IA en entreprise : pourquoi cacher ses gains de productivité peut devenir rationnel

En avril 2026, Writer publie un chiffre taillé pour les titres : 29 % des salariés interrogés reconnaîtraient "saboter" la stratégie IA de leur entreprise, et 44 % chez la génération Z. L'image suggère des collaborateurs hostiles, des projets freinés de l'intérieur et des directions confrontées à une résistance irrationnelle.

Le détail de l'enquête raconte pourtant autre chose. Writer range notamment dans cette catégorie l'utilisation d'un outil d'IA non approuvé, l'envoi d'informations vers un service public ou le refus d'utiliser l'outil imposé. Le même mot peut donc désigner un risque de sécurité, un rejet de l'IA, ou un salarié qui utilise déjà massivement l'IA mais contourne la solution officielle.

La question change alors de nature : que gagne personnellement un salarié à révéler qu'une machine lui permet de produire beaucoup plus vite, si ce gain se transforme surtout en objectifs supplémentaires, en contrôle accru ou en menace sur son poste ?

Le mot "sabotage" mélange des comportements différents

L'enquête Writer a été menée entre décembre 2025 et janvier 2026 auprès de 2 400 personnes, dont 1 200 cadres dirigeants et 1 200 salariés, dans plusieurs pays occidentaux dont la France. Surtout, les salariés devaient déjà utiliser des outils d'IA générative au travail. Le chiffre de 29 % ne décrit donc pas la population salariée dans son ensemble, mais un échantillon de travailleurs du savoir déjà exposés à l'IA.

Writer commercialise par ailleurs une plateforme d'IA d'entreprise. Ce conflit d'intérêts potentiel n'annule pas les données, mais oblige à séparer le résultat de sa mise en scène. Utiliser un modèle public avec des données confidentielles crée un risque réel. Refuser une formation obligatoire relève d'un autre comportement. Employer un outil grand public parce qu'il répond mieux au besoin que la version interne en est encore un autre.

Cette distinction compte d'autant plus que 60 % des dirigeants interrogés déclarent prévoir des licenciements pour les personnes qui ne peuvent pas ou ne veulent pas adopter l'IA. Il s'agit d'une intention déclarée, pas d'un relevé de licenciements effectifs. Le signal envoyé reste néanmoins clair : adoptez l'outil, montrez vos gains, tout en sachant que l'efficacité obtenue peut aussi servir à redessiner les effectifs.

Le Shadow AI peut être une sur-adoption plutôt qu'un rejet

Une étude plus large, menée par l'Université de Melbourne avec KPMG auprès de 48 340 personnes dans 47 pays, montre que 57 % des employés interrogés déclarent cacher leur usage de l'IA et présenter un travail produit avec son aide comme étant le leur. Près de la moitié reconnaissent aussi des usages contraires aux politiques de leur organisation.

Ce résultat ne prouve pas que 57 % des salariés cachent des heures gagnées. Il mesure une dissimulation de l'usage, ce qui est différent. Mais il confirme que l'écart entre l'IA officielle et l'IA réellement utilisée est devenu suffisamment important pour ne plus être traité comme un simple cas marginal.

Le Shadow AI peut venir d'une prise de risque injustifiable, mais aussi d'une friction très ordinaire : outil interne plus lent, accès limité, procédure d'approbation longue, fonction manquante, modèle moins performant. Dans ce cas, le salarié ne rejette pas l'IA. Il l'adopte plus vite que son organisation.

Une politique fondée uniquement sur l'interdiction peut donc réduire un risque immédiat sans répondre à la cause du contournement. L'entreprise obtient alors une conformité visible, tandis que l'usage réel se déplace hors de son champ de vision.

Quand le gain devient la nouvelle norme, le silence peut être rationnel

L'idée n'est pas nouvelle. En 1980, l'économiste Martin Weitzman décrit le "ratchet principle", ou effet de cliquet : lorsque la performance présente sert à fixer les objectifs futurs, une amélioration trop visible peut se traduire par des exigences plus élevées lors de la période suivante. Xavier Freixas, Roger Guesnerie et Jean Tirole ont ensuite formalisé ce mécanisme en 1985 dans The Review of Economic Studies.

Transposé à l'IA, le raisonnement est simple. Si une tâche qui occupait une journée peut désormais être terminée en deux heures, révéler le gain est attractif si une partie du bénéfice revient aussi au salarié, par le temps récupéré, la reconnaissance, une évolution de rôle ou une rémunération. Si la conséquence attendue est seulement que la norme passe de "une tâche par jour" à "quatre tâches par jour", l'incitation change.

Ce modèle ne démontre pas que tous les utilisateurs de l'IA raisonnent ainsi. Il établit quelque chose de plus précis : retenir une partie de sa performance peut devenir une réponse cohérente lorsque l'organisation ne peut pas s'engager à ne pas transformer chaque gain observé en nouvelle exigence.

L'IA rend ce mécanisme très visible parce qu'elle peut produire des gains soudains sur certaines tâches. Le problème n'est alors pas seulement l'outil, mais la règle appliquée au temps qu'il libère.

Les problèmes sociaux n'effacent pas les problèmes techniques

Il serait tentant d'en déduire que les projets d'IA échouent surtout parce que les salariés n'ont pas intérêt à coopérer. Ce serait remplacer une simplification par une autre. Une IA peut être mal intégrée, travailler sur des données médiocres, générer trop d'erreurs dans les cas limites ou ajouter une couche de vérification qui absorbe le temps gagné.

IBM fournit un exemple utile. Son service AskHR, lancé en 2017, a d'abord été très peu utilisé. Après plusieurs années d'évolution, IBM indique qu'en 2024 94 % des 11,5 millions d'interactions étaient contenues dans AskHR, tandis que 6 % devaient encore être orientées vers un spécialiste. L'entreprise rapporte aussi une satisfaction passée d'un NPS de -35 au début du déploiement à +74.

Ce cas ne prouve pas une recette universelle. Il montre qu'un fort taux d'automatisation n'élimine pas nécessairement le besoin humain, notamment pour les exceptions. IBM annonçait d'ailleurs en mars 2026 vouloir tripler ses recrutements de profils débutants aux États-Unis, en expliquant qu'arrêter de former les entrants assécherait le vivier de compétences à moyen terme.

Automatiser une tâche et supprimer le poste qui permet d'apprendre à traiter les exceptions ne sont donc pas la même décision.

La MAIF rend explicite ce qui arrive au gain de productivité

En France, la MAIF offre un contrepoint concret à la logique de menace. Le 11 mai 2026, l'assureur a annoncé un accord d'entreprise signé quatre jours plus tôt avec six organisations syndicales.

Selon MAIF, cet accord prévoit aucun licenciement pour motif économique lié au déploiement de l'IA, le renforcement de la formation et un réinvestissement prioritaire des gains d'efficacité dans la qualité du service et l'enrichissement des activités et des métiers. Une commission IA de 12 membres rattachée au CSE doit se réunir trois fois par an.

La différence avec une charte éthique est importante : le salarié ne reçoit pas seulement un discours sur une IA "responsable". Il reçoit aussi une indication sur ce que l'entreprise prévoit de faire si l'automatisation fonctionne.

Il est toutefois beaucoup trop tôt pour en déduire que cette garantie améliore effectivement l'adoption ou la productivité. L'accord date de mai 2026 et la MAIF possède un modèle d'entreprise particulier. Son intérêt est ailleurs : il rend visible une variable souvent laissée dans le flou, la destination du gain obtenu.

Une étude de l'IRES publiée en juillet 2025 conclut d'ailleurs à un faible nombre d'accords français traitant directement et explicitement de l'impact de l'IA. Les textes existants restent, selon les auteures, très marginaux. La technologie avance donc plus vite que la formalisation collective des règles qui organisent ses conséquences.

La vraie question est : qui récupère le temps gagné ?

Les données disponibles ne permettent pas d'établir que la résistance des salariés serait la cause principale des échecs de projets IA. Elles ne permettent pas non plus de mesurer précisément combien d'heures de productivité sont cachées dans les entreprises. Les enquêtes Writer et Melbourne-KPMG reposent sur des déclarations, et la première est financée par un éditeur d'IA.

Elles suffisent cependant à écarter l'image trop simple du salarié "réfractaire" qu'il faudrait seulement mieux former. Une personne peut utiliser intensivement l'IA, contourner l'outil officiel, cacher cet usage et protéger son temps tout en agissant rationnellement selon les règles qu'elle perçoit. À l'inverse, une direction peut avoir de bonnes raisons de bloquer certains outils lorsqu'ils exposent des données sensibles.

Les deux réalités peuvent coexister.

L'IA responsable demande de savoir quels systèmes agissent, avec quelles données et sous quel contrôle. L'AI Act 2026-2028 ajoute des obligations selon les usages et les rôles. Mais aucune checklist réglementaire ne répond seule à la question qui finit par déterminer la coopération réelle : si je vous montre comment faire mon travail beaucoup plus vite, qu'est-ce qui change pour moi ?

Tant que cette réponse reste floue, le Shadow AI et la rétention d'information ne sont pas seulement des problèmes de discipline. Ils peuvent aussi être les symptômes d'un contrat de productivité que personne n'a réellement négocié.

Ce que l'on ne peut pas conclure

Les sources consultées ne démontrent pas qu'une garantie d'emploi augmente causalement l'adoption de l'IA, ni que les freins sociaux pèsent davantage que la qualité des données, l'intégration logicielle ou la fiabilité des modèles. Le chiffre Writer de 29 % dépend d'une définition très large du "sabotage" et concerne des salariés déjà utilisateurs d'IA générative. Le chiffre Melbourne-KPMG de 57 % porte sur la dissimulation de l'usage de l'IA, pas directement sur la dissimulation des gains de productivité.

Ces limites fixent simplement la frontière entre ce que les données établissent et ce que l'analyse permet d'en déduire.

IA en entreprise : pourquoi cacher ses gains de productivité peut devenir rationnel