L’IA a fait gagner du temps. Qui récupère les heures ?

Un rapport qui prenait une heure en prend vingt minutes. Le calendrier garde les quarante autres. Appeler cela un gain de productivité décrit la tâche. Cela ne dit pas si le service s’est amélioré, si quelqu’un a appris une part plus difficile du métier, ou si la même personne a simplement reçu plus de demandes. Ce choix est une décision de direction. Le logiciel ne le prend pas.

Le 26 octobre 2026, Gartner a mis un chiffre sur une version de ce choix. Dans une enquête du deuxième trimestre auprès de 1 865 salariés, seuls 21 % du temps libéré par l’IA ont été réorientés vers un travail plus innovant. La même annonce indique que juste 3 % des organisations ont dépassé leurs objectifs d’économies grâce à la productivité. Ces deux chiffres ne prouvent pas que l’IA échoue. Ils montrent qu’une tâche plus rapide et un résultat que l’organisation peut montrer sont deux mesures différentes.¹

Pour une petite entreprise, une organisation sociale ou un service au sein d’un plus grand employeur, la question pratique n’est plus seulement de savoir qui peut utiliser un outil. C’est de savoir qui possède les heures que l’outil semble libérer, à quel travail ces heures sont destinées, et quelles compétences il faut encore aux personnes qui feront ce travail.

Dépasser un objectif de coût n’est pas « aucun bénéfice »

Le communiqué du 26 octobre n’utilise pas une seule phrase pour l’attente des conseils d’administration ni pour le résultat d’économies.

Les 3 % du titre portent sur le dépassement d’un objectif. Les 97 % de l’ouverture portent sur l’incapacité à « atteindre les économies souhaitées ». Ce n’est pas la même affirmation. Une organisation peut économiser sans battre sa cible. Elle peut aussi gagner en qualité ou en capacité sans réduire le coût. Cet article ne lit pas 97 % comme la preuve que 97 % des organisations n’ont rien reçu de l’IA. Le communiqué ne publie ni le questionnaire, ni l’échantillon derrière les 77 % et les 3 %, ni le détail de l’usage des 79 % restants.¹

Les 21 % ont un dénominateur que les lignes d’économies n’ont pas. C’est une enquête salariés, deuxième trimestre 2026, 1 865 personnes. Elle décrit la part du temps libéré que les organisations des répondants ont réorientée vers un travail que l’enquête appelle plus innovant. Elle ne dit pas que le reste a été gaspillé, perdu ou consacré à des tâches de faible valeur. Une partie a pu aller au travail ordinaire, aux clients, à la relecture, à la formation, au repos, ou à un travail que l’enquête n’a pas classé comme innovation. Sans cette répartition, la conclusion honnête est plus étroite : une part relativement faible du temps libéré est allée spécifiquement à l’innovation.¹

Une autre enquête Gartner figure sur la même page et doit rester à part. En juillet 2026, 297 directeurs des ressources humaines ont été interrogés sur l’alignement. 78 % des dirigeants n’avaient pas d’alignement sur l’endroit où l’IA crée de la valeur. C’est ce panel de DRH. Ce n’est pas l’enquête salariés, et ce n’est pas un décompte de projets échoués.¹

CV Viverito, senior director analyst de la pratique RH de Gartner, est cité : 38 % des entreprises dépassent leur budget d’IA et 85 % prévoient de dépenser encore plus l’an prochain ; les organisations ne généreront pas d’économies grâce à l’IA à ce stade. L’opportunité plus grande, dans cette citation, est d’utiliser l’IA pour des choses qui n’étaient pas possibles auparavant, y compris déplacer le temps des salariés vers de nouvelles capacités, des résultats et des sources de croissance. Le communiqué ne donne pas la taille d’échantillon des 38 % ni des 85 % dans la citation. Il faut les lire comme les chiffres de l’analyste dans cette annonce, pas comme une seconde lecture des 3 %.¹

La même section nomme trois ensembles de compétences que Gartner dit aller ensemble chez les personnes qui réussissent avec l’IA : la fluidité IA (savoir quand faire confiance à la technologie, quand la contester, et comment répondre du résultat) ; le lien humain (gestion des parties prenantes, communication et travail d’équipe) ; et l’avantage humain (créativité, adaptabilité et agilité d’apprentissage). C’est la liste de l’éditeur. Ce n’est pas un programme testé pour une association ou un atelier.¹

Une part nationale d’heures n’est pas un profit

La série RPSGENAITSALL de la Banque de réserve fédérale de Saint-Louis, mise à jour le 20 octobre 2026, est un contrepoint utile parce qu’elle mesure autre chose. Pour le troisième trimestre 2026, l’observation est 2,08449. Pour le deuxième, elle est 2,17257. L’unité est un pourcentage, non désaisonnalisé. Les notes la définissent comme la part du total des heures de travail économisées par les adultes occupés de 18 à 64 ans aux États-Unis grâce à l’IA générative au travail. Le chiffre du troisième trimestre est légèrement inférieur au deuxième. Les trimestres voisins sont du même ordre : 1,98906 au quatrième trimestre 2025 et 2,06661 au premier trimestre 2026.²

La méthode est une enquête, pas un audit de feuilles de temps. Les répondants occupés qui ont utilisé l’IA générative pour leur travail la semaine précédente indiquent combien d’heures supplémentaires ils auraient eues besoin pour faire le même volume sans elle, par tranches allant de moins d’une heure supplémentaire à plus de quatre. Les gains de temps sont nuls par construction pour celles et ceux qui ne l’ont pas utilisée. La Real-Time Population Survey est une enquête en ligne représentative des adultes en âge de travailler. La série demande de citer Bick, Blandin et Deming. Rien de cela n’est un profit d’entreprise, une économie de masse salariale, ni un décompte d’heures passées à innover.²

Lire 2,08 % comme environ deux heures pour cent heures travaillées est une traduction du pourcentage. Ce n’est pas la constatation qu’une équipe précise a reçu un bloc de deux heures. Une moyenne aussi modeste peut compter si elle porte sur un goulet. Une association qui traite les dossiers plus vite peut recevoir les personnes plus tôt. Un petit fabricant qui raccourcit un document peut libérer un ingénieur pour un problème de qualité. Aucun de ces résultats ne découle de la moyenne nationale. La série ne dit pas quels lieux de travail ont capté les heures.

Ne pas additionner le pourcentage du vendeur aux 21 %

Une annonce de Workday du 14 janvier 2026 montre pourquoi le temps brut économisé est un mauvais proxy de la valeur. Le communiqué dit que près de 40 % des gains de temps liés à l’IA sont perdus en reprise : corriger des erreurs, réécrire des contenus et vérifier des sorties d’outils génériques. Il dit aussi que seuls 14 % des salariés obtiennent de façon constante des résultats nets clairs et positifs grâce à l’IA. Workday vend une plateforme d’entreprise, et l’annonce soutient que les organisations captent plus de valeur lorsqu’elles réinvestissent le temps dans les personnes. Cet intérêt commercial est une raison de garder le cadre, pas une raison d’ignorer la page.³

L’échantillon n’est pas un petit employeur. Hanover Research a réalisé l’étude pour Workday en novembre 2025. Elle couvrait 3 200 salariés à temps plein en Amérique du Nord, en Asie-Pacifique, et en Europe, au Moyen-Orient et en Afrique. Les participants travaillaient dans des organisations d’au moins 100 millions de dollars de chiffre d’affaires annuel et étaient des utilisateurs actifs de l’IA. Les définitions et les échantillons diffèrent de l’enquête Gartner de 1 865 personnes. Ces pourcentages ne doivent ni s’ajouter aux 21 %, ni s’en soustraire.³

La note de recherche de l’Organisation internationale du Travail du 1er juin 2026, de Rossana Merola, Ekkehard Ernst, Daniel Samaan, Maria del Rio-Chanona et Ole Teutloff, passe en revue des expériences, des données d’entreprises, des études de plateformes et des enquêtes. La page de publication dit que les gains de productivité sont réels, mais souvent non vérifiés et inégaux ; que les destructions d’emplois à grande échelle restent limitées ; et que les gains de temps déclarés par les travailleurs, de quelques pour cent des heures de travail, ne se sont pas encore traduits par une hausse mesurée de la production, des revenus ou de l’emploi. La page cite des enquêtes d’Australie, du Danemark, d’Allemagne, de Corée, du Koweït, du Royaume-Uni et des États-Unis. Cet article utilise ce résumé de page. Le PDF, 441 Ko, n’a pas été relu page par page.⁴

Une autre note, datée du 6 mai 2026, s’intitule The Aggregation Paradox of AI : Why do micro-economic productivity gains from AI disappear at scale, de Cheuk Yu Cheryl Chan et Khatia Shedania. Le titre pose une question. Les puces de la page sont la réponse publiée, et elles sont plus prudentes que le verbe « disparaître ». Elles indiquent des gains au niveau de la tâche typiquement de 10 à 70 %, plus forts pour les travailleurs moins expérimentés et pour des tâches textuelles bien définies. Au niveau de l’entreprise, les preuves sont plus mixtes, l’adoption est inégale, et les gains se concentrent dans les grandes entreprises avancées sur le numérique, tandis que beaucoup d’entreprises rapportent peu d’effet mesurable au-delà des pilotes. Au niveau des secteurs et de l’économie, aucune croissance claire de la productivité due à l’IA n’est encore apparue dans les statistiques officielles. Cet article ne traite pas « disparaître » comme un fait mesuré. Il traite l’écart entre une tâche plus rapide et un résultat d’entreprise visible comme le problème de gestion que le titre nomme. Le PDF, 629 Ko, n’a pas été relu page par page.⁵

Prises ensemble, ces sources ne rendent pas un verdict sur l’IA. Une équipe peut être plus rapide à une étape et rester bloquée par les validations, des données faibles, la demande des clients, le jugement humain ou la tâche suivante. Le temps gagné est utile lorsqu’une autre partie du système peut s’en servir. Pour un gain mesuré sur une seule part d’un métier, voir pourquoi un créneau de préparation plus court pour les enseignants n’est pas le même problème qu’une pénurie mondiale. Pour une annonce d’effectifs qui ne prouve pas que chaque poste a été remplacé, voir ce que les chiffres de Barclays ne montrent pas. Pour le temps de contrôle qui peut manger un gain brut, voir pourquoi la revue humaine devient le goulot quand les agents sont rapides.

Un registre illustratif, pas une étude de cas

Imaginons une association de huit personnes. Chacune gagne 30 minutes par semaine sur les premières versions de bilans de subvention, après relecture et correction. Cela fait quatre heures de travail par semaine, soit environ 200 heures sur 50 semaines travaillées. Le calcul est 8 fois 0,5 heure, puis 4 fois 50. C’est une illustration. Ce n’est pas un résultat mesuré dans une association, et ce n’est pas l’échantillon Workday.

La direction doit encore choisir. Les heures peuvent aller à des conversations avec les bénéficiaires, au contrôle de la qualité des données, à une relation avec un donateur, ou à moins d’heures supplémentaires. Elles peuvent aussi disparaître dans une pile plus haute de rapports internes. L’outil ne choisit pas. La direction le fait, et les personnes qui font le travail savent souvent quelle étape s’est vraiment raccourcie.

Un petit cabinet comptable rend le problème de mesure concret. Les résumés de courriers clients vont plus vite. Les associés doivent encore vérifier les chiffres, le contexte et le conseil. Si le cabinet compte les documents par heure, il peut récompenser le volume et manquer les erreurs. S’il compte les réponses exactes, les clients qui restent, et le temps passé sur les dossiers qui exigent du jugement, le même outil peut servir le service. Cette scène est elle aussi hypothétique.

Il y a un risque au niveau de la personne si chaque minute gagnée est aussitôt remplie. La journée peut devenir plus dense, pas plus disponible pour réfléchir. Le 30 avril 2026, le service d’actualité de l’OIT a indiqué que les technologies d’IA peuvent améliorer l’efficacité et la productivité et peuvent aussi créer des risques pour les conditions psychosociales de travail, par la surveillance au travail, l’intensification du travail, une moindre autonomie, et des inquiétudes sur la vie privée et l’usage des données. Le document de travail examine ces risques et les limites des règles de sécurité existantes. Ce n’est pas un effet mesuré pour chaque organisation qui utilise un outil de rédaction. Un registre de capacité qui surveille les individus toute la journée serait un autre projet qu’un registre d’un seul flux de travail.⁶

Compter le flux, et dire où vont les heures

Une réponse pratique consiste à suivre la capacité libérée sur un processus répétable, pas par une surveillance continue de chaque personne. Choisir le processus. Écrire les étapes actuelles, le standard de qualité et les attentes. Enregistrer une base avant de changer l’outil. Puis noter le temps gagné, le temps de correction ou de contrôle, les erreurs qui comptent, et ce qui s’est passé pour le client ou le bénéficiaire.

Convenir de la destination de toute capacité nette réelle avant de la traiter comme une économie. La croissance, la qualité de service, la résilience, l’apprentissage et une charge plus légère peuvent tous être valides s’ils correspondent au but de l’organisation. L’erreur est de laisser la destination vide, puis d’annoncer un résultat financier.

Un service pourrait décider qu’un quart de la capacité nette vérifiée va au développement des compétences, une autre part à un retard connu, et le reste à la qualité. Ces parts sont une politique hypothétique. Ce n’est pas une recommandation. Une équipe sous une demande urgente peut choisir autrement qu’une équipe dont la priorité est la rétention ou l’exactitude réglementaire.

Revoir le registre avec les personnes qui font le travail. Elles savent souvent quelle étape a vraiment été plus courte et quelle tâche cachée est apparue. Si le temps de relecture monte, le gain brut est surestimé. Si le travail est plus utile et que le total d’heures ne change pas, le gain peut être la qualité, pas une masse salariale plus basse. Si aucun résultat ne bouge, il faut changer l’expérience ou l’arrêter.

Cet article n’est pas un conseil juridique. Pour les organisations dans l’Union européenne, quelques dispositions tracent une ligne entre un décompte partagé d’un flux et un système qui surveille les personnes.

L’article 4 du règlement européen sur l’IA, dans le texte que le service desk de la Commission affiche comme modifié, dit que les fournisseurs et les déployeurs prennent des mesures pour soutenir la culture en matière d’IA de leur personnel et des autres personnes qui exploitent des systèmes d’IA pour leur compte. Ils tiennent compte des connaissances techniques, de l’expérience, de l’éducation et de la formation, du contexte d’usage, et des personnes ou groupes sur lesquels les systèmes sont utilisés. Le même texte dit que cette obligation n’exige pas de garantir un niveau précis de culture en matière d’IA pour un individu. La Commission et les États membres soutiennent ces efforts, en particulier pour les PME. Le service desk indique que le libellé reflète le texte consolidé d’EUR-Lex au 27 juillet 2026, y compris les modifications du paquet omnibus numérique. Le résumé de cette page n’est pas juridiquement contraignant.⁷

L’annexe III, point 4, b, liste les systèmes d’IA destinés à prendre des décisions qui affectent les conditions d’une relation de travail, la promotion ou la cessation, à répartir des tâches selon le comportement individuel ou des traits personnels, ou à surveiller et évaluer la performance et le comportement de personnes dans ces relations. Un journal d’un seul processus n’est pas, par cette seule description, un tel système. Un outil dont le but est de surveiller et d’évaluer la performance d’une personne peut l’être. Le classement dépend de la finalité prévue. Le service desk indique que les règles de l’annexe III s’appliquent à partir du 2 décembre 2027. Les pratiques interdites, certains devoirs de transparence et les règles sur les modèles d’IA à usage général sont applicables à partir du 2 août 2026.⁸⁹

Lorsqu’un système est à haut risque, l’article 26, paragraphe 2, dit que le déployeur confie la surveillance humaine à des personnes physiques qui ont la compétence, la formation et l’autorité nécessaires, ainsi que le soutien nécessaire. L’article 26, paragraphe 7, dit qu’avant la mise en service ou l’utilisation d’un système à haut risque sur le lieu de travail, les employeurs informent les représentants des travailleurs et les travailleurs concernés. Ces devoirs tiennent au système et au moment de l’usage. Ils ne sont pas remplis par un tableur d’heures gagnées.¹⁰

L’article 5, paragraphe 1, point f, interdit la mise sur le marché, la mise en service à cette fin, ou l’utilisation de systèmes d’IA pour inférer les émotions d’une personne physique sur le lieu de travail et dans les établissements d’enseignement, sauf lorsque l’usage est prévu pour des raisons médicales ou de sécurité. Un registre de capacité n’est pas un score d’émotion.¹¹

L’article 22, paragraphe 1, du RGPD donne à une personne le droit de ne pas faire l’objet d’une décision fondée exclusivement sur un traitement automatisé, y compris le profilage, produisant des effets juridiques ou l’affectant de manière significative de façon similaire. Le paragraphe 2 prévoit des exceptions, dont un contrat, une loi qui le permet, et le consentement explicite. Pour le contrat et le consentement, le paragraphe 3 exige des garanties, au moins le droit d’obtenir une intervention humaine, d’exprimer son point de vue et de contester la décision. Un décompte de flux que personne n’utilise pour embaucher, licencier ou répartir des tâches n’est pas automatiquement dans cette disposition. Un score que personne ne peut écarter, et qui change le travail de quelqu’un, peut l’être. EUR-Lex a renvoyé une erreur 403 au client utilisé pour cet article le 4 novembre 2026 ; ce paragraphe suit donc le texte du règlement plutôt qu’un nouveau téléchargement de la page. Ce n’est pas un conseil juridique.¹²

Les heures ne servent que si quelqu’un peut faire la tâche suivante

Réaffecter du temps n’est pas une modification de calendrier. Une personne de l’administration qui gagne une heure sur les rapports peut avoir besoin de s’exercer à lire les chiffres avant de prendre l’analyse. Une personne du service qui automatise les réponses courantes peut avoir besoin d’une compétence d’escalade plus solide. Une coordination qui utilise un outil pour préparer des supports peut avoir besoin d’une façon de tester une hypothèse et d’enregistrer une correction. Un cours générique de prompt ne fournit ni la connaissance du métier, ni le jugement, ni une pratique supervisée.

C’est pourquoi la ligne de Gartner sur la capacité gagnée comme actif est plus qu’un appel à un autre cours d’IA. L’organisation doit dire ce que le travail de plus haute valeur exige, si les personnes peuvent le faire, et si on leur donne le temps d’apprendre. Les trois ensembles ci-dessus sont le regroupement de l’éditeur. Ils ouvrent cette conversation ; ils ne sont pas un certificat.¹

La page de publication de l’OIT du 13 août 2026, pour un rapport commun avec la Fondation européenne pour la formation, le Cedefop, Eurofound, la Commission européenne et l’UNESCO, dit que l’adoption de l’IA augmente souvent le besoin de compétences cognitives d’ordre supérieur et socioémotionnelles, et de compétences numériques générales et en science des données. Elle décrit les emplois qui développent et maintiennent les systèmes d’IA comme actuellement petits et de niche, et en croissance rapide. Elle dit aussi que la culture en matière d’IA, soit la capacité de comprendre et d’utiliser les outils d’IA de façon sûre et éthique, est de plus en plus traitée comme une compétence de base. La page ne dit pas que tout le monde devrait devenir ingénieur. Le PDF complet, 10,78 Mo, n’a pas été relu page par page.¹³

Trois questions doivent rester distinctes. La personne sait-elle faire fonctionner l’outil ? Peut-elle juger la sortie ? Peut-elle faire la tâche plus difficile que le temps gagné est censé financer ? Ce sont des compétences différentes. La présence à un cours est une preuve faible pour chacune. Pour savoir qui a vraiment pratiqué, voir pourquoi la formation à l’IA atteint les chefs plus souvent que les débutants. Pour recruter le jugement qu’un test de code ne montre pas, voir pourquoi les compétences humaines sont une comparaison, pas un surplus de codeurs.

Un test de 30 jours est une suggestion, pas un protocole

La séquence ci-dessous est une proposition éditoriale. Gartner, la série de la Fed de Saint-Louis, Workday et l’OIT ne l’ont pas testée.

La première semaine, choisir un processus au volume visible et au coût d’erreur maîtrisable. Demander aux personnes qui le font de décrire les étapes, le standard de qualité et les délais. Enregistrer une base avant de changer l’outil.

La deuxième semaine, essayer l’outil sur un échantillon limité. Comparer le chemin complet, y compris la correction, le contrôle et les passations, pas seulement la vitesse du brouillon. Tenir un journal simple des erreurs. Ne pas mettre de données confidentielles ou sensibles dans un outil qui n’a pas les garanties que le travail exige.

La troisième semaine, choisir une destination pour toute capacité nette vérifiée : une réponse plus courte, un contrôle de qualité, plus de contact avec les personnes servies, ou un temps d’apprentissage protégé. Nommer qui est responsable, et nommer la compétence qui manque encore à l’équipe.

La quatrième semaine, regarder le résultat avec l’équipe. Le service a-t-il bougé ? Les erreurs graves ont-elles baissé ? Le travail a-t-il été partagé équitablement ? Les personnes ont-elles gagné une capacité, ou seulement une liste de tâches plus longue ? Continuer seulement si les preuves soutiennent le choix. Pouvoir s’arrêter fait partie de la décision.

Une petite organisation n’a pas besoin d’un bureau de transformation pour cela. Elle a besoin d’une base, d’une destination nommée, d’une préférence pour le temps net plutôt que le temps brut, et d’une conversation avec les personnes dont le travail change.

Les questions que les dirigeants posent vraiment

Les 21 % veulent-ils dire que les 79 % restants ont été gaspillés ?

Non. La phrase de Gartner dit que seuls 21 % du temps libéré par l’IA ont été réorientés vers un travail plus innovant, dans une enquête du deuxième trimestre auprès de 1 865 salariés. Le communiqué ne publie pas où est allé le reste. Un travail qui n’est pas étiqueté innovation peut rester du service, de la relecture, de la formation ou de la récupération. Traiter 79 % comme du gaspillage est un slogan que la page ne soutient pas.¹

Les 3 % veulent-ils dire que 97 % des organisations n’ont rien reçu de l’IA ?

Non. Le titre dit que juste 3 % des organisations dépassent leurs objectifs d’économies par la productivité. L’ouverture dit que 97 % ne parviennent pas à atteindre les économies souhaitées par la seule productivité. Dépasser un objectif est une barre plus stricte que recevoir un bénéfice quelconque, et « économies souhaitées » est le libellé du communiqué, pas un zéro publié. La qualité et la capacité peuvent monter sans baisse de coût.¹

2,08 % des heures de travail aux États-Unis sont-ils un profit d’entreprise ?

Non. L’observation FRED du troisième trimestre 2026 est 2,08449, la part du total des heures de travail que les adultes occupés de 18 à 64 ans sont estimés avoir économisée. Elle vient d’autodéclarations par tranches, avec un gain nul assigné aux non-utilisateurs. Ce n’est pas un profit audité et ce n’est pas un plan pour une équipe.²

Comment hilighter peut aider

hilighter ne mesure pas les gains de temps nationaux, ne certifie pas qu’un flux est devenu plus utile, et ne décide pas qui doit recevoir les heures. La question pratique que ces preuves laissent ouverte est plus étroite : quelles tâches sont devenues plus rapides, quelles compétences la tâche suivante exige, et qui a montré qu’il ou elle peut faire ce travail.

hilighter aide les équipes à cartographier les compétences par rôle, à comparer les personnes à ces exigences dans Compétences et talents, à enregistrer une preuve de capacité dans Reconnaissance des acquis et à définir des parcours de développement. Sa vue Impact de l’IA sur les métiers est indicative. Ce n’est pas une prédiction de disparition d’un rôle, ni une prévision d’heures gagnées. Une offre gratuite couvre jusqu’à trois rôles, avec un nombre illimité de salariés.

Sources

1. Gartner, 77 % des membres de conseil attendent de l’IA productivité et économies, mais juste 3 % des organisations dépassent leurs objectifs par la productivité, communiqué, Orlando, 26 octobre 2026. Titre 77 % et 3 % ; ouverture « trois quarts » et « 97 % incapables d’atteindre les économies souhaitées par la seule productivité » ; enquête du 2e trimestre 2026 auprès de 1 865 salariés et 21 % du temps libéré réorienté vers un travail plus innovant ; enquête de juillet 2026 auprès de 297 DRH et 78 % sans alignement sur le lieu de création de valeur ; citation de Viverito sur 38 % au-dessus du budget, 85 % qui prévoient de dépenser plus, et les économies « à ce stade » ; trois ensembles de compétences. Les questionnaires et l’échantillon des 77 %, 3 %, 38 % et 85 % ne sont pas publiés sur la page.
2. Banque de réserve fédérale de Saint-Louis, Generative Artificial Intelligence, Time Savings: Employed Adults (RPSGENAITSALL), mise à jour du 20 octobre 2026. Observations utilisées : T3 2026 à 2,08449, T2 2026 à 2,17257, T1 2026 à 2,06661, T4 2025 à 1,98906. Unité : pourcentage du total des heures de travail économisées, non désaisonnalisé, adultes occupés de 18 à 64 ans aux États-Unis. Méthode : Real-Time Population Survey ; autodéclaration par tranches de moins d’une heure supplémentaire à plus de quatre ; zéro par construction pour les non-utilisateurs. Citation suggérée : Bick, Blandin et Deming.
3. Workday, New Workday Research: Companies Are Leaving AI Gains on the Table, 14 janvier 2026. Près de 40 % des gains de temps IA perdus en reprise ; 14 % des salariés obtiennent de façon constante des résultats nets clairs et positifs. Étude Beyond Productivity, réalisée par Hanover Research en novembre 2025 : 3 200 salariés à temps plein, Amérique du Nord, Asie-Pacifique, Europe, Moyen-Orient et Afrique, organisations d’au moins 100 millions de dollars de chiffre d’affaires, utilisateurs actifs de l’IA. Workday vend une plateforme d’entreprise.
4. Organisation internationale du Travail, Rossana Merola, Ekkehard Ernst, Daniel Samaan, Maria del Rio-Chanona et Ole Teutloff, The impact of GenAI on jobs, productivity and work organization, page datée du 1er juin 2026, DOI 10.54394/00034628. Cet article utilise le résumé de la page. Le PDF n’a pas été relu page par page.
5. Organisation internationale du Travail, Cheuk Yu Cheryl Chan et Khatia Shedania, The Aggregation Paradox of AI, page datée du 6 mai 2026, DOI 10.54394/00034342. Question du titre et puces de la page. Le PDF n’a pas été relu page par page. Cet article ne traite pas le « disparaître » du titre comme un fait mesuré.
6. Organisation internationale du Travail, AI-driven intrusive surveillance and loss of autonomy at work, actualité du 30 avril 2026, sur le document AI systems @ work (page de publication, DOI 10.54394/00034098). Libellé utilisé : l’efficacité peut s’améliorer, et des risques peuvent venir de la surveillance, de l’intensification, d’une moindre autonomie, et de la vie privée. Pas un taux mesuré pour chaque organisation.
7. Commission européenne, AI Act Service Desk, article 4 : culture en matière d’IA. La page dit que le texte reflète la version consolidée d’EUR-Lex au 27 juillet 2026, avec les modifications du paquet omnibus, et que le résumé n’est pas contraignant.
8. Commission européenne, AI Act Service Desk, annexe III, point 4, b.
9. Commission européenne, AI Act Service Desk, calendrier d’application (annexe III à partir du 2 décembre 2027 ; pratiques interdites, certains devoirs de transparence et règles sur les modèles à usage général à partir du 2 août 2026).
10. Commission européenne, AI Act Service Desk, article 26, paragraphes 2 et 7.
11. Commission européenne, AI Act Service Desk, article 5, paragraphe 1, point f.
12. Règlement (UE) 2016/679, article 22. EUR-Lex a renvoyé HTTP 403 le 4 novembre 2026 ; le paragraphe n’a pas été retéléchargé ce jour-là. Le libellé suit le règlement.
13. Organisation internationale du Travail et partenaires, Changing landscape of skills in the age of AI, page datée du 13 août 2026. Résumé de page. Le PDF complet n’a pas été relu page par page.

Sources revues le 4 novembre 2026. Les 21 % de Gartner, les 3 % du titre et la phrase d’ouverture à 97 % ne sont pas une seule expérience. Le chiffre d’alignement de 78 % est une enquête distincte auprès de DRH. La série de la Fed de Saint-Louis est une part d’heures issue d’une enquête, pas un profit. Les chiffres Workday sont sponsorisés par le vendeur et limités aux grands employeurs. Les PDF de l’OIT n’ont pas été relus page par page. EUR-Lex a renvoyé 403 le jour de cette revue. Les dates de l’UE suivent le service desk de la Commission et ne sont pas un conseil juridique. Ni un score de détecteur d’IA ni l’absence de pénalité Google ne peuvent être garantis. Traduction à relire par une personne native.