Performance collective et IA : ce qui change quand on transforme l’équipe

Illustration au crayon : un manager échange avec une collaboratrice qui se regarde dans un miroir, où elle apparaît confiante, entourée de pictogrammes (ampoule, boussole, équipe, engrenages, courbe de progression). Texte : « L'IA redéfinit le travail. Au manager d'aider chacun à retrouver sa valeur. »

Vos collaborateurs gagnent du temps grâce à l’IA, et pourtant la performance collective ne suit pas toujours. Le gain de l’un réapparaît ailleurs, chez le collègue qui vérifie, le manager qui arbitre, l’expert qui corrige. Et quand chacun interroge l’IA plutôt que ses collègues, l’équipe perd le fil de qui fait quoi.

Les études publiées depuis un an convergent : l’unité réelle de transformation est l’équipe. Former chacun à l’outil ne suffit plus, il faut repenser la manière dont le collectif travaille, se coordonne et reconnaît la valeur de chacun.

Sommaire

Performance collective : pourquoi l’équipe est la vraie unité de transformation

La performance collective ne se résume pas à la somme des performances individuelles. L’IA accélère l’exécution de chacun, mais la coordination de l’équipe ne suit pas le même rythme : relectures, validations et décisions d’alignement s’accumulent. L’équipe plafonne alors, même quand chacun, pris isolément, travaille mieux.

Imaginez un orchestre. On donne à chaque musicien un instrument deux fois plus puissant, mais on ne touche ni à la partition, ni aux règles qui permettent de jouer ensemble. Le volume augmente. L’harmonie, pas forcément.

Atlassian, l’éditeur australien de logiciels de collaboration (Jira, Confluence), a mesuré ce décalage dans son étude State of Teams 2026, menée début 2026 auprès de plus de 12 000 salariés du savoir dans le monde et de dirigeants de grandes entreprises américaines. 87 % des salariés disent manquer de temps ou de disponibilité pour se coordonner, parce que tout le monde est en mode exécution [3]. Du côté des dirigeants, l’écart est frappant : la quasi-totalité constate que l’IA accélère le travail, mais seuls 6 % se disent sûrs de disposer d’exemples clairs de retour sur investissement à l’échelle de l’organisation.

Atlassian appelle ce phénomène une « taxe de fragmentation ». Quand chacun peut produire davantage, plus vite et parfois au-delà de son périmètre habituel, les interdépendances changent. Les interfaces entre métiers évoluent et les circuits de validation sont mis sous tension. Si l’organisation ne revoit rien de tout cela, elle additionne des collaborateurs augmentés sans obtenir une équipe plus performante.

La dette organisationnelle, un coût que personne ne mesure

L’un des effets les plus sournois de l’IA sur le collectif est la dette organisationnelle : les coûts qu’elle crée sans apparaître dans les indicateurs : vérifications supplémentaires, reprises, arbitrages, charges transférées d’une fonction à l’autre, responsabilités qui bougent sans être redéfinies. Elle s’accumule dans les interstices, là où personne ne mesure.

Deux situations types l’illustrent. Une direction financière utilise l’IA pour accélérer ses analyses prévisionnelles et multiplier les scénarios budgétaires. Le gain est réel. Mais il faut désormais vérifier la cohérence des hypothèses, réconcilier des données issues de sources différentes et arbitrer entre des scénarios qui reposent sur des lectures divergentes. Même phénomène dans une direction de la stratégie : l’IA permet de produire davantage d’analyses concurrentielles, donc davantage de sources à contrôler et d’hypothèses à confronter.

Dans les deux cas, le travail n’a pas disparu. Il s’est déplacé, souvent vers des profils plus experts, dont le temps coûte plus cher.

Comme une dette financière, elle ne se voit pas au moment où on la contracte et se paie plus tard, avec intérêts : le jour où une erreur passe entre les mailles, où un projet dérape faute de coordination, ou où un collaborateur clé s’épuise à faire un travail de contrôle que personne ne reconnaît.

Le temps gagné par l’un, la vérification pour l’autre

Une large part du temps que l’IA fait gagner est aussitôt absorbée par la correction et la vérification de ce qu’elle produit. Les études les plus récentes situent cette part autour de 40 %. Le gain affiché par l’utilisateur reste donc très supérieur au gain réel pour l’organisation.

Workday, l’éditeur américain de logiciels de gestion RH et financière, a interrogé des salariés et des dirigeants d’entreprises de taille importante en Amérique du Nord, en Asie-Pacifique et dans la zone Europe, Moyen-Orient et Afrique. Résultat : près de 40 % du temps gagné grâce à l’IA est perdu en reprises, c’est-à-dire à corriger des erreurs, réécrire des contenus et vérifier les résultats [1].

Une partie de ces reprises tombe sur d’autres que l’auteur. Des chercheurs du Stanford Social Media Lab et de BetterUp Labs, le laboratoire de recherche de la plateforme américaine de coaching BetterUp, ont donné un nom à ce phénomène dans la Harvard Business Review à l’automne 2025 : le « workslop », ces contenus générés par IA qui ont l’apparence d’un travail abouti mais n’apportent pas la substance attendue. Aux États-Unis, 40 % des salariés de bureau interrogés disaient en avoir reçu d’un collègue au cours du mois précédent, et chaque cas demande près de deux heures pour être démêlé, corrigé ou refait [2].

Nous l’avions décrit côté individu dans notre article sur le temps gagné grâce à l’IA. Vu depuis l’équipe, le constat change de nature : le gain de l’un devient la charge de l’autre.

Ce que montre une entreprise de logiciels suivie pendant deux ans

Une étude menée à deux ans d’intervalle dans une entreprise de développement logiciel montre que l’IA a nettement accéléré le travail individuel, sans résoudre aucun des problèmes de collaboration de l’équipe. Responsabilités floues et communication fragile sont restées en l’état, alors que les attentes de vitesse, elles, ont augmenté.

Des chercheurs de Carnegie Mellon ont suivi une organisation qui fonctionne en mode projet et à distance, et qui réunit des équipes pour livrer des logiciels d’entreprise et des projets de transformation numérique [4]. Ils ont interrogé ses ingénieurs, architectes, chefs de projet et consultants une première fois début 2023, puis à nouveau début 2025.

Entre les deux vagues, l’IA s’est installée partout dans le travail individuel : écrire du code, rédiger, documenter. Un participant estime qu’un développement qui lui prenait une journée se fait désormais en quatre heures environ, et que des collègues non techniciens construisent maintenant eux-mêmes des interfaces avec l’aide d’assistants IA.

Côté collectif, en revanche, rien n’a bougé. Il reste aussi difficile de repérer un travail insuffisant avant qu’il ne pose problème, et la performance continue d’être jugée sur des impressions informelles. Les outils de prise de notes automatique se sont multipliés, sans produire de compréhension partagée : les échanges passent toujours par les mêmes courriels et messageries.

Ce qui a changé, c’est la culture. L’efficacité est devenue une norme, et les managers comme les collègues attendent désormais beaucoup plus de chacun. Les auteurs en tirent une conclusion claire : les outils d’IA destinés au travail d’équipe devraient aider le groupe à garder une vision commune de ce qui se passe, et pas seulement accélérer chaque individu.

Quand l’IA remplace la question au collègue

Quand un salarié interroge l’IA au lieu de solliciter un collègue, il gagne du temps mais l’équipe perd de l’information sur qui fait quoi et qui sait quoi. Les recherches récentes associent ce réflexe à une coordination et à une confiance nettement plus faibles au sein des équipes.

Une nouvelle enquête de BetterUp Labs et du Stanford Social Media Lab, publiée en septembre 2026, s’est intéressée à ce déplacement discret [5]. Près de la moitié des personnes interrogées disent que leurs coéquipiers viennent moins souvent les voir, parce qu’ils s’adressent d’abord à l’IA. Et l’effet sur l’équipe est mesurable : les salariés qui se tournent vers leurs collègues plutôt que vers l’IA sont 7,3 fois plus nombreux à décrire une coordination solide dans leur équipe.

Le mécanisme est simple. Chaque question posée à un collègue entretient une carte mentale partagée : qui travaille sur quoi, qui détient quelle expertise, où en est tel dossier. Quand ces échanges disparaissent, la carte se brouille. On découvre trop tard qu’un autre traitait le même sujet, on prend une décision sans l’avis de la personne qui savait, on double des travaux.

Les auteurs notent que les indicateurs d’adoption ne voient rien de tout cela. Ils comptent qui utilise l’IA et à quelle fréquence. Ils ne disent pas vers qui les salariés se tournent quand ils ont besoin d’un avis ou d’un coup de main.

Ce que vos tableaux de bord ne mesurent pas

La plupart des organisations mesurent ce que l’IA fait gagner à chaque poste : temps de production, tâches automatisées, volumes traités. Elles mesurent rarement ce qu’elle fait perdre ailleurs. Un retour sur investissement calculé à l’échelle d’une tâche ne dit rien de la valeur nette créée par l’équipe.

Les tableaux de bord classiques suivent des gains visibles. Ce qu’ils laissent de côté, c’est précisément la dette organisationnelle : le temps passé par d’autres à vérifier les productions, les reprises générées en aval, les arbitrages nécessaires pour réconcilier des résultats hétérogènes, les charges transférées entre fonctions. Pris séparément, ces effets semblent marginaux. À l’échelle d’une organisation, ils peuvent absorber une bonne partie des gains attendus.

Workday formule la même recommandation dans son étude : mesurer la productivité par les résultats plutôt que par les heures gagnées, et suivre la qualité, la justesse et la vitesse de décision à côté du temps économisé [1].

Concrètement, élargir le périmètre d’évaluation revient à poser quelques questions simples, équipe par équipe. Qui vérifie ce que l’IA produit, et combien de temps cela lui prend-il ? Quels livrables reviennent pour être repris ? Quelles charges ont glissé d’une fonction à une autre depuis le déploiement ? Les décisions sont-elles plus rapides, ou plus nombreuses à arbitrer ? Ces réponses ne figurent dans aucun outil de pilotage : il faut aller les chercher dans le travail réel, avec ceux qui le font.

Revoir les règles du jeu collectif

Les difficultés viennent moins d’un manque d’autonomie des collaborateurs que de l’absence de règles collectives adaptées à leurs nouvelles capacités. Quand chacun optimise son propre travail avec l’IA, il faut redéfinir ensemble les processus, les responsabilités et les arbitrages, sinon les optimisations locales se neutralisent.

Avec l’IA, chacun peut ramer plus vite. Mais si chacun rame dans une direction différente, l’organisation fait du surplace. Sans cadre commun, les initiatives de chacun produisent des livrables hétérogènes, des flux de travail désynchronisés et des responsabilités qui se chevauchent.

Atlassian observe que seule une minorité de dirigeants oriente l’IA vers l’amélioration du travail d’équipe, alors que la plupart restent centrés sur la productivité individuelle [3]. Or l’essentiel du travail se fait en équipe.

Revoir les règles du jeu tient en quatre questions à travailler collectivement. Quels processus faut-il revoir, maintenant que certaines étapes vont plus vite que d’autres ? Quelles responsabilités redistribuer, notamment pour la vérification ? Quelles règles de coopération expliciter, par exemple sur ce qu’on peut transmettre à un collègue sans l’avoir relu ? Et quels arbitrages ne peuvent plus être laissés à l’initiative de chacun ?

Ces questions rejoignent le travail de refonte des processus que nous avions décrit dans notre article sur la manière de redessiner les workflows avec l’IA.

Le manager, chargé de redéfinir la valeur de chacun

En redistribuant une partie des compétences, l’IA bouscule ce qui fondait la valeur professionnelle de chacun. Le manager de proximité devient l’acteur clé pour redéfinir les contributions respectives de l’humain et de l’IA, et pour reconnaître les compétences qui prennent de l’importance : jugement, discernement, arbitrage.

Pendant des années, la valeur d’un professionnel s’est construite autour de compétences identifiées : produire une analyse, maîtriser une expertise technique, rédiger une synthèse. Pour un collaborateur, voir l’IA produire en quelques secondes une partie de ce qui faisait son expertise peut remettre en cause sa place et sa légitimité.

Côté organisation, le risque est de conserver des fiches de poste et des critères d’évaluation conçus pour un travail qui n’existe déjà plus tout à fait. Workday constate que dans 89 % des organisations, moins de la moitié des postes ont été mis à jour pour tenir compte de ce que l’IA sait faire [1].

Le rôle du manager change donc en profondeur. Répartir le travail et suivre les résultats ne suffit plus. Il lui revient d’identifier où se déplace la valeur de l’expertise dans son équipe, de rendre visibles les compétences qui comptent davantage, et de les reconnaître dans le travail réel, y compris le travail de vérification qui passe aujourd’hui inaperçu.

Ce rôle s’ajoute à une charge déjà lourde. Nous l’avions montré : face à l’IA, les managers ne résistent pas, ils saturent. Leur demander de porter ce chantier sans leur en donner les moyens reviendrait à creuser la dette au lieu de la résorber.

Conclusion

Le véritable retour sur investissement de l’IA se lit dans la valeur que l’équipe crée ensemble, une fois déduits les vérifications, les reprises et les arbitrages que les gains individuels ont fait naître. Ce que chacun gagne de son côté n’en donne qu’une image partielle.

Les organisations qui progressent en performance collective ont compris que l’unité de transformation est l’équipe. Elles mesurent la valeur nette, elles redéfinissent les règles de coopération et elles donnent aux managers les moyens de repenser la contribution de chacun. Une question mérite d’être posée dans chaque comité de direction : vos indicateurs mesurent-ils la productivité de l’IA, ou la valeur qu’elle crée réellement ?

C’est le travail que nous menons avec les équipes. Notre Formation usages de l’IA: le serious game Shadow AI met tous les collaborateurs en situation, sur un mode ludique, pour qu’ils voient comment ils utilisent réellement l’IA (3h30). Notre formation IA pour managers donne aux managers, en 3h30, le cadre d’usage de leur équipe et les moyens de faire circuler ce qui marche.

Caroline Prat

FAQ

Pourquoi l’équipe, plutôt que l’individu, est-elle la vraie unité de transformation ?

Parce que l’essentiel du travail se fait à plusieurs. Quand un collaborateur produit plus vite, ses collègues doivent relire, valider ou intégrer ce qu’il produit. Si les règles de coordination ne changent pas, les gains individuels se perdent dans les interfaces et la performance collective stagne.

Comment mesurer la valeur que l’IA crée pour l’équipe ?

En suivant, à côté du temps gagné, le temps de vérification, les reprises, les charges transférées entre fonctions, la vitesse et la qualité des décisions. Le plus simple est de partir d’un processus fréquent et de l’observer avec ceux qui le font, avant et après l’arrivée de l’IA.

Quelles règles de fonctionnement collectif revoir en priorité ?

Trois chantiers reviennent souvent : qui vérifie ce que l’IA produit, ce qu’on peut transmettre à un collègue sans l’avoir relu, et quelles décisions doivent rester collectives. Les définir ensemble évite que chacun optimise son travail au détriment de celui des autres.

Quel rôle pour le manager dans cette transformation ?

Il aide chacun à redéfinir sa contribution : ce qu’il peut confier à l’IA et ce qui fait désormais sa valeur ajoutée. Il rend visibles les compétences qui comptent davantage, comme le jugement ou l’arbitrage, et reconnaît le travail de vérification, aujourd’hui souvent invisible.

Sources

  1. Workday, « Beyond Productivity: Measuring the Real Value of AI », communiqué du 14 janvier 2026. Enquête mondiale menée par Hanover Research en novembre 2025 auprès de 3 200 salariés et dirigeants (Amérique du Nord, Asie-Pacifique, EMEA) d’entreprises de plus de 100 millions de dollars de chiffre d’affaires utilisant l’IA. Seuls 14 % des salariés obtiennent de façon constante un résultat net positif ; 32 % des organisations utilisent le temps gagné pour augmenter la charge de travail.
  2. CIO, « AI « workslop »: The new productivity killer only training can stop », 24 octobre 2025. Présente l’étude du Stanford Social Media Lab et de BetterUp Labs publiée dans la Harvard Business Review en septembre 2025, menée auprès de 1 150 salariés américains.
  3. Atlassian Teamwork Lab, « The State of Teams 2026 ». Enquête menée en double aveugle en janvier et février 2026 auprès de 12 035 salariés du savoir dans le monde et de 173 dirigeants d’entreprises du Fortune 1000, complétée par 25 entretiens. 85 % des salariés utilisent l’IA au travail, mais seuls 29 % l’ont intégrée à leurs flux de travail ; 89 % des dirigeants disent que l’IA accélère le travail ; seuls 24 % des dirigeants orientent l’IA vers l’amélioration du travail d’équipe.
  4. Qing Xiao, Xinlan Emily Hu, Mark E. Whiting, Arvind Karunakaran, Hong Shen et Hancheng Cao, « AI Hasn’t Fixed Teamwork, But It Shifted Collaborative Culture: A Longitudinal Study in a Project-Based Software Development Organization (2023–2025) », arXiv, 13 septembre 2025. Étude qualitative en deux vagues d’entretiens (2023 et 2025), Human-Computer Interaction Institute, Carnegie Mellon University.
  5. BetterUp Labs et Stanford Social Media Lab, « The cost of AI displacement: Why AI adoption is a team sport », blog BetterUp, 14 septembre 2026. Enquête auprès d’un millier de salariés. 49 % disent que leurs coéquipiers les sollicitent moins parce qu’ils vont d’abord vers l’IA ; les salariés qui se tournent vers leurs collègues sont 7,3 fois plus nombreux à déclarer une forte coordination d’équipe et 9,5 fois plus nombreux à déclarer une forte confiance.

Newsletter

S’inscrire à la newsletter

Recevez les dernières nouveautés sur la transformation du travail avec l’IA.

    Défiler vers le haut