Le rapport arrive propre. Bien structuré, bien tourné, zéro faute. Et le manager se retrouve devant une feuille blanche dans sa tête : qu’est-ce qui vient de la personne en face, qu’est-ce qui sort d’un modèle ? Plus d’un dirigeant sur deux dit que l’évaluation de son équipe est devenue plus difficile depuis l’arrivée de l’IA. On a vendu un gain de productivité, on a livré un trou dans la chaîne de mesure.
Le chiffre sort d’une enquête Nielsen menée auprès de 1 700 directeurs et managers seniors dans sept pays, commanditée par l’éditeur de logiciels de gestion du travail Monday.com. Près de la moitié des managers interrogés passent plus de temps qu’avant à relire et corriger la production de leurs équipes. Le nettoyage du travail augmenté, c’est pour eux.
Le pipeau de la « productivité »
Attention, les mêmes gens ne boudent pas leur plaisir. 94 % se déclarent enthousiastes à l’idée d’améliorer leur boulot avec l’IA, et beaucoup savent déjà où la mettre. Michal Miller Levi, responsable de la recherche de marché chez Monday.com, compare cette effervescence aux débuts d’internet dans les années 2000 : même « magie » apparente.
Son diagnostic est plus terre à terre. « L’IA marche très bien pour eux individuellement, mais ils ont aussi un autre rôle en tant que managers. Ils doivent faire tourner l’organisation », explique-t-elle à TechCrunch. Le problème tient à la vitesse : l’IA avance plus vite que les process internes d’une boîte.
Du coup, la grille de notation a bougé. 78 % des sondés disent avoir modifié leur façon d’évaluer : on pèse désormais la qualité des prompts, la capacité à choisir ce qu’on délègue à la machine, et l’appétit à tester d’autres manières de bosser. Traduction : on ne note plus un résultat, on note une façon de piloter un outil.
Et ce nouvel angle pose une question bête. Comment juger équitablement quelqu’un quand on ne sait pas doser sa part de travail personnel ? Les managers ont trouvé la réponse la plus commode : ils demandent à une IA.
46 % des dirigeants interrogés utilisent l’IA pour éclairer leurs décisions. 39 % s’en servent pour rédiger les entretiens annuels. Relis la phrase. L’outil qui fabrique le rapport sert aussi à cocher la case du rapport, puis à rédiger le verdict sur celui qui a appuyé sur le bouton.
Le juge et la machine
Ça ne va pas finir en dystopie de série B, mais ça ne sent pas très bon. Un modèle de langage reste une machine à prédire la suite la plus probable de ce qu’on lui a montré. Il reproduit donc les schémas humains de ses données d’entraînement, avec leurs biais.
Les travaux sur le sujet existent. Une recherche du Luxembourg Institute of Socio-Economic Research, publiée plus tôt cette année, indique que les LLM notent la performance humaine de façon proche des humains quand on les laisse noter séparément, sans critères objectifs clairs. Une autre étude parue début 2025 montrait que des modèles pouvaient pénaliser les candidats noirs et présentaient des biais marqués, dont l’orientation et l’ampleur varient selon les groupes sociaux.
Quand la journaliste de TechCrunch demande à Levi si confier l’évaluation à l’IA peut importer ces biais dans l’entretien annuel, sa réponse tient en une ligne : les entreprises n’ont pas encore réglé la question. Voilà. On a industrialisé le processus avant d’avoir la notice.
J’ai déjà écrit ici que l’IA détectrice de triche finissait toujours par évaluer avec les mêmes yeux biaisés que ceux qu’elle prétendait filtrer, et personne n’avait de plan pour ça. On remet une pièce dans la machine.
Celui qui surveille ne produit pas
Le reste de l’enquête raconte une journée de manager qui se transforme en poste de contrôle. Quelqu’un doit choisir les tâches à confier aux agents, vérifier ce qui sort, et intervenir quand ça part de travers. Ce boulot de vigie, le rapport le nomme sans détour : une nouvelle couche de « travail invisible ».
Le parc logiciel, lui, grossit au lieu de maigrir. 57 % des managers constatent que leur organisation fait tourner plus d’outils qu’avant. 51 % les trouvent plus dépendants les uns des autres et plus empilés qu’il y a un an. 29 % seulement qualifient leur infrastructure IA d’optimisée et centralisée. Levi résume la douche froide : les boîtes pensaient finir 2025 avec moins de logiciels, elles terminent avec plus d’applications, plus d’intégrations et plus de ce qu’on appelle gentiment le « shadow AI », c’est-à-dire des employés qui bricolent avec des outils hors du circuit validé.
La suite arrive vite. 58 % des managers s’attendent à surveiller plus d’agents IA que d’employés humains d’ici un an. 46 % redoutent de perdre la main sur leurs actions. 35 % flippent à l’idée d’être tenus responsables de ce qu’un modèle aura décidé tout seul. Ils ne veulent pas d’agents complètement autonomes, dit Levi, ils veulent qu’un humain soit consulté sur les décisions qui comptent.
Les gens qui écrivent des rapports de contrôle de gestion sur les LLM y verront une bonne nouvelle : une demande de gouvernance. Il y a un petit détail à garder en tête. L’enquête a été payée par Monday.com, éditeur de logiciels de gestion du travail, dont le catalogue sert précisément à tracer, suivre et valider le travail des équipes. Le constat « il faut plus de process » sort donc un peu trop bien de la poche du client.
Ça ne rend pas les chiffres faux. Ça rend la conclusion commerciale. Et ça n’aide pas à répondre à la seule vraie question, celle que personne ne veut poser en comité de direction : si ta note de performance peut être rédigée par le même modèle qui a rédigé le rapport évalué, est-ce que tu mesurais vraiment quelque chose ?
Comments are closed