Ce que dit la recherche

« Experimental evidence on the productivity effects of generative artificial intelligence », Shakked Noy & Whitney Zhang (MIT), Science, vol. 381, 14 juillet 2023 (DOI 10.1126/science.adh2586) · Essai contrôlé randomisé pré-enregistré, tâches de rédaction professionnelle incitées · 453 professionnels diplômés du supérieur (managers, RH, rédacteurs de subventions, marketing, consultants, analystes)

Résultat : Temps moyen −40 %, qualité +18 % ; réduction des inégalités entre travailleurs (les moins performants progressent le plus).

Sens : Gain de productivité + effet de nivellement.

Limites : Tâches courtes (20-30 min) en laboratoire ; effets d'équilibre général non mesurés ; l'IA substitue l'effort plus qu'elle ne complète les compétences.

Niveau de preuve : Élevé (RCT publié)

« Generative AI at Work », Erik Brynjolfsson, Danielle Li, Lindsey R. Raymond, NBER Working Paper 31161 (2023) ; publié dans The Quarterly Journal of Economics, vol. 140(2), 2025, p. 889-942 (DOI 10.1093/qje/qjae044) · Étude de terrain, mise en service échelonnée (staggered) d'un assistant IA conversationnel · 5 179 agents de support client

Résultat : Productivité (dossiers résolus/heure) +14 % en moyenne, +34 % pour les agents novices ou peu qualifiés, impact minime sur les agents expérimentés ; amélioration de la satisfaction client et de la rétention. Verbatim : « Access to the tool increases productivity, as measured by issues resolved per hour, by 14% on average, including a 34% improvement for novice and low-skilled workers but with minimal impact on experienced and highly skilled workers. »

Sens : Gain concentré sur les moins expérimentés (diffusion des bonnes pratiques).

Limites : Un seul secteur ; apprentissage « suggestif » ; gains faibles voire légère baisse de qualité pour les plus expérimentés.

Niveau de preuve : Élevé (quasi-expérimental publié en revue)

« Navigating the Jagged Technological Frontier », Dell'Acqua, McFowland, Mollick, Lifshitz-Assaf, Kellogg, Rajendran, Krayer, Candelon, Lakhani (Harvard / BCG), 2023 ; à paraître dans Organization Science · Expérience de terrain pré-enregistrée, GPT-4, 18 tâches de conseil réalistes · 758 consultants du Boston Consulting Group (≈7 % de l'effectif contributeur)

Résultat : Dans la frontière de capacité : +12,2 % de tâches complétées, 25,1 % plus vite, +40 % de qualité. Hors frontière, l'IA dégrade la performance (≈ −23 %).

Sens : Gain massif mais conditionnel au type de tâche ; risque de sur-confiance.

Limites : La difficulté d'une tâche ne prédit pas sa position ; l'output hors-frontière « semble bon » — d'où la vigilance humaine.

Niveau de preuve : Élevé

« Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity », METR (Becker, Rush, Barnes, Rein), arXiv 2507.09089, juillet 2025 · RCT, 246 tâches réelles · 16 développeurs open-source expérimentés (≈5 ans sur leurs propres dépôts), outils Cursor Pro / Claude 3.5-3.7 Sonnet

Résultat : Les développeurs sont 19 % PLUS LENTS avec l'IA — alors qu'ils prévoyaient +24 % et s'estimaient ensuite +20 % plus rapides (écart perception/réalité de 39 points).

Sens : Contre-productif dans ce contexte précis (experts, code mature, standards élevés). Usage QUUBE : preuve d'honnêteté — la valeur dépend de la tâche, de l'expertise et du cadre ; toujours croiser perception déclarée et mesure objective.

Limites : Petit échantillon, contexte défavorable à l'IA, capacités « early-2025 » ; METR a depuis fait évoluer son protocole (mise à jour février 2026). Ne pas généraliser dans un sens ni dans l'autre.

Niveau de preuve : Élevé (RCT), périmètre étroit — V sur le résultat, portée mouvante

« Artificial Intelligence, Productivity, and the Workforce: Evidence from Corporate Executives », NBER Working Paper 34984 (février 2026) · Enquête déclarative rigoureuse (Survey of Business Uncertainty étendue), panel longitudinal, 4 pays · ≈6 000 dirigeants (États-Unis, Royaume-Uni, Allemagne, Australie)

Résultat : Malgré 69 % d'adoption, 89 % des entreprises ne constatent aucun changement de productivité (ventes/employé) et plus de 90 % aucun impact sur l'emploi sur 3 ans ; anticipation modeste de +1,4 % de productivité à 3 ans. Verbatim : « More than 90 percent of managers say AI had no impact on employment [...], and 89 percent saw no change in productivity. »

Sens : Pas de gain agrégé mesurable à ce stade — l'écart entre gain individuel et gain organisationnel est le vrai sujet.

Limites : Déclaratif ; mesure de productivité grossière (ventes/employé).

Niveau de preuve : Élevé pour une enquête

Essai contrôlé randomisé pragmatique stepped-wedge, NEJM AI, 2026 (scribe IA ambiant, bien-être des praticiens ; DOI 10.1056/AIoa2500945) · RCT stepped-wedge sur 24 semaines (3 séquences de 6 semaines), Stanford Professional Fulfillment Index · 66 praticiens en clinique ambulatoire (2 États américains)

Résultat : Réduction significative de l'épuisement et du désengagement interpersonnel, baisse du temps documentaire et du « travail hors travail », sans dégradation de la conformité de facturation. Verbatim : « Ambient AI scribes may reduce health care practitioner work exhaustion, interpersonal disengagement, and documentation burden without compromising billing compliance. »

Sens : Les scribes IA ambiants peuvent réduire l'épuisement des praticiens et la charge documentaire sans compromettre la conformité de facturation.

Limites : Petit échantillon, contexte américain, technologie clinique spécialisée (différente d'une IA généraliste).

Niveau de preuve : Élevé (RCT)

« Ambient AI Scribes in Clinical Practice: A Multisite Observational Study », Tierney AA et al., JAMA, 2026 · Étude observationnelle quasi-expérimentale multisite (2023-2025) · 1 800 cliniciens, 5 centres hospitalo-universitaires

Résultat : −16 min de documentation et −13 min dans le dossier patient par 8 h de consultation ; ≈1 patient supplémentaire toutes les 2 semaines ; gains supérieurs en médecine générale et chez les cliniciennes. Verbatim : « Scribe adopters were able to see one additional patient every two weeks. »

Sens : Gain réel mais modeste et hétérogène.

Limites : Effet variable selon spécialité, genre, intensité d'usage — l'hétérogénéité devient le sujet.

Niveau de preuve : Élevé, résultat mitigé

Trésor-Éco n° 391, « L'intelligence artificielle, quels effets sur l'emploi ? », DG Trésor, 30 juin 2026, signée Martin Chopard, Elisa Cotet, Tristan Gantois et Eloïse Villani · Note de synthèse (revue de littérature économique — Aghion et al. 2025, Bergeaud 2024, Brynjolfsson et al. 2025) · France — cadrage national

Résultat : « Les études empiriques ne permettent pas de déterminer l'effet total de l'IA sur l'emploi, faute de recul suffisant » ; gains de productivité « à peine observables » au niveau macro (adoption encore limitée/inégale) ; premières suppressions d'emploi concentrées en finance et informatique ; « 62 % des Français la voient comme un risque pour l'emploi, selon le baromètre du numérique 2025 ». À compléter (INSEE, Note de conjoncture mars 2026) : l'IA contribuerait à ≈1/3 de la croissance américaine 2025 (+0,7 pt de PIB) contre +0,1 pt en France (C, mouvant).

Sens : Cadrage prudent ; recommande formation et accompagnement public.

Limites : Note de synthèse, pas de mesure originale ; manque de recul souligné par les auteurs eux-mêmes.

Niveau de preuve : Moyen (synthèse), source primaire institutionnelle

Apec, baromètre « Les cadres et l'IA » (enquête mars 2026, échantillon représentatif de 2 000 cadres), publié le 21 mai 2026 · Enquête annuelle sur échantillon représentatif · 2 000 cadres français

Résultat : 50 % des cadres utilisent l'IA générative au moins une fois par semaine (contre 35 % un an plus tôt ; usage quotidien 21 % contre 12 % en 2025 ; 62 % chez les moins de 35 ans, +20 pts ; 55 % chez les managers). Verbatim : « Seuls 29 % des cadres déclarent avoir été formés à l'IA (contre 24 % en 2025), mais davantage pour des contenus généralistes que métiers. » Écart adoption/formation ≈ 21 points — marqueur du « shadow AI ». Contexte : « 70 % des grandes entreprises acceptent voire encouragent l'usage de l'IA (+17 pts) » ; 27 % ont mis en place des chartes (17 % en 2025), 37 % ont mis en place des formations (20 % en 2025).

Sens : L'adoption précède la formation ; la légitimation par l'AI Act art. 4 est une réponse directe.

Limites : Déclaratif (biais d'auto-évaluation des gains).

Niveau de preuve : Moyen, source d'autorité française annuelle