Gestion algorithmique et santé mentale : repenser les règles du jeu en entreprise

Quand un logiciel attribue les tâches, mesure la cadence, recommande les horaires ou influence une sanction, il ne se contente pas d’optimiser un processus : il transforme l’expérience psychologique du travail. Le lien entre gestion algorithmique et santé mentale devient alors un enjeu concret de prévention, car la surveillance, la perte d’autonomie et l’intensification du rythme peuvent alimenter stress, fatigue et sentiment d’impuissance.

Les institutions internationales et européennes ne proposent pas de renoncer à ces outils, qui peuvent soutenir l’efficacité et faciliter certaines décisions. Leur message converge plutôt vers un changement des règles du jeu : une technologie de pilotage du travail doit être compréhensible, contestable, auditable et conçue avec les personnes dont elle organise l’activité.

Gestion algorithmique et santé mentale : de quoi parle-t-on exactement ?

La gestion algorithmique désigne l’utilisation de systèmes fondés sur des données pour organiser, superviser ou évaluer le travail. Elle peut intervenir dans l’attribution des missions, la planification des horaires, le suivi de la performance, la fixation de la rémunération, le recrutement ou les décisions disciplinaires.

Le degré d’automatisation varie. Certains outils fournissent seulement une information à un manager, tandis que d’autres émettent une recommandation ou déclenchent presque automatiquement une décision. Dans les deux cas, leur influence réelle compte davantage que l’étiquette choisie par l’entreprise.

Réponse directe : la gestion algorithmique peut affecter la santé mentale lorsqu’elle augmente la surveillance, réduit l’autonomie, intensifie le travail ou rend les décisions opaques. Pour limiter ces risques, l’entreprise doit évaluer les effets psychosociaux, expliquer les décisions, maintenir une responsabilité humaine identifiable et permettre aux travailleurs de participer et de contester.

Un tableau de bord n’est donc pas nécessairement dangereux en lui-même. Le risque dépend de ce qu’il mesure, de la manière dont ses résultats sont interprétés et des conséquences attachées à ses indicateurs. Un outil qui aide une équipe à repérer une surcharge n’a pas la même fonction qu’un dispositif qui classe continuellement les salariés et déclenche une pression individuelle.

Cette distinction empêche deux erreurs symétriques. La première consiste à supposer que toute automatisation serait forcément déshumanisante. La seconde revient à considérer qu’un résultat chiffré serait neutre parce qu’il provient d’un système informatique.

Un risque organisationnel, pas seulement technologique

La santé mentale ne dépend pas uniquement de la qualité technique du modèle. Elle dépend aussi des objectifs imposés, du style de management, de la charge de travail, de la possibilité de demander de l’aide et de la sécurité psychologique au sein du collectif.

Un algorithme peut ainsi amplifier une organisation déjà tendue. Si l’entreprise valorise exclusivement la vitesse, l’outil risque de renforcer cette priorité au détriment des pauses, de la qualité ou de la coopération. À l’inverse, un système encadré par des règles claires peut servir à identifier des déséquilibres sans devenir un instrument permanent de contrôle individuel.

Comment le pilotage algorithmique devient un risque psychosocial

L’Organisation internationale du Travail souligne que l’IA et la gestion algorithmique peuvent accroître les risques psychosociaux par plusieurs mécanismes : surveillance intrusive, perte d’autonomie, intensification du travail, inquiétudes concernant la vie privée et incertitude sur l’usage des données. Ces facteurs ne fonctionnent pas isolément ; ils peuvent se renforcer mutuellement.

La surveillance permanente modifie le rapport au travail

Se savoir observé en continu peut pousser une personne à contrôler chacun de ses gestes, même lorsque les mesures recueillies ne reflètent qu’une partie de son activité. Le problème devient plus aigu lorsque le salarié ignore quelles données sont collectées, combien de temps elles sont conservées ou à quelles décisions elles serviront.

Cette incertitude peut produire une vigilance psychologique durable. Elle peut aussi décourager des comportements utiles mais difficiles à quantifier, comme aider un collègue, prendre le temps de résoudre un cas complexe ou signaler qu’un objectif n’est pas réaliste.

La perte d’autonomie réduit la marge de manœuvre

L’autonomie ne signifie pas travailler sans règles. Elle correspond notamment à la possibilité d’organiser son activité, d’adapter une procédure à une situation particulière et de mobiliser son jugement professionnel.

Un rapport européen de 2026 classe l’autonomie, les possibilités d’apprentissage et les bonnes relations de travail parmi les ressources essentielles liées à l’emploi. Une gestion algorithmique trop prescriptive peut peser sur ces ressources si elle transforme les personnes en simples exécutantes de consignes produites par un système qu’elles ne peuvent ni comprendre ni discuter.

L’intensification peut se cacher derrière l’optimisation

Réduire les temps d’attente ou mieux distribuer les tâches peut être utile. Mais lorsque chaque gain de temps devient immédiatement un nouvel objectif, l’optimisation se transforme en intensification : davantage de tâches, moins de récupération et moins de tolérance pour les imprévus.

La résolution adoptée par le Parlement européen en décembre 2025 demande précisément que les évaluations des systèmes tiennent compte du stress, de la fatigue et de l’intensité du travail. L’enjeu est de vérifier que la performance calculée reste compatible avec des pratiques de travail sûres, plutôt que de traiter la santé comme une variable extérieure au système.

• Surveillance intrusive : sentiment d’être constamment évalué et difficulté à se soustraire au regard numérique.
• Faible contrôle : impossibilité d’ajuster son rythme ou de faire reconnaître une circonstance particulière.
• Opacité : incapacité à comprendre pourquoi une tâche, une note ou un horaire a été attribué.
• Pression quantitative : primauté d’indicateurs de vitesse ou de volume sur la qualité et la récupération.
• Isolement : réduction des échanges humains lorsque le logiciel remplace la coordination collective.
• Insécurité : crainte qu’une donnée incomplète influence la rémunération, l’évaluation ou la discipline.

Aucun de ces signes ne prouve à lui seul un dommage psychologique. Leur accumulation, leur durée et l’absence de recours doivent toutefois conduire l’entreprise à revoir l’organisation, et pas seulement à proposer aux salariés de mieux gérer individuellement leur stress.

Un phénomène qui dépasse largement les plateformes numériques

La gestion algorithmique a souvent été associée aux plateformes, où des applications attribuent les courses, suivent la localisation ou évaluent les prestations. Cette image est désormais trop étroite.

L’étude du Parlement européen publiée en 2025 conclut que ces pratiques s’étendent au-delà du travail de plateforme. Elle relève des lacunes notables de protection dans plusieurs secteurs, notamment la logistique, la santé, les télécommunications, l’automobile et l’industrie.

Dans ces environnements, les usages ne sont pas identiques. Un établissement de santé peut chercher à planifier les effectifs, un entrepôt à distribuer les commandes et une entreprise de télécommunications à prioriser les interventions. Pourtant, les mêmes questions reviennent : que mesure le système, quelles réalités laisse-t-il de côté et qui répond de ses erreurs ?

Une décision simple peut avoir des effets complexes

Eurofound rappelle en 2025 que l’équité, la transparence et la responsabilité sont devenues centrales dans le débat sur le travail de plateforme et au-delà. L’organisme souligne également qu’une opération apparemment banale, comme l’attribution d’une tâche, peut produire de la discrimination si elle ignore des circonstances individuelles telles qu’un handicap ou des responsabilités familiales.

Imaginons, à titre d’exemple, un système qui valorise systématiquement la disponibilité immédiate sans examiner pourquoi certaines personnes ne peuvent pas modifier leur horaire à la dernière minute. Même si la règle paraît uniforme, ses effets peuvent être inéquitables. L’égalité de traitement ne consiste pas toujours à appliquer mécaniquement la même règle à des situations différentes.

Cette difficulté est particulièrement importante lorsque les données utilisées sont des approximations. La disponibilité, la productivité ou l’engagement ne se résument pas toujours à un indicateur observable. Une absence de clic, un temps de traitement plus long ou un refus de mission peuvent correspondre à de nombreuses réalités professionnelles.

Les outils de ressources humaines ne sont pas à l’abri

L’OIT avertit en 2025 que les systèmes d’IA appliqués aux ressources humaines peuvent être fragilisés par des objectifs flous, des données biaisées ou incomplètes et des processus opaques. Ces défauts peuvent miner à la fois la confiance et l’équité au travail.

Un objectif mal défini produit une mesure trompeuse, même si le calcul est techniquement précis. Demander à un système d’identifier les personnes les plus performantes n’a pas beaucoup de sens si l’organisation n’a pas déterminé ce qu’elle entend par performance, comment elle reconnaît la qualité et comment elle tient compte de la coopération.

Les données historiques ne règlent pas cette question. Elles peuvent reproduire d’anciennes pratiques ou refléter des conditions de travail déjà déséquilibrées. L’analyse doit donc porter sur la finalité du dispositif autant que sur ses données et son fonctionnement.

Repérer les signaux d’alerte avant que la confiance ne se dégrade

Une évaluation sérieuse ne commence pas par la question de savoir si l’algorithme est performant. Elle commence par l’activité réelle : que change-t-il pour les travailleurs, quelles contraintes nouvelles introduit-il et quelles ressources risque-t-il de réduire ?

Les indicateurs psychosociaux doivent être examinés avant le déploiement, puis pendant l’utilisation. Attendre une multiplication des arrêts, des conflits ou des départs reviendrait à intervenir après l’installation du problème.

Questions à poser sur le terrain

• Les travailleurs savent-ils quelles données sont collectées et dans quel but ?
• Peuvent-ils comprendre les critères qui influencent l’attribution des tâches, les horaires ou l’évaluation ?
• Conservent-ils une marge de manœuvre lorsqu’une situation exige du jugement ou une adaptation ?
• Les objectifs calculés intègrent-ils les pauses, les imprévus, la complexité et le travail invisible ?
• Une personne clairement identifiée peut-elle revoir une recommandation ou corriger une donnée erronée ?
• Le dispositif affecte-t-il la coopération, les possibilités d’apprentissage ou les relations au sein de l’équipe ?
• Les salariés peuvent-ils signaler un problème sans craindre une conséquence défavorable ?

Les réponses ne devraient pas provenir uniquement de la direction ou du fournisseur. Les salariés qui utilisent l’outil, les managers de proximité, les représentants du personnel, les spécialistes de la santé au travail et les fonctions chargées des données observent des dimensions différentes du même système.

Écouter ce que les chiffres ne montrent pas

Un tableau de bord peut indiquer une augmentation du volume traité tout en masquant une fatigue croissante, une baisse de la qualité ou le renoncement à certaines formes d’entraide. L’absence de plainte formelle ne prouve pas davantage l’absence de problème, surtout si le canal de signalement est peu connu ou perçu comme risqué.

Les retours qualitatifs sont donc indispensables. Des entretiens, des discussions d’équipe et des observations du travail réel peuvent révéler pourquoi un indicateur évolue. Ils permettent aussi de distinguer un défaut du logiciel d’un problème d’objectif, de procédure ou de management.

Cette analyse doit prêter attention aux groupes qui peuvent subir des effets différents. Une règle de planification peut être neutre en apparence mais plus contraignante pour une personne handicapée, un proche aidant ou un salarié dont le poste comporte des aléas peu visibles dans les données.

Ne pas individualiser un problème de conception

Les ressources de soutien psychologique et les actions de sensibilisation ont leur utilité, mais elles ne remplacent pas une modification du système. Si la cause principale du stress est une cadence irréaliste ou l’impossibilité de contester une notation, inviter les travailleurs à développer leur résilience ne corrige pas le risque à sa source.

La prévention doit agir d’abord sur la conception des objectifs, la charge, la surveillance et les règles de décision. Le soutien individuel intervient en complément, notamment pour accompagner les personnes déjà affectées, et non comme justification du maintien d’une organisation nocive.

Construire une gouvernance de la gestion algorithmique réellement protectrice

En 2025, l’OCDE constate que près des deux tiers des managers utilisant des outils de gestion algorithmique expriment au moins une inquiétude. Les préoccupations les plus citées sont l’absence de responsabilité claire en cas de mauvaise décision, à 28 %, l’incapacité à comprendre la logique des décisions algorithmiques, à 27 %, et la protection insuffisante de la santé physique et mentale des travailleurs, également à 27 %.

Dans le même temps, près de 90 % des entreprises interrogées déclarent avoir au moins une mesure de gouvernance, par exemple un audit, des lignes directrices, une consultation des travailleurs ou un canal de plainte. Ces données montrent un mouvement d’encadrement, mais l’existence d’une mesure ne dit pas à elle seule si celle-ci est complète, indépendante ou efficace.

Une politique écrite ne protège pas si personne ne sait l’appliquer. De même, un canal de plainte ne constitue pas un recours crédible si les travailleurs ne reçoivent pas de réponse ou craignent d’être pénalisés.

Sept étapes pour passer des principes à la pratique

1. Définir une finalité précise. L’entreprise doit expliquer le problème que l’outil est censé résoudre et vérifier qu’une collecte de données supplémentaire est réellement nécessaire. Une finalité vague, comme améliorer la performance, ne permet pas d’évaluer les effets ni les dérives.
2. Cartographier les décisions influencées. Il faut identifier si le système agit sur les tâches, les horaires, la rémunération, l’évaluation, la formation ou la discipline. Plus l’effet sur la personne est important, plus le niveau d’examen et de contrôle humain doit être exigeant.
3. Évaluer les risques psychosociaux. L’analyse doit inclure la surveillance, l’autonomie, la charge, la fatigue, le stress, la coopération et l’équité. Elle doit considérer les effets cumulés de plusieurs outils plutôt que d’examiner chaque application isolément.
4. Associer les travailleurs en amont. Les personnes concernées peuvent repérer les contraintes invisibles dans les données et tester la compréhension des explications. La consultation ne doit pas se limiter à présenter un système déjà choisi lorsque les décisions essentielles ne peuvent plus être modifiées.
5. Tester les données et les résultats. L’entreprise doit rechercher les données incomplètes, les biais possibles, les erreurs de contexte et les effets défavorables sur certains groupes. Un fournisseur ne peut pas répondre seul à ces questions, car l’organisation reste responsable de l’usage concret qu’elle fait de l’outil.
6. Organiser un recours humain effectif. Une personne identifiable doit pouvoir examiner le dossier, entendre les circonstances particulières et modifier la décision. Le contrôle humain doit disposer du temps, des compétences et de l’autorité nécessaires pour ne pas devenir une simple validation automatique.
7. Réévaluer après le déploiement. Les objectifs, les équipes et les logiciels évoluent. Des audits périodiques, des retours du terrain et un suivi des effets sur les conditions de travail permettent de suspendre, corriger ou retirer un dispositif devenu inadapté.

Cette démarche ne garantit pas l’absence de toute erreur. Elle crée toutefois des points de contrôle qui rendent les arbitrages visibles et corrigibles. Elle permet surtout de traiter la santé mentale comme un critère de qualité du système, et non comme une conséquence secondaire à gérer après coup.

Explication, responsabilité et recours : les nouvelles règles essentielles

La résolution du Parlement européen de décembre 2025 appelle à de nouvelles règles sur la gestion algorithmique au travail, avec une protection des droits fondamentaux, des données personnelles et du bien-être des travailleurs. Elle insiste notamment sur le droit à une explication compréhensible lorsqu’une décision est prise ou fortement influencée par un système algorithmique.

Les domaines cités couvrent l’allocation des tâches, l’évaluation, les horaires, la rémunération et la discipline. Cette portée est importante : l’explication ne concerne pas seulement les décisions spectaculaires, mais aussi les opérations quotidiennes qui structurent progressivement la vie professionnelle.

Une explication utile n’est pas une documentation technique

Fournir une longue description du modèle ou des conditions générales ne suffit pas. Une explication compréhensible doit permettre à la personne de relier la décision à des critères concrets, de savoir quelles données ont compté et de repérer une éventuelle erreur.

Elle devrait notamment répondre à quatre questions simples :

• Quelle décision a été prise ou recommandée ?
• Quels critères principaux ont influencé le résultat ?
• Quelles données relatives au travailleur ont été utilisées ?
• Comment demander une vérification ou faire valoir une circonstance ignorée ?

Le niveau de détail peut varier selon l’impact. Une recommandation sans conséquence significative n’exige pas nécessairement le même examen qu’une décision affectant la rémunération ou la discipline. Mais dans tous les cas, l’information doit arriver assez tôt pour que le recours ait un sens.

La responsabilité ne peut pas se dissoudre dans la chaîne technique

Un manager ne devrait pas pouvoir répondre que le logiciel a décidé, tandis que le fournisseur affirme que l’entreprise reste seule responsable. Cette dilution correspond précisément à la première inquiétude relevée par l’OCDE : l’absence de responsabilité claire en cas de mauvaise décision.

L’organisation doit donc désigner qui valide l’usage, qui surveille ses effets, qui répond aux travailleurs et qui peut arrêter le système. Les rôles des ressources humaines, de la direction, du management, des spécialistes techniques et de la santé au travail doivent être explicites.

Le contrôle humain ne se résume pas à placer un nom au bas d’une décision. Si la personne chargée de vérifier n’a ni accès aux informations pertinentes ni possibilité de s’écarter de la recommandation, la responsabilité reste théorique.

La portée et les limites du mouvement réglementaire

Une résolution parlementaire formule une orientation politique et des demandes d’encadrement ; elle ne doit pas être présentée comme si toutes les obligations qu’elle recommande étaient déjà applicables de manière uniforme. Les règles concrètes dépendent du cadre juridique pertinent, du pays, du secteur et de la nature du dispositif.

Le mouvement européen est néanmoins clair : la transparence, l’équité, la protection des données et la santé au travail ne peuvent plus être traitées séparément. Une entreprise prudente a intérêt à intégrer ces principes dès la conception plutôt que d’attendre qu’un dommage ou un conflit révèle les faiblesses du système.

Préserver l’autonomie, l’apprentissage et les relations de travail

La prévention ne consiste pas seulement à réduire les dangers. Elle doit aussi préserver les ressources qui permettent aux personnes de bien travailler : autonomie, apprentissage, soutien social, reconnaissance et possibilité de discuter des critères de qualité.

Le rapport européen de 2026 consacré aux ressources liées à l’emploi met notamment en avant l’autonomie, les possibilités d’apprentissage et les bonnes relations de travail. Ces dimensions offrent un cadre utile pour examiner la conception d’un outil algorithmique au-delà de sa seule efficacité opérationnelle.

Concevoir l’outil comme une aide au jugement

Un système centré sur l’humain peut proposer des informations sans fermer la décision. Il peut signaler une surcharge, suggérer plusieurs options ou rendre visibles des déséquilibres, tout en laissant au professionnel la possibilité d’expliquer pourquoi une recommandation ne convient pas.

Cette marge n’est pas un défaut d’efficacité. Elle reconnaît que le travail réel comprend des exceptions, des arbitrages éthiques et des connaissances tacites que les données ne saisissent pas toujours.

Éviter que la mesure remplace l’apprentissage

Quand chaque erreur alimente immédiatement une note individuelle, les travailleurs peuvent hésiter à expérimenter ou à demander de l’aide. Or l’apprentissage suppose de pouvoir identifier une difficulté sans que celle-ci soit automatiquement interprétée comme une insuffisance personnelle.

Les données peuvent au contraire soutenir une discussion collective : quelles tâches posent problème, quelle formation manque, quelle procédure est trop complexe ? Ce déplacement de la surveillance individuelle vers l’amélioration du travail favorise une utilisation plus constructive des indicateurs.

Protéger les relations humaines

Une planification parfaitement optimisée sur le papier peut réduire les moments de transmission, fragmenter une équipe ou empêcher un collègue expérimenté d’aider un nouveau venu. Ces effets sont difficiles à repérer si l’évaluation porte seulement sur le nombre de tâches accomplies.

Les relations de travail doivent donc devenir un critère explicite. Il convient d’observer si l’outil facilite la coordination ou s’il remplace les échanges par des instructions impersonnelles, crée une compétition permanente et affaiblit la confiance envers le management.

• Prévoir des temps où les équipes peuvent discuter des indicateurs et de leurs limites.
• Autoriser la justification d’un écart sans présumer qu’il s’agit d’une faute.
• Évaluer la qualité, la sécurité et la coopération, pas uniquement la vitesse.
• Conserver des espaces de décision collective pour les horaires et la répartition des tâches.
• Vérifier que l’outil soutient la formation au lieu de sanctionner chaque phase d’apprentissage.

Il existe ici un arbitrage réel. Donner davantage de marge de manœuvre peut réduire l’uniformité des décisions, tandis qu’une standardisation totale peut ignorer des situations importantes. L’objectif n’est pas d’éliminer tout écart, mais de déterminer ceux qui protègent la qualité, la sécurité et la dignité du travail.

Mettre en œuvre une prévention durable dans l’entreprise

Dans une publication d’avril 2026, l’OIT rappelle que les technologies d’IA peuvent améliorer l’efficacité tout en créant des risques pour les conditions psychosociales par la surveillance, la réduction de l’autonomie et le contrôle fondé sur les données. Elle souligne également que ces risques restent mal couverts dans de nombreux pays par des cadres de santé et sécurité au travail souvent davantage centrés sur les dangers physiques.

Ce décalage impose d’élargir les pratiques de prévention. Une entreprise ne devrait pas attendre qu’un texte mentionne précisément chaque fonctionnalité pour examiner si son dispositif produit du stress, de la fatigue ou une perte excessive de contrôle.

Répartir les responsabilités sans cloisonner les sujets

Les équipes techniques connaissent le fonctionnement du système, mais pas toujours les réalités du poste. Les ressources humaines comprennent les processus de décision, tandis que les professionnels de la santé au travail peuvent analyser les risques psychosociaux. Les représentants des travailleurs et les salariés apportent enfin l’expérience de l’activité réelle.

Une gouvernance crédible doit relier ces compétences. Confier le sujet au seul service informatique risque de réduire l’analyse à la sécurité ou à la précision technique. Le confier uniquement aux ressources humaines peut laisser de côté les limites des données et des modèles.

Avancer par étapes réversibles

Un déploiement pilote, limité dans le temps et dans son périmètre, permet d’observer les effets avant une généralisation. Mais un pilote n’est utile que si des critères d’arrêt ont été définis et si les personnes concernées peuvent s’exprimer librement.

L’entreprise peut examiner la compréhension du système, la charge perçue, les possibilités de recours, les effets sur la coopération et les écarts entre les objectifs affichés et l’usage réel. Si les résultats sont défavorables, la réponse ne doit pas être automatiquement de former davantage les salariés ; elle peut consister à modifier l’outil, réduire son périmètre ou renoncer à une fonction.

Choisir une alternative proportionnée

Tous les problèmes d’organisation n’exigent pas une solution algorithmique. Une procédure plus simple, une meilleure coordination humaine, des effectifs adaptés ou un outil sans profilage individuel peuvent parfois répondre au besoin avec moins de risques.

Le choix pertinent n’oppose donc pas technologie et absence de technologie. Il compare plusieurs options selon leur utilité, leur coût humain, leur explicabilité et leur capacité à préserver les ressources du travail.

Inversement, bannir toute analyse de données peut priver les équipes d’informations utiles pour détecter une surcharge ou mieux répartir les moyens. Le principe directeur est la proportionnalité : collecter et automatiser seulement ce qui est nécessaire, avec un niveau de protection adapté aux conséquences possibles.

Mesurer la qualité de la gouvernance

Le nombre d’audits ou de politiques publiées constitue un indicateur de moyens, pas une preuve de résultat. Une gouvernance mature vérifie si les erreurs sont effectivement corrigées, si les explications sont comprises et si les travailleurs font confiance aux recours proposés.

Elle accepte aussi la possibilité d’une suspension. Un système qui ne peut pas être arrêté lorsque ses effets deviennent préoccupants n’est pas véritablement sous contrôle humain, même s’il a fait l’objet d’un audit initial.

Repenser la gestion algorithmique et la santé mentale suppose ainsi de déplacer la question : il ne s’agit plus seulement de savoir ce que l’outil permet de mesurer, mais quel travail l’entreprise souhaite rendre possible. La surveillance, l’opacité et l’intensification ne sont pas des coûts inévitables de la modernisation ; elles résultent de choix de conception et de gouvernance qui peuvent être discutés et corrigés.

Les repères essentiels sont concrets : une finalité précise, une évaluation des risques psychosociaux, la participation des travailleurs, des explications compréhensibles, un recours humain doté d’une véritable autorité et un suivi des effets sur l’autonomie, la fatigue, l’apprentissage et les relations. Avant tout nouveau déploiement, l’entreprise devrait vérifier ces points avec les personnes concernées et être prête à modifier, limiter ou retirer l’outil si la protection du travail réel l’exige.