BYOAI et productivité : l’écart entre efficacité individuelle et performance collective
Les collaborateurs utilisent déjà leurs propres outils d’IA, et certaines études mesurent des gains réels à l’échelle des tâches. Pour une direction, la question décisive est ailleurs : ces gains se transforment-ils en qualité, en fiabilité et en performance collective mesurable ?
90 % des dirigeants interrogés déclarent que l’IA n’a eu aucun impact mesurable sur la productivité de leur organisation. Au même moment, des études académiques documentent des gains individuels de 14 à 34 % sur certaines tâches. Ce paradoxe mérite mieux qu’un article de plus sur les « promesses de l’IA ».
Pour quiDirigeants, DRH, DSI et managers qui doivent trancher : encourager, encadrer ou freiner l’usage d’outils IA personnels dans l’organisation.
Ce que les chiffres ne permettent pas de conclureUn chiffre de productivité individuel n’est pas une politique d’entreprise. Il devient utile seulement s’il est relié à la qualité, au risque, à la charge et à la performance collective.
Après lectureLes éléments pour distinguer ce qui relève du gain vérifiable, de l’effet de mode, et du risque organisationnel — et savoir où commencer le travail propre à votre structure.
De l’usage individuel à la performance mesurable
Le phénomène BYOAI — Bring Your Own AI — désigne la pratique par laquelle les collaborateurs utilisent des outils d’intelligence artificielle générative qu’ils ont choisis eux-mêmes, souvent sans validation de la DSI ni cadrage managérial. ChatGPT, Claude, Gemini, Copilot en version personnelle : ces outils sont déjà dans l’entreprise, que la direction le sache ou non.
En février 2026, une étude du National Bureau of Economic Research (NBER) portant sur 6 000 dirigeants aux États-Unis, au Royaume-Uni, en Allemagne et en Australie a posé un constat net : près de 90 % des entreprises interrogées déclarent que l’IA n’a eu aucun impact sur l’emploi ni sur la productivité au cours des trois dernières années [1]. Et ce, malgré le fait que deux tiers de ces mêmes entreprises disent utiliser l’IA.
L’usage moyen déclaré reste limité : 1 h 30 par semaine. Un quart des répondants n’utilisent aucun outil d’IA dans leur activité professionnelle. Le signal est donc plus prudent qu’un simple discours d’adoption : l’outil circule, mais le résultat collectif ne se mesure pas encore.
environ, sans impact mesuré
NBER, 6 000 dirigeants, février 2026
usage IA moyen par semaine
Usage déclaré par les dirigeants
gain de productivité individuel moyen
Brynjolfsson et al., QJE, mai 2025
Le constat rappelle le paradoxe formulé par Robert Solow en 1987 : « On voit des ordinateurs partout, sauf dans les statistiques de productivité. » La comparaison n’est pas seulement historique. Elle rappelle qu’une technologie largement disponible ne produit pas automatiquement une performance mesurable lorsque les usages, les processus et les responsabilités restent dispersés.
Des gains individuels réels, mais très inégaux
Si les gains macro restent modestes, les études terrain dessinent un tableau plus nuancé au niveau individuel. Trois recherches font référence.
L’étude de Brynjolfsson, Li et Raymond, publiée dans le Quarterly Journal of Economics en mai 2025, a suivi 5 172 agents de support client pendant plusieurs mois. Résultat : un gain de productivité moyen de 14 %, mesuré en nombre de dossiers résolus par heure. Les agents les moins expérimentés ont progressé de 34 %. Les plus qualifiés, eux, ont vu des gains faibles en vitesse et une légère baisse de qualité [2].
En mars 2026, des chercheurs de Harvard et de Stanford ont publié les résultats d’une expérimentation menée chez IG Group, une société de trading, avec 78 collaborateurs répartis en trois groupes : experts, profils adjacents et profils éloignés du domaine. L’IA a réduit le temps de conceptualisation de 66 % et le temps de rédaction de 75 %. Mais les profils non experts ont produit des contenus de qualité inférieure de 13 % par rapport aux experts, même avec l’IA [3].
Bojinov et McFowland montrent un point simple : l’IA générative accélère la mise en forme, mais le jugement de terrain reste humain.
Le point à retenir est plus exigeant : l’IA générative peut accélérer la production, mais elle ne remplace pas l’expertise. Sur les tâches où l’expérience et le jugement font la valeur, le risque augmente si personne ne sait évaluer ce que l’IA produit.
Là où le BYOAI produit des gains
Tâches de production répétitives : rédaction de premiers jets, reformulation, synthèse de documents, tri d’informations, traduction, analyse de données tabulaires.
Profils qui en bénéficient le plus : juniors, profils non spécialistes, collaborateurs qui traitent un volume élevé de tâches standardisées.
Là où le BYOAI produit des risques
Tâches de jugement : analyse stratégique, arbitrages juridiques, diagnostic technique, évaluation de risques, décisions clients engageantes.
Profils exposés : seniors qui se reposent sur l’IA sans vérifier, juniors qui ne savent pas quoi vérifier, managers qui délèguent sans relecture.
C’est le point aveugle du BYOAI : lorsqu’un collaborateur choisit seul son outil et l’utilise sans cadre, l’organisation n’a aucune visibilité sur ce qui est produit, avec quel niveau de fiabilité, et quelles données sont exposées. Le gain de productivité individuel peut coexister avec une dégradation de la qualité collective. Ce sujet rejoint directement les enjeux de shadow AI en entreprise, un phénomène que je détaille sur le blog farweb.fr.
Quand le BYOAI intensifie le travail sans l’alléger
L’argument central du BYOAI est simple : les collaborateurs gagnent du temps, donc l’entreprise gagne en productivité. Plusieurs recherches publiées entre septembre 2025 et mars 2026 montrent que ce raisonnement est incomplet.
L’effet d’intensification
En février 2026, Aruna Ranganathan et Xingqi Maggie Ye (UC Berkeley) ont publié dans Harvard Business Review les résultats d’une étude de huit mois menée auprès d’environ 200 collaborateurs d’une entreprise technologique américaine. Le constat est contre-intuitif : l’IA ne réduit pas la charge de travail, elle l’intensifie [4].
Trois mécanismes ont été identifiés. D’abord, l’expansion des tâches : des chefs de produit se sont mis à écrire du code, des designers à prototyper, des chercheurs à absorber des tâches d’ingénierie. Ensuite, le brouillage des frontières : le travail s’est infiltré dans les pauses, les déjeuners, les interstices de la journée. Enfin, le multitâche permanent : les collaborateurs gèrent davantage de fils simultanés, avec une charge cognitive accrue.
Un rapport d’ActivTrak publié en mars 2026, portant sur 10 584 utilisateurs suivis pendant 180 jours avant et après l’adoption d’outils IA, mesure l’ampleur du phénomène : le temps consacré aux emails a augmenté de 104 %, celui dédié à la messagerie instantanée de 145 %, et les sessions de travail concentré ont diminué de 9 % [5].
Conclusion du rapport : « les données sont sans ambiguïté : l’IA ne réduit pas la charge de travail ». Le gain de vitesse sur certaines tâches est absorbé par l’augmentation du volume et l’extension du périmètre de chacun.
Le coût caché du « workslop »
En septembre 2025, six chercheurs (dont Kate Niederhoffer et Jeffrey Hancock de Stanford) ont documenté un phénomène qu’ils nomment le workslop : du contenu généré par IA qui ressemble à du travail de qualité mais n’en a pas la substance [6].
41 % de collaborateurs exposés
Sur 1 150 employés américains, 41 % déclarent avoir reçu du contenu professionnel généré par IA de qualité insuffisante au cours du mois précédent.
1 h 56 de retravail par incident
Chaque occurrence de workslop coûte en moyenne près de deux heures de correction, vérification et reformulation au destinataire.
Effet de confiance dégradé
53 % des destinataires sont agacés, 32 % déclarent être moins enclins à retravailler avec l’expéditeur. La productivité apparente crée un coût relationnel.
Le workslop est le sous-produit inévitable du BYOAI non encadré. Un collaborateur qui génère un livrable en dix minutes au lieu de deux heures croit avoir gagné du temps. Mais si le destinataire passe deux heures à corriger, le bilan net est négatif.
Le workslop n’est pas un problème technologique. C’est un problème de supervision. L’outil n’est pas en cause — c’est l’absence de critères de qualité et de relecture humaine qui transforme un gain individuel en coût collectif.
Ce que cela change concrètement pour l’entreprise
Si l’on synthétise ces différentes recherches, trois conclusions s’imposent pour toute organisation où le BYOAI existe — qu’il soit reconnu ou non.
Premièrement, les gains sont réels mais localisés. Ils se concentrent sur les tâches de production à faible complexité cognitive : rédaction de premiers jets, synthèse, reformulation, tri. Les extrapoler à l’ensemble de l’activité est une erreur. BCG estime que 70 % de la valeur transformative de l’IA dépend de la transformation des personnes, de l’organisation et des processus — pas de l’outil lui-même [7].
Deuxièmement, sans cadrage, le BYOAI déplace les coûts sans les supprimer. Le temps gagné en amont se retrouve en aval sous forme de retravail, de correction, de surcharge informationnelle et d’érosion de la confiance entre collaborateurs. L’expérimentation d’UC Berkeley le démontre : les collaborateurs travaillent autant, voire plus, après avoir adopté l’IA.
Troisièmement, l’IA crée un risque de fausse égalisation des compétences. L’étude de Harvard/Stanford sur IG Group montre que l’IA aide tout le monde à conceptualiser plus vite, mais ne comble pas l’écart d’exécution lié à l’expérience. Un manager qui ne le comprend pas risque de confier des tâches critiques à des profils qui produiront un résultat superficiellement correct, mais structurellement fragile.
L’erreur la plus courante est de raisonner en temps gagné plutôt qu’en qualité délivrée. Un audit IA ne mesure pas combien de temps les collaborateurs « gagnent » — il mesure ce que l’organisation produit réellement, et à quel coût global. C’est ce type de diagnostic que je réalise en audit IA.
Transformer le BYOAI en productivité vérifiable
Le point de bascule n’est pas l’autorisation de ChatGPT, Claude ou Mistral. Il apparaît quand l’entreprise relie trois informations que les usages individuels séparent souvent : le type de livrable produit, les données exposées et le retravail imposé aux autres.
Inventorier les tâches augmentées
Repérer les usages par métier : synthèse commerciale, support client, analyse RH, préparation de réunion, reporting, réponse aux appels d’offres. Le sujet n’est pas l’outil, mais la tâche qu’il transforme.
Qualifier les données exposées
Classer ce qui entre dans les prompts : données client, informations RH, prix, contrats, savoir-faire interne, documents non publics. Un gain de temps obtenu avec une donnée sensible n’a pas la même valeur qu’une aide sur un texte banal.
Suivre le retravail en aval
Mesurer ce qui revient aux managers, au juridique, au support ou aux équipes commerciales après usage IA : corrections, reformulations, vérifications de sources, reprises de promesses ou incohérences de ton.
Fixer les seuils de relecture
Une note interne, une réponse client, une analyse RH et une proposition commerciale ne portent pas le même risque. Le BYOAI devient pilotable quand chaque famille de livrables a son niveau de relecture.
Fermer la boucle de décision
Les usages utiles doivent remonter dans l’organisation ; les usages dangereux doivent être traités vite. Sans canal clair, l’entreprise découvre les problèmes seulement quand le livrable est déjà parti.
Quand le BYOAI est déjà là
CODIR à aligner ou usages à mesurer
Quand le BYOAI n’a jamais été discuté en CODIR, la priorité est l’alignement. Quand les usages circulent déjà dans les équipes, la priorité devient l’inventaire : outils, données, livrables, incidents, retravail.
Pour ouvrir le sujet sans accuser les équipes : ce qui peut rester libre, ce qui doit être encadré, ce qui expose l’entreprise trop fortement.
Audit IAPasser des impressions aux preuves de terrain.Pour documenter les outils utilisés, les données traitées, les livrables produits, les points de retravail et les seuils de relecture. Les validations DPO, RSSI et juridiques restent celles de vos référents internes ou conseils habituels.
Questions fréquentes
Le BYOAI améliore-t-il la productivité ?
Les études académiques documentent des gains individuels de 14 à 34 % sur des tâches de production (rédaction, synthèse, support client). Mais ces gains ne se traduisent pas automatiquement en productivité collective : sans cadrage, le temps gagné est absorbé par l’expansion des tâches et le retravail en aval. Le bilan dépend du type de tâche, du niveau d’expérience du collaborateur et de la présence ou non d’un cadre de qualité.
Quels risques pour un BYOAI non encadré ?
Trois risques principaux : la fuite de données sensibles vers des outils non validés, la diffusion de contenus de qualité insuffisante (workslop) qui génèrent du retravail, et l’intensification du travail par expansion des périmètres individuels. Ces enjeux sont au cœur de la conférence BYOAI que j’anime en entreprise.
Comment mesurer l’impact réel de l’IA ?
La mesure en « temps gagné » est trompeuse. Il est préférable de mesurer la qualité des livrables produits, le taux de retravail en aval, la satisfaction des destinataires internes, et le temps de travail concentré (deep work) avant et après adoption. Un audit IA permet de poser ce diagnostic structuré.
L’IA remplace-t-elle l’expertise métier ?
Non. Les recherches de Harvard et Stanford (mars 2026) montrent que l’IA accélère la conceptualisation pour tous les profils, mais ne comble pas l’écart d’exécution lié à l’expérience. Les collaborateurs éloignés du domaine produisent des résultats inférieurs de 13 %, même assistés par l’IA. L’expertise humaine reste indispensable pour évaluer, arbitrer et décider.
Faut-il interdire le BYOAI en entreprise ?
L’interdiction totale est rarement efficace : elle pousse les usages dans l’ombre et supprime les gains légitimes. L’approche utile consiste à encadrer : définir les données protégées, les tâches à relecture obligatoire, et un canal de signalement. C’est un sujet central de la conférence BYOAI.
Comment éviter que le BYOAI produise seulement plus de livrables à relire ?
Le coût caché se mesure dans les corrections, la vérification des sources, la reprise du ton, le contrôle des données et les arbitrages sensibles. Une conférence BYOAI place ces arbitrages au niveau direction. Un audit IA les rattache aux pratiques réelles, aux données exposées et aux livrables qui demandent une relecture.
Sources et références
- NBER — Firm Data on AI — enquête auprès de près de 6 000 dirigeants aux États-Unis, au Royaume-Uni, en Allemagne et en Australie, février 2026.
- Erik Brynjolfsson, Danielle Li, Lindsey Raymond — Generative AI at Work, The Quarterly Journal of Economics, vol. 140, n° 2, mai 2025.
- Harvard Business School Working Knowledge — Gen AI Boosts Productivity, But Can’t Turn Novices Into Experts — expérimentation IG Group conduite par Iavor Bojinov, Edward McFowland III et leurs co-auteurs, mars 2026.
- Aruna Ranganathan, Xingqi Maggie Ye — AI Doesn’t Reduce Work—It Intensifies It, Harvard Business Review, 9 février 2026.
- ActivTrak Productivity Lab — 2026 State of the Workplace — analyse de 443 millions d’heures de travail et suivi de 10 584 utilisateurs autour de l’adoption IA, mars 2026.
- Kate Niederhoffer, Gabriella Rosen Kellerman, Angela Lee, Alex Liebscher, Kristina Rapuano, Jeffrey T. Hancock — AI-Generated “Workslop” Is Destroying Productivity, Harvard Business Review, 22 septembre 2025.
- Boston Consulting Group — AI at Work 2025: Momentum Builds, but Gaps Remain, enquête mondiale auprès de plus de 10 600 répondants, 2025.
- Microsoft et LinkedIn — 2024 Work Trend Index: AI at Work Is Here. Now Comes the Hard Part — donnée BYOAI sur l’usage d’outils IA personnels au travail, mai 2024.
- MIT Sloan — Barbara H. Wixom, Nick van der Meulen — What leaders should know about ‘bring your own AI’, analyse des risques et pratiques BYOAI, mars 2025.
- McKinsey & Company — The State of AI: Global Survey 2025 — adoption, performance et importance de la refonte des workflows, 2025.
- Asana Work Innovation Lab — The Reality of AI in Today’s Workplace — étude 2025 sur l’adoption, la charge et la valeur opérationnelle de l’IA au travail.
Ce sujet concerne votre organisation ? Un premier échange de 15 minutes permet d’évaluer la situation et de décider de la suite.
Planifier un échangeSans engagement · 15 min · Strasbourg ou visio