Perspectives
Le paradoxe productivité-performance de l'IA
Et si la personne la plus précieuse de votre équipe était celle qui a l’air la moins productive ?
Une expérience de terrain publiée dans Organization Science a suivi 750 travailleurs du savoir utilisant GPT-4. Les travailleurs utilisant l’IA ont été 25 % plus rapides et ont produit des résultats de meilleure qualité sur les tâches relevant des capacités du modèle. Mais sur une tâche située juste en dehors de ces capacités — où l’IA se trompait avec assurance —, les travailleurs qui s’y fiaient avaient 19 % moins d’chances d’arriver à la bonne réponse que ceux travaillant sans elle. Voici ce qui met mal à l’aise : les personnes qui ont ralenti pour vérifier les résultats de l’IA, qui l’ont remise en question, qui ont détecté les erreurs avaient l’air moins productives selon toutes les mesures traditionnelles. Moins de résultats par heure. Moins de livrables. Des délais plus lents. C’étaient pourtant celles qui ajoutaient le plus de valeur.
Le paradoxe de la performance
La Harvard Business Review a qualifié cela de paradoxe de la performance. Les organisations évaluent toujours les employés à l’aide de mesures pré-IA — productivité, atteinte des objectifs, tâches par heure —, et ces mesures récompensent désormais le mauvais comportement. Elles récompensent la vitesse aveugle plutôt qu’un jugement éclairé. Considérez ce que cela implique à grande échelle. Le rapport 2026 State of the Global Workplace de Gallup — 263 000 répondants dans 160 pays — a révélé que seulement 20 % des employés sont engagés au travail. Quatre-vingt pour cent ne sont soit pas engagés, soit activement désengagés. Nous avons tendance à y voir un problème de motivation. Je me demande s’il ne s’agit pas plutôt d’un problème de mesure.
Lorsque les organisations mesurent les extrants
Lorsque les organisations mesurent les extrants, elles obtiennent des extrants. Lorsqu’elles mesurent les heures, elles obtiennent des heures. Lorsqu’elles mesurent la conformité, elles obtiennent de la conformité. Ce qu’elles n’obtiennent pas, c’est de la réflexion. Elles ne profitent pas de l’ingénieure qui remarque une faille systémique mais ne dit rien parce que signaler des problèmes nuit à ses chiffres. Elles ne profitent pas de l’analyste qui perçoit un lien stratégique entre différents services, mais n’a pas de tribune pour le partager. Elles ne profitent pas du gestionnaire qui pourrait repenser un processus, mais qui est trop occupé à être évalué sur l’ancien. Chaque organisation regorge de capital intellectuel inutilisé. Non pas parce que les gens manquent d’idées, mais parce que rien dans le système ne les réclame. C’est le changement sur lequel je ne cesse de revenir. Pendant deux siècles, les organisations ont bâti leurs systèmes d’exploitation autour de l’exécution. La performance était la mesure de la valeur. Et cela fonctionnait lorsque l’exécution était rare.
Le goulot d’étranglement est la contribution
Mais l’IA rend l’exécution abondante. L’associé gérant mondial de McKinsey a indiqué que l’IA avait fait économiser à son entreprise 1,5 million d’heures de recherche et de synthèse en une seule année. Vingt-cinq mille agents d’IA ont produit 2,5 millions de graphiques en six mois. La capacité d’exécution n’est plus le goulot d’étranglement. Le goulot d’étranglement est la contribution — la réflexion, le questionnement, la mise en relation et le jugement qu’aucun modèle ne peut reproduire. Et pourtant, nos systèmes de mesure continuent de pointer dans l’autre direction. Je me demande si la plus importante innovation organisationnelle de la prochaine décennie ne sera pas une nouvelle technologie ou une nouvelle stratégie. Ce sera peut-être une nouvelle unité de mesure. Pas les extrants. Pas la productivité. Pas même la performance. Quelque chose qui s’en rapproche davantage : cette personne a-t-elle aidé l’organisation à mieux réfléchir ? Nous n’avons pas encore cette métrique. Mais les organisations qui la trouveront en premier auront un avantage extraordinaire — car ce seront celles qui découvriront enfin ce que 80 % de leurs gens attendaient de contribuer.