L’Intelligence Artificielle générative ne transforme pas seulement la rapidité avec laquelle nous travaillons. Elle modifie aussi le centre de gravité de l’effort humain. Dans les tâches créatives, analytiques ou liées à la connaissance, une part importante du temps, autrefois dédiée à l’exécution, la rédaction, la recherche, l’organisation, la répétition de formats ou la production de versions, commence à diminuer. Ce qui devient essentiel, c’est une autre étape du travail : réfléchir plus précisément à ce que l’on souhaite atteindre, selon quels critères, pour qui, et avec quel niveau de qualité.

L’image de “avant” et “après” l’IA fonctionne bien comme une visualisation conceptuelle. Avant, une grande partie de l’effort était concentrée sur l’exécution. Ensuite, l’exécution ne disparaît pas, mais elle se réduit, s’accélère ou devient une supervision. La valeur humaine se déplace vers la conception d’idées, non comme une inspiration spontanée, mais comme une orientation stratégique, un jugement éditorial, la capacité à formuler des problématiques, une évaluation critique et la responsabilité du résultat final.

Plusieurs études viennent appuyer cette intuition. Shakked Noy et Whitney Zhang ont publié dans Science une expérience impliquant 453 professionnels universitaires effectuant des tâches d’écriture. Les participants utilisant ChatGPT ont réduit en moyenne leur temps de 40 % et ont obtenu des résultats d’une qualité supérieure de 18 %, selon des évaluateurs indépendants. L’outil ne remplaçait pas le professionnel, mais il réduisait nettement le temps nécessaire pour transformer une tâche en un livrable.

L’exécution se resserre, mais ne disparaît pas

L’étude de Noy et Zhang illustre une partie de ce changement : lorsque qu’un outil peut générer des brouillons, réorganiser du texte, résumer des informations ou proposer des versions, le coût de produire une première ébauche diminue. Cela ne signifie pas que cette sortie soit parfaite. Cela indique que le point de départ s’améliore et arrive plus tôt. Le professionnel ne commence plus à partir d’une page blanche, mais travaille sur une base qu’il peut corriger, peaufiner ou abandonner.

Un phénomène semblable apparaît dans l’étude d’Erik Brynjolfsson, Danielle Li et Lindsey R. Raymond sur l’utilisation d’un assistant en Intelligence Artificielle générative dans le service client. Leur recherche, menée sur plus de 5 000 agents, a révélé une augmentation de productivité d’environ 14 %. L’impact a été particulièrement fort chez les débutants ou les employés moins qualifiés, ce qui suggère que l’IA peut reconnaître des schémas de bonne exécution et les redistribuer au sein d’une organisation.

Ce chiffre est important car il permet de comprendre pourquoi l’IA générative a un tel effet dans les tâches opérationnelles. Souvent, il ne s’agit pas d’inventer à partir de rien, mais d’appliquer de bonnes pratiques : répondre clairement, suivre une procédure, préparer un document, adapter un message, consulter des antécédents ou transformer une information en un format utile. L’IA accélère précisément ces couches répétitives.

McKinsey étend cette perspective en estimant que le potentiel économique de l’IA générative réside dans sa capacité à automatiser des activités actuellement prenant entre 60 % et 70 % du temps de travail. Il ne s’agit pas toujours d’automatiser des emplois entiers, mais des tâches spécifiques à l’intérieur de ces emplois. Cette nuance est essentielle. Le travail ne se divise pas simplement en blocs “automatisables” ou “humains”, mais en tâches mêlées : certaines répétitives, d’autres ambiguës, dépendant du contexte ou clairement stratégiques.

L’importance accrue de la réflexion : stratégie, contexte, orientation

Lorsque l’exécution s’accélère, la phase de réflexion devient plus cruciale. L’IA peut produire davantage, mais cela va obliger à mieux décider ce qui doit être produit. Dans un environnement où créer textes, images, présentations, code ou analyses préliminaires coûte moins cher, le risque n’est plus seulement de ne pas respecter les délais. Il s’agit aussi de produire en excès, de créer un contenu trop semblable ou peu pertinent.

C’est dans cette logique que s’insère l’étude de BCG avec des chercheurs de Harvard, Wharton, MIT et Warwick. Dans le domaine de l’innovation créative de produits, près de 90 % des consultants ont amélioré leur performance grâce à GPT-4, avec un taux de succès supérieur de 40 % par rapport au groupe ne disposant pas d’IA. L’outil a aidé à générer des idées, structurer des propositions et explorer de nouvelles possibilités. Mais cette même recherche a aussi révélé une limite importante : en dehors de la zone dans laquelle l’IA excelle, la performance peut se dégrader.

Ce concept de “frontière irrégulière” est fondamental. L’IA générative peut exceller dans certaines tâches tout en échouant de manière convaincante dans d’autres. Elle peut aider à rédiger, synthétiser ou proposer des alternatives, mais elle peut aussi simplifier à l’excès, inventer, homogénéiser les solutions ou réduire la diversité des idées si tous les équipes utilisent les mêmes outils de la même manière.

C’est pourquoi la valeur humaine ne diminue pas, elle évolue. Le professionnel doit formuler de meilleures questions, repérer des erreurs, apporter du contexte, interpréter des nuances, préserver l’originalité et décider quand une sortie de l’IA est utile ou non. Le travail passe de “tout faire manuellement” à diriger, évaluer et améliorer une production assistée.

Une productivité accrue ne signifie pas nécessairement une meilleure qualité

Une lecture superficielle pourrait penser que l’IA permet de faire plus avec moins de personnel. Cela peut être vrai dans certains processus. Mais dans les travaux créatifs, analytiques ou liés à la connaissance, la véritable transformation réside dans la redistribution de l’effort. Moins d’heures consacrées aux tâches mécaniques ne se traduisent pas automatiquement par de meilleurs résultats. La qualité ne s’améliore que si le temps libéré est employé à mieux réfléchir.

Le danger consiste à utiliser l’IA pour produire des brouillons médiocres, des rapports inutiles, des campagnes peu innovantes ou du code peu révisé. La productivité apparente peut augmenter, mais la qualité réelle baisser. Cet enjeu devient évident dans beaucoup d’entreprises : davantage de contenu, plus de livrables, plus d’automatisation, mais aussi une intensification de la révision.

L’IA générative exige le développement d’une nouvelle discipline de travail. Il ne suffit pas de savoir comment demander à une machine, mais il faut maîtriser l’intégration de processus où l’IA joue un rôle précis, mesurer si elle améliore réellement le résultat et préserver des espaces de réflexion humaine non pollués par la première réponse automatique.

Dans les équipes créatives, cela implique de réserver du temps pour définir le problème, explorer différents axes, faire la revue éditoriale et prendre des décisions. En développement logiciel, cela signifie ne pas confondre génération de code avec architecture, sécurité ou maintenance. En service client, cela nécessite d’équilibrer efficacité et empathie, en marketing ou vente, de faire la distinction entre produire plus de messages et instaurer une meilleure connexion avec l’audience.

L’expression “l’IA déplace l’effort de l’exécution à l’idée” résume bien la tendance, mais il faut la lire avec précision. Ce n’est pas seulement la créativité qui est concernée. C’est la stratégie, le contexte, la sélection, la responsabilité et les standards. L’exécution ne disparaît pas : elle devient une gestion de systèmes, une revue des résultats et une amélioration continue.

Le travail humain reste indispensable. Sa visibilité est amplifiée dans ce que la technologie ne peut pas encore assumer : décider quel problème résoudre, juger de la fiabilité d’une information, choisir le ton approprié, faire correspondre une sortie à une marque, évaluer les risques ou de déterminer si un résultat a une qualité suffisante pour le diffuser.

Si la première étape de l’IA générative consistait à apprendre à produire plus vite, la prochaine étape sera d’apprendre à mieux réfléchir en collaboration avec les machines. Ce sera la différence entre des équipes qui se contentent d’automatiser des tâches et celles qui améliorent réellement leur manière de travailler.

Questions fréquentes

Comment l’IA générative change-t-elle le travail créatif ?

Elle réduit l’effort dédié à l’exécution : rédiger, résumer, versionner ou préparer des brouillons, et augmente l’importance de la conceptualisation, du jugement et de la révision.

L’IA améliore-t-elle toujours la productivité ?

Pas toujours. Les études montrent des améliorations claires pour certains types de tâches, mais aussi que hors de la zone où l’IA est compétente, les résultats peuvent se dégrader ou la diversité de pensée être réduite.

Que signifie la compression de l’exécution ?

Cela signifie que des tâches auparavant longues peuvent être accélérées par l’IA. Le professionnel doit continuer à orienter, valider, corriger et décider de la pertinence de chaque résultat.

Pourquoi la phase de l’idée devient-elle plus importante ?

Parce que si produire devient plus facile, la valeur réside dans la capacité à décider quoi produire, pourquoi, pour qui et selon quelles normes de qualité.

source : science.org