L’IA ne réduit pas la charge de travail, elle l’intensifie (Étude Harvard 2026)

L'IA ne libère pas du temps. Elle crée un appel d'air dans lequel le travail s'engouffre aussitôt, jusqu'à remplir TOUTES les heures disponibles, et souvent bien au-delà. C'est le résultat central d'une étude publiée en février 2026 dans la Harvard Business Review, conduite par des chercheurs de Berkeley Haas sur 200 employés d'une entreprise technologique américaine, observés pendant 8 mois. Et franchement, ça mérite qu'on s'y arrête, parce que c'est une donnée qui change la façon dont on doit penser le déploiement de l'IA dans les organisations.

Ce que l'étude dit vraiment

Les chercheurs ont identifié trois formes d'intensification. D'abord, ce qu'ils appellent la task expansion : quand l'IA accélère une tâche, le travailleur ne s'arrête pas pour souffler, il accepte la tâche suivante, celle qu'il aurait déléguée ou évitée avant. Ensuite, les frontières travail/hors-travail qui s'effacent progressivement, parce que l'accès permanent à un outil aussi puissant rend le travail techniquement possible à n'importe quelle heure. Et enfin, le multitasking intensifié : les employés gèrent plusieurs fils en parallèle, un agent IA qui tourne en arrière-plan pendant qu'ils codent manuellement, une analyse qui se génère pendant qu'ils sont en visio.

Le chiffre qui claque : 83% des travailleurs interrogés disent que l'IA a augmenté leur charge de travail. Et personne ne leur avait demandé de faire plus. C'est ça le point vraiment intéressant. Ce n'est pas la direction qui a augmenté les objectifs. C'est le travailleur lui-même qui, sentant qu'un partenaire lui donne de l'élan, a spontanément élargi son périmètre. L'intensification est INTRINSÈQUEMENT auto-infligée.

"AI introduced a new rhythm in which workers managed several active threads at once" (Ranganathan & Ye, HBR 2026)

L'analogie économique qui éclaire tout

Il y a un parallèle économique évident avec ce phénomène, et c'est la loi de Say : l'offre crée sa propre demande. Pendant des siècles, les économistes ont débattu pour savoir si produire davantage créait automatiquement un marché pour absorber cette production. Dans le cas de l'IA au travail, on observe exactement ça : la capacité d'exécution augmente, et le travail disponible s'adapte immédiatement à la hausse pour occuper l'espace libéré. Il n'y a pas d'équilibre naturel, pas de plancher sous lequel la charge ne descend pas. La productivité générale augmente d'abord, le volume de tâches s'adapte ensuite pour consommer ces gains.

C'est fondamentalement différent de ce qu'ont vécu les industriels avec la mécanisation. Quand une machine remplaçait un ouvrier à la chaîne, les gains de productivité étaient mesurables et stables : la machine produisait X unités en Y heures, point final. L'IA, elle, s'adapte à la complexité cognitive et ouvre des tâches qui n'existaient pas avant, elle n'en ferme pas. On ne remplace pas un employé, on l'équipe d'une capacité cognitive supplémentaire qui, faute de cadre, se déploie jusqu'à l'épuisement.

La vraie question : qu'est-ce qu'on mesure exactement ?

Ce que Harvard nous dit implicitement, c'est que les métriques de productivité qu'on utilise aujourd'hui ne sont peut-être pas adaptées à l'ère IA. On mesure le volume de tâches accomplies, la vitesse d'exécution, la quantité de code produit, le nombre d'articles rédigés. Mais on ne mesure pas la soutenabilité de l'effort, ni la qualité de la décision produite sous pression cognitive maximale, ni le taux de burn-out différé qui viendra plomber les performances à 6 mois.

Le risque, c'est de confondre une accélération non durable avec une vraie progression de la performance.

Et c'est là où le concept de rente cognitive devient pertinent. Dans une économie où l'IA est accessible à tous, la vraie différenciation compétitive ne vient plus de la vitesse d'exécution, elle vient de la qualité de la vision qui oriente cette exécution. Un employé qui utilise l'IA pour faire plus de la même chose court vers l'épuisement. Une organisation qui utilise l'IA pour libérer du temps de cerveau vers des décisions plus profondes construit quelque chose que personne ne peut répliquer.

Ce que ça change concrètement pour les dirigeants de TPE/PME

Le réflexe immédiat est de se dire : si mes équipes travaillent plus grâce à l'IA, c'est une bonne nouvelle. Et à court terme, c'est potentiellement vrai. Mais l'étude de Berkeley montre que ce surcroît de travail émerge SPONTANÉMENT, sans pilotage, sans priorisation, sans cadre. C'est du travail en roue libre, plus rapide mais pas nécessairement mieux orienté. Un chef d'entreprise qui déploie l'IA sans définir explicitement ce que ses collaborateurs sont censés faire du temps libéré crée les conditions de l'intensification, pas de la performance durable.

La bonne approche, c'est de répondre AVANT le déploiement à une question simple : si l'IA permet à mon équipe de produire 40% plus vite, qu'est-ce que je veux qu'elle fasse de ces 40% ? Si la réponse n'est pas claire, les 40% seront absorbés par des tâches supplémentaires, souvent moins stratégiques que les premières, et l'équipe sera simplement plus épuisée en fin de trimestre.

Ce que mesure Harvard, c'est l'absence de gouvernance de l'IA. Pas l'échec de l'outil.

L'IA est l'outil le plus puissant de ce siècle, c'est une certitude. Mais un outil sans doctrine d'usage est un risque, pas une opportunité. Et c'est précisément pour ça que les entreprises qui tireront parti de l'IA sur le long terme seront celles qui auront réfléchi à leur rente cognitive, à leur couche propriétaire d'intelligence organisationnelle, avant de se laisser emporter par l'excitation de la vitesse.

L'accélération est inévitable. La question est de savoir si on la pilote, ou si elle nous pilote.

Sources :

https://hbr.org/2026/02/ai-doesnt-reduce-work-it-intensifies-it

Ranganathan, A. & Ye, J. (2026). AI at Work: How Artificial Intelligence Is Intensifying, Not Reducing, Workloads. Harvard Business Review, février 2026. Étude conduite sur 200 employés d'une entreprise technologique américaine, Berkeley Haas School of Business, sur une période d'observation de 8 mois.

Écrit par Brochard Axel CEO OpterIA

SourcesFramer, collection Blog, item o7aILturL