualité, pas le volume

Si les indicateurs de performance valorisent la quantité de livrables, l’IA produira mécaniquement du workslop. Déplacez les métriques vers l’impact : taux de reprise des livrables, temps de correction en aval, satisfaction des destinataires internes. Un livrable IA qui génère deux heures de rework chez un collègue est une perte nette, pas un gain.

6. Encadrer le déploiement par des pilotes et des ambassadeurs

Plutôt qu’une généralisation hâtive, procédez par cas d’usage ciblés, mesurés, puis étendus. Un réseau d’ambassadeurs IA formés joue un rôle clé : diffusion des bonnes pratiques, feedback entre pairs sur les usages, remontée des irritants. C’est aussi la recommandation explicite des chercheurs de Stanford et BetterUp : l’entraide et le feedback entre collègues sont parmi les leviers les plus efficaces contre le workslop.

En conclusion : l’IA doit nous aider à mieux penser, pas à moins penser

La charge cognitive à l’ère de l’IA n’est pas un problème technologique, c’est un problème de conception du travail. Les organisations qui traiteront l’attention de leurs équipes comme une ressource rare — au même titre que le budget ou le temps — transformeront la promesse de productivité en réalité durable. Les autres accumuleront une dette cognitive dont les intérêts se paient en erreurs, en désengagement et en départs.

Chez NextStart, nous accompagnons les grandes organisations sur précisément cette ligne de crête : adopter l’IA avec méthode, former au discernement autant qu’à l’outil, et construire une gouvernance qui protège autant qu’elle accélère. Parlons-en.

---

Sources et références

• Bedard, J. et al. (BCG), When Using AI Leads to « Brain Fry », Harvard Business Review, mars 2026
• Ranganathan, A. & Ye, X. (UC Berkeley, Haas School of Business), étude ethnographique de 8 mois sur l’intensification du travail par l’IA, 2026
• BetterUp Labs & Stanford Social Media Lab, AI-Generated « Workslop » Is Destroying Productivity, Harvard Business Review, septembre 2025
• MIT Media Lab, rapport sur le ROI des investissements en IA générative, juillet 2025
• MIT Media Lab, étude EEG sur la « dette cognitive » liée à l’usage de ChatGPT, 2025
• Microsoft Research, The Impact of Generative AI on Critical Thinking, CHI Conference, 2025
• Rock, D. & Weller, C., AI is frying our brains — here’s what leaders need to do about it, Fortune, avril 2026