IA au travail : pourquoi son usage peut encore peser sur votre réputation

Gagner du temps grâce à l’intelligence artificielle ne garantit pas de gagner en crédibilité auprès de ses collègues. Dans de nombreux métiers, demander à un outil de rédiger un courrier, de résumer un document ou de produire du code peut sembler rationnel. Pourtant, une étude associée à Duke University suggère que l’IA générative porte encore un coût social : son utilisateur peut être soupçonné d’être moins compétent, moins impliqué ou moins autonome.

Ce décalage est important. Les organisations mettent volontiers en avant les gains de productivité permis par l’IA, tandis que les salariés s’interrogent sur les compétences qu’ils doivent conserver et sur les règles à respecter. L’étude rappelle qu’une technologie ne transforme pas seulement la manière de travailler. Elle modifie aussi la façon dont le travail, et la personne qui l’a produit, sont évalués.

Une assistance technique devenue un signal social

Les travaux reposent sur quatre expériences menées auprès de 4 400 participants. Ils s’intéressent aux représentations associées à l’usage d’outils d’IA en milieu professionnel, et plus particulièrement aux outils d’IA générative. Ces derniers peuvent créer de nouveaux contenus à partir d’une consigne, par exemple une lettre ou du code.

Le principal résultat est double. D’une part, les personnes qui disent recourir à ces outils anticipent une appréciation moins favorable de leur entourage professionnel. D’autre part, cette crainte ne relève pas seulement de l’imagination des utilisateurs : les observateurs interrogés dans les expériences portent effectivement un jugement plus négatif sur eux.

Les dimensions concernées sont centrales dans la vie professionnelle : le dévouement au travail, la compétence et l’indépendance. Autrement dit, l’outil peut être perçu non comme une aide à la réalisation d’une tâche, mais comme le signe que la personne a délégué une partie excessive de son effort ou de son expertise.

Cette nuance est essentielle. Une perception sociale peut influencer la confiance dans une équipe, la répartition des missions ou une décision de recrutement, même lorsqu’elle ne reflète pas la qualité réelle du travail fourni.

Ce que l’étude compare entre IA générative et autres outils

Les chercheurs distinguent les outils capables de générer directement un contenu de ceux qui assistent l’utilisateur dans d’autres tâches. Dans les exemples évoqués par l’étude, l’IA générative produit notamment des lettres ou du code. À l’inverse, des outils non génératifs peuvent aider à analyser des images.

Cette distinction compte parce que l’IA générative intervient au plus près d’un livrable souvent attribué à une personne : un texte, un message, une analyse ou un programme. Il est donc plus facile, pour un collègue ou un recruteur, de se demander quelle part du résultat provient effectivement de l’utilisateur.

L’étude ne dit pas qu’un outil non génératif serait neutre dans toutes les entreprises, ni que tout recours à une IA générative serait automatiquement mal vu. Elle met en évidence un mécanisme de jugement : plus l’outil semble produire à la place de la personne un résultat habituellement attendu d’elle, plus il risque de susciter des interrogations sur sa contribution propre.

Cela peut expliquer une tension familière dans certaines équipes. Une même pratique est susceptible d’être interprétée de deux manières opposées : comme une initiative efficace et moderne, ou comme un raccourci révélant un manque d’effort. La différence tient moins à la seule technologie qu’au contexte, à la tâche et aux normes partagées au sein du collectif.

Pourquoi l’IA générative est-elle plus facilement jugée ?

L’IA générative rend la frontière entre assistance et délégation moins visible. Un correcteur orthographique, un tableur ou un moteur de recherche font depuis longtemps partie des habitudes professionnelles. Leur contribution est généralement comprise : ils aident à vérifier, organiser ou retrouver une information. Lorsqu’un outil formule lui-même un texte complet ou propose du code, l’origine du résultat apparaît plus ambiguë.

Cette ambiguïté ne prouve pas que le salarié n’a rien fait. Pour obtenir un résultat utilisable, il peut avoir défini l’objectif, fourni des informations, vérifié les réponses, corrigé les erreurs et assumé la responsabilité finale. Mais ces étapes sont souvent invisibles pour les collègues. À l’inverse, le livrable généré est immédiatement visible, ce qui peut nourrir l’idée que l’outil a remplacé l’effort intellectuel.

Le phénomène décrit par l’étude renvoie donc aussi à une question de reconnaissance. Dans une organisation, être considéré comme compétent ne dépend pas uniquement du résultat atteint. Cela dépend de la manière dont les autres imaginent le travail accompli pour y parvenir.

Le recrutement n’échappe pas à ce biais

Les implications vont au-delà des relations quotidiennes entre collègues. L’une des expériences met en scène une situation de recrutement. Elle montre que l’attitude d’un manager face à l’IA influence son appréciation d’un candidat qui utilise lui-même ces outils.

Les responsables ayant recours fréquemment à l’IA se montrent plus tolérants envers les candidats qui l’emploient. À l’inverse, les managers qui n’utilisent pas ces technologies sont moins enclins à recruter des personnes qui y recourent.

Cette conclusion ne signifie pas qu’un candidat doit cacher ses méthodes de travail. Elle souligne plutôt une réalité : les pratiques du recruteur servent de repère implicite. Dans une entreprise où l’IA est déjà intégrée aux routines, elle peut être vue comme une compétence opérationnelle. Dans une structure où elle reste absente ou suspecte, la même pratique risque d’être interprétée comme un manque de maîtrise personnelle.

Pour un candidat, l’enjeu est donc de pouvoir expliquer son usage de façon précise. Il ne s’agit pas d’affirmer vaguement que l’IA « fait gagner du temps », mais de montrer ce qu’elle aide à accomplir et ce qui relève du jugement humain : préparation d’un premier brouillon, mise en forme, recherche de pistes, vérification, réécriture, contrôle de cohérence ou validation finale.

Transparence et encadrement : ce qui peut réduire la stigmatisation

L’étude identifie plusieurs facteurs susceptibles d’atténuer la sanction sociale associée à l’IA. Le premier est l’utilité de l’outil pour la tâche. Lorsque son apport apparaît clairement bénéfique, le jugement négatif disparaît. L’IA est alors davantage perçue comme un moyen adapté à une situation précise que comme un substitut commode à l’effort.

La transparence joue également un rôle. Expliquer que l’on a utilisé une IA, et dans quel but, peut réduire l’incertitude sur la part de travail réellement accomplie. Mais la transparence ne consiste pas à détailler chaque interaction avec un outil. Elle suppose surtout de rendre intelligible la méthode : ce qui a été confié à l’IA, ce qui a été vérifié et la manière dont le résultat a été repris.

Le facteur le plus déterminant relevé par l’étude reste toutefois l’usage de l’IA par le manager lui-même. Quand un responsable adopte ces outils, il contribue à les normaliser dans son équipe. Son comportement donne un signal plus concret qu’une simple injonction à innover : l’IA devient une pratique compatible avec les attentes de qualité et de responsabilité du service.

Dans la pratique, une équipe peut réduire les malentendus en clarifiant quelques principes simples :

• les tâches pour lesquelles l’IA est autorisée ou encouragée ;
• les données qui ne doivent jamais être saisies dans un service externe ;
• le niveau de vérification attendu avant de livrer un résultat ;
• la façon de signaler l’usage d’un outil lorsque cela est utile au projet ;
• la personne responsable de la décision et du résultat final.

Ces règles n’ont pas vocation à surveiller chaque salarié. Elles servent à éviter qu’une pratique individuelle, parfois discrète par crainte du jugement, ne devienne une source de défiance ou d’inégalités entre ceux qui utilisent déjà l’IA et ceux qui s’en abstiennent.

Une barrière à l’adoption qui traverse les profils

Les résultats indiquent que cette attitude ne se limite pas à un secteur, à une génération ou à un genre. L’échantillon couvre un éventail de professions, d’âges et de profils, et la réticence sociale envers l’IA générative apparaît largement partagée.

Cela aide à comprendre pourquoi la diffusion des outils ne dépend pas seulement de leur qualité technique ou de leur prix. Une entreprise peut donner accès à une solution performante, organiser des formations et promettre des gains de productivité. Si les salariés pensent qu’ils seront considérés comme moins investis en l’utilisant, une partie d’entre eux préférera ne pas l’adopter, ou l’utilisera sans en parler.

Ce comportement peut créer un paradoxe. Les organisations cherchent souvent à identifier les usages efficaces pour les généraliser. Or, si les employés craignent une atteinte à leur réputation, ils ont moins intérêt à partager leurs méthodes. La circulation des bonnes pratiques devient alors plus difficile, et les écarts entre équipes peuvent se creuser.

Il faut aussi rester prudent sur la portée de ces résultats. Les quatre expériences mesurent des perceptions et des intentions dans des situations étudiées, y compris un scénario simulé de recrutement. Elles ne mesurent pas directement les promotions, les salaires ou la qualité du travail dans des entreprises réelles. Elles apportent néanmoins un signal utile sur les préjugés qui peuvent accompagner l’adoption de l’IA.

Ce qu’il faut surveiller dans les entreprises

À mesure que les outils génératifs se diffusent, la question ne sera plus seulement de savoir si les salariés les utilisent, mais dans quelles conditions leur usage est considéré comme légitime. Les responsables auront un rôle particulier : leurs propres pratiques, leurs exigences de contrôle et leur capacité à expliquer les règles de l’équipe pèseront sur l’acceptation de ces technologies.

Pour les employés, la meilleure protection contre l’idée d’un travail « fait par l’IA » consiste à conserver une maîtrise démontrable du résultat. Choisir l’outil adapté, formuler une demande pertinente, repérer une erreur, adapter la réponse au contexte et prendre la responsabilité du livrable sont des compétences à part entière.

Pour les employeurs, l’enjeu est d’éviter deux écueils : imposer l’IA sans cadre, ou laisser s’installer une culture où son utilisation doit être cachée. Entre ces deux extrêmes, une adoption explicite, proportionnée aux tâches et soutenue par le management peut permettre de bénéficier de l’outil sans transformer son usage en marqueur de moindre compétence.