Le discours est désormais bien installé qui veut que l’utilisation de l’intelligence artificielle en général et des LLM en particulier réduirait la part de travail à faible valeur ajoutée pour nous libérer du temps utilisable à des tâches plus utiles, plus intelligentes, plus valorisantes. Mais est-ce si vrai ? Les analyses sur les effets de la charge de travail tout au long de la chaîne de valeur apportent un peu de nuance à ce discours et amènent des réflexions nécessaires sur la transformation de l’organisation du travail.  

« L’IA fait gagner du temps ». Vrai ou faux ?  

Selon une récente étude du BCG, 58% des utilisateurs de LLM (Copilot, Claude, ChatGPT etc.) déclarent qu’ils gagnent plus d’une heure par jour au travail grâce à l’IA générative. Le gain de productivité a d’ailleurs été mesuré dans certaines activités, comme l’assistance clients en centre d’appels où il atteint près de 14%.  

Mais le gain du temps réalisé sur la collecte et le traitement d’information est en partie annulé d’une part par le travail qu’exige la production des prompts et d’autre part par celui que demande la correction des erreurs de l’IA.  

En effet, le prompt-engineering n’est pas un art facile : cela demande des compétences, de l’entraînement et du temps… Au risque d’en perdre pas mal – et de vous arracher quelques poignées de cheveux – si vous vous n’êtes pas parti dans la bonne direction au démarrage. A l’autre bout du spectre, il y a le poids du travail du correction : selon l’étude Workday, « Au-delà de la productivité : mesurer la valeur réelle de l’IA »,  il faut compter 40% de déperdition du gain de productivité du fait de l’effort consacré à traquer les erreurs du LLM. Et l’on ne peut pas toujours dire que ce boulot consistant à faire le ménage après le passage de l’IA soit toujours vécu comme valorisant ! 

Qui gagne quoi ?  

Mais peut-on d’ailleurs parler de « temps gagné » ? Est-ce que les travailleurs qui disent « gagner » une heure par jour ferment une heure plus tôt leur ordinateur pour passer plus de temps avec leurs enfants, leurs amis ou tout simplement se reposer ou s’adonner à des loisirs ? Pas vraiment, nous répondent des chercheurs de Berkeley qui concluent à un effet de « productivité intensive » imputable à la généralisation de l’IA au travail. Autrement dit, nous ne travaillons pas moins, et en réalité nous travaillons parfois encore plus quand nous utilisons des LLM. Si notre travail crée davantage de valeur, cette valeur ajoutée n’est pas restituée sous forme de temps libre.  

Les analyses post-marxistes voient là un enjeu important à mettre à l’agenda des transformations du travail : comment répartir la valeur du « surplus algorithmique » ? Traditionnellement, la répartition de la valeur ajoutée se fait entre trois entités : les actionnaires en récompense de leurs investissements (et dieu sait que l’IA est gourmande en la matière), les travailleurs (qui devraient voir leur rémunération croître et/ou leur temps de travail diminuer quand la productivité augmente) et les consommateurs (qui devraient voir les prix baisser à mesure que le coût relatif des ressources nécessaires à produire les biens et services diminue grâce aux gains de productivité). La question du « qui gagne quoi » se pose assurément pour celles et ceux qui certes déclarent gagner une heure par jour grâce à l’IA quand cette heure, ils la passent à… Travailler ! 

Un effet de vases communicants ? 

Cette question de l’analyse de la valeur ajoutée pose aussi celle des transferts invisibilisés de la charge de travail. Pour bien cerner le problème, prenons l’exemple de la chaîne de valeurs des contenus en ligne. C’est une chaîne qui va du travail du producteur (créer le contenu) jusqu’au travail du consommateur (liker, commenter, transférer…) en passant par tout le travail des métiers de la plateforme qui diffuse les contenus (les développeurs, les data-analysts, les traffic managers, les UX désigners, les modérateurs etc.). Le producteur de contenus va pouvoir gagner énormément de temps grâce aux LLM qui lui proposent en quelques secondes du texte, des images, de la vidéo là où il lui fallait des heures carrées si ce n’est des jours entiers auparavant pour les créer. Selon le principe de la « productivité intensive », il va produire beaucoup plus de contenus (et ses camarades qui font le même métier, aussi). Il va donc donner beaucoup plus de travail – et un travail parfois de plus en plus pénible, comme c’est le cas pour les modérateurs de contenu.  

Si l’on transpose cet exemple à la vie courante de nos entreprises : un chef de projet va gagner du temps en faisant briefer ses équipes par l’IA, mais le temps qu’il aura gagné en s’épargnant des réunions peut produire une surcharge de travail chez les personnes qui devront interpréter ce brief écrit alors qu’elles en auraient sans doute gagné – pourvu que la réunion ait été efficace – dans un jeu de questions/réponses avec le chef de projet. 

Des effets de vases communicants, dits aussi de réallocation de la charge de travail s’observent déjà avec l’accélération de l’implémentation de l’IA et viennent poser la question de l’organisation du travail du futur, de la répartition de la valeur et donc de la rémunération. 

Marie Donzel, pour le webmagazine Octave 

Mais aussi…