L’IA augmente-t-elle les individus en désaugmentant le collectif ?

L’intelligence artificielle permet à chacun d’écrire, d’analyser, de chercher et de produire sans solliciter ses collègues. Ce gain d’autonomie est réel. Des tâches d’attente disparaissent, des premières versions arrivent plus vite et l’accès à certaines compétences se démocratise. Mais une organisation peut-elle encore penser et décider collectivement lorsque chacun entretient une relation privilégiée avec sa propre machine ?

La question ne concerne pas seulement la convivialité au bureau ou le nombre de conversations dans une journée. Elle porte sur ce que ces conversations rendent possible : la confrontation des points de vue, la transmission des savoirs tacites, la compréhension des contraintes d’un autre métier, la reconnaissance du travail accompli et la construction de critères communs. Selon la manière dont elle est intégrée, l’IA peut soutenir une communauté de coopération ou accélérer la transformation de l’entreprise en agrégation de performances individuelles.

1. Quand l’assistant artificiel remplace la sollicitation humaine

Dans de nombreux métiers intellectuels, le premier réflexe change. Avant de demander à un collègue comment structurer une note, retrouver un précédent, interpréter une donnée ou reformuler un argument, le collaborateur interroge un assistant. Il obtient une réponse immédiate, sans agenda à coordonner, sans crainte de déranger et sans avoir à exposer ce qu’il ignore.

Cette évolution n’a rien d’entièrement négatif. Beaucoup de sollicitations internes sont coûteuses et certaines validations ne protègent aucune qualité réelle. Une IA peut absorber une recherche préparatoire, proposer un plan, repérer une incohérence ou produire une première reformulation. Elle réduit des interruptions et rend à chacun une marge de manœuvre utile. L’expérience menée auprès de 791 professionnels de Procter & Gamble, publiée en juin 2026 dans Organization Science, montre même que des individus assistés par l’IA ont atteint, sur les tâches étudiées, un niveau comparable à celui d’équipes humaines sans IA. Les solutions sont également devenues plus équilibrées entre les sensibilités techniques et commerciales.

Ce résultat invite à résister aux diagnostics simplistes. L’IA ne condamne pas le collectif ; elle peut rapprocher des expertises que les silos éloignaient. Mais l’expérience portait sur des problèmes d’innovation délimités et ne démontre pas qu’un assistant puisse remplacer durablement une communauté de travail. Les auteurs soulignent d’ailleurs la valeur persistante du jugement humain dans la sélection des idées.

Une sollicitation humaine ne sert jamais uniquement à obtenir une information. Demander l’avis d’une responsable commerciale rend visibles ses critères de décision. Faire relire une note par un juriste révèle les contraintes qu’un modèle générique ne connaît pas. Consulter un technicien rappelle ce que la stratégie suppose sur le terrain. Quand ces interactions disparaissent, l’entreprise ne perd pas nécessairement du temps de parole ; elle peut perdre la visibilité de ses propres compétences, de ses raisonnements et de ses responsabilités.

2. L’erreur de confondre autonomie et autosuffisance

Un collaborateur autonome ne travaille jamais réellement seul. Sa marge d’action repose sur des données préparées par d’autres, des règles, une culture, des outils, des décisions antérieures, une connaissance du client et des habitudes de coopération. Même son intuition la plus personnelle s’est formée au contact de situations, de collègues et de contradictions accumulées.

L’IA peut masquer cette infrastructure. Parce qu’elle restitue rapidement une réponse cohérente, elle donne l’impression que la dépendance aux autres a disparu. En fait, elle a souvent été déplacée : vers les corpus qui ont entraîné le modèle, vers les données de l’entreprise, vers le fournisseur de l’outil et vers les personnes qui devront vérifier le résultat. L’utilisateur paraît autosuffisant parce que les contributions collectives sont devenues moins visibles.

Alexis de Tocqueville distinguait l’individualisme de l’égoïsme. Il décrivait un retrait progressif par lequel chacun se replie sur un cercle restreint et se désintéresse du destin commun, persuadé de pouvoir se suffire à lui-même. La comparaison ne signifie pas que l’assistant conversationnel produirait mécaniquement ce retrait. L’individualisation du travail existait avant lui, portée par les objectifs personnels, le télétravail mal organisé, la spécialisation des métiers ou l’affaiblissement des espaces de discussion.

L’IA lui fournit cependant une infrastructure très efficace. Elle permet de chercher sans demander, de produire sans attendre, de corriger sans solliciter et de simuler une contradiction sans s’exposer au regard d’un pair. L’autonomie devient problématique lorsqu’elle ne libère plus la coopération, mais nourrit l’illusion qu’elle serait devenue inutile.

Pour un dirigeant, le bon indicateur n’est donc pas le nombre de tâches désormais réalisées seul. Il faut regarder ce que cette autonomie rend possible à l’échelle de l’entreprise. Dégage-t-elle du temps pour mieux arbitrer ensemble ? Ou réduit-elle les situations dans lesquelles les collaborateurs comprennent leurs interdépendances et construisent un langage commun ?

3. Recevoir une réponse ne signifie pas être reconnu

La philosophie de Hegel place la reconnaissance au cœur de la formation de soi : une identité ne se constitue pas seulement par ce qu’elle sait faire, mais dans une relation où d’autres consciences la reconnaissent et où elle les reconnaît en retour. Dans l’entreprise, cette idée prend une forme très concrète. Un métier existe parce que son expertise est sollicitée, discutée et jugée pertinente par d’autres métiers. Un professionnel se construit aussi par les responsabilités qu’on lui confie, les désaccords qu’il traverse et la confiance qu’il gagne.

Une IA peut répondre, corriger, encourager, simuler un désaccord et produire une évaluation. Elle peut offrir un espace de préparation précieux à celui qui hésite à présenter une idée. Elle ne participe pourtant pas à une réciprocité sociale durable. Elle ne risque ni sa réputation, ni une relation professionnelle, ni la réussite du projet. Elle ne se souviendra pas d’un arbitrage comme d’un engagement partagé et n’assumera pas les conséquences d’un conseil dans la durée.

Cette différence n’interdit pas d’utiliser l’IA comme interlocuteur préparatoire. Elle oblige à ne pas confondre une interaction fluide avec une relation de reconnaissance. Un collaborateur peut devenir techniquement plus performant tout en étant moins visible de ses pairs, moins sollicité pour son expertise et moins intégré aux décisions. Le risque n’est pas seulement psychologique. Une compétence qui n’est plus reconnue circule moins ; elle se transmet moins et finit par peser moins dans les arbitrages.

Le management doit alors surveiller un paradoxe : les livrables peuvent s’améliorer tandis que les professionnels qui les produisent perdent une partie des relations par lesquelles ils apprennent leur métier et trouvent leur place. L’entreprise obtient davantage de réponses, mais elle entretient moins les liens qui permettent de savoir à qui faire confiance lorsque la réponse standard ne suffit plus.

4. Produire davantage ne signifie pas agir ensemble

Hannah Arendt distingue le travail nécessaire à la vie, l’œuvre qui construit un monde relativement durable et l’action par laquelle des personnes prennent des initiatives dans un espace commun. Sans transposer mécaniquement ces catégories à l’entreprise, elles éclairent une confusion fréquente : produire des livrables n’équivaut pas à définir ensemble ce qui mérite d’être produit.

L’IA accélère la fabrication de notes, de présentations, d’analyses, de scénarios et de solutions. Cette abondance peut enrichir une décision. Elle peut aussi saturer l’attention et faire passer la capacité de produire avant la capacité de choisir. Une direction reçoit plus d’options, mais dispose-t-elle de critères partagés pour les hiérarchiser ? Une équipe génère davantage d’idées, mais sait-elle encore nommer le problème commun qu’elle cherche à résoudre ?

La décision collective ne consiste pas à additionner des préférences individuelles. Elle oblige à exposer des raisons, accepter la contradiction, comprendre les effets d’un choix sur d’autres fonctions et assumer un compromis. L’assistant peut préparer cette discussion, documenter les options ou faire apparaître un angle mort. Il ne détermine pas la finalité commune et ne porte pas la responsabilité de l’arbitrage.

La performance durable vient donc moins du nombre de documents générés que de la manière dont ils alimentent un monde commun : des références stables, des décisions explicables, une mémoire des arbitrages et des engagements que chacun peut comprendre.

5. De la productivité individuelle à la dette collective

Un gain de temps local peut créer un coût ailleurs. Le collaborateur rédige plus vite, mais le validateur doit vérifier des sources qu’il ne voit plus. Le commercial prépare seul une proposition, mais l’équipe opérationnelle découvre trop tard une promesse difficile à tenir. Le manager résume automatiquement des échanges, mais les nuances qui auraient permis de comprendre un désaccord disparaissent. Chaque résultat paraît efficace pris isolément ; leur accumulation peut fragiliser le système.

On peut appeler dette collective l’ensemble des coûts différés qu’une organisation accumule lorsqu’elle optimise les performances individuelles sans entretenir ses mécanismes de coopération. Comme une dette technique, elle reste longtemps discrète. Elle apparaît ensuite sous la forme de reprises, d’incompréhensions entre métiers, de décisions difficiles à expliquer ou d’une dépendance excessive envers quelques personnes capables de reconstituer le contexte.

Cette dette comprend la perte de transmission informelle et l’affaiblissement des savoirs tacites, ces connaissances que les professionnels appliquent sans toujours pouvoir les convertir en procédure. Elle grandit aussi lorsque les productions s’homogénéisent, lorsque la responsabilité se dilue entre l’utilisateur et l’outil, ou lorsque la vérification est repoussée vers l’aval. À mesure que chacun sollicite son propre assistant, l’entreprise peut connaître de moins en moins les contraintes réelles de ses autres métiers.

La dépendance aux fournisseurs constitue une autre composante. Si les méthodes de recherche, de synthèse ou de rédaction résident dans des outils individuels, la mémoire du travail se déplace hors du collectif. Une panne, un changement de modèle ou une politique tarifaire suffit alors à révéler que le gain d’autonomie reposait sur une infrastructure que l’entreprise ne maîtrisait pas.

Les travaux disponibles invitent toutefois à la prudence. Un résumé de recherche présenté à l’Academy of Management en 2025 analyse plus de 8,4 millions de traces de collaboration dans une entreprise technologique afin d’étudier la manière dont l’usage de l’IA reconfigure les réseaux humains. L’échelle des données est notable, mais il s’agit d’un terrain unique et d’un résumé de conférence : il fournit un signal, pas une loi générale sur l’isolement au travail. C’est précisément pourquoi les entreprises doivent observer leurs propres flux de coopération plutôt que plaquer un diagnostic universel.

6. Gouverner l’IA comme une infrastructure relationnelle

Une charte d’usage et une politique de sécurité restent nécessaires. Elles ne suffisent pas à gouverner les effets de l’IA sur la circulation du savoir. Une organisation mature traite aussi l’outil comme une infrastructure relationnelle : elle se demande quelles interactions il remplace, lesquelles il améliore et lesquelles elle veut délibérément préserver.

Le premier levier consiste à organiser des revues collectives de productions assistées par l’IA. Il ne s’agit pas de réintroduire une validation lourde sur chaque brouillon, mais de choisir les objets qui engagent plusieurs métiers ou une décision importante. La revue doit porter autant sur le raisonnement et les sources que sur la qualité formelle du résultat. Elle rend à nouveau visibles les critères de chacun.

L’entreprise doit également conserver des espaces où la contradiction est attendue. Une réunion utile n’est pas celle où l’on partage des informations déjà accessibles ; c’est celle où des professionnels confrontent leurs hypothèses, explicitent leurs contraintes et modifient éventuellement leur jugement. L’IA peut préparer ce travail en synthétisant les options. Elle ne doit pas devenir le prétexte à supprimer l’endroit où elles sont réellement discutées.

Documenter les décisions importantes est tout aussi décisif. La trace ne doit pas se limiter au livrable final : elle doit conserver les hypothèses, les critères, les personnes responsables de la validation et les raisons de l’arbitrage. Cette mémoire protège l’apprentissage collectif, notamment lorsque les équipes changent ou que l’outil évolue.

Les dirigeants peuvent ensuite identifier les savoirs qui ne doivent pas devenir exclusivement individuels. Une méthode de chiffrage, une compréhension fine d’un client, une règle de sécurité ou un arbitrage juridique ne peuvent rester enfermés dans l’historique privé d’un assistant. Ils doivent rejoindre un référentiel partagé, être discutés et faire l’objet d’une responsabilité explicite.

Le programme LaborIA insiste sur le travail réel, le dialogue continu et l’apprentissage progressif. Le rapport consacré aux initiatives informelles d’IA, recensé par l’Anact en 2025, recommande également de faire émerger des critères partagés de qualité et une gouvernance construite avec les usages. Pour une PME ou une ETI, cette approche est plus réaliste qu’un cadre abstrait : partir des pratiques permet d’observer où l’outil économise vraiment du temps, mais aussi vers qui il déplace la charge de contrôle, d’explication ou de correction.

Habermas aide à préciser l’enjeu. La rationalité instrumentale cherche le moyen le plus efficace d’atteindre un objectif. La rationalité communicationnelle vise la compréhension mutuelle et un accord dont les raisons peuvent être discutées. L’entreprise a besoin des deux. L’IA excelle souvent dans la première ; elle peut soutenir la seconde, mais ne dispense jamais les personnes de construire entre elles un accord qu’elles pourront expliquer et assumer.

Évaluer seulement le temps économisé revient donc à mesurer la moitié de la transformation. Il faut aussi suivre la qualité des décisions, la diversité des contributions, la transmission entre générations, la compréhension mutuelle des métiers et la localisation de la charge de vérification. Ces indicateurs sont moins immédiats, mais ils révèlent si l’organisation transforme l’autonomie en coopération ou en dette collective.

L’intelligence collective devient un choix d’organisation

La différence entre les entreprises ne viendra probablement pas du nombre de collaborateurs équipés d’une IA. Les outils se diffusent vite et leurs capacités se banalisent. L’écart se creusera entre celles qui additionnent des usages privés et celles qui savent convertir les gains individuels en références partagées, en décisions mieux argumentées et en apprentissages transmissibles.

Préserver le collectif ne signifie ni multiplier les réunions, ni imposer une validation humaine à chaque phrase. Certaines interactions peuvent disparaître sans perte et libérer un temps précieux. Le choix stratégique consiste à distinguer les frictions inutiles des interdépendances cognitives qui font tenir l’organisation.

L’entreprise la plus performante ne sera pas nécessairement celle où chacun sait tout faire seul. Ce pourrait être celle où les outils permettent à chacun de mieux contribuer à une œuvre qu’aucun individu, ni aucune machine, ne pourrait définir isolément.