La double charge mentale de l'intelligence artificielle : penser à la place de l'Outil Sans Cerveau

9 mars 2026
8min de lecture

Une recette instable

Écrire plus vite, penser plus vite... nous alléger des tâches à peu de valeur ajoutée pour nous permettre de nous concentrer sur les problèmes plus complexes : produire plus mais aussi, surtout, produire mieux, telle est la promesse de l'outil. Et nombreux sont ceux qui ont témoigné des gains engendrés, tout du moins initialement.

Les développeurs réalisent des tâches de code à vitesse grand-V. Les outils d'aide à l'écriture de code donnent même lieu à l'explosion du vibe-coding (comprendre : des néophytes sans formation parvenant malgré tout à construire des blocs de langage informatique grâce à des interfaces spécialisées).

Les dirigeants d'entreprises me témoignent que leurs dossiers juridiques ont doublé de volume depuis l'arrivée des modèles d'intelligence artificielle générative. Et ces mêmes dirigeants ainsi que leurs collaborateurs utilisent souvent les IA pour écrire ou interroger leurs contrats (peut-être bien à tort, c'est un autre sujet).

Les communicants produisent du post Linkedin et de la newsletter comme ils respirent. Et l'écrivain de roman à l'eau de rose quant à lui dépose la plume : il se transforme en superviseur d'une armée d'agents artificiels qui lui permettent de publier 200 ouvrages à l'année contre 10 auparavant (oui, c'était déjà beaucoup). En bref, le mot d'ordre semble être "accélération".

Cette prise en main globale et rapide (mais aussi, il est important de le rappeler encore peu maîtrisée), fait émerger dans certains métiers une tâche nouvelle : la relecture de contenus générés par IA. Celle-ci tend même à se substituer progressivement à la production intellectuelle d'origine purement humaine dans certains métiers.

Là où l'on produisait, on relit désormais : un glissement non sans conséquences, avec notamment l’émergence de ce que j’appellerais une "double charge mentale". Un phénomène qui vient questionner, si ce n'est relativiser, une partie des gains initialement publicisés.

Ingrédient numéro un : nous devenons les modérateurs de l'IA

Expliquer ce phénomène paradoxal de perte de productivité, demande d'abord de comprendre que la nature du travail bascule de facto dès lors que l’IA devient l’un des principaux outils de production mis à la disposition d'un travailleur.

Car dès qu'il devient largement utilisé dans son environnement professionnel immédiat (par ses collaborateurs ou bien par sa clientèle), la nature même de l'information que le travailleur traite au quotidien change.

Il ne vous aura peut-être pas échappé que " Slop " a été consacré mot de l'année. Ce terme renvoie à la production de contenus vides de sens, générés par IA, et dessine une comparaison assez évidente avec la junk food : le slop étant à l’information ce que la malbouffe est à la cuisine.

51% des contenus produits aujourd'hui seraient d'origine artificielle. (source: Graphite Articles Are Now Created by AI Than Humans, 2025)

Or, si le Slop désignait initialement un phénomène repéré sur les réseaux sociaux, il a maintenant élargi son habitat naturel. Notamment à l'intérieur de l'entreprise, où il se répand à l'image d'une espèce invasive : rapidement, au détriment de l'écosystème qui était déjà en place. Donnant même l'apparition d'une sous-espèce appelée le "Workslop".

L'invasion est d'autant plus pernicieuse que le résultat du travail généré par l'IA semble soigné à première vue.

Ainsi, 66% des utilisateurs partageaient une production artificielle sans même avoir pris la peine de la relire en 2025. Et selon cette même enquête citée dans un article de la Harvard Business Review, 40% des travailleurs américains déclaraient recevoir du workslop de la part de leurs collègues.

Malheureusement, il s'agit d'une expérience tout aussi déconcertante que frustrante, puisqu'elle intime au receveur de reprendre tout ou partie du travail. On se retrouve dès lors à penser à la fois à la place de l'envoyeur et à celle de l'outil qui était censé l'y seconder.

Avec la diffusion du workslop, des chaînes stériles peuvent se mettre en place, où chacun a perdu son temps, où peu de valeur a été produite : l'un générant sans fond, l'autre corrigeant à perte. Engendrant même un coût supplémentaire qui a été mesuré :

En moyenne, chaque incident de workslop prendrait aux destinataires près de deux heures à retravailler, ce qui, selon les estimations, représenterait environ 9 millions de dollars de perte de productivité par an. L'outil allant plus vite que l'humain, la tentation devient forte de "générer d'abord et corriger ensuite". Cependant elle ouvre la porte à des erreurs de relecture, des inattentions, et des négligences au final couteuses.

Ce qui soulève un deuxième enjeu : workslop ou pas, la vague de contenus générés rapidement et facilement par IA fait peser une nouvelle charge silencieuse sur les équipes en charge maintenant de les valider.

Devenir un modérateur du travail de la machine, c'est faire face à un outil qui peut créer plus rapidement du contenu qu'un humain ne pourra le relire. Les contenus générés artificiellement peuvent ainsi pour certains s'accumuler dans la pile de lecture pour révision au-delà de la capacité des équipes à les traiter.

C'est ainsi qu'un goulot d'étranglement organisationnel peut se former : d'un côté un maillon a une production accélérée, de l'autre une pression se créée et les équipes peinent à absorber, digérer, ou valider ce flux. Annulant tout ou partie des gains de temps initialement engendrés en amont. C'est l'embouteillage.

Ingrédient numéro deux : il est plus fatigant de corriger un contenu généré par IA que par humain

Vous seriez d'abord tentés de penser qu'un travail de relecture est moins fatigant qu'un travail de production. Après tout, il ne s'agirait que de valider un travail pré-mâché par l'intelligence artificielle. C'est pourtant le phénomène inverse que nous allons observer, même dans les cas où l'IA n'a pas produit de workslop mais bien un rendu de qualité.

Dans son excellent article Too Fast To Think, Stephan Schmidt, développeur senior, résume avec ses mots ce phénomène de fatigue émergente : c'est selon lui au cœur des enchaînements de relectures et validations très rapprochés que s'invite le problème.

Si sa productivité est passée au niveau supérieur sur le papier, il rencontre un mur cognitif plus tôt dans la journée qui l'empêche tout simplement de continuer à travailler : "j'ai besoin de m'arrêter pour un moment avant de pouvoir reprendre" ajoute-t-il dans le texte.

Car pour juger du travail de l'IA, le professionnel n'est en réalité pas dispensé de l'effort de réflexion. Il doit retracer le chemin parcouru par la machine, en évaluer chaque proposition, puis les ancrer dans un contexte réel pour en valider les propositions. Une réflexion différente, ou une réflexion en plus : l'humain doit encore aujourd'hui penser à la place de la machine.

Steve Yegge, quant à lui (ex-employé notamment de Google et d'Amazon), explique que depuis l'arrivée du code assisté par IA, il est pris par des "attaques de sieste" inexplicables. Et il partage cette même charge supplémentaire ressentie à la lecture du travail généré par la machine : tombant de fatigue parfois seulement après une heure de travail.

L'expression peut prêter à sourire, pourtant elle s'ajoute à un faisceau d'indices venant interroger le bilan de productivité.

Cette fatigue, elle m'a souvent été témoignée au cours de ces deux dernières années, et au sein de métiers très différents. Y compris certains que l'on imaginerait loin des enjeux du développement logiciel : comme les avocats. Plusieurs d'entre eux me faisaient part du même phénomène : une charge mentale qui, loin de s'alléger, ne cesse de croître.

Imaginez une ébauche de contrat, rédigée par IA : un gain de temps ? Et pourtant, si la structure semble correcte à première vue, le diable se cache dans les détails : une clause qui en contredit une autre, une logique juridique qui ne tient pas la route... ou tout autant de mauvaises surprises qui mijotent en sourdine... si le professionnel humain ne le passe pas au peigne fin.

Le problème rencontré reste donc le même : la machine ne peut pas penser à la place de l'humain, et l'humain ne peut pas traiter le texte aussi rapidement que la machine. Deux ingrédients qui entrent en tension pour former un goulot d'étranglement individuel : la fatigue associée à "penser à la place de l'IA", et donc, penser deux fois.

La production artificielle semble qualitative, aboutie, mais pourtant il faut reprendre le fil au prix d'un effort cognitif parfois supérieur à ce qu'aurait demandé la rédaction initiale. Cela amène non seulement à questionner les gains de productivité affichés, mais également à se demander : à quel point la machine est-elle utile si elle crée des embouteillages mentaux et organisationnels ?

Cela vous donne une double charge mentale

Soyons clairs : l'IA n'est pas un outil qui donne des ailes à tout le monde, tout le temps, sur tous les types de productions. C'est une idée reçue qu'il convient de nuancer : la double charge mentale en est une démonstration concrète.

D'une part, les productions générées par IA devant être revues par des humains, lorsque celles-ci sont de mauvaise qualité, ne font que déplacer et amplifier la charge mentale. Et d'autre part, même lorsque cette production est de qualité, le prestataire de services intellectuels se retrouve à devoir "penser à la place de la machine".

Se battre au quotidien contre le workslop et l'AI-fatigue combinés, c'est être invité à penser à la place d'un outil sans cerveau. Alors que, vue de l'extérieur, la valeur ajoutée perçue de l'humain, elle, continue à diminuer.

La productivité ne se calcule pas à la sortie de la tâche : elle se calcule en bout de chaîne : et si cette augmentation s'avérait marginale, mais qu'elle menait à un turnover plus important des équipes, à une accumulation de dette cognitive qui finit par devenir insolvable ?

Car les goulots d'étranglement sont déjà là, parfois invisibles : plus de gens qui soumettent du code, des articles, ou des dossiers juridiques que de personnes disponibles et disposées à les relire sérieusement.

L'IA ne sera jamais atteinte par les conséquences de son output. L'humain, quant à lui, oui. C'est donc sur ce dernier que repose cette anticipation silencieuse, cette responsabilité que ni la machine, ni ses constructeurs, ne peuvent à ce jour partager, et qui vient s'ajouter, couche après couche, à sa charge mentale. Et qu'obtient-il en retour ?

La tentation devient alors grande de baisser les armes et de faire confiance de facto aux productions de l'IA. De cesser d'en questionner les angles morts. De ne plus relire. De ne plus valider. D'enfin réduire sa charge mentale en se reposant sur la machine, peu importe son taux de performance réel. C'est le fameux automation bias.

On dit souvent en Silicon Valley que "résoudre le problème de l'Intelligence, c'est résoudre tous les problèmes". Ce problème n'est aujourd'hui, de fait, pas encore résolu. L'intelligence demeure d'origine humaine et c'est précisément pour cela qu'elle mérite d'être préservée, et non gaspillée à corriger du slop, ou se retrouver érodée à force de ne plus s'exercer.

Les réponses à apporter restent, elles, ouvertes : amélioration de l'hygiène informationnelle, développement de l'esprit critique face aux dispositifs techniques, formations, création de chartes d'utilisation éclairées, design "human-in-the-loop" avec encadrement pour contrer l'automation biais, révision des processus, explorer les approches "autonomation" et "human-centered", semaine de quatre jours, intéressement à la valeur créée par l'IA... Autant de paris sur l'avenir.

Naomi Roth

" Lorsqu'on fait du développement de façon traditionnelle, la rapidité de notre production est directement reliée à la difficulté de la tâche et à notre maîtrise du code. Ça donne à votre cerveau le temps d'assimiler ce qui se passe. Mais avec l'écriture de code assistée par IA (...) des tâches complexes sont réalisées en quelques secondes, ou minutes. Mon cerveau n'a pas le temps de digérer l'architecture du code, les choix techniques et les cas particuliers que l'IA développe. Je n'ai pas assez de temps pour mettre son travail en perspective et prendre du recul (...) Je coure un marathon à la vitesse d'un sprint, le rythme est décorrélé (...) Ce qui reste c'est la fatigue, au lieu de la satisfaction habituelle de coder. "