IA au travail : 90 % se disent à l’aise, mais la moitié perd du temps
Le 25 août 2026, WalkMe a rendu public le troisième volet de son AI at Work Pulse Survey. Menée du 10 au 20 juin auprès de 2 037 adultes actifs aux États-Unis utilisant l’IA dans leur emploi, l’étude révèle que 90 % se disent confiants, mais que 24,6 % seulement obtiennent un résultat satisfaisant au premier essai et que 50,2 % ont déjà consacré plus de temps à une tâche avec l’IA qu’en la réalisant manuellement, selon la publication officielle de WalkMe.
Ces réponses montrent que l’aisance déclarée ne suffit pas à établir un gain de productivité. Une analyse publiée par Fortune relève aussi que 53,6 % des personnes interrogées ont déjà estimé qu’un dirigeant ne comprenait pas pleinement la stratégie d’IA qu’il défendait publiquement. L’ensemble dessine un écart entre adoption apparente, résultat utilisable et maîtrise organisationnelle.
Les 50,2 % ne mesurent pas une perte moyenne de productivité
La moitié évoquée dans le titre correspond à des répondants ayant déjà rencontré au moins une tâche pour laquelle l’usage de l’IA a pris davantage de temps que l’exécution manuelle. La question ne précise ni la fréquence de ces épisodes, ni leur durée cumulée, ni leur poids dans une journée ou une semaine de travail. Elle ne permet donc pas d’affirmer que la moitié des salariés perd globalement du temps avec l’IA.
Un même utilisateur peut passer trop longtemps à reformuler une consigne sur une tâche, puis réaliser un gain important sur une autre. Inversement, une réponse obtenue rapidement peut encore demander une vérification, une réécriture ou une correction qui efface le bénéfice initial. Le sondage établit l’existence d’une friction répandue, mais pas le solde entre les heures gagnées et perdues.
La population interrogée limite également la portée des résultats. Il s’agit d’actifs américains qui utilisent déjà l’IA au travail, et non d’un échantillon de tous les salariés. Les chiffres ne décrivent donc directement ni les non-utilisateurs aux États-Unis, ni les travailleurs des pays francophones.
Confiance, premier essai et productivité décrivent trois réalités
Les principaux indicateurs ne mesurent pas la même chose. Les 90 % portent sur un sentiment de confiance, les 24,6 % sur la réussite déclarée au premier essai et les 50,2 % sur une comparaison rétrospective avec le temps qu’aurait demandé une exécution manuelle. Aucun ne constitue, isolément, une mesure complète de la productivité.
La confiance peut signifier que l’utilisateur sait choisir un outil, formuler une demande et exploiter sa réponse. Elle ne garantit pas que le résultat soit exact, complet, conforme aux règles internes ou immédiatement utilisable. La fluidité perçue mesure une relation avec l’outil ; la productivité dépend du temps total et de la qualité finale.
Le faible taux de réussite au premier essai attire ainsi l’attention sur le travail effectué après la génération : ajout de contexte, nouvelle formulation, transfert vers une autre application, contrôle des faits ou correction. Ces opérations appartiennent au coût réel de la tâche. Mesurer seulement la vitesse de la première réponse revient à ignorer une partie du processus de production.
Le doute sur les dirigeants révèle une limite de l’adoption
Le jugement exprimé par 53,6 % des répondants ajoute une dimension organisationnelle, mais reste déclaratif. Aucune évaluation indépendante des compétences des dirigeants n’a été réalisée. Ce résultat décrit une perception : celle d’un décalage entre le discours stratégique et la compréhension concrète du travail assisté par l’IA.
Cette distinction importe lorsque l’adoption est suivie à travers le nombre de comptes, de licences, de connexions ou de requêtes. Une activité élevée peut coexister avec de nombreuses reprises, des réponses rejetées ou des outils mal intégrés. Elle peut aussi augmenter la quantité de travail attendue sans réduire la charge, lorsque le temps économisé devient du travail supplémentaire.
Le commanditaire de l’enquête vend par ailleurs une plateforme d’adoption numérique destinée à accompagner l’usage des logiciels en entreprise. Cette position n’invalide pas les réponses collectées, mais impose de distinguer les données déclaratives de leur interprétation commerciale. Le sondage documente des perceptions et des expériences rapportées, pas un rendement observé dans les comptes des entreprises.
Le gain net doit encore être mesuré tâche par tâche
Pour démontrer qu’un déploiement améliore réellement la productivité, il faudrait comparer des tâches équivalentes avec et sans IA, depuis leur démarrage jusqu’à l’acceptation du résultat. Le calcul devrait intégrer la préparation de la demande, les nouvelles tentatives, les contrôles humains, les transferts entre applications et la correction des erreurs.
Plusieurs indicateurs permettraient de séparer l’usage du résultat :
- le temps médian nécessaire pour obtenir un travail conforme au niveau de qualité attendu ;
- la proportion de résultats utilisables dès la première réponse, puis après plusieurs reprises ;
- le temps consacré à la validation et à la correction ;
- le taux d’erreurs, de rejets ou de travaux à refaire ;
- le volume final produit à qualité comparable.
Ces mesures devraient être ventilées par type de tâche. Résumer un document, écrire du code, rechercher une information interne ou préparer une réponse destinée à un client n’exige ni le même contexte ni le même degré de contrôle. Une moyenne générale peut masquer un gain important dans un processus et une perte nette dans un autre.
À ce stade, les réponses recueillies mettent côte à côte confiance, réussite au premier essai, temps déclaré et compréhension perçue de la stratégie interne. Elles ne fournissent ni chronométrage observé, ni données d’usage, ni groupe de comparaison, ni calcul du rendement à l’échelle d’une entreprise. Les 90 % décrivent donc une aisance ressentie ; ils ne prouvent pas que l’IA fait gagner du temps.
À lire aussi:
Abonnez-vous à notre newsletter
Recevez directement les dernières actualités sur le Web3, l’IA et les cryptomonnaies.