Cette semaine, à Amsterdam, Atlassian a ouvert sa conférence Team ’26 Europe avec un message de son cofondateur Mike Cannon-Brookes au titre sans détour : The End of Single-Player AI, la fin de l’IA en solo. Son diagnostic : la plupart des adoptions de l’intelligence artificielle en entreprise commencent avec une personne seule devant une fenêtre de chat. Ça rend un individu plus rapide, mais ça ne fait pas bouger l’aiguille pour l’équipe. Le vrai basculement, selon lui, arrive quand la collaboration humain-IA devient « multijoueur », avec des agents IA qui travaillent aux côtés de leurs coéquipiers humains, dans les mêmes outils, sur les mêmes objectifs.

Évidemment, un éditeur de logiciels qui vous explique que la solution passe par une plateforme connectée, ce n’est pas exactement une surprise. Mais derrière l’annonce produit, il y a des chiffres qui méritent l’attention de tout dirigeant, issus du rapport State of Teams 2026 (plus de 12 000 travailleurs du savoir et plus de 170 dirigeants du Fortune 1000 interrogés). Et surtout, il y a une question de management que l’on voit tous les jours chez nos clients : qui coordonne le travail quand la moitié de l’équipe n’est plus humaine ?

Chez Corporate Mavericks, on pense que cette question ne se règle pas avec un protocole technique. Elle se règle avec des décisions d’organisation. Voici ce que disent les données, ce qu’elles ne disent pas, et ce que vous pouvez changer dès lundi.

Le paradoxe : tout le monde va plus vite, personne n’arrive plus tôt

Le chiffre le plus parlant du rapport tient en deux nombres. 89 % des dirigeants interrogés affirment que l’IA a accéléré le travail. Mais seulement 6 % se disent capables de pointer un retour sur investissement précis à l’échelle de l’organisation. Dans une publication d’avril, Atlassian ajoutait que la moitié de ces mêmes dirigeants estiment que la coordination entre équipes ne s’est pas améliorée du tout, et que 58 % ne savent pas mesurer le ROI de l’IA au niveau de l’entreprise.

Autrement dit : l’IA générative a tenu sa promesse de productivité au niveau individuel. Un développeur code une fonctionnalité avant le déjeuner, un marketeur décline dix variantes de campagne en une matinée, un analyste produit en une semaine plus de scénarios qu’en un trimestre. Et pourtant, les indicateurs qui comptent (valeur livrée, satisfaction client, qualité, incidents) bougent peu, voire se dégradent.

La règle des 20 / 80 que tout le monde oublie

L’explication est simple, et elle n’a rien de technologique. Une étude de la Harvard Business Review sur la « surcharge collaborative », souvent citée, estime qu’environ 80 % du travail en entreprise est collaboratif. Seuls 20 % relèvent de la production individuelle : écrire, coder, concevoir, analyser. Les 80 % restants, ce sont les revues, les validations, les réunions d’alignement, les arbitrages, les escalades, les tests, l’attente du retour d’un partenaire.

Les assistants d’IA sont redoutables pour accélérer les 20 %. Mais toute cette production supplémentaire passe ensuite par les mêmes portes humaines qu’avant : la revue de code, la validation juridique, le contrôle sécurité, le comité de priorisation. Ces portes n’ont pas changé. Résultat : le travail en cours s’accumule devant les goulets d’étranglement, les relecteurs saturent, et la fatigue pousse à valider sans lire. C’est exactement le mécanisme du slop IA dont on parlait il y a quelques semaines : plus rapide, pas meilleur.

Accélérer un poste qui n’est pas le goulet d’étranglement n’accélère pas le système. Ça déplace simplement la file d’attente.
Le principe de base de la théorie des contraintes, que l’IA en solo redécouvre à grands frais

La « taxe de fragmentation » : ce que coûte une IA mal coordonnée

Atlassian a donné un nom à ce phénomène : la taxe de fragmentation. Même dans les équipes qui disent que l’IA les rend plus rapides, les chercheurs du Teamwork Lab mesurent environ 6 heures perdues par personne et par semaine dans le chaos de coordination : objectifs flous, travail en double, priorités qui changent. Extrapolé aux effectifs et aux salaires moyens du Fortune 500, le rapport chiffre ce gaspillage à environ 161 milliards de dollars par an.

Prenez ce montant avec la prudence qui s’impose : c’est une extrapolation d’enquête déclarative, réalisée par un acteur qui vend des outils de coordination. Mais le mécanisme, lui, est très concret, et vous l’avez probablement déjà observé :

• Des gens qui vont plus vite dans des directions opposées. Chacun optimise sa tâche avec son assistant, sans vision partagée de la priorité commune.
• Du travail en double. Trois personnes demandent à trois outils différents de produire la même synthèse, avec trois résultats légèrement différents.
• Des décisions « finales » qui ne circulent pas. Elles restent dans une conversation privée avec un chatbot, invisibles pour le reste de l’équipe.

Et ce n’est que le début. Avec l’IA agentique, la coordination ne se fait plus seulement entre humains, mais entre humains et agents, et entre agents eux-mêmes. Un designer travaille avec un agent de design, un product manager avec un agent qui synthétise les retours clients, l’équipe commerciale avec un agent qui prépare les rendez-vous. Chacun est utile isolément. Sans contexte commun, ces systèmes d’IA recréent le chaos des silos humains, en plus rapide.

Collaboration humain-IA : de quoi parle-t-on vraiment ?

On confond souvent trois choses très différentes sous le terme de collaboration homme-machine :

1. L’assistance individuelle. Un humain interroge un outil génératif pour rédiger, résumer, coder. C’est l’IA en solo. Utile, mais c’est de l’outillage personnel, pas une forme de collaboration au sens organisationnel.
2. L’automatisation de flux. Un algorithme prend en charge des tâches répétitives dans un processus (tri des tickets, routage des demandes, contrôle de conformité). L’humain intervient aux points de contrôle.
3. Le travail en équipe mixte. Des agents IA ont un rôle identifié dans l’équipe, un responsable humain, un périmètre d’action, et leur travail est visible de tous. C’est cette troisième forme que Cannon-Brookes appelle « multijoueur ».

Le lien entre l’intelligence artificielle et l’humain change donc de nature. Dans la première forme, l’IA est un outil que l’on prend et que l’on pose. Dans la troisième, elle devient un acteur du système de travail, et tout acteur d’un système doit être coordonné. C’est là que le sujet quitte la DSI pour atterrir sur le bureau du manager.

Ce que propose Atlassian (et ce qu’un protocole ne réglera jamais)

Pour passer au mode multijoueur, Atlassian lance AMP, un « protocole multijoueur agentique » organisé en trois couches. On les résume ici parce qu’elles décrivent assez bien les vrais besoins d’une équipe mixte, quel que soit l’outil choisi :

• Collaborer dans le flux de travail. Les agents interviennent là où le travail se fait : on les mentionne dans un document, on débat avec eux dans un fil de commentaires, on les branche sur un workflow pour trier ou router.
• Identité et présence partagée. Chaque agent a un propriétaire clairement identifié, un profil distinct, et ses contributions sont attribuées en temps réel. On voit son curseur à côté de celui des collègues humains.
• Contexte et gouvernance. Les permissions sont délimitées (un agent RH hérite des droits de la personne qui le sollicite), l’activité est auditée, et des points de contrôle humains sont prévus.

Sur le fond, c’est sensé. Mais regardez bien la liste : propriétaire, visibilité, périmètre, contrôle. Ce sont exactement les questions qu’on se pose quand on accueille un nouveau membre dans une équipe. Un protocole peut rendre ces réponses techniquement possibles. Il ne peut pas les donner à votre place. Qui est responsable du travail de l’agent ? Qui arbitre quand sa production contredit celle d’un humain ? Qui décide qu’il a le droit d’agir sans validation ? Ce sont des décisions de management, et beaucoup d’organisations ne les ont jamais prises, y compris pour leurs équipes 100 % humaines.

Ce que font différemment les équipes qui en tirent de la valeur

Le rapport identifie trois disciplines de coordination chez les équipes les plus performantes. Seules 14 % des équipes pratiquent les trois. Celles qui le font réduisent leur taxe de fragmentation de 46 % par rapport aux équipes qui n’en pratiquent aucune, et se disent 5,6 fois plus susceptibles d’affirmer que l’IA les aide à planifier et prioriser, 9,4 fois plus susceptibles de dire qu’elle les aide à améliorer leur collaboration.

1. Un contexte partagé

Vos équipes (et leurs outils) ont-elles accès aux mêmes objectifs, aux mêmes décisions, aux mêmes données ? Ou chacun travaille-t-il sur sa propre version de la vérité ? Sans connaissance organisationnelle accessible, une IA se comporte comme une nouvelle recrue très sûre d’elle : rapide, éloquente, et souvent à côté de la plaque. Les humains compensent ce manque par des réseaux informels (on sait qui appeler quand la documentation est fausse). Un agent, non. D’où l’importance du rôle que nous décrivions dans notre article sur l’architecte de la connaissance.

2. Des workflows, pas des raccourcis

L’IA est-elle branchée sur la façon dont le travail circule réellement entre les personnes et les équipes ? Ou est-ce une collection de raccourcis individuels qui génèrent surtout plus de choses à relire ? Selon Atlassian, 70 % des travailleurs du savoir estiment que leurs processus ne sont pas adaptés à l’IA. Optimiser un poste sans repenser le flux, c’est déplacer le bouchon.

3. Une culture d’apprentissage collectif

Les gens apprennent-ils des expériences des autres, ou chacun bricole-t-il seul dans son coin ? Les équipes qui progressent s’appuient sur des relais internes (l’ingénieur curieux, la responsable des opérations qui adore les process) qui testent, partagent ce qui marche et ce qui ne marche pas, et aident les collègues à traduire le potentiel abstrait en pratiques concrètes. La pensée critique et le partage : c’est là que naît l’innovation, bien plus que dans le dernier modèle à la mode.

5 actions pour favoriser une collaboration humain-IA efficace dès lundi

Pas besoin d’attendre un déploiement de plateforme pour agir. Voici ce que nous recommandons aux managers et aux équipes de direction que nous accompagnons :

1. Cartographiez vos portes humaines. Listez les points de validation par lesquels passe le travail de l’équipe (revues, approbations, comités). Mesurez la file d’attente devant chacune. Si elle grossit depuis que l’IA est arrivée, c’est là qu’il faut investir : alléger, déléguer, clarifier les critères de validation, ou outiller la revue elle-même.
2. Donnez un propriétaire humain à chaque agent. Pas « l’équipe », pas « la DSI » : une personne nommée, responsable de ce que l’agent produit, de son périmètre et de sa supervision. Un agent sans propriétaire, c’est un collaborateur sans manager.
3. Rendez le travail de l’IA visible. Les décisions prises avec un assistant doivent atterrir dans le système de référence de l’équipe (le ticket, le document de décision, le tableau), pas rester dans un historique de chat privé. Ce qui n’est pas visible n’est pas coordonnable.
4. Changez vos indicateurs. Arrêtez de célébrer le nombre de documents générés ou de lignes de code produites. Pour juger les performances de l’équipe, suivez le temps de cycle de bout en bout, la qualité livrée, le taux de reprise. Ce sont eux qui disent si cette collaboration crée de la valeur ajoutée ou seulement de l’activité.
5. Organisez le partage d’expériences. Trente minutes toutes les deux semaines où chacun montre un usage qui a marché et un qui a échoué. C’est le moyen le moins cher d’affiner vos pratiques et de personnaliser l’usage de l’IA à votre contexte réel.

Remarquez qu’aucune de ces actions ne demande d’acheter quoi que ce soit. Elles demandent de décider. C’est d’ailleurs ce qui manque le plus : comme on le montrait à propos de l’autonomie des équipes face à l’IA, ce sont souvent des choix jamais formulés qui redessinent l’organisation à votre insu.

L’IA peut-elle remplacer l’humain dans l’équipe ?

C’est la question que tout le monde se pose, et elle est mal posée. Les données du rapport ne décrivent pas un monde où l’IA remplace l’humain, mais un monde où la valeur se déplace : de la production vers la coordination, du « faire » vers le « décider ensemble ». Les décisions complexes, les arbitrages entre priorités contradictoires, la confiance entre équipes, la lecture fine d’un client, l’innovation qui naît de la confrontation des points de vue : tout cela reste du ressort de l’intelligence humaine.

Les compétences humaines qui prennent de la valeur sont donc très identifiables : savoir formuler un problème, juger la qualité d’un résultat, interagir avec des parties prenantes qui ne sont pas d’accord, faciliter une prise de décision collective, et superviser des agents sans tout revérifier ligne à ligne. Ce sont des compétences de management, au sens large. Pas forcément celles d’un manager hiérarchique, mais celles de quiconque coordonne du travail.

Analyste chez Forrester, Will McKeon-White observe qu’environ la moitié des organisations qu’il accompagne obtiennent des résultats significatifs avec l’IA, l’autre moitié peine. Les réussites qu’il cite sont souvent des améliorations ponctuelles (des heures gagnées par des administrateurs, un délai de traitement divisé), pas des transformations complètes. Le passage à l’échelle, lui, se joue sur l’organisation du travail. L’avenir du travail ne sera pas « humains contre machines » mais « équipes bien coordonnées contre équipes fragmentées ». Et ça, c’est une bonne nouvelle : la coordination, ça s’apprend, ça se pratique, et ça ne dépend d’aucun fournisseur.

Questions fréquentes sur la collaboration humain-IA