Le paradoxe : adoption massive, impact introuvable

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 ? 1 h 30 par semaine. Un quart des répondants n'utilisent aucun outil d'IA dans leur activité professionnelle. On est loin de la révolution productive annoncée par les éditeurs de solutions.

Ce paradoxe rappelle celui de Robert Solow en 1987 : « On voit des ordinateurs partout, sauf dans les statistiques de productivité. » L'histoire se répète. La technologie est là, mais les gains macroéconomiques ne se matérialisent pas encore — parce que l'outil seul ne suffit pas.

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].

La leçon est claire : l'IA générative accélère la production, pas l'expertise. Pour les tâches où l'expérience et le jugement sont critiques, elle peut même dégrader le résultat — un collaborateur qui ne sait pas évaluer ce que l'IA produit ne repère pas ses erreurs.

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.

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.

Ce qu'il faut mettre en place maintenant

Face à ces constats, l'enjeu n'est pas d'interdire le BYOAI — les tentatives d'interdiction totale ont montré leurs limites dans les grandes organisations. L'enjeu est de passer d'un usage diffus et non supervisé à un cadre qui préserve les gains sans subir les coûts cachés.

1. Cartographier les usages réels. Avant de cadrer, il faut savoir. Quels outils sont utilisés, par quels métiers, pour quels types de tâches, avec quelles données. Sans cette visibilité, toute politique BYOAI repose sur des hypothèses.
2. Distinguer tâches de production et tâches de jugement. Les premières se prêtent bien à l'assistance IA. Les secondes nécessitent un cadrage spécifique : relecture systématique, interdiction de délégation complète, validation humaine formalisée.
3. Définir des critères de qualité sur les livrables, pas sur les outils. Le problème du workslop n'est pas l'outil utilisé mais l'absence de standard sur le résultat attendu. Si un livrable doit être relu avant envoi, cela doit être explicite — qu'il ait été produit par un humain ou par un LLM.
4. Mesurer la productivité en sortie, pas en entrée. Le nombre de tâches terminées ou le temps gagné ne dit rien de la valeur produite. Ce qui compte : le volume de travail utile délivré, la qualité perçue par les destinataires internes et externes, la charge de correction en aval.
5. Poser un cadre sans tout verrouiller. Une charte BYOAI minimale couvre trois points : quelles données ne doivent jamais transiter par un outil IA non validé, quels types de livrables exigent une relecture humaine, et quel est le processus de signalement en cas de problème. C'est un cadre de gouvernance, pas une interdiction.

Le sujet de la conférence BYOAI que j'anime en entreprise porte précisément sur cette articulation entre usage terrain et cadre organisationnel. La question n'est plus « faut-il autoriser l'IA ? » mais « comment faire en sorte que ce qui est déjà utilisé produise de la valeur plutôt que du bruit ? »