SHS
IA & humain : allier technologie et autonomie
Sur cette page
De Fanny Pineau
Fanny Pineau est analyste scientifique chez F.initiatives et diplômée de l’IHEAL en sciences humaines et sociales
L’intelligence artificielle s’impose progressivement dans la plupart des environnements professionnel·les : recherche scientifique, industrie, santé, finance ou administration - transformant en profondeur les interactions entre l’IA et les travailleur·euses humains. Les systèmes d’aide à la décision, d’analyse prédictive ou d’automatisation cognitive deviennent des outils quotidiens pour les travailleur·euses.
Cependant, la littérature scientifique récente souligne un paradoxe : l’augmentation des performances techniques des systèmes d’IA ne résout pas automatiquement les problèmes organisationnels. Au contraire, plus les systèmes sont capables d’agir de manière autonome, plus la question du rôle humain devient centrale.
La problématique n’est donc plus seulement technologique. Elle est désormais cognitive et organisationnelle : comment automatiser des tâches complexes tout en préservant la capacité de décision, l’apprentissage et l’engagement des travailleur·euses ?
Afin d’analyser cette question, nous avons conduit une revue de littérature scientifique assistée par NeoPhi. L’outil permet d’interroger directement un large corpus académique (Semantic Scholar) à partir d’une question de recherche formulée en langage naturel, puis d’identifier et de structurer les publications pertinentes.
Les publications citées dans cet article ont été identifiées à partir d’une requête portant sur la conception de systèmes d’IA capables d’automatiser certaines tâches tout en préservant l’autonomie décisionnelle et l’acquisition de compétences.
L’évolution du travail à l’heure de l’intelligence artificielle
Les travaux récents montrent que l’IA ne transforme pas seulement les outils : elle transforme l’organisation du travail. Les chercheur·euses parlent désormais de systèmes socio-techniques, dans lesquels technologies, organisation et comportements humains interagissent étroitement (Parker et al., 2023).
L’introduction d’un système algorithmique modifie la manière dont les individus perçoivent, analysent et décident. Le travail devient en partie une activité de supervision, d’interprétation et de correction de recommandations produites par une machine.
La littérature montre que les performances organisationnelles dépendent moins du niveau d’automatisation que du mode d’intégration de l’IA dans l’activité humaine.
Productivité et déploiement de l’IA : les nouveaux enjeux en entreprise
Contrairement à une idée répandue, la productivité ne dépend pas directement du degré d’automatisation. Plusieurs études montrent que les gains apparaissent lorsque l’utilisateur·rice reste impliqué dans le processus décisionnel (Garibay et al., 2023).
Une automatisation totale peut réduire la vigilance humaine. Les opérateur·rices supervisent moins activement un système qu’ils considèrent fiable, ce qui retarde la détection d’erreurs. À l’inverse, les systèmes d’assistance décisionnelle, dans lesquels l’IA propose mais ne décide pas, favorisent la performance globale.
Les enjeux de l’IA pour le bien-être des salarié·es
Les recherches en psychologie du travail soulignent des effets ambivalents. L’automatisation peut diminuer la charge physique et certaines tâches répétitives, mais elle peut aussi réduire le sentiment d’utilité et inquiéter les salarié·es, voire créer des résistances.
Les travailleur·euses peuvent éprouver une perte de contrôle lorsqu’ils exécutent des décisions qu’ils ne comprennent pas. Plusieurs travaux indiquent qu’une automatisation complète entraîne une baisse d’engagement et d’apprentissage, tandis qu’une automatisation partielle favorise l’appropriation technologique (Passalacqua et al., 2024 ; Smith et al., 2024).
Maintenir l’autonomie décisionnelle face aux outils numériques
Le concept central identifié dans la littérature est celui d’autonomie décisionnelle. Il correspond à la capacité de comprendre, d’évaluer et éventuellement de contester une décision algorithmique.
Lorsque les systèmes sont opaques, les travailleur·euses développent une dépendance cognitive : ils suivent la recommandation sans analyse ou, au contraire, la rejettent systématiquement (Grote, 2023).
Vers une collaboration IA et humain centrée sur l’utilisateur·rice
La littérature converge vers une évolution majeure : la question n’est plus de savoir s’il faut utiliser l’IA, mais comment la concevoir.
Les approches de Human-Centered AI proposent de placer l’utilisateur·rice au cœur du système. L’IA doit soutenir l’activité humaine plutôt que la remplacer.
Impact sur l’emploi et mutation des métiers
Contrairement aux scénarios de substitution massive, les recherches montrent surtout une transformation des métiers. De nouvelles tâches apparaissent : supervision, interprétation, validation et arbitrage (Fenwick et al., 2024).
Les compétences requises évoluent vers l’analyse critique et la gestion de l’incertitude algorithmique.
Le co-design : impliquer les travailleur·euses dès la conception
Les systèmes conçus sans les utilisateur·rices échouent plus souvent. L’implication des travailleur·euses dans la conception permet d’identifier les usages réels et d’adapter l’outil aux pratiques professionnelles (Böhme & Graf-Pfohl, 2025).
Graphe de connaissance reliant les concepts scientifiques sur la collaboration humain-IA.
Le rôle des ressources humaines dans l’adoption de l’IA
L’adoption de l’IA devient un processus organisationnel. La formation et l’accompagnement déterminent l’acceptation du système. Sans compréhension de son fonctionnement, l’IA est perçue comme un outil de surveillance plutôt que d’assistance.
Les modèles de partenariat entre l’IA et l’intelligence humaine
Les travaux scientifiques distinguent plusieurs modes d’interaction humain-IA.
Retours d’expérience et études de cas
Les chercheur·euses identifient quatre configurations principales : outil, assistance, collaboration et autonomie complète. Les performances optimales apparaissent généralement dans les modèles intermédiaires où l’humain valide la décision.
Créativité augmentée et systèmes de décision hybrides
Dans des domaines complexes (médecine, ingénierie ou recherche) la combinaison humain-IA produit de meilleurs résultats que chacun séparément. L’IA explore les solutions possibles, l’humain interprète et décide.
L’importance de la transparence et de l’explicabilité (XAI)
La confiance dépend de la compréhension du système. Les travaux sur l’IA explicable montrent qu’une transparence adaptée améliore la qualité du jugement humain, tandis qu’une opacité totale entraîne rejet ou sur-confiance (Ngo, 2025 ; Buçinca et al., 2024 ; Rozario, 2023).
Conclusion : réussir la synergie entre IA et humain pour demain
La littérature scientifique converge vers un constat : l’efficacité organisationnelle ne dépend pas d’une automatisation maximale mais d’une coopération équilibrée entre humain et machine.
L’IA devient un partenaire cognitif permettant d’augmenter les capacités d’analyse plutôt que de remplacer la décision.
NeoPhi permet précisément d’explorer rapidement cette littérature et de rendre ces connaissances directement exploitables pour la recherche, l’innovation ou la prise de décision.
FAQ : IA et humain au travail
Quels sont les effets de l’automatisation sur l’autonomie des salarié·es ?
Une automatisation totale réduit la vigilance et l’apprentissage, tandis qu’une assistance décisionnelle peut renforcer les compétences.
Comment l’IA générative et les agents intelligents modifient-ils les métiers ?
L’IA générative et les agents intelligents transforment les métiers en automatisant certaines tâches d’exécution et d’analyse de données. Les professionnel·les interviennent davantage dans l’interprétation des résultats, la supervision des systèmes et la validation des décisions proposées par l’IA. Cette évolution s’inscrit dans une logique de collaboration entre IA et humain, où la machine soutient l’activité cognitive sans remplacer la responsabilité décisionnelle des travailleur·euses.
Pourquoi impliquer les employé·es dans le déploiement de l’IA en entreprise ?
Parce que l’acceptation et la performance dépendent directement de leur compréhension du système.
Quel est l’impact de l’IA sur la productivité et le bien-être social ?
La productivité augmente surtout lorsque l’IA soutient la décision humaine plutôt qu’elle ne la remplace. L’impact sur le bien-être social dépend de l’appropriation de l’IA au travail.
Quel rôle joue la transparence des données ?
Elle conditionne la confiance et l’usage effectif du système. La clarté des données traitées conditionne la confiance et l’usage réel de la solution. Pour le client final, c’est la garantie d’un service fiable, éthique et performant.
Quelle est la relation entre IA et humain dans le travail ?
Les systèmes d’intelligence artificielle sont de plus en plus utilisés comme outils d’aide à la décision dans les organisations. La relation entre IA et humain repose généralement sur une collaboration dans laquelle la machine analyse les données et formule des recommandations, tandis que les travailleur·euses interprètent les résultats, supervisent le système et conservent la responsabilité des décisions.