24 octobre 2026AIssential

Quand vos équipes ne font plus que relire l'IA, elles perdent la main, puis l'envie.

Un clip vu plus d'un million de fois fait chanter « ça me va » sous un travail que personne n'a lu. Ce qu'il y a derrière le rire a été mesuré. Et les trois rôles que vos équipes gardent pour que l'IA marche chez vous.

En bref — points clés
  • « Ça me va » sous un travail qu'on n'a pas lu : le clip LGTM fait rire parce que tout le monde s'y reconnaît. Chez vous, c'est le devis rédigé par l'IA, relu en diagonale et signé.
  • Première perte, la main : dix-neuf médecins de vingt-sept ans de métier ont perdu six points de détection en trois mois sur les examens faits sans la machine (Budzyń, The Lancet Gastroenterology & Hepatology, 2025) ; la perte se mesure pendant l'usage, une seconde étude ne la retrouve pas après retrait. Chez les débutants, le gain est emprunté : il disparaît quand l'aide est retirée.
  • Seconde perte, l'envie : trier ce que la machine produit est « pas intéressant », la charge augmente, et une vérification sans temps alloué ni reconnaissance « participe au désengagement des salariés et à l'échec du déploiement » (LaborIA, ministère du Travail et Inria).
  • Accepter ce que la machine propose est une économie d'effort, pas un manque de rigueur ; prévenir ne suffit pas ; le seul levier connu est que quelqu'un réponde du résultat.
  • Vos équipes gardent trois rôles : écrire ce qu'elles savent faire dans le logiciel de votre savoir-faire ; le faire évoluer à chaque dossier tranché, une part des dossiers restant écrite par ceux qui savent ; répondre de ce qui part, par des gestes écrits dans le plan, avec leur temps.

Des développeurs chantent LGTM, looks good to me : ça me va. C'est ce qu'on écrit sous un travail qu'on n'a pas eu le temps de lire, parce qu'on a promis que l'IA ferait tout aller dix fois plus vite et que les délais ont raccourci d'autant. Le clip a été vu près d'un million et demi de fois en moins de trois semaines, et il fait rire parce que tout le monde s'y reconnaît.

Vous n'avez pas besoin de développeurs pour le voir chez vous. Un devis rédigé par l'IA en dix minutes, relu en diagonale à dix-huit heures parce que le client l'attend, et signé. Ce « ça me va » engage la maison, et celui qui l'écrit n'a plus lu.

Derrière le rire, il y a deux pertes, et elles ont été mesurées.

Ce qu'on perd en premier : la main

Quand l'IA écrit à leur place, il ne reste aux gens qu'à relire un travail qu'ils ne font plus. Et un savoir-faire qu'on ne pratique plus s'émousse vite, même chez les meilleurs.

Dix-neuf médecins, vingt-sept ans de métier en moyenne, ont travaillé trois mois avec une aide à la détection. Sur les examens qu'ils continuaient de faire sans elle, leur taux de détection est passé de 28,4 % à 22,4 %. Six points perdus en trois mois, chez des gens que personne ne croyait fragiles. Une seconde étude, avec le même chercheur principal, n'a pas retrouvé la baisse une fois la machine retirée : la perte se mesure pendant l'usage, et nul ne sait encore si elle dure. Ça suffit : pendant l'usage, c'est tous les jours.

Chez les débutants, c'est l'autre face. Des internes aidés par la machine lisaient mieux les radiographies : 53 % de bonnes détections contre 43 %. L'aide retirée, 44 % contre 46 %. Le gain était emprunté, pas acquis. Le nouveau va plus vite avec l'outil, et ce qu'il sait faire sans lui ne suit pas tout seul.

Transposez à votre maison. Celle qui monte les offres depuis quinze ans et ne fait plus que relire celles de l'IA perd l'œil sur ce qu'elle ne fait plus. Le nouveau qui n'a jamais monté une offre seul ne l'apprendra pas en validant celles de la machine. Et un jour la question qui dépasse le dossier arrive, celle que la machine n'a pas vue, et il n'y a plus personne pour la voir.

Ce qu'on perd ensuite : l'envie

Le laboratoire du ministère du Travail a suivi pendant deux ans des équipes à qui on avait confié une IA. Ce qu'il observe n'est pas dans les démonstrations.

Trier ce que la machine produit est « pas intéressant ». Une agente : « ce que j'aime, c'est aller chercher les erreurs… mon cerveau, il se repose au lieu d'aller chercher ». Les équipes ressentent une charge en plus, pas en moins : apprendre l'outil, et s'en occuper. Et quand ce travail de vérification n'a ni temps alloué ni reconnaissance, le laboratoire écrit qu'il « participe au désengagement des salariés et à l'échec du déploiement ».

Il note une chose de plus, plus discrète : certains salariés demandent à l'IA de relire ce qu'ils demandaient avant à un collègue. Ils gagnent une minute et perdent l'échange par lequel le métier se transmettait.

Pourquoi « ça me va » arrive même aux consciencieux

On croit que relire derrière la machine est une question de rigueur. Les études sur les aides automatiques, plus anciennes que l'IA d'aujourd'hui, disent autre chose : accepter ce que la machine propose n'est pas de la déférence, c'est une économie d'effort. L'aide remplace le travail de chercher. Prévenir les gens que la machine se trompe ne change rien : le biais persiste chez des personnes informées. Le seul levier que cette littérature reconnaisse est que quelqu'un réponde du résultat.

Autrement dit : ne mettez personne dans une position où relire est tout son travail, et faites que chaque « ça me va » engage de nouveau celui qui l'écrit.

Les trois rôles que vos équipes gardent

On vous vend une IA qui fait tout, et vous risquez d'être déçu. Elle peut beaucoup. Mais vos équipes en sont la clé, à trois endroits, et c'est ainsi que nous construisons.

Pour qu'elle marche. Vos équipes écrivent avec nous ce qu'elles savent faire : ce qu'elles vérifient sur un devis, ce qu'on ne promet jamais à ce client, quelle pièce ne manque jamais au dossier. Nous le mettons dans le logiciel de votre savoir-faire, à côté de votre logiciel métier. Il réunit les pièces, vérifie vos règles sur chaque dossier, le dixième comme le premier, et, pour ce qui demande un jugement, prépare ce qui plaide pour et contre. Qui tranche, et qui en répond, vous le décidez avec vos équipes. Chacun y trouve qui sait, qui a la pièce, qui suit l'affaire, au moment où il le cherche. Ce que vous y gagnez : ceux qui savent ne relisent plus tout, et ce qu'ils ont écrit sert à chaque dossier, pas seulement à ceux qui passent par eux.

Pour qu'elle évolue. Vos équipes précisent ce savoir-faire à chaque dossier qu'elles tranchent, et c'est vous qui validez chaque changement. Et comme relire n'entretient rien, une part des dossiers, choisie avec vous, reste écrite par ceux qui savent, avec les pièces que le logiciel a réunies. Ces dossiers servent deux fois : le métier s'y entretient et s'y apprend, et ils sont la référence sur laquelle le logiciel se mesure à chaque nouvelle version. Ce que vous y gagnez : votre meilleur garde la main parce qu'il écrit encore, et le nouveau apprend sur des dossiers qu'il fait, pas qu'il valide.

Pour répondre de ce qui part. Le logiciel travaille et ne répond de rien. Chacun répond de ce qui lui revient, par des gestes écrits dans le plan avec vos équipes, et le temps qu'ils prennent est compté : qui répond de chaque document, qui tranche ce que le logiciel renvoie, qui fixe le taux d'erreur acceptable, qui reprend chaque mois un échantillon tiré au hasard en cherchant ce que le logiciel a raté, et qui l'arrête s'il dérive. Ce que vous y gagnez : ce qui part chez vos clients est signé par quelqu'un qui l'a lu, et le temps de vérifier est dans le plan, pas volé sur la soirée.

Par où commencer

Vingt minutes, gratuites. Vous nommez un document où une erreur vous coûte de la marge : un devis, une commande, un contrat. Nous reprenons ensuite quelques affaires passées avec ceux qui savent, et nous écrivons la règle qui aurait repéré l'erreur. Si vos équipes préparent déjà ces documents avec une IA, nous la mesurons sur les mêmes affaires : où elle respecte la règle, et où elle se trompe. Et nous demandons à vos équipes comment elles la vivent : où elle les aide, où elle les gêne, ce qu'elles n'osent plus demander à un collègue, et ce que chacun repère de ce qu'elle produit. Vous repartez en sachant qui, chez vous, peut s'en servir pour quoi, et par où commencer.

Chez vous, ceux qui relisent les dossiers en écrivent-ils encore ?

Les sources

Le clip : « LGTM (Looks Good to Me) », chaîne Degenerative Pixels, chanson faite avec Suno, animation avec Claude. Mise en ligne le 5 octobre 2026 ; 1,5 million de vues au compteur le 24 octobre 2026.

Les médecins : Budzyń et al., The Lancet Gastroenterology & Hepatology, 2025, dix-neuf endoscopistes dans quatre centres polonais, plus de deux mille coloscopies chacun, 27,6 ans d'expérience en moyenne, trois mois avant et trois mois après l'arrivée d'une aide à la détection ; taux de détection d'adénomes sans la machine de 28,4 % à 22,4 %. Étude d'observation, pas un essai randomisé, onze limites listées par les auteurs. La seconde étude : Pedersen et al., Endoscopy, 2026, treize endoscopistes, 5 013 coloscopies, avec une phase de retrait du dispositif, même auteur senior : aucune perte ni gain de compétence observé après retrait ; l'effet « pourrait être temporaire ». Nous ne disons donc jamais que la perte est durable.

Les internes : Chassagnon et al., European Radiology, 2023, huit internes, cinq cents radiographies de thorax ; avec l'aide, sensibilité de 53 % contre 43 % ; aide retirée, 44 % contre 46 %. Huit personnes : un signal, pas une loi.

Le désengagement : LaborIA, laboratoire du ministère du Travail et d'Inria, Étude des impacts de l'IA sur le travail, rapport d'enquête LaborIA Explorer, mai 2024 (dix cas d'usage, six terrains, enquête qualitative, aucune mesure d'effet), et synthèse 2022-2024 avec six recommandations, février 2025. Les citations sont celles du rapport. C'est ce qu'observe un laboratoire public, pas une preuve chiffrée.

Le biais d'automatisation : Skitka et al., 1999, et Goddard, Roudsari et Wyatt, 2012 : les utilisateurs acceptent la sortie de la machine « comme un raccourci qui remplace la recherche et le traitement vigilants de l'information » ; le biais persiste chez des participants prévenus de la faillibilité de l'aide ; la redevabilité en atténue les effets. Littérature antérieure aux modèles de langage, en laboratoire et en aide à la décision clinique : une analogie forte, pas une mesure sur l'IA d'aujourd'hui.

Apportez un document que vos équipes préparent encore à la main.

Vingt minutes : si c'est faisable chez vous, et par où ça commence →

Pas encore prêt à en parler ? Lisez comment nous mettons l'IA sur un document préparé à la main — rien à payer, rien à engager.

Dernière mise à jour : 24 octobre 2026