Il ne semble pas que l’augmentation de l’utilisation de l’intelligence artificielle générative au sein des entreprises entraîne automatiquement une hausse de la productivité. Selon des données présentées par la Fondation Parasol pour la recherche globale, la proportion d’employés japonais à temps plein utilisant l’intelligence artificielle dans leur travail est passée de 41,9 % en 2025 à 54,3 % en 2026, mais cette diffusion ne signifie pas nécessairement une réduction des heures supplémentaires ou une amélioration des résultats des organisations.
Dans un entretien avec ITmedia, Yuji Kobayashi, chercheur principal à la Fondation Parasol pour la recherche globale, a déclaré que créer de la valeur grâce à l’intelligence artificielle exige parfois de s’en éloigner. L’idée ne signifie pas rejeter les outils, mais préserver les sources de capacités que les modèles ne produisent pas seuls : le contact avec la réalité, le jugement des priorités, la construction du sens et l’apprentissage auprès de personnes et dans des environnements réels.
Accélérer le temps ne résout pas toujours le goulot d’étranglement
Kobayashi classe les problèmes liés à l’utilisation institutionnelle de l’intelligence artificielle en trois axes. Le premier est le « problème du gain de temps dans la mauvaise direction » : des tâches telles que la collecte d’informations, l’échange de courriels ou la préparation d’une présentation peuvent devenir plus rapides, tandis que le goulot d’étranglement demeure ailleurs. Il prend l’exemple des ventes : l’intelligence artificielle peut accélérer la préparation d’une proposition, mais l’identification du client, la compréhension de ses besoins ou la conclusion de la vente peuvent avoir davantage d’influence sur le résultat final.
Le deuxième axe est le « problème de la disparition de l’espace disponible ». L’étude indique que 60 % du temps économisé grâce à l’intelligence artificielle a été réinvesti dans le travail et que plus de 70 % de ce temps a été consacré aux tâches quotidiennes. Les employés qui utilisent le plus l’outil peuvent également se voir confier des charges supplémentaires, comme la formation interne qui lui est liée, au lieu de transformer le temps libéré en apprentissage ou en innovation.
Le troisième axe est le « problème de la disparition de la différenciation ». Lorsque la rédaction de candidatures ou la préparation de supports marketing deviennent accessibles à tous grâce à des outils similaires, l’avantage autrefois procuré par la seule compétence rédactionnelle diminue. Selon Kobayashi, ce qu’une entreprise peut accomplir avec l’intelligence artificielle, ses concurrents et ses clients peuvent également l’accomplir, ce qui rend la simple accélération des tâches moins capable de produire un avantage valorisable.
La compétence décisive consiste à gérer l’ensemble de la boucle
Selon les résultats de la recherche de la Fondation Parasol, les personnes très performantes dans un environnement utilisant l’intelligence artificielle diffèrent des personnes très performantes dans un environnement qui ne l’utilise pas. Dans le cas traditionnel, la performance était associée à la compréhension du rôle, à la rapidité d’action et à la gestion des relations avec les autres. Dans un environnement utilisant l’intelligence artificielle, les personnes capables de transformer le travail avec l’outil en une boucle répétée de collecte d’informations, de décision, d’exécution, de vérification et d’apprentissage se sont distinguées.
Cette boucle se compose de cinq compétences : la « collecte » et la « décision » aux étapes supérieures, puis la « vérification », la « décomposition » et le « stockage » aux étapes ultérieures. Le parcours commence par la collecte de données, notamment d’informations primaires issues du monde réel auxquelles l’intelligence artificielle a difficilement accès. L’utilisateur détermine ensuite les priorités et ce qui doit être confié à l’outil, puis examine les résultats avec les autres, les modifie ou déconstruit les hypothèses inappropriées, et enfin partage l’expérience au sein de l’organisation afin qu’elle se transforme en connaissance collective.
L’importance de ces étapes tient au fait que le risque pratique n’est pas toujours une « hallucination » dont l’erreur peut être facilement détectée. Le risque principal, selon Kobayashi, est de produire une réponse qui semble correcte et raisonnable de manière générale, mais qui ne convient pas à ce client, à ce moment ou à ce contexte. La valeur de l’utilisateur ne réside donc pas dans l’acceptation du résultat, mais dans la transformation d’une « réponse générale » en une réponse adaptée à la situation.
La pensée multidimensionnelle et la curiosité hors écran
L’étude a également relevé deux traits intellectuels chez les personnes très performantes : la « pensée en relief », qui consiste à accroître le niveau d’abstraction, à relier le sujet sous plusieurs angles et à voir l’ensemble, et l’« esprit animal », expression utilisée par l’économiste John Maynard Keynes pour décrire les motivations humaines irrationnelles dans l’activité économique. Kobayashi l’emploie ici pour désigner la curiosité et la disposition à essayer ce qui semble intéressant.
La pensée multidimensionnelle aide à organiser le flot de propositions produites par les modèles, tandis que la curiosité pousse son détenteur à expérimenter de nouvelles utilisations au lieu de se limiter aux tâches familières. Cependant, l’étude, telle que la présente la source, n’a pas constaté que l’« esprit animal » se développait automatiquement avec la durée d’utilisation de l’intelligence artificielle. Kobayashi évoque plutôt la possibilité de l’apparition d’un « effet anti-acquisition des compétences », par lequel la dépendance à l’outil entraîne le recul de certaines capacités de l’utilisateur.
Qu’est-ce qui change concrètement ?
La principale conclusion éditoriale est que mesurer le succès de l’intelligence artificielle au nombre d’employés qui l’utilisent ou au nombre de minutes qu’elle permet d’économiser peut être insuffisant. La question la plus utile est la suivante : le temps et les efforts ont-ils été transférés vers un point qui influence réellement les revenus, la qualité de la décision ou la résolution du problème du client ? Les programmes de formation ne devraient pas non plus se limiter à la rédaction de requêtes, mais inclure la collecte de preuves, la définition des priorités, la vérification collective et la documentation des connaissances.
Kobayashi propose que le développement de la réflexion et de la curiosité nécessite des activités extérieures à l’outil, comme l’interaction avec des personnes et des environnements différents, la participation à des activités parallèles ou à des activités à but non lucratif et bénévoles, l’approfondissement d’un sujet et la lecture. Il ne s’agit pas d’une recette confirmée pour chaque organisation, mais cela reflète les limites de ce que l’utilisation continue de l’outil peut fournir à elle seule. L’étude s’est appuyée sur une enquête préliminaire auprès de 20 000 employés, puis sur une étude principale auprès de 3 000 employés à temps plein. L’étude de suivi s’est déroulée du 22 avril au 7 mai 2026, tandis que la nouvelle étude a été menée du 23 avril au 7 mai 2026, avec le suivi de participants à l’étude d’octobre 2025 et de nouveaux participants.