Votre outil d'IA vous fait-il gagner du temps ou vous en donne-t-il davantage ?

L'assistant de réunion envoie une transcription, un résumé, une liste des décisions et douze propositions d'actions avant même que les participants aient quitté la visioconférence. L'outil de rédaction produit trois versions de l'e-mail de suivi. ChatGPT transforme une idée générale en une présentation détaillée, tandis qu'un générateur d'images propose plusieurs pistes visuelles pour chaque diapositive.

La production de ce travail s'est assurément accélérée. Il est en revanche plus difficile de dire si l'équipe est devenue plus productive.

Chaque document supplémentaire doit être examiné, évalué, corrigé ou approuvé. Quelqu’un doit décider quelle version de l’e-mail utiliser, si le compte-rendu de la réunion est exact et lesquelles des actions proposées ont effectivement été approuvées. Une présentation qui ne contenait autrefois qu’une seule recommandation viable peut désormais comporter six alternatives, chacune suffisamment plausible pour nécessiter une discussion.

L'IA permet de gagner du temps au stade de la création, mais ce temps peut réapparaître à d'autres étapes du flux de travail. Il se déplace de la rédaction à la révision, de la production au choix et, souvent, du travail à la discussion sur le volume croissant de contenu que les logiciels peuvent désormais générer presque sans effort.

Une sortie rapide n'est que le début du calcul

La plupart des produits d'IA démontrent leur valeur par leur rapidité. Un rapport s'affiche en quelques secondes, une vidéo est montée automatiquement ou un agent de programmation accomplit une tâche qui aurait occupé un développeur pendant tout un après-midi. Ces comparaisons sont convaincantes, car la différence est immédiate et facile à mesurer.

Ils mentionnent rarement tout ce qui se passe par la suite.

Un rapport généré peut nécessiter une vérification des faits, une réécriture et une validation. Le code produit automatiquement doit être testé, documenté et examiné afin de détecter d'éventuels problèmes de sécurité. Un assistant de recherche basé sur l'IA peut rassembler rapidement des dizaines de sources, mais il faut tout de même qu'une personne détermine si celles-ci sont fiables, à jour et pertinentes.

Le critère pertinent n'est donc pas le temps nécessaire pour produire un résultat, mais bien le temps nécessaire pour produire quelque chose qui puisse être utilisé en toute confiance.

Cette distinction revêt une importance particulière dans le cas des outils génératifs, car la création de contenu supplémentaire ne coûte pratiquement rien. Il semble plus facile de demander une autre version que de se demander si la première est suffisante. Il en résulte souvent une profusion de brouillons, de recommandations et d'alternatives qui fait peser la charge de travail sur la personne suivante dans le processus.

Les assistants de réunion peuvent transformer une réunion en plusieurs documents

Les outils de réunion basés sur l'IA apportent une réponse à un véritable problème. Ils évitent d'avoir à prendre des notes détaillées pendant l'écoute, permettent de rechercher facilement des passages de conversation et aident les collègues absents à comprendre ce qui a été discuté.

Elles peuvent également entraîner une charge administrative supplémentaire.

De nombreuses plateformes génèrent, après chaque réunion, une transcription intégrale, un résumé condensé, une ventilation par thème, une analyse des participants et une liste d'actions à mener. Lorsque personne n'a déterminé lesquels de ces documents sont essentiels, l'entreprise accumule des documents à un rythme plus rapide que celui auquel ses collaborateurs parviennent à les lire.

Les transcriptions sont particulièrement trompeuses. Leur disponibilité peut inciter les gens à enregistrer des réunions qui, auparavant, n'auraient pas nécessité de trace écrite. Les participants partent alors du principe qu'ils pourront revenir sur la conversation ultérieurement, alors que l'accumulation des archives rend de plus en plus difficile la recherche des échanges pertinents.

Les mesures à prendre automatisées posent un autre problème. Un système d'IA peut interpréter une suggestion, une question ou un commentaire provisoire comme un engagement. Quelqu'un doit vérifier la liste par rapport à ce dont les participants ont réellement convenu, attribuer la responsabilité des tâches et supprimer celles qui résultent d'une ambiguïté dans la conversation.

Un assistant de réunion permet de gagner du temps lorsqu'il remplace la prise de notes manuelle et génère un compte-rendu fiable dans un format que l'équipe utilise déjà. Il crée en revanche une charge de travail supplémentaire lorsque ses résultats constituent un flux d'informations supplémentaire dont personne n'est responsable.

Avant d'activer toutes les fonctionnalités disponibles, déterminez ce qui doit retenir l'attention à l'issue de la réunion. Pour de nombreuses équipes, un bref résumé reprenant les décisions prises, les responsabilités attribuées et les échéances est plus utile qu'un ensemble sophistiqué d'outils d'analyse.

Les assistants de rédaction facilitent la production de textes dont personne n'a besoin

ChatGPT, Claude et les outils de rédaction spécialisés ont allégé la charge de travail nécessaire à la rédaction d'e-mails, de rapports, de propositions et de communications internes. Cela peut s'avérer utile lorsque la tâche est clairement définie et que le destinataire a réellement besoin du résultat.

Cela peut également réduire le risque de générer des échanges inutiles.

Un compte-rendu d'avancement de projet qui, autrefois, exigeait un effort suffisant pour justifier son existence, peut désormais être généré à partir de quelques notes. Les responsables peuvent demander des synthèses hebdomadaires à chaque équipe, car les logiciels facilitent leur élaboration. Les collaborateurs peuvent transformer de brèves réponses en notes de service soignées, même lorsqu'une simple phrase aurait suffi.

Le destinataire doit tout de même lire le document. L'IA peut faire gagner dix minutes à l'auteur, mais impose quinze minutes de lecture à plusieurs collègues.

Un texte plus long peut également masquer une réflexion moins solide. Un document structuré, doté de titres soignés, donne une impression d'exhaustivité, même s'il contient des observations répétitives, des conclusions non étayées ou aucune recommandation claire. Le texte semble achevé avant même que la décision sous-jacente n'ait été prise.

Un outil d'écriture utile doit permettre de réduire l'effort nécessaire pour exprimer une idée mûrement réfléchie. Il ne doit pas se substituer à la réflexion sur ce qu'il convient de dire.

Avant de demander à l'IA de développer un brouillon, demandez-vous si l'inverse ne serait pas plus utile. Demandez-lui de supprimer les répétitions, d'identifier la décision à prendre ou de résumer le document aux trois points dont le destinataire a besoin.

Les outils de recherche peuvent remplacer la recherche par la vérification

Les outils de recherche basés sur l'IA permettent d'analyser des sites web, de comparer des documents et de fournir des réponses accompagnées de références. Ils sont nettement plus rapides que d'ouvrir des dizaines d'onglets et d'organiser manuellement les résultats.

Le gain de temps dépend du niveau de preuve requis.

Pour un premier aperçu, le résultat peut s'avérer immédiatement utile. En revanche, pour tout travail dans les domaines de l'investissement, du droit, de la médecine, de la technique ou de la stratégie, toute affirmation importante doit encore faire l'objet d'une vérification. L'assistant peut s'appuyer sur une source secondaire peu fiable, mal interpréter un document, combiner des chiffres provenant de périodes incompatibles ou présenter une déduction comme un fait avéré.

Il devient donc plus facile de se lancer dans une recherche, mais pas nécessairement plus facile de la mener à bien. L'utilisateur passe moins de temps à rechercher des informations et davantage à vérifier si la réponse obtenue est fiable.

Cet outil est particulièrement efficace lorsqu'il permet de restreindre le champ d'analyse. Il permet d'identifier la terminologie pertinente, de repérer les sources primaires susceptibles d'être pertinentes et de mettre en évidence les divergences apparentes entre les éléments de preuve. L'utilisateur vérifie ensuite le nombre réduit d'affirmations qui influenceront la décision finale.

Des problèmes surviennent lorsqu'un rapport généré par l'IA, même très soigné, est considéré comme une étude achevée. Plus la réponse semble sûre et exhaustive, plus il est facile de sous-estimer le travail nécessaire pour la vérifier.

Les développeurs produisent davantage de code… et donc davantage de code à relire

Les assistants de programmation basés sur l'IA comptent parmi les exemples les plus évidents de gains de productivité réels. Ils peuvent générer des fonctions courantes, expliquer du code inconnu, rédiger des tests et accélérer le débogage. Pour les développeurs expérimentés, ils permettent souvent d'éliminer les tâches répétitives et d'accélérer les expérimentations.

Leur succès entraîne également une augmentation du volume de code soumis au processus de révision.

Un développeur peut désormais produire plusieurs implémentations possibles dans le temps qu'il lui fallait auparavant pour en réaliser une seule. Les agents peuvent modifier plusieurs fichiers et générer des modifications importantes à partir d'une seule instruction. Le goulot d'étranglement ne réside plus dans l'écriture du code, mais dans la compréhension de ce qui a été écrit.

Les relecteurs doivent s'assurer que la solution répond au cahier des charges initial, qu'elle ne présente pas de failles de sécurité et qu'elle reste facile à maintenir par des collègues n'ayant pas participé à la conversation avec l'IA. Lorsque le code généré est inutilement complexe, sa validation peut prendre plus de temps que l'écriture directe d'une solution plus simple.

Le contexte a également son importance. L'agent peut comprendre la tâche immédiate sans pour autant saisir pourquoi l'organisation a délibérément évité une dépendance, une architecture ou un flux de données particulier. Une réponse techniquement valable peut tout de même s'avérer inadaptée au produit.

Les outils de codage permettent de gagner du temps lorsque les développeurs les utilisent pour accélérer des tâches qu’ils sont en mesure d’évaluer. Ils deviennent toutefois risqués lorsque la quantité et la complexité du code généré dépassent la capacité de l’équipe à le vérifier correctement.

Les générateurs d'images et de vidéos posent un problème de choix

Les outils de conception générative permettent de générer des dizaines de concepts en quelques minutes. Cela rend l'exploration visuelle accessible aux équipes qui, auparavant, ne disposaient ni du temps ni du budget nécessaires pour tester plusieurs pistes.

Pour autant, le fait d'avoir davantage d'options ne garantit pas automatiquement une meilleure décision.

Lorsque chaque consigne donne lieu à plusieurs images crédibles, les équipes peuvent consacrer davantage de temps à débattre du style, de la composition et des variations mineures. Les parties prenantes, qui se contentaient autrefois d’examiner une recommandation mûrement réfléchie, peuvent désormais s’attendre à voir toutes les alternatives possibles. Le rôle du concepteur évolue : il ne s’agit plus seulement d’élaborer une solution, mais de gérer un processus de sélection de plus en plus vaste.

Cette technologie peut également générer du travail en raison d'incohérences. Une image isolée peut paraître convaincante, mais reproduire fidèlement la même personne, le même produit ou le même environnement tout au long d'une campagne nécessite des instructions supplémentaires, des retouches et un contrôle qualité. De petites erreurs visuelles, faciles à manquer à l'écran, peuvent devenir évidentes après publication.

Les outils génératifs donnent les meilleurs résultats lorsque le cahier des charges créatif est déjà bien ciblé. Ils permettent d'explorer une orientation visuelle bien définie, de créer des arrière-plans, de tester des compositions ou d'accélérer les tâches répétitives. Ils s'avèrent moins efficaces lorsqu'ils sont utilisés pour repousser les décisions qui auraient dû être prises dès la phase de définition du cahier des charges.

L'automatisation nécessite une maintenance

L'automatisation des flux de travail est souvent présentée comme une charge de travail qui disparaît définitivement. Dans la pratique, chaque processus automatisé devient un petit système que quelqu'un doit surveiller.

Les autorisations changent, les API sont mises à jour, les données sources sont fournies dans un format différent et l'une des plateformes connectées modifie ses tarifs ou ses fonctionnalités. Un processus automatisé qui fonctionnait de manière fiable pendant six mois peut alors commencer à générer des enregistrements incomplets sans présenter de défaillance visible.

Les agents IA apportent une dimension supplémentaire, car leur comportement peut varier en fonction des informations qu'ils reçoivent. Une automatisation classique suit des règles prédéfinies. Un agent interprète la tâche, choisit les actions à mener et peut réagir différemment face à des situations qui semblent similaires.

Le coût de maintenance ne fait pas de l'automatisation un mauvais investissement. Cela signifie que les économies récurrentes doivent être suffisamment importantes pour justifier l'acquisition, les tests et les réparations occasionnelles.

Automatiser une tâche qui prend cinq minutes une fois par mois peut constituer une expérience intéressante, mais cela ne constitue probablement pas une mesure d'efficacité. Les meilleurs candidats sont les processus répétitifs présentant des données d'entrée stables, des résultats clairs et un volume suffisant pour rentabiliser l'effort de mise en œuvre.

Comment vérifier si un outil d'IA permet réellement de gagner du temps

Commencez par analyser le déroulement du processus avant de mettre en place l'outil. Évaluez la durée de la tâche, les personnes qui y participent et sa fréquence. Sans référence de départ, presque n'importe quelle démonstration rapide peut être interprétée à tort comme une amélioration.

Mesurez ensuite l'ensemble du processus après la mise en œuvre. Tenez compte de la préparation immédiate, de la création, de la correction, de la vérification des faits, de la validation, de la coordination et de toute communication supplémentaire générée par ce nouveau produit.

La qualité doit être évaluée indépendamment de la rapidité. Un outil peut ne pas réduire le temps de travail, mais permettre à une petite équipe de réaliser de meilleures analyses ou de traiter davantage de demandes. Cela peut justifier l'investissement, même s'il ne faut pas présenter cela comme un gain de temps.

Il convient également de se demander qui en tire profit. Une mise à jour générée par l’IA peut faire gagner du temps à son auteur, tout en alourdissant la charge de travail de cinq lecteurs. Un bot de service client peut réduire le volume d’assistance de l’entreprise en amenant les clients à résoudre eux-mêmes une plus grande partie de leurs problèmes. La productivité doit être évaluée à l’échelle de l’ensemble du processus plutôt que du point de vue de la personne qui utilise l’outil.

Enfin, déterminez ce qui peut être supprimé. La mise en place d’un résumé de réunion généré par l’IA devrait permettre de supprimer un autre type de compte-rendu. L’automatisation de l’extraction des données devrait éliminer la saisie manuelle, plutôt que d’ajouter une feuille de calcul générée par l’IA à côté de celle qui existe déjà. Un nouvel outil crée de la valeur lorsqu’il remplace du travail, et non lorsqu’il se contente d’y ajouter une couche supplémentaire.

Utilisez l'IA pour alléger le flux de travail, et non pour l'alourdir

Les utilisateurs d'IA les plus productifs ne sont pas forcément ceux qui produisent le plus de contenu. Ils utilisent cette technologie pour raccourcir le chemin entre une tâche initiale et un résultat exploitable.

Cela peut signifier demander une seule recommandation concise plutôt que dix propositions, extraire les décisions plutôt que de conserver l'intégralité d'une réunion, ou recourir à un assistant de rédaction pour supprimer le texte superflu plutôt que d'en produire davantage. Cela exige également des organisations qu'elles acceptent que certains documents, mises à jour et réunions n'aient plus lieu d'être.

Les systèmes d'IA sont capables d'écrire, d'analyser, de programmer et de créer à une vitesse extraordinaire. En revanche, ils ont plus de mal à déterminer quelles tâches n'auraient jamais dû être demandées, quelle option une organisation est prête à soutenir et à quel moment une discussion a assez duré.

Ces décisions relèvent toujours de la direction. Sans elles, une production plus rapide ne fait qu'alimenter davantage le volume de documents que les collaborateurs doivent examiner, expliquer et discuter. L'outil semble efficace, tandis que le flux de travail qui l'entoure ne cesse de s'alourdir.

La bonne question n'est pas de savoir quelle quantité de travail l'IA est capable de produire, mais quelle quantité de travail reste à faire une fois que les résultats sont obtenus.

Fondement de la recherche : l'article fourni soutient que l'IA accélère la production tout en réorientant le travail vers la coordination, l'explication et les réunions, car si les machines sont capables de générer des propositions, elles ne peuvent pas, en revanche, faire en sorte que les humains s'accordent.