Transformation & IA
Sens au travail : l’IA devait prendre les corvées, elle prend aussi ce que vous aimiez
Une nouvelle étude du Teamwork Lab d’Atlassian sur 1 013 salariés casse la promesse préférée des éditeurs d’IA. Ce que ça révèle sur le sens au travail, et ce que les managers doivent décider avant que l’efficacité ne décide à leur place.
Depuis trois ans, le discours est rodé : laissez l’IA s’occuper des tâches pénibles, et vos équipes auront enfin du temps pour le travail qui compte. Le reporting du lundi, les comptes rendus, le tri des mails, tout ça part à la machine. Il reste l’analyse, la création, la relation. Bref, le sens au travail serait protégé, voire renforcé. Sauf que les salariés qui utilisent l’IA au quotidien racontent une autre histoire.
Le Teamwork Lab d’Atlassian a interrogé 1 013 travailleurs du savoir américains entre fin septembre et début octobre 2026 (lire l’étude originale, en anglais). Résultat : parmi les utilisateurs d’IA, 82 % disent que l’IA a pris en charge au moins une partie du travail qu’ils n’aiment pas. Et exactement la même proportion, 82 %, dit qu’elle a aussi pris une partie du travail qu’ils aiment. Plus inquiétant : 10 % affirment que l’IA a absorbé tout le travail qu’ils apprécient, contre 3 % seulement pour le travail qu’ils détestent.
Personne n’a conçu ça volontairement. C’est simplement ce qui arrive quand personne ne décide ce qu’il faut protéger. Et c’est exactement là que se joue la prochaine bataille de l’engagement dans l’entreprise.
Qu’est-ce que le sens au travail, concrètement ?
Avant de parler d’IA, posons les bases. Le sens du travail n’est pas un slogan RH ni une « raison d’être » affichée dans le hall d’accueil. Les chercheurs Thomas Coutrot et Coralie Perez, dans Redonner du sens au travail (Seuil, 2022), le décomposent en trois dimensions très concrètes :
- L’utilité sociale : avoir le sentiment que son travail sert à quelque chose, pour les clients, les collègues ou la société. Se sentir utile.
- La cohérence éthique : pouvoir faire son travail en accord avec ses valeurs, sans devoir bâcler ou tricher pour tenir les objectifs.
- La capacité de développement : apprendre, progresser, exercer son jugement, disposer d’une vraie marge de manœuvre.
On peut aussi passer par l’ikigai, ce schéma japonais qui croise ce que vous aimez, ce en quoi vous êtes doué, ce dont le monde a besoin et ce pour quoi on vous paie. Le modèle est plus grand public, mais il dit la même chose : le sens est très personnel, propre à chaque individu, et il naît en grande partie de l’activité elle-même, pas des discours qui l’entourent.
C’est là que l’étude Atlassian fait mal. Si l’IA absorbe précisément les tâches où vous exercez votre jugement et où vous apprenez, elle ne vous libère pas : elle grignote la troisième dimension du sens. La quête de sens ne disparaît pas, elle se retrouve juste sans terrain de jeu.
Plus l’IA est installée, plus elle mange la meilleure part
Le détail le plus parlant de l’étude concerne l’intensité d’usage. Les utilisateurs occasionnels, ceux qui sortent l’IA comme une rustine pour une tâche ponctuelle, lui confient surtout ce qu’ils n’aiment pas : 31 % disent qu’elle gère une part modérée ou plus du travail qu’ils détestent, contre 24 % pour le travail qu’ils apprécient.
Dès que l’IA devient la norme dans les flux de travail de l’équipe, la courbe s’inverse :
|
58 % gèrent via l’IA une part notable du travail qu’ils n’aiment pas |
71 % gèrent via l’IA une part notable du travail qu’ils aiment |
Autrement dit : plus l’organisation du travail intègre l’IA, plus elle déborde des corvées vers le cœur du métier. Ce n’est pas un bug de l’outil, c’est une conséquence logique. Les tâches intéressantes sont souvent aussi celles où l’IA est la plus impressionnante (rédiger, analyser, synthétiser, concevoir). Si le seul critère est la vitesse, elles partent en premier.
Tu veux plus d’analyses comme celle-ci, sans jargon ni langue de bois ?
Les dirigeants ont fait un échange que leurs équipes n’ont pas signé
Deuxième enseignement, et pas le moins piquant : plus on monte dans la hiérarchie, plus l’IA a absorbé le travail qu’on aime. 60 % des dirigeants (niveau directeur et au-dessus) disent que l’IA gère une part modérée ou plus du travail qu’ils apprécient, contre 42 % des managers et 36 % des contributeurs individuels. Les dirigeants sont aussi deux fois plus souvent des utilisateurs intensifs que les managers.
Le problème n’est pas qu’un directeur délègue sa note stratégique à un modèle de langage. Le problème, c’est que ce sont ces mêmes personnes qui redessinent le travail de tout le monde. Molly Sands, qui dirige le Teamwork Lab, le résume ainsi (traduction de notre part) : « Les dirigeants ont délégué plus de travail qu’ils aiment que quiconque dans l’organisation, et ce sont eux qui fixent les normes pour tous les autres. Ce qui ressemble à un échange équitable pour un directeur ne l’est pas forcément pour quelqu’un en début de carrière, qui construit encore les compétences que ce travail développe. »
On retrouve ici un sujet qu’on a déjà creusé : quand l’IA mange le travail formateur, c’est toute l’échelle de progression qui perd ses barreaux (voir notre analyse sur le développeur junior face à l’IA). Un manager qui a vingt ans de métier peut se passer de rédiger un premier jet. Un collaborateur de deux ans d’expérience, non : c’est précisément en écrivant des premiers jets ratés qu’il apprend.
Même décalage sur l’expertise : 48 % des dirigeants de niveau VP et plus estiment que l’IA permet à des non experts de prendre des décisions de spécialiste. Sous ce niveau, ils ne sont que 22 % à le penser. Ceux qui sont loin du terrain surestiment ce que l’outil sait vraiment faire.
Expertise : l’IA ouvre la porte, elle ne donne pas les clés
On entend partout que l’IA va transformer tout le monde en généraliste. Les salariés qui l’utilisent n’y croient pas. Les chiffres :
- 95 % des utilisateurs disent que l’IA a rendu au moins une tâche experte plus accessible aux non spécialistes (analyser des informations, relire un travail, produire un premier jet : autour de 60 % pour chacune).
- Mais seulement 41 % estiment qu’elle aide les non experts à contribuer de façon significative aux livrables finaux, et 28 % qu’elle leur permet de prendre des décisions qui exigeaient un spécialiste.
- 54 % pensent au contraire que l’IA va créer davantage de spécialistes, parce que le jugement expert comptera plus pour guider le travail et repérer les erreurs. Chez les gros utilisateurs, ce chiffre monte à 60 % (contre 50 % chez les utilisateurs plus légers).
Le paradoxe est total : les plus convaincus que l’expertise compte sont aussi ceux qui délèguent le plus à l’IA le travail qui fabrique cette expertise. Si on ne fait rien, on scie la branche sur laquelle repose le jugement de demain.
« Vu de l’extérieur, il est facile pour un dirigeant de supposer que l’IA permet à n’importe qui de faire le travail d’un expert. Mais les personnes qui font le travail savent quelles parties demandent un vrai jugement. Avant de décider ce que vous confiez à l’IA, demandez leur. »
Molly Sands, responsable du Teamwork Lab d’Atlassian (traduction Corporate Mavericks)
Qui décide ? Garder le jugement humain là où l’enjeu est fort
Bonne nouvelle : les salariés ne rejettent pas l’IA. Dans tous les scénarios testés, la majorité veut qu’elle joue un rôle, y compris environ 9 personnes sur 10 pour analyser des données, enchaîner des actions routinières ou même aborder un problème inédit. Ce qui change, c’est qui mène.
- Pour le travail à fort volume, environ deux tiers acceptent que l’IA prenne la main, avec ou sans contrôle humain : 68 % pour passer en revue de grands volumes de données, 66 % pour les actions routinières.
- Dès qu’il faut du jugement, ça bascule. Les humains doivent mener pour les problèmes nouveaux ou complexes (58 %), pour décider des priorités (66 %), pour les livrables qui demandent une expertise pointue (67 %) et pour les décisions à haut risque (78 %).
- Seulement 3 % laisseraient l’IA prendre seule une décision à haut risque. Même pour les actions de routine, ils ne sont que 18 %.
Ce qui frappe, c’est la maturité de ces réponses. Les équipes savent instinctivement faire la différence entre exécuter et décider. Ce qui manque, ce n’est pas leur discernement, c’est un cadre explicite dans l’organisation pour le faire respecter.
Donner du sens au travail quand l’IA s’invite : 5 leviers pour les managers
L’IA continuera de prendre plus de place. La vraie question est de savoir si l’équipe choisit ce qu’elle lui confie, ou si l’efficacité décide par défaut. Voici les leviers que nous recommandons aux managers que nous accompagnons.
1. Cartographier les tâches avec l’équipe, pas à sa place
Organisez un atelier d’une heure. Chaque personne liste ses tâches et les classe en trois colonnes : « je délègue volontiers à l’IA », « je veux la garder », « je veux la faire avec l’IA mais garder la main ». Vous découvrirez que ce qui ressemble à une corvée pour vous est parfois la partie préférée de quelqu’un d’autre. C’est la recommandation centrale de l’étude : demandez aux personnes qui font le travail.
2. Ajouter deux critères à chaque décision d’automatisation
Aujourd’hui, on automatise sur deux critères : vitesse et qualité. Ajoutez-en deux autres : « est-ce que cette tâche entretient l’engagement de quelqu’un ? » et « est-ce qu’elle construit une compétence dont l’équipe aura besoin ? ». Si la réponse est oui, confier ce travail à l’IA peut rester possible, mais ça doit être un choix délibéré, pas un effet de bord.
3. Rendre explicite qui mène selon l’enjeu
L’IA mène sur le volume, avec contrôle humain. Les humains mènent sur les problèmes nouveaux, les priorités, l’expertise et les décisions à risque. Écrivez cette règle et faites-en une norme d’équipe. Le Delegation Poker de Management 3.0, avec ses sept niveaux de délégation, se transpose très bien : jouez-le en ajoutant l’IA comme acteur autour de la table.
4. Protéger le travail qui forme le jugement
Une partie du travail que l’IA sait faire est aussi la façon dont les gens deviennent bons. Gardez-en assez pour les profils en début de carrière : premiers jets, analyses de cas, revues de code ou de dossiers. Moins rapide à court terme, indispensable si vous voulez encore des experts dans trois ans.
5. Revisiter la répartition régulièrement
Les outils évoluent tous les trimestres, la répartition aussi. Consacrez un point de rétrospective par mois à une seule question : « qu’est-ce que l’IA a pris ce mois-ci qu’on regrette ? ». La transparence dans les décisions fait partie du sens : une équipe qui comprend pourquoi une tâche part à la machine le vit très différemment d’une équipe qui le découvre.
Perte de sens : le vrai coût caché de l’IA pour l’engagement des salariés
On mesure le ROI de l’IA en heures gagnées. Personne ne mesure ce qu’elle coûte en engagement au travail. Pourtant, le mécanisme est connu : la théorie de l’autodétermination (Deci et Ryan) montre que la motivation durable repose sur l’autonomie, le sentiment de compétence et le lien aux autres. Retirez à quelqu’un les tâches où il se sent compétent, et vous attaquez directement l’un de ces piliers.
Le salarié ne démissionne pas le lendemain. Il décroche doucement. Il fait le contrôle qualité des sorties de l’IA, valide, corrige, et se demande à quoi il sert. C’est la version 2026 de la perte de sens : pas un travail absurde, mais un travail vidé de ce qui le rendait intéressant. Avec à la clé des effets sur le bien-être au travail et la santé mentale que les DRH commencent à peine à voir remonter.
Chez Corporate Mavericks, on a une position simple : le sens au travail ne se décrète pas dans une charte, il se protège dans l’organisation du travail, tâche par tâche. Les entreprises qui s’en sortiront ne sont pas celles qui adopteront l’IA le plus vite, mais celles qui sauront dire « ça, on le garde ». Et qui laisseront leurs collaborateurs participer à ce choix.
Questions fréquentes sur le sens au travail et l’IA
Qu'est-ce que le sens au travail ?
Le sens au travail désigne le sentiment que son activité professionnelle a une valeur. Les chercheurs Thomas Coutrot et Coralie Perez le décrivent selon trois dimensions : l’utilité sociale (se sentir utile), la cohérence éthique (travailler en accord avec ses valeurs) et la capacité de développement (apprendre, exercer son jugement, disposer d’autonomie).
L'IA fait-elle perdre le sens du travail ?
Elle peut le faire si personne ne choisit ce qu’elle prend en charge. Selon le Teamwork Lab d’Atlassian, 82 % des utilisateurs d’IA disent qu’elle a absorbé une partie du travail qu’ils aiment, autant que du travail qu’ils n’aiment pas. Et plus l’IA est intégrée dans l’équipe, plus elle déborde vers les tâches appréciées.
Quels sont les leviers pour donner du sens au travail ?
Les principaux leviers sont l’autonomie et la marge de manœuvre, la visibilité sur l’utilité du travail, la cohérence entre les objectifs et les valeurs, et la possibilité d’apprendre. Face à l’IA, il faut y ajouter un levier nouveau : décider avec l’équipe quelles tâches restent humaines.
Quels facteurs de motivation l'IA peut-elle fragiliser ?
La théorie de l’autodétermination identifie trois besoins fondamentaux : l’autonomie, le sentiment de compétence et le lien social. L’IA fragilise surtout le sentiment de compétence quand elle prend en charge les tâches où les salariés exercent leur expertise, et l’autonomie quand son usage est imposé sans concertation.
Comment un manager peut-il redonner du sens au travail à son équipe ?
En partant du terrain : cartographier les tâches avec l’équipe, intégrer l’engagement et l’apprentissage dans chaque décision d’automatisation, rendre explicite qui décide selon l’enjeu, protéger le travail formateur des juniors et revoir la répartition régulièrement en rétrospective.
Faut-il limiter l'usage de l'IA pour préserver le bien-être au travail ?
Pas forcément la limiter, mais la piloter. Les salariés veulent l’IA dans presque tous les scénarios ; ils veulent surtout garder la main sur les décisions importantes (78 % pour les décisions à haut risque). Le bien-être au travail dépend moins du volume d’IA que de la façon dont son rôle est négocié.
Le sens ne se délègue pas à une machine
Chaque semaine, la newsletter Corporate Mavericks décrypte les études qui comptent et les transforme en pratiques concrètes pour manager autrement.
