Le temps gagné par l’IA

Caché par les salariés, ou avalé par le travail ?

40 % sur la tâche, presque rien au-delà

En 2023, une expérience publiée dans Science a mesuré ce que l’IA générative change à des tâches de rédaction professionnelle. Chez 453 participants, le temps moyen a baissé de 40 %.

Au-delà de la tâche, ce gain peut prendre trois formes : les salariés travaillent moins, gagnent plus, ou produisent davantage dans le même temps pour le même salaire. Au Danemark, deux ans après l’arrivée de ChatGPT, ni les heures ni les salaires n’ont bougé dans onze professions très exposées à l’IA.

Où passe la différence entre les deux ? En août 2026, une chronique de Forbes a donné sa réponse dans son titre : 66 % des salariés américains interrogés resteraient connectés pour cacher le temps que l’IA leur fait gagner. L’enquête qu’elle reprend ne pose pourtant aucune question sur l’IA.

Cacher son gain est l’une des quatre explications que j’examine, avec le délai d’apprentissage des organisations, la réallocation invisible et la mesure inadaptée. Dans la réallocation, le salarié consacre le temps gagné à d’autres tâches de son poste, pendant ses heures payées, et l’entreprise en profite sans l’avoir décidé ni partagé. C’est ce temps que j’appelle absorbé. Le problème tient à ce qu’aucune règle ne décide où il va ni qui en profite. Ma position, argumentée à la fin : le temps gagné doit faire l’objet d’une règle explicite, convenue entre direction, managers et collaborateurs.

Ce que disent les données

Un gain sur une tâche pèse peu sur la semaine. Les 40 % de l’expérience ne valent que pour les heures où l’on rédige. Au Danemark, l’étude sur ces onze professions croise, pour environ 25’000 travailleurs, une enquête et les données administratives sur leurs salaires et leurs heures. Les utilisateurs de l’IA y déclarent gagner environ 3 % de leur temps de travail, à peine plus d’une heure sur une semaine de 40 heures.

Beaucoup de salariés cachent qu’ils utilisent l’IA. Selon KPMG et l’Université de Melbourne, dans 47 pays, 42 % des salariés utilisateurs déclarent éviter « parfois à très souvent » de révéler leur usage. Ils ont une raison de se taire. Dans treize expériences d’une même étude, des participants jugent une personne décrite dans un scénario : celle qui avoue utiliser l’IA leur inspire moins confiance, même quand l’aveu est obligatoire.

Personne ne mesure la part du gain que les salariés gardent pour eux. Cacher son outil et cacher son temps sont deux comportements distincts. Les enquêtes mesurent le premier. À ce jour, aucune étude ne mesure le second pour l’IA, et aucune donnée suisse ne mesure même le temps gagné.

Ce qui est contesté

Les deux désaccords suivants opposent des mesures faites sur des personnes et des tâches différentes, avec les outils d’IA disponibles de 2023 à début 2025.

Le gain sur une tâche. L’expérience de Science mesure 40 % de temps en moins sur une rédaction isolée. En 2025, l’organisme de recherche METR a fait travailler 16 développeurs expérimentés sur 246 tâches réelles, dans des projets de logiciel libre qu’ils connaissaient. Avec les outils de début 2025, ils ont mis 19 % de temps en plus, en croyant être allés 20 % plus vite. En février 2026, METR jugeait qu’ils allaient probablement plus vite avec les outils du moment. Le gain dépend donc de la tâche et de l’outil. On le surestime aussi.

Le temps gagné sur une semaine. Un essai a suivi pendant six mois 7’137 salariés de 66 grandes entreprises clientes de Microsoft, dont une partie, tirée au sort, a reçu Copilot, son assistant d’IA. Selon la télémétrie, qui enregistre le temps passé dans chaque logiciel, ces utilisateurs passent deux heures de moins par semaine sur leurs courriels. C’est plus que ce que les utilisateurs danois de l’IA déclarent gagner sur tout leur travail. L’outil diffère, les salariés aussi. Et les deux heures valent pour les seuls utilisateurs de Copilot : sur tout le groupe tiré au sort, la baisse est de 1.4 heure.

Quatre explications

La dissimulation

En 1911, Frederick Taylor décrivait des ouvriers payés à la pièce qui freinaient leur production de façon organisée. Quand ils produisaient davantage, la direction baissait le prix payé pour chaque pièce, si bien qu’un ouvrier qui produisait beaucoup faisait baisser son propre tarif. Après deux ou trois baisses, il ralentissait exprès. Les économistes appellent ce mécanisme l’effet cliquet : montrer une bonne performance relève l’objectif suivant.

Je pense que le salarié équipé d’IA fait le même calcul. S’il montre qu’il va plus vite, il s’attend à recevoir plus de travail pour le même salaire. Sa direction peut aussi en conclure que l’IA fait une partie de son travail, et décider de ne plus l’augmenter, voire de supprimer son poste. En mai 2026, 46 % des directeurs financiers suisses interrogés par Deloitte prévoyaient de réduire à moyen terme les coûts salariaux grâce à l’IA.

L’effet cliquet naît quand la direction ne peut pas s’engager sur la suite. S’engager de façon crédible, c’est fixer à l’avance, pour plusieurs périodes, ce que deviendront l’objectif et la paie après une bonne performance, et s’y tenir.

Une étude publiée en 2011, sans lien avec l’IA, observe un comportement comparable là où la direction ne s’engage pas. Elle a suivi des gérants de magasin dont l’objectif de l’année suivante dépend des ventes de l’année en cours. Après trois bons trimestres, ils ralentissent au dernier. Ils atteignent ensuite leur objectif plus souvent que les autres gérants, puisqu’il est resté bas. J’en tire un argument pour la règle que je défends : une direction qui s’engage de façon crédible retire au salarié sa raison de freiner.

L’enquête reprise par Forbes montre d’ailleurs, hors IA, que deux tiers des salariés américains interrogés font semblant d’être occupés une fois leur travail fini. Je retiens donc la dissimulation comme explication de l’écart : le même calcul s’observe chez des gérants de magasin.

Le délai d’apprentissage

Le délai d’apprentissage est ici celui de l’organisation : l’entreprise apprend à réorganiser le travail autour de l’outil, ce qu’aucun salarié ne peut faire seul. Ce temps de réorganisation est un investissement immatériel, que les statistiques ne comptent pas comme une production. La productivité paraît d’abord plus faible. Trois économistes ont nommé ce tracé, un creux puis une remontée, la courbe en J, et l’ont mesuré pour l’informatique.

L’essai Copilot et ses auteurs éclairent ce qui retient les entreprises dans le creux : les utilisateurs passent moins de temps sur leurs courriels, et autant qu’avant en réunion. Raccourcir une réunion ou changer qui rédige quoi suppose que les collègues s’entendent sur de nouvelles habitudes.

Le délai d’apprentissage a un défaut : tant que le gain n’apparaît pas, on peut toujours dire qu’on est dans le creux. Rien ne garantit encore que l’IA générative suive le tracé de l’informatique. Sa remontée reste un pari.

La réallocation invisible

Dans cette explication, le salarié consacre le temps libéré à d’autres tâches, pendant ses heures payées. L’entreprise en profite sans l’avoir décidé, et ses indicateurs, qui comptent les heures et les salaires, n’en voient rien. Au Danemark, parmi les utilisateurs qui déclarent gagner du temps, 84.7 % comptent le consacrer à d’autres tâches et 29.4 % à davantage des mêmes tâches. Plusieurs réponses étaient possibles. Seuls 7.2 % comptent prendre plus de pauses, et 5.8 % plus de loisirs. Certains déclarent aussi des tâches que l’IA a créées : contrôler ce qu’elle produit, rédiger des consignes d’usage.

Ce temps ne passe pas en heures supplémentaires. Dans l’essai Copilot, le travail hors horaires baisse même d’un quart d’heure par semaine. La télémétrie ne retrouve les deux heures de courriels gagnées ni en réunion ni sur les documents. Le reste lui échappe : autres logiciels, travail hors écran, temps gardé pour soi.

Une autre étude a suivi pendant deux ans environ 187’000 développeurs de logiciels libres, dont certains avaient droit, selon un seuil, à un assistant de programmation gratuit. Ceux-là ont 12.4 % d’activité de programmation en plus, et 24.9 % de gestion de projet en moins. Leur activité se déplace vers le cœur du métier.

Invisible pour les indicateurs de l’organisation, la réallocation est pourtant la mieux mesurée des quatre explications. La télémétrie de l’essai Copilot enregistre le temps qui quitte les courriels, et les données d’activité des développeurs enregistrent le déplacement de leur activité vers le cœur du métier.

La mesure inadaptée

Chaque instrument ne voit qu’un morceau du temps gagné. Une expérience chronomètre une tâche isolée. La télémétrie enregistre le temps passé dans les logiciels, sans voir ni la qualité ni le travail hors écran. Une enquête recueille ce que chacun croit gagner. Les données administratives comptent les heures et les salaires. Aucun ne suit les mêmes personnes de la tâche jusqu’aux comptes de l’entreprise.

Les déclarations gonflent le gain. D’octobre à décembre 2024, le ministère britannique du Commerce a fait tenir un journal de bord à ses fonctionnaires équipés de Copilot. Les évaluateurs du ministère ont ensuite retiré du gain déclaré les résultats que personne n’a utilisés et les tâches faites seulement parce que l’outil existait. Le gain d’une séance de brainstorming, par exemple, tombe alors de 2.1 heures déclarées à 0.5 heure retenue.

Deux constats appuient la mesure inadaptée. L’ouverture de ce billet rapproche une tâche chronométrée des heures et des salaires, que d’autres instruments mesurent. Le gain déclaré, lui, contient du temps jamais gagné.

Les quatre explications ensemble

Aucune étude ne chiffre ces explications ensemble, mais on peut les classer. Une partie du temps déclaré n’a jamais été gagnée : c’est la mesure inadaptée. La plus grande partie est absorbée, pendant les heures du salarié et au profit de l’entreprise, qui en perd une part dans les tâches que l’outil crée. Une petite partie revient au salarié, sous forme d’un peu moins de travail hors horaires. Je pense qu’une autre partie se cache. Les tenants du délai d’apprentissage parient que ce temps deviendra un gain pour toute l’organisation.

Le temps absorbé et le temps caché ont un point commun : aucune règle n’a fixé leur sort. L’entreprise capte le premier par défaut. Le salarié garde le second pour lui, parce que personne ne s’est engagé sur ce que deviendrait ce gain.

J’ajoute une raison de ne pas voir le gain, propre aux métiers qui vendent des heures (conseil, informatique, fiduciaire). Tant que l’entreprise facture le temps passé, chaque heure gagnée lui fait perdre du chiffre d’affaires, et elle a elle-même intérêt à ne pas la voir.

Choisir une posture, puis agir à trois niveaux

Une direction choisit d’abord entre deux postures. La première capte le gain pour l’entreprise. Ses tenants la défendent ainsi : l’IA permet de réduire les coûts salariaux, comme le prévoient les 46 % de directeurs financiers déjà cités, et de tenir les marges. La seconde s’assure que chaque partie prenante y gagne (collaborateurs, clients, entreprise), dans une logique de résilience et de durabilité. Je choisis la seconde, parce que la première nourrit la dissimulation décrite plus haut : un salarié qui craint pour son poste garde son gain pour lui.

Direction et collaborateurs : convenir de ce que deviennent les gains. La règle fixe d’abord l’usage des gains, sans avoir à les mesurer : à quoi ils serviront, et à quoi jamais. Direction et collaborateurs en décident ensemble, avant que les gains apparaissent. Pour que les collaborateurs croient à la règle, la direction prend des engagements crédibles. Un suivi commun vérifie qu’ils tiennent.

En France, la MAIF donne un exemple concret de collaboration entre employeur et employés. Le 7 mai 2026, sa direction a signé avec six syndicats un accord sur l’IA qui couvre environ 9’700 salariés jusqu’à la fin de 2028. L’accord réinvestit les gains d’efficacité en priorité dans l’amélioration du service rendu aux sociétaires et dans l’enrichissement des activités et des métiers. Il exclut tout licenciement économique lié à l’IA. Selon un syndicat signataire, ces gains « ne serviront pas à réduire les effectifs ni à alourdir les objectifs individuels ». Une commission de douze membres, rattachée à la représentation du personnel, se réunit trois fois par an. C’est la même réallocation que plus haut, mais décidée, convenue et assortie de garanties.

Managers : valoriser le résultat et faciliter le travail d’équipe. Le manager doit valoriser le résultat du collaborateur et de son équipe tel que le client le perçoit, plutôt que les heures passées ou l’outil employé. En jugeant le résultat, il répond aussi à la méfiance envers celui qui avoue utiliser l’IA. Je préfère un collaborateur qui résout des problèmes complexes et prend tous ses après-midis à un collaborateur débordé d’heures supplémentaires, incapable de surmonter ses problèmes.

Le manager doit alors valoriser financièrement le peu d’heures du premier, à l’acte ou au forfait, et améliorer l’organisation du second, par exemple avec l’apport de l’IA. Dans l’autre sens, le manager délègue des activités ; il « achète » du temps à ses fournisseurs et surtout à ses collaborateurs. Il gagne à leur acheter un résultat. Il facilite aussi le travail d’équipe, en amenant ses collaborateurs à s’entendre sur de nouvelles habitudes. Une grande part de la gestion du changement induit par l’IA est portée par le manager.

Chacun : mesurer son propre gain. Notez chaque semaine ce que l’IA vous fait gagner, net du temps passé à corriger ses résultats et des tâches faites seulement parce que l’outil existe. Notez aussi ce que vous faites de ce temps. C’est la méthode du ministère britannique, à l’échelle d’une personne.

Ma réponse, et ce que je propose

Où passe la différence ? Surtout dans le travail du salarié, pendant ses heures payées, au profit de l’entreprise, qui ne l’a ni décidé ni partagé. Dans les entreprises au management affaibli, je pense que cette absence de décision ne fait que renforcer un problème déjà présent.

Le temps gagné doit faire l’objet d’une règle explicite, convenue entre direction, managers et collaborateurs, qui dise où il va, qui en profite et à quoi il ne servira jamais.

Ma conviction : sans règle, tout le monde y perd, hormis le fournisseur d’IA. L’entreprise capte la plus grande partie du temps gagné, mais n’en tire qu’une faible partie du gain. Elle ne le voit ni ne le dirige. Une autre partie se perd dans les tâches que l’outil crée. Une autre encore se cache, et c’est rationnel de la part de ceux qui la cachent : ils craignent pour leur augmentation ou pour leur poste. Seul le fournisseur d’IA est payé à coup sûr, que le gain se voie ou non.

Je suggère une piste, sur laquelle nous devons réfléchir : la semaine de quatre jours. Une fois les gains établis ensemble, je crois possible de les convertir en temps libre, avec un plan gagnant-gagnant, jusqu’à une journée de moins par semaine. Les gains d’aujourd’hui en sont loin, avec environ 3 % déclarés au Danemark face aux 20 % d’une journée sur cinq : cette journée est une ligne de mire. Dans les métiers qui vendent des heures, ce plan suppose aussi de ne plus facturer les heures passées, sauf exceptions. On facture alors l’abonnement, le forfait ou l’acte.

Une étude sans lien avec l’IA a suivi 2’896 salariés passés à quatre jours sans baisse de salaire, dans 141 organisations volontaires de six pays anglophones. Elle mesure leur santé et leur bien-être : ces salariés sont moins épuisés qu’avant et en meilleure santé, contrairement à un groupe d’entreprises de comparaison.

Bien entendu, on m’objectera que mesurer les gains pousse les salariés à les cacher. C’est vrai tant que la mesure peut servir à relever les objectifs ou à supprimer des postes, mais plus quand la direction s’est engagée à ne pas s’en servir ainsi. La règle vient donc avant la mesure.

Mettez l’usage des gains sur la table, avec ceux qui gagnent ce temps. Posez à côté la semaine de quatre jours, et réfléchissons-y ensemble.

---

Références et sources clés

Liens vérifiés les 22 et 23 septembre 2026.

Gain sur la tâche et dans l’économie

• Noy & Zhang, « Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence », Science 381(6654), 2023, p. 187-192 : DOI 10.1126/science.adh2586 · résumé PubMed · version de travail, MIT, mars 2023. La version publiée est payante ; la version de travail est la seule en accès libre. Les 40 % viennent de la version publiée (453 participants) ; la version de travail donnait 37 %.
• Anders Humlum & Emilie Vestergaard, document de travail NBER 33777, mai 2025, révisé en mars 2026 sous le titre « Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI » : page NBER · version révisée, PDF. Document de travail, non publié en revue ; les effets sur salaires et heures reposent sur des données administratives, les réponses sur l’usage du temps gagné sont déclaratives et portent sur une intention.

Dissimulation de l’usage

• Gillespie, Lockey, Ward, Macdade & Hassed (KPMG et Université de Melbourne), Trust, Attitudes and Use of Artificial Intelligence: A Global Study 2025, avril 2025, DOI 10.26188/28822919 : rapport complet, p. 75-76 · communiqué. Déclaratif, 48’340 répondants dans 47 pays ; aucun chiffre suisse publié.
• Schilke & Reimann, « The Transparency Dilemma: How AI Disclosure Erodes Trust », Organizational Behavior and Human Decision Processes 188, 2025 : RePEc. Treize expériences.

Freinage et effet cliquet

• Frederick W. Taylor, The Principles of Scientific Management, 1911 : Project Gutenberg.
• Martin L. Weitzman, « The « Ratchet Principle » and Performance Incentives », Bell Journal of Economics 11(1), 1980, p. 302-308 : RePEc. Formalise l’effet cliquet.
• Bouwens & Kroos, « Target ratcheting and effort reduction », Journal of Accounting and Economics 51(1-2), 2011, p. 171-185 : DOI 10.1016/j.jacceco.2010.07.002. Données de terrain sur des gérants de magasin, corrélationnelles ; hors IA.

Productivité de façade, hors IA

• Software Finder, enquête sur la productivité simulée (1’003 actifs américains, terrain de mai 2026), mise à jour du 9 juillet 2026 : softwarefinder.com. Source des 66 % ; ne pose aucune question sur l’IA ; source unique ; Software Finder est un comparateur de logiciels.
• Nirit Cohen, « AI Saves Time. 66% Of Employees Stay Online To Hide It », Forbes, 2 août 2026 : Forbes, 2 août 2026 · version publiée sur le site de l’auteure. Chronique de contributrice : le lien avec l’IA est une interprétation de l’auteure.

Délai d’apprentissage

• Brynjolfsson, Rock & Syverson, « The Productivity J-Curve: How Intangibles Complement General Purpose Technologies », American Economic Journal: Macroeconomics 13(1), 2021, p. 333-372 : AEA.

Ce que devient le temps, et comment on le mesure

• Dillon, Jaffe, Immorlica & Stanton, « Shifting Work Patterns with Generative AI », document de travail NBER 33795, révisé en novembre 2025 : nber.org · arXiv 2504.11436. Essai randomisé, 7’137 salariés de 66 entreprises ; auteurs principaux employés par Microsoft Research, entreprises clientes de Microsoft.
• Manuel Hoffmann, Sam Boysel, Frank Nagle, Sida Peng & Kevin Xu, « Generative AI and the Nature of Work », Harvard Business School Working Paper 25-021 / CESifo Working Paper 11479, version révisée d’avril 2025 : SSRN · CESifo, PDF · présentation MIT Sloan, 10 mars 2026. Document de travail non publié en revue ; quasi-expérience sur 187’489 développeurs de logiciels libres, sur deux ans d’activité ; deux co-auteurs employés par Microsoft (Sida Peng) et par sa filiale GitHub (Kevin Xu), et soutien financier de GitHub.
• METR, « Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity », 10 juillet 2025 : metr.org. Prépublication arXiv:2507.09089, non évaluée par les pairs ; essai randomisé sur 16 développeurs de logiciel libre, sur des projets qu’ils connaissent, petit échantillon ; le ralentissement est jugé dépassé par METR lui-même en février 2026.
• METR, mise à jour de l’étude sur l’accélération des développeurs, 24 février 2026 : metr.org.
• METR, enquête sur l’usage de l’IA auprès de 349 travailleurs techniques, 11 mai 2026 : metr.org. Source de la comparaison entre déclarations et expériences.
• Department for Business and Trade (ministère britannique du Commerce), évaluation de Microsoft 365 Copilot, 2025 : gov.uk, PDF. Journal de bord et tâches observées, octobre à décembre 2024 ; source unique, sans groupe témoin.

Règles, accords et temps de travail

• MAIF, accord d’entreprise sur le développement de l’IA, signé le 7 mai 2026 avec six organisations syndicales : communiqué MAIF · Lamy Liaisons, 3 juin 2026 · CFE-CGC. Cas unique, non évalué. L’accord exclut tout licenciement économique lié à l’IA, réinvestit les gains d’efficacité en priorité dans l’amélioration du service rendu aux sociétaires et dans l’enrichissement des activités et des métiers, et crée une commission IA de douze membres rattachée au comité social et économique (CSE), réunie trois fois par an. La phrase sur les objectifs individuels est celle de la CFE-CGC.
• Fan, Schor, Kelly & Gu, « Work time reduction via a 4-day workweek finds improvements in workers’ well-being », Nature Human Behaviour 9(10), 2025, p. 2153-2168 : DOI 10.1038/s41562-025-02259-6. 2’896 salariés de 141 organisations dans six pays anglophones, semaine de quatre jours sans baisse de salaire ; organisations volontaires, sans tirage au sort ; l’étude ne porte pas sur l’IA.

Suisse

• Deloitte Suisse, enquête auprès des directeurs financiers, mai 2026 : relais du KMU-Portal du SECO. Déclaratif ; cabinet de conseil ; porte sur des intentions de réduction.

Pour aller plus loin

• Reif, Larrick & Soll, « Evidence of a Social Evaluation Penalty for Using AI », PNAS 122(19), e2426766122, 8 mai 2025 : texte intégral en libre accès, PubMed Central · DOI 10.1073/pnas.2426766122. Qui utilise l’IA au travail est jugé moins compétent et moins motivé ; quatre expériences préenregistrées sur vignettes, 4’439 participants.
• Bernstein, « The Transparency Paradox », Administrative Science Quarterly 57(2), 2012, p. 181-216 : DOI 10.1177/0001839212453028. Des ouvriers observés dissimulent leurs améliorations de méthode ; usine chinoise de téléphones mobiles ; hors IA.
• Bloom, Sadun & Van Reenen, « Americans Do IT Better: US Multinationals and the Productivity Miracle », American Economic Review 102(1), 2012, p. 167-201 : DOI 10.1257/aer.102.1.167. Le gain de l’informatique dépend de l’organisation ; établissements britanniques ; hors IA.
• Bick, Blandin & Deming, « The Rapid Adoption of Generative AI », Management Science, 2026 : DOI 10.1287/mnsc.2025.02523. Temps gagné déclaré égal à 1.4 % de toutes les heures de travail aux États-Unis, fin 2024 ; enquêtes représentatives, déclaratives ; article en avance de publication ; financement de la Walmart Foundation.
• Daron Acemoglu, « The simple macroeconomics of AI », Economic Policy 40(121), 2025, p. 13-58 : DOI 10.1093/epolic/eiae042. Au plus 0.66 % de productivité totale des facteurs en dix ans ; modèle calibré.