La promesse de l’IA de réduire le travail a en réalité aggravé le burn-out (étude de l’UC Berkeley)

Aperçu de l’étude

• Des chercheurs de l’UC Berkeley ont observé 200 employés d’entreprises technologiques pendant 8 mois, d’avril à décembre 2025
• Résultat : après l’adoption de l’IA, le travail n’a pas diminué ; il s’est au contraire intensifié et accru
• Publié dans la Harvard Business Review en février 2026

Trois grands schémas par lesquels l’IA intensifie le travail

• Élargissement du périmètre du travail
  • Comme l’IA comble les écarts de connaissances, les employés empiètent sur des domaines qui ne relevaient pas à l’origine de leur rôle (un PM qui écrit du code, un designer qui code, etc.)
  • De petites expérimentations amènent les individus à absorber des tâches qui auraient auparavant nécessité du personnel supplémentaire
  • Les ingénieurs passent davantage de temps à relire et corriger du code généré par l’IA, à coacher sur Slack, à finaliser des PR inachevées, etc.
• Érosion des frontières temporelles
  • La réduction des frictions au démarrage d’une tâche pousse à glisser de « petites tâches » pendant le déjeuner, en réunion ou pendant le chargement de fichiers
  • Le « dernier prompt » juste avant de partir, puis la reprise des échanges avec l’IA après le travail ou tôt le matin deviennent fréquents
  • La frontière entre travail et vie personnelle devient floue (cela ressemble à une conversation légère, mais réduit en réalité le repos)
• Explosion du multitâche
  • L’IA permet de mener plusieurs tâches en parallèle (générer des alternatives pendant qu’on code, exécuter plusieurs agents en parallèle, etc.)
  • Des tâches remises à plus tard peuvent facilement être relancées, ce qui augmente le nombre de travaux ouverts
  • La charge liée aux changements d’attention et à la vérification des résultats augmente, aggravant la fatigue cognitive

Une adoption volontaire qui devient paradoxalement le problème

• Ces phénomènes apparaissent non pas sous la contrainte de l’entreprise, mais par choix volontaire des employés
• « Je pensais qu’en gagnant en productivité, je travaillerais moins, mais j’ai fini par travailler davantage » (témoignage d’un employé)
• Simon Willison : « Avec les LLM, je peux mener 2 à 3 projets en même temps, mais en 1 à 2 heures j’ai déjà brûlé toute mon énergie de la journée »

Le paradoxe du gain de productivité (études connexes)

• METR : le temps de travail réel de développeurs expérimentés a augmenté de 19 %, alors qu’ils avaient subjectivement l’impression d’aller 20 % plus vite
• NBER : dans les entreprises ayant adopté l’IA, le gain de productivité n’est que de 3 %, avec presque aucun changement des heures de travail ni des revenus
• Risque à long terme : fatigue cognitive → burn-out → affaiblissement de la prise de décision → baisse de la qualité → hausse du turnover

Propositions et conclusion

• Les organisations ont besoin d’une « AI practice » : définir quand et comment utiliser l’IA, ainsi que des règles d’arrêt
• Exemple : une « pause décisionnelle » avant les choix importants (demander un avis contraire, vérifier l’alignement avec les objectifs, etc.)
• Question centrale : « Ce n’est pas l’IA qui change le travail, c’est la façon dont nous concevons ce changement qui importe »

Le message clé est que l’IA rend le travail plus facile, mais aussi plus difficile à interrompre.

https://aisparkup.com/posts/9161