Avec l'IA, faudra-t-il redéfinir le mérite au travail ?

L'IA accélère le travail, mais brouille nos vieux repères : effort, temps, compétence. Si ces signaux ne suffisent plus, sur quoi fonder le mérite ?

L’IA ne brouille pas seulement la frontière entre travail humain et machine. Elle fragilise un vieux réflexe : mesurer la valeur professionnelle à l’effort visible.

Pendant très longtemps, le travail intellectuel a fonctionné avec une série d’équivalences commodes. Plus une tâche prenait du temps, plus elle semblait difficile. Plus elle semblait difficile, plus elle supposait d’effort. Et plus cet effort était visible, plus il devenait facile de l’associer au mérite, puis à la compétence et, finalement, à la valeur professionnelle. Personne n’a jamais sérieusement cru que cette chaîne était parfaite. Nous connaissons tous des salariés qui passent dix heures sur ce qu’un collègue réalise en trois.

Mais tant que les écarts restaient contenus, le système tenait. Le temps passé restait un proxy imparfait mais socialement lisible. L’intelligence artificielle générative fait exploser ce compromis en créant des différentiels de temps suffisamment importants pour rendre ce proxy beaucoup moins crédible.

Deux personnes peuvent désormais produire un dossier de qualité comparable. La première y consacre huit heures. La seconde en consacre deux parce qu’elle maîtrise son métier, sait utiliser les outils, repère les erreurs, reformule, vérifie et reprend la main lorsque la machine dérive. La première a fourni davantage d’effort immédiat. La seconde a construit davantage de levier. Laquelle mérite le plus de reconnaissance ?

Répondre que seul le résultat compte serait trop facile. Répondre que le mérite appartient nécessairement à celui qui a travaillé le plus longtemps reviendrait, à l’inverse, à transformer l’inefficacité en vertu. L’IA ne nous impose donc pas simplement de mesurer autrement la productivité. Elle nous oblige à définir ce que nous appelons encore le mérite professionnel.

Nous avons longtemps récompensé ce que nous pouvions observer

Le mérite au travail n’a jamais été une grandeur objective. Il repose sur des signaux. Les horaires, la disponibilité, la quantité de documents produits ou la difficulté apparente d’une mission ont longtemps servi à raconter une histoire sur l’effort fourni. Dans le travail intellectuel, ces signaux ont pris une importance considérable.

C’est aussi pour cette raison que l’expertise est parfois paradoxale. Plus un professionnel devient bon, plus certaines tâches lui paraissent simples. Ce qui lui demandait cinq heures dix ans plus tôt peut n’en prendre qu’une aujourd’hui. Pourtant, personne ne considère normalement que son mérite a diminué parce qu’il sait désormais mieux faire son travail. Nous acceptons même de payer davantage celui qui trouve rapidement la bonne solution.

L’IA pousse cette logique beaucoup plus loin. Une expérience publiée dans Science en 2023 auprès de 453 professionnels diplômés travaillant sur des tâches de rédaction a montré que l’accès à ChatGPT réduisait en moyenne le temps nécessaire de 40 %, tout en augmentant la qualité des productions de 18 %. Dans certains types de tâches, le temps cesse donc déjà d’être un indicateur fiable de la qualité obtenue.

Si une entreprise continue d’associer la valeur d’un travail à la quantité d’effort visible nécessaire pour l’obtenir, elle risque de pénaliser ceux qui ont appris à produire autrement. Mais derrière deux résultats équivalents peuvent aussi se cacher deux niveaux de compétence humaine très différents.

Travailler moins longtemps ne signifie pas nécessairement faire moins de travail

Lorsqu’un professionnel utilise efficacement l’IA, une partie de l’activité disparaît de la surface visible. La recherche initiale peut être accélérée, une structure produite en quelques secondes ou plusieurs hypothèses comparées plus rapidement. Vu de l’extérieur, le temps humain consacré à la production diminue.

Mais ce temps économisé ne dit rien, à lui seul, sur la nature du travail restant. Une réponse plausible n’est pas nécessairement juste. À mesure que les outils produisent des formes professionnelles crédibles, une partie de la compétence se déplace de l’exécution vers le jugement.

L’expérience menée avec 758 consultants du Boston Consulting Group illustre parfaitement cette ambiguïté. Sur des tâches situées dans ce que les chercheurs appellent la "frontière technologique" de l’IA, les consultants équipés de GPT-4 ont travaillé environ 25 % plus vite, réalisé davantage de tâches et produit des résultats de meilleure qualité. Mais sur une tâche volontairement située au-delà de cette frontière, les utilisateurs de l’IA étaient 19 points de pourcentage moins susceptibles d’arriver à la bonne solution que ceux qui travaillaient sans elle.

Le même outil peut donc augmenter fortement la performance et dégrader le jugement. Ce qui distingue alors deux professionnels n’est plus seulement leur capacité à produire. C’est leur capacité à savoir quand déléguer, quand vérifier, quand douter et quand reprendre entièrement la main.

L’IA peut révéler une expertise comme elle peut en masquer l’absence

Un professionnel expérimenté peut utiliser l’IA pour amplifier une expertise déjà réelle. Il sait ce qu’il cherche, reconnaît une réponse insuffisante et peut contrôler le résultat. La machine agit alors comme un multiplicateur de capacité.

Mais l’effet inverse existe également. Les outils génératifs peuvent permettre à quelqu’un de produire une apparence de maîtrise supérieure à son niveau réel. Une note bien structurée ou une analyse rédigée dans un langage professionnel peuvent donner l’impression que les raisonnements sous-jacents sont maîtrisés. Tant que personne ne pousse l’auteur hors du périmètre produit par la machine, l’écart peut rester invisible.

Cela ne signifie pas qu’il faudrait revenir à une forme de travail artisanal pour prouver sa compétence. Nous n’exigeons pas d’un analyste financier qu’il refasse ses calculs sans tableur. Mais l’IA pose une difficulté supplémentaire : elle peut intervenir dans la formulation même du raisonnement, de l’argument ou de la décision.

La question devient alors très concrète : quelle partie du travail considérons-nous comme délégable sans altérer la compétence que nous cherchons à évaluer ? Pour certaines tâches, la valeur résidera essentiellement dans le résultat final. Pour d’autres, elle résidera dans la capacité à construire le raisonnement, à identifier les sources pertinentes, à arbitrer entre des hypothèses ou à assumer une décision dont les conséquences ne peuvent pas être déléguées à un modèle.

Nous utilisons l’IA tout en continuant à juger ceux qui l’utilisent

Le paradoxe devient encore plus visible lorsqu’on regarde la manière dont les travailleurs évaluent leurs pairs. En 2026, Atlassian a interrogé 1 006 knowledge workers américains : 94 % déclaraient avoir utilisé l’IA au travail au cours du mois précédent. Dans une expérience distincte menée auprès de 961 personnes, l’entreprise a présenté des productions identiques en faisant varier une seule information : l’auteur avait-il ou non déclaré avoir utilisé l’IA ?

Lorsque l’usage de l’IA était mentionné, l’auteur était jugé beaucoup plus paresseux et avait 24 points de pourcentage de moins de chances d’être recommandé pour un projet à forte visibilité. Une étude publiée l’année précédente dans les Proceedings of the National Academy of Sciences, fondée sur quatre expériences réunissant plus de 4 400 participants, avait déjà montré que les utilisateurs d’IA pouvaient être perçus comme moins compétents, moins diligents ou moins motivés.

Nous sommes peut-être en train de construire un monde du travail où presque tout le monde utilise l’IA, mais où chacun continue d’évaluer son voisin selon une conception du mérite héritée d’un monde où il ne l’utilisait pas. Si l’usage d’un outil améliore une production tout en diminuant la perception de l’effort fourni, celui qui l’utilise peut rationnellement être tenté de cacher son processus.

Plus l’IA devient banale, moins la trace visible de fabrication permet de comprendre la valeur réelle du travail. Nous voyons le résultat, parfois l’outil, rarement l’ensemble des arbitrages qui ont conduit de l’un à l’autre.

Le mérite devra peut-être se déplacer de l’effort vers la responsabilité

Redéfinir le mérite ne signifie pas décréter que l’effort ne compte plus. L’effort reste important lorsqu’il traduit de la persévérance, de l’apprentissage ou une difficulté réelle. Mais il devient beaucoup plus difficile d’en faire une mesure universelle de la valeur dès lors que deux professionnels peuvent atteindre le même résultat avec des architectures de travail radicalement différentes.

Le résultat seul ne suffit pas davantage. Un résultat peut être excellent par chance, mauvais malgré une démarche rigoureuse ou impossible à évaluer immédiatement. Une analyse peut être convaincante tout en reposant sur une source mal comprise. Une décision peut être efficacement assistée par l’IA tout en restant entièrement imputable à celui qui la prend.

Il faudra donc probablement regarder davantage ce que le temps passé nous permettait autrefois d’éviter de regarder : la qualité du jugement, l’autonomie, la capacité à contrôler un résultat, la maîtrise du domaine, le choix des outils, la capacité à expliquer une décision et surtout la responsabilité assumée lorsque celle-ci se révèle mauvaise. Dans cette logique, savoir utiliser l’IA ne constitue pas automatiquement un mérite. Savoir ce qu’on peut lui confier, ce qu’on doit lui reprendre et ce dont on reste responsable en constitue peut-être un.

Pendant des décennies, nous avons pu observer une partie du travail et en déduire approximativement sa valeur. Avec l’IA, cette relation devient beaucoup plus fragile. Deux heures peuvent désormais contenir davantage de compétence que huit, mais elles peuvent aussi en dissimuler beaucoup moins.

La question n’est donc pas de savoir si nous devons récompenser ceux qui utilisent l’IA ou ceux qui s’en passent. Elle est de savoir ce que nous voulons réellement reconnaître lorsque les traces traditionnelles de l’effort cessent de nous renseigner correctement. Et sur ce point, le monde du travail n’a encore rien décidé.