L'IA générative devait faciliter le travail. Moins de routine, plus de temps pour l'essentiel. C'était la promesse. La réalité est tout autre : dans une étude publiée en février 2026 dans le Harvard Business Review, Aruna Ranganathan et Xingqi Maggie Ye, de la UC Berkeley Haas School of Business, démontrent que les outils IA ne réduisent pas le travail mais l'intensifient. Rythme accéléré, tâches multipliées, pauses raréfiées, épuisement rampant.
Ce constat rejoint ce que le Workforce Trends Report 2026 de DHR Global révèle à grande échelle : 52 pour cent des salariés déclarent désormais que le burnout réduit leur engagement -- contre 34 pour cent l'année précédente, soit une augmentation de plus de moitié en douze mois. 83 pour cent ressentent au moins un certain degré de burnout ; les causes principales sont des charges de travail écrasantes (48 pour cent) et un nombre d'heures excessif (40 pour cent).
Deux études, le même constat : l'IA ne rend pas le travail plus facile, elle le rend plus dur.
200 personnes intrinsèquement motivées qui voulaient vraiment l'IA
Ce qui distingue l'étude de Berkeley, c'est son terrain. Les chercheuses ont suivi pendant huit mois une entreprise technologique américaine d'environ 200 salariés -- deux jours par semaine sur place, lecture des canaux Slack internes, plus de 40 entretiens approfondis, couvrant l'ingénierie, le produit, le design, la recherche et les opérations.
Le point décisif : l'entreprise avait mis les outils IA à disposition, mais n'avait imposé à personne de les utiliser. Aucun mandat du management, aucun KPI lié à l'utilisation de l'IA, aucune pression. Ceux qui les utilisaient le faisaient de leur propre initiative. 200 personnes intrinsèquement motivées, qui voyaient l'IA comme une opportunité et l'intégraient volontairement dans leur quotidien professionnel.
C'est précisément ce qui rend les résultats si dérangeants. Car ces personnes -- les enthousiastes, les early adopters, celles dont chaque entreprise rêve -- ne travaillaient pas moins. Elles travaillaient plus. Pas un peu plus, mais de manière structurellement différente : cadence accélérée, périmètre de responsabilité élargi, frontières entre travail et hors-travail de plus en plus floues. Les chercheuses appellent cela « l'intensification » et décrivent trois mécanismes qui se renforcent mutuellement.
Mécanisme 1 : Quand tout le monde se met soudain à tout faire
Le premier mécanisme : les personnes reprennent des tâches qui ne sont pas les leurs. Des product managers se mettent à coder, des researchers résolvent des tickets d'ingénierie, des designers écrivent des requêtes de base de données. Non pas parce que quelqu'un le leur demande, mais parce que l'IA abaisse tellement la barrière d'entrée qu'on a l'impression de pouvoir simplement essayer.
Et on peut effectivement essayer -- c'est là toute la séduction. L'IA donne un feedback immédiat, corrige les erreurs, suggère les étapes suivantes. On se sent compétent dans un domaine où, la veille encore, on était démuni, et ce déclic cognitif procure presque un high.
Sauf qu'au total, le périmètre de chaque poste enfle. Des tâches qui, auparavant, revenaient à des spécialistes ou justifiaient une embauche sont absorbées -- par des personnes qui, en plus de leur travail réel, font désormais des choses pour lesquelles elles n'ont été ni formées ni planifiées. Personne n'ajuste les fiches de poste, les tâches initiales ne sont pas réduites, les nouvelles viennent simplement s'empiler par-dessus.
L'effet domino est inévitable : les résultats de ces expérimentations doivent un jour être vérifiés par quelqu'un. Dans l'étude, ce sont les ingénieurs seniors qui passaient de plus en plus leurs journées à examiner des pull requests à moitié terminées et des artefacts de vibe-coding produits par leurs collègues -- non pas lors de revues de code formelles, mais en passant, dans des fils Slack, lors de brèves conversations au bureau, entre deux tâches. Les personnes les plus expérimentées de l'équipe deviennent le filtre qualité d'un travail qui, auparavant, n'existait tout simplement pas.
Mécanisme 2 : Le travail devient quelque chose qui est toujours là
Le deuxième mécanisme est plus subtil, et peut-être plus dangereux pour cette raison. L'IA rend l'entrée dans n'importe quelle tâche si accessible qu'il n'y a plus de page blanche, plus de point de départ inconnu, plus d'obstacle à franchir. Un prompt suffit.
Cela ressemble à de l'efficacité. En pratique, cela signifie que chaque creux de la journée devient remplissable : la pause déjeuner, l'attente avant une réunion, le moment avant de partir le soir. « Juste un prompt rapide pour que l'IA puisse travailler pendant que je suis parti. » Cela prend 30 secondes et ne ressemble pas à du travail, parce que prompter fait davantage penser à une conversation qu'à un acte professionnel formel.
Mais ces moments de 30 secondes s'accumulent. Au bout de quelques semaines, la journée de travail n'a plus de pauses naturelles. La pause déjeuner devient une session de prompts, la fin de journée commence par « juste vérifier rapidement le résultat », le dimanche soir devient le moment où l'on « prépare déjà quelque chose », puisque ça va si vite.
Plusieurs personnes interrogées dans l'étude ont décrit qu'elles n'avaient réalisé ce qui s'était passé que des semaines ou des mois plus tard. Les phases de récupération s'étaient érodées, progressivement, imperceptiblement. Le travail n'était plus quelque chose que l'on fait à certains moments, mais quelque chose qui tourne en permanence en arrière-plan -- pas intrusif, pas stressant, simplement : toujours là. La frontière entre travail et hors-travail n'avait pas disparu, comme l'écrivent les chercheuses, mais elle était devenue plus facile à franchir.
Mécanisme 3 : De nombreuses balles en l'air en même temps
Le troisième mécanisme concerne la manière dont le travail assisté par IA s'organise. Avec l'IA, plusieurs fils tournent en permanence en parallèle : on code à la main pendant que l'IA génère une alternative ; on lance trois tâches simultanément parce que l'IA peut en traiter deux « en arrière-plan » ; on réactive des projets longtemps reportés parce que cela semble soudain faisable.
Cela crée le sentiment d'avoir un partenaire -- quelqu'un qui travaille à nos côtés pendant que l'on fait autre chose. Un sentiment de momentum et de débit.
La réalité est tout autre : changement de contexte permanent, vérification constante des outputs, une liste de tâches qui ne fait que s'allonger. Nous ne sommes pas des multitâches mais des commutateurs de tâches, et chaque commutation coûte de l'énergie cognitive. Au fil d'une journée, ces micro-coûts s'accumulent en un épuisement mental profond.
S'ajoute un effet social. Quand tout le monde dans l'équipe livre plus vite, la norme se déplace -- non par une consigne venue d'en haut, mais par ce qui devient visible et normal. Celui qui voit ses collègues traiter trois tâches en parallèle ressent une pression implicite d'en faire autant. La vitesse devient une attente, même si personne ne la formule.
La spirale qui tourne d'elle-même
Ces trois mécanismes ne coexistent pas simplement ; ils se renforcent mutuellement en une spirale. L'IA accélère les tâches, ce qui fait monter les attentes implicites en matière de vitesse. Des attentes plus élevées rendent plus dépendant de l'IA. Une dépendance accrue élargit le périmètre, parce que l'on prend en charge toujours plus de choses soi-même. Un périmètre élargi génère plus de travail, qui doit être accompli plus vite. La spirale continue de tourner.
Un ingénieur de l'étude de Berkeley : « On pensait gagner du temps et pouvoir travailler moins. En réalité, on travaille autant, voire plus. »
Les personnes interrogées se sentaient plus productives, mais pas moins occupées -- bien au contraire. À partir du sixième mois de l'étude, les signalements d'épuisement, d'anxiété et de paralysie décisionnelle se sont multipliés. Ce qui, au premier trimestre, ressemblait à un miracle de productivité produisait, au troisième, des problèmes de qualité et les premiers départs.
Le piège de ce cycle, c'est qu'il se déguise en progrès. Tu es soudain capable de choses qui semblaient impossibles auparavant, tu livres davantage, tu es félicité. Cela ne ressemble pas à une surcharge ; cela ressemble à de l'empowerment. Jusqu'au basculement.
Accenture : ce qui se passe quand on impose l'adoption de l'IA
L'étude de Berkeley montre un extrême : une utilisation de l'IA volontairement trop intensive. Accenture montre l'autre.
Le cabinet de conseil, qui emploie près de 800 000 personnes, suit depuis février 2026 les connexions hebdomadaires aux outils IA de ses cadres supérieurs et en fait un critère de promotion. « L'utilisation de nos outils clés deviendra un input visible pour les discussions relatives aux talents », précise un e-mail interne que le Financial Times a pu consulter. Les outils surveillés comprennent notamment AI Refinery et SynOps, développés en interne ; les collaborateurs de douze pays européens sont exemptés de cette règle, de même que ceux affectés à des contrats du gouvernement américain.
La réaction en interne est révélatrice. Deux personnes familières de la mesure ont qualifié certains des outils de « générateurs de slop cassés » auprès du Financial Times. Une troisième a déclaré qu'elle « démissionnerait immédiatement » si la règle devait la concerner. L'entreprise a supprimé environ 11 000 postes l'année précédente, dépensé près de 2 milliards de dollars en indemnités de départ, rebaptisé ses collaborateurs « Reinventors », et sa PDG Julie Sweet a annoncé que ceux qui ne s'adapteraient pas devraient partir.
Le problème de fond est là : Accenture conseille d'autres entreprises sur la manière de mener leur transformation IA. Trois dirigeants de cabinets Big Four ont confirmé indépendamment au Financial Times qu'il est plus difficile de convaincre les senior managers et associés d'utiliser l'IA que les jeunes recrues. Les personnes qui vendent la transformation y résistent elles-mêmes le plus fortement.
La solution d'Accenture, c'est la surveillance et la pression, et le résultat est prévisible : un théâtre de conformité. Les gens se connectent pour faire tourner le compteur, pas parce qu'ils travaillent mieux. Le cours de l'action a chuté de 42 pour cent en douze mois, passant d'une capitalisation boursière de plus de 260 milliards à environ 137 milliards de dollars. Peut-être qu'une conversation avec ses propres collaborateurs aurait coûté moins cher qu'une politique de surveillance.
Les deux scénarios -- la surutilisation volontaire et l'adoption forcée -- sont les symptômes de la même erreur : les organisations traitent l'adoption de l'IA comme une question technique (Les gens ont-ils accès ? Utilisent-ils les outils ?), alors qu'il s'agit d'une question profondément humaine (Comment l'IA change-t-elle la manière dont les gens travaillent, pensent et récupèrent ?).
Trois mesures contre le burnout IA pour les équipes RH
Les chercheuses de Berkeley recommandent ce qu'elles appellent une « AI Practice » : des règles du jeu explicites sur comment, quand et dans quelle mesure travailler avec l'IA. L'expression peut sembler abstraite ; en pratique, elle se décline en trois leviers concrets.
Intégrer des pauses délibérées. Non pas comme une mesure de bien-être, mais comme un dispositif d'assurance qualité. Les chercheuses proposent qu'avant toute décision importante, au moins un contre-argument et un lien explicite avec les objectifs de l'entreprise soient formulés. Cela prend cinq minutes et empêche la vitesse de se substituer au jugement. Concrètement : les livrables assistés par IA font l'objet d'une étape de réflexion obligatoire avant d'être transmis.
Séquencer le travail au lieu de le paralléliser. Ne pas réagir immédiatement à chaque résultat de l'IA, mais regrouper les mises à jour, reporter les notifications à des points d'arrêt naturels, protéger les plages de concentration. Au lieu d'une réactivité permanente, un rythme alternant travail concentré et vérification délibérée. Cela réduit le changement de contexte qui, selon l'étude, est l'un des principaux moteurs de l'épuisement cognitif.
Préserver l'ancrage humain. L'IA permet de plus en plus de travail en solo -- on n'a plus besoin de demander à sa collègue, on demande à l'IA. Cela fait gagner du temps, mais élimine aussi les conversations où les perspectives se confrontent et où naissent les idées créatives. Les organisations qui ne ménagent pas délibérément un espace pour les échanges humains risquent des équipes qui travaillent certes plus vite, mais pensent moins bien.
Pourquoi les enquêtes d'engagement ne détectent pas le burnout IA
La plupart des équipes RH mesurent avec des échelles de Likert, des Net Promoter Scores et des Pulse Checks trimestriels. Ces instruments captent si quelqu'un est satisfait ; ils ne captent pas pourquoi quelqu'un peut être simultanément enthousiaste et épuisé.
C'est pourtant exactement ce que montre l'étude de Berkeley. Les gens ne disaient pas « J'ai trop de travail. » Ils avaient pris volontairement davantage de responsabilités, et cela avait été gratifiant. Jusqu'à ce que ça ne le soit plus. Ce paradoxe -- l'empowerment et l'épuisement comme deux faces d'une même expérience -- ne se laisse pas capturer sur une échelle à cinq points.
Pour comprendre ce qui se passe réellement, il faut des données qualitatives. Il faut parler aux gens. Le problème, c'est que 40 entretiens approfondis comme dans l'étude de Berkeley représentent des semaines de terrain, des coûts à cinq chiffres, des mois jusqu'au rapport final. Les chercheuses étaient sur place deux jours par semaine, pendant huit mois -- des ressources dont aucune équipe RH ordinaire ne dispose.
Les entretiens assistés par IA comme issue au dilemme de la mesure
L'outil qui crée le problème peut aussi aider à le rendre visible -- à condition de l'utiliser correctement.
QUALLEE mène des entretiens qualitatifs par IA. Une IA pose des questions, écoute, relance, suit le fil de la conversation. De vraies personnes répondent, à leur propre rythme, dans leur propre langue. L'analyse distille des patterns à partir de dizaines ou de centaines de ces conversations, en heures plutôt qu'en mois.
Pour les équipes RH qui veulent comprendre l'effet du burnout IA dans leur propre organisation, ce sont les questions qu'aucune enquête d'engagement ne peut atteindre : Comment ta journée de travail a-t-elle changé avec l'IA ? Quand l'utilisation de l'IA te semble-t-elle productive, et quand bascule-t-elle ? Fais-tu le week-end des choses que tu n'aurais pas faites il y a six mois ? De quoi as-tu besoin pour que l'utilisation de l'IA reste soutenable ?
Aucune échelle de Likert ne répond à cela ; une conversation, si.
Essayer par vous-même
L'étude de Berkeley se conclut par un constat clair : sans correction de cap délibérée, le travail assisté par IA ne mène pas à l'allègement mais à l'intensification. La première étape n'est ni de compter les connexions comme Accenture, ni d'espérer que tout ira bien -- la première étape, c'est d'écouter.
Questions fréquentes
Qu'est-ce que le paradoxe du burnout IA ?
Le paradoxe du burnout IA décrit le phénomène selon lequel les outils IA ne facilitent pas le travail mais l'intensifient. Une étude UC Berkeley de 2026 montre que les personnes qui utilisent l'IA volontairement et avec enthousiasme ne travaillent pas moins, mais plus. L'intensification naît de trois mécanismes : l'expansion du périmètre de responsabilité, l'effacement des frontières entre travail et vie privée, et le multitâche chronique.
Qu'a révélé l'étude UC Berkeley de 2026 ?
Les chercheuses Aruna Ranganathan et Xingqi Maggie Ye ont suivi pendant huit mois 200 salariés intrinsèquement motivés d'une entreprise technologique américaine. Sans obligation d'utiliser l'IA, ces personnes travaillaient structurellement plus : périmètre élargi, moins de pauses, changement de contexte permanent. À partir du sixième mois, les signalements d'épuisement, d'anxiété et de paralysie décisionnelle se sont multipliés. L'étude a été publiée en février 2026 dans le Harvard Business Review.
Pourquoi les enquêtes d'engagement ne détectent-elles pas le burnout IA ?
Les instruments classiques comme les échelles de Likert et les Pulse Checks mesurent la satisfaction sur une échelle. Ils ne peuvent pas capter pourquoi quelqu'un est simultanément enthousiaste et épuisé. Le paradoxe du burnout IA se manifeste sous forme d'empowerment, non d'insatisfaction, et échappe ainsi aux métriques quantitatives. Des entretiens qualitatifs sont nécessaires pour rendre visibles les changements réels dans le quotidien professionnel.
Que peuvent faire les équipes RH contre le burnout IA ?
Trois mesures concrètes : premièrement, intégrer des pauses de réflexion délibérées avant les décisions assistées par IA. Deuxièmement, séquencer le travail au lieu de le paralléliser, afin de réduire le changement de contexte. Troisièmement, préserver l'espace pour les échanges humains, afin que les équipes ne travaillent pas seulement plus vite mais pensent aussi mieux. Les chercheuses de Berkeley appellent cela une « AI Practice » : des règles du jeu explicites pour l'utilisation de l'IA.
Quel est le lien entre Accenture et le burnout IA ?
Accenture suit depuis février 2026 les connexions aux outils IA de ses cadres supérieurs et en fait un critère de promotion. En interne, des collaborateurs ont qualifié les outils de « générateurs de slop cassés ». Ce cas illustre l'opposé de l'étude de Berkeley : au lieu d'une surutilisation volontaire, une adoption forcée. Les deux scénarios aboutissent à des risques de burnout, parce que l'introduction de l'IA est traitée comme une question technique plutôt qu'humaine.
