Dans de nombreuses organisations, l’intelligence artificielle n’est plus seulement un outil d’assistance : elle devient aussi un instrument de mesure, de tri, d’allocation des tâches et d’évaluation des résultats. En Europe, le sujet a nettement gagné en visibilité en 2025 et 2026, à mesure que les institutions ont documenté l’ampleur de l’algorithmic management et ses effets possibles sur la transparence, la santé mentale, le droit à la déconnexion et l’autonomie des équipes. Ce déplacement est important : la question n’est plus simplement de savoir si l’IA est performante, mais ce qu’elle fait au travail vécu.
Les chiffres récents montrent que nous avons déjà franchi un seuil. Le Parlement européen relève que 26,5 % des travailleurs de l’UE ont une performance surveillée par un programme informatique, 27,4 % reçoivent des tâches attribuées via un système informatique, et 35 % des entreprises européennes utilisent des systèmes d’évaluation algorithmique. Dans le même temps, le JRC estime qu’environ 30 % des travailleurs de l’UE utilisent des outils d’IA dans leur activité, notamment pour l’écriture, la traduction, le traitement de données et la planification. Autrement dit, l’IA s’installe au cœur de la coordination du travail, avec des bénéfices potentiels, mais aussi des coûts psychiques et relationnels qu’il devient difficile d’ignorer.
Quand la mesure devient un mode de management
Mesurer n’a rien de nouveau dans l’entreprise. Ce qui change avec l’intelligence artificielle, c’est la continuité, la granularité et l’automatisation de la mesure. Des outils peuvent désormais suivre des temps de réponse, comparer des rythmes, attribuer des scores, détecter des écarts et recommander des ajustements quasiment en temps réel. L’OCDE souligne que ces dispositifs sont de plus en plus utilisés pour allouer les horaires, suivre les activités et fixer des objectifs.
Cette transformation modifie la nature même du management. Là où l’encadrement reposait en partie sur l’observation, le dialogue et le jugement contextualisé, l’organisation peut être tentée de s’appuyer davantage sur des indicateurs continus. Le problème n’est pas l’existence de données en soi, mais leur statut : quand elles deviennent la référence dominante, elles risquent d’écraser des dimensions essentielles du travail réel, comme l’entraide, la créativité, le soin porté à la qualité ou la capacité à absorber l’imprévu.
Le débat européen de 2025 et 2026 insiste justement sur ce point : mesurer la performance ne suffit pas à créer de la valeur. Une équipe n’avance pas seulement grâce à des métriques automatisées, mais aussi grâce à la confiance, à la coopération, à la clarté des arbitrages et à la possibilité d’exercer un jugement professionnel. Quand l’outil de mesure se transforme en mode de management, il faut donc réinterroger ce qui compte vraiment.
L’autonomie des équipes, un facteur de santé et d’efficacité
En psychologie du travail, l’autonomie n’est pas un luxe. C’est une composante centrale du sentiment d’efficacité, de la motivation durable et de la santé mentale. Pouvoir organiser son activité, ajuster ses priorités, discuter des objectifs et choisir des moyens adaptés contribue au sentiment de maîtrise. À l’inverse, quand tout semble défini, contrôlé ou corrigé par un système, les personnes peuvent éprouver une forme de dépossession.
Les travaux récents relayés par les institutions internationales convergent. L’OCDE rappelle que certains systèmes “optimisent” la gestion de la main-d’œuvre en renforçant le monitoring et le contrôle, alors même que des décennies de recherche montrent que l’empowerment nourrit l’engagement, la confiance et la performance. L’ILO alerte également, dans un document de 2026, sur le risque de réduction de l’autonomie et sur l’intensification du travail lorsque l’IA sert prioritairement à surveiller.
Protéger l’autonomie des équipes ne signifie pas refuser l’organisation ni l’évaluation. Cela signifie préserver une marge de décision réelle sur la manière d’atteindre les objectifs, reconnaître l’expertise de terrain et maintenir des espaces de discussion sur les critères de réussite. Une organisation peut être exigeante et structurée sans devenir mécaniquement prescriptive. C’est même souvent à cette condition qu’elle reste vivable et efficace.
Les effets psychologiques d’une performance sous surveillance continue
Lorsque la performance est mesurée en permanence, le travail peut devenir psychiquement plus étroit. Chaque action semble potentiellement observée, comparée ou convertie en score. Cette ambiance de traçabilité continue favorise l’hypervigilance, une augmentation de la charge mentale et, chez certaines personnes, une peur plus forte de l’erreur ou du déclassement. Pour des salariés déjà fragilisés, notamment après un épuisement professionnel ou un vécu traumatique, ce climat peut être particulièrement éprouvant.
Les documents européens relient désormais explicitement la surveillance numérique à des risques psychosociaux tels que le stress excessif, le burnout, l’isolement social et la perte de sens au travail. Ce lien mérite d’être pris au sérieux. Un salarié peut atteindre ses objectifs chiffrés tout en se sentant progressivement vidé, seul ou interchangeable. Le paradoxe est là : une organisation peut gagner en visibilité sur les comportements sans mieux comprendre l’expérience humaine du travail.
La question de la vie privée et des données aggrave parfois cette tension. L’ILO souligne que l’usage de l’IA au travail peut exposer à une surveillance intrusive et à des risques liés à la privacy. Quand les personnes ne savent pas clairement ce qui est collecté, pourquoi, pendant combien de temps et avec quelles conséquences, l’incertitude nourrit la méfiance. Or la santé mentale au travail dépend aussi d’un environnement lisible, prévisible et juste.
Pourquoi plus de données ne garantit pas plus de productivité
L’argument avancé en faveur de la mesure algorithmique est souvent simple : ce qui est mieux mesuré serait mieux géré, donc plus productif. Pourtant, les données macroéconomiques invitent à plus de prudence. L’ILO rappelle en 2026 que les gains microéconomiques observés ici ou là ne se traduisent pas automatiquement à grande échelle. Son analyse évoque une “productivity J-curve” et note qu’aucune hausse claire de productivité liée à l’IA n’apparaît encore dans les statistiques officielles sectorielles ou macroéconomiques.
Cette prudence est essentielle pour éviter un raisonnement réducteur. Un système peut augmenter la cadence apparente, réduire certains temps morts ou rendre des écarts plus visibles, sans améliorer durablement la qualité du travail, la fidélisation, l’innovation ou la coopération. Si la mesure permanente abîme la confiance, favorise le retrait psychologique ou renforce les comportements défensifs, les gains de court terme peuvent être annulés par des coûts cachés.
Autrement dit, l’efficacité ne dépend pas seulement de la quantité d’informations disponibles, mais de la manière dont elles sont interprétées et intégrées dans une organisation humaine. Une équipe performe mieux quand elle comprend le sens des objectifs, quand elle peut ajuster son action et quand elle se sent soutenue plutôt que suspectée. Redonner du sens, c’est donc aussi accepter qu’un bon pilotage ne se réduit pas à une accumulation d’indicateurs.
Une question organisationnelle, pas seulement technologique
Le JRC le souligne clairement : l’enjeu n’est plus seulement technologique, il est organisationnel. L’IA modifie la dynamique du travail, la répartition des rôles, le rapport au temps, la vie privée et l’intensité de l’activité. Cela signifie qu’on ne peut pas traiter ces outils comme de simples logiciels neutres qu’il suffirait d’installer. Toute technologie de mesure embarque des choix sur ce qui compte, sur ce qui est visible et sur ce qui peut être ignoré.
Dans ce contexte, la gouvernance devient centrale. Qui décide des indicateurs ? Qui peut les contester ? Quelle place conserve le jugement humain ? Quelles données ne doivent pas être collectées ? Quels mécanismes protègent le droit à la déconnexion ? Les institutions européennes demandent des garde-fous plus robustes autour de la transparence, de l’information et de la consultation des travailleurs, de la protection des données et de l’oversight humain.
Ce point est d’autant plus important que les protections restent fragmentées. Le Parlement européen appelle à des règles plus cohérentes pour tous les travailleurs, considérant que les cadres actuels sur l’algorithmic management ne couvrent pas uniformément l’ensemble des salariés. Cette cohérence est décisive pour éviter que certains secteurs ou statuts deviennent des laboratoires de surveillance intensive au nom de l’innovation.
Comment redonner du sens sans renoncer aux outils
Redonner du sens ne suppose pas de rejeter l’intelligence artificielle. Dans bien des cas, elle peut réellement alléger des tâches répétitives, faciliter la coordination, améliorer la planification ou soutenir la rédaction et le traitement de données. Le problème commence lorsque l’outil conçu pour aider devient un dispositif dominant d’évaluation et de normalisation. La bonne question n’est donc pas “IA ou non”, mais “pour quel usage, avec quelles limites et au bénéfice de qui ?”.
Une approche protectrice consiste à réserver l’IA à ce qu’elle fait le mieux sans lui abandonner l’essentiel du jugement professionnel. Par exemple, elle peut signaler des tendances, repérer des surcharges, aider à répartir certaines tâches ou identifier des goulots d’étranglement. En revanche, les décisions qui touchent à l’évaluation individuelle, aux sanctions, à l’évolution professionnelle ou aux arbitrages complexes devraient toujours rester discutables, contextualisées et supervisées par des humains.
Le sens revient aussi lorsque les équipes comprennent la logique des outils qu’elles utilisent. Expliquer les finalités, rendre visibles les critères, ouvrir des espaces de retour d’expérience et ajuster les dispositifs à partir du terrain permet de sortir d’une relation de passivité. Une technologie devient moins menaçante quand elle est inscrite dans un cadre de dialogue et de responsabilité partagée.
Des repères concrets pour protéger l’autonomie des équipes
Premier repère : limiter la collecte aux données réellement nécessaires. Tout ce qui peut être mesuré ne doit pas l’être. Une organisation soucieuse de santé mentale définit des finalités précises, évite la surveillance diffuse et réduit la tentation du suivi permanent. Cette sobriété est un choix éthique, mais aussi un choix de qualité managériale.
Deuxième repère : distinguer mesure, interprétation et décision. Un score ne parle jamais seul. Il reflète un cadrage, des hypothèses et des angles morts. Pour protéger l’autonomie des équipes, il faut prévoir des moments où les indicateurs sont discutés à la lumière du travail réel, des contraintes rencontrées et des objectifs contradictoires. Sans cette médiation, la donnée risque de se transformer en verdict.
Troisième repère : inscrire le droit à la déconnexion, la consultation des travailleurs et l’oversight humain dans les pratiques ordinaires, pas seulement dans les discours. Cela implique des règles compréhensibles, des responsables identifiés, des recours possibles et une évaluation régulière des effets psychosociaux. Une gouvernance de l’IA au travail crédible ne se contente pas de promettre la confiance : elle l’organise.
Au fond, la montée de l’intelligence artificielle dans l’évaluation du travail nous oblige à clarifier nos priorités. Si la performance n’est pensée qu’en termes de traçabilité, de vitesse et de conformité, l’organisation risque de gagner des tableaux de bord tout en perdant des collectifs vivants. Les chiffres européens récents montrent l’ampleur du phénomène ; ils nous rappellent surtout qu’il est temps d’en débattre comme d’un enjeu de santé mentale, de démocratie au travail et de qualité de la relation professionnelle.
Redonner du sens, c’est faire de l’IA un appui plutôt qu’un surplomb. C’est protéger l’autonomie des équipes, préserver le jugement humain, respecter les limites psychiques et reconnaître que la valeur durable naît aussi de la confiance, de la coopération et de la possibilité d’agir avec discernement. Une organisation véritablement moderne n’est pas celle qui mesure tout : c’est celle qui sait ce qu’elle choisit de ne pas sacrifier en mesurant.
