Pépites de managementRetrouvez ici quelques pépites issues de notre veille des meilleures publications sur le leadership et le management

L’IA s’est invitée au cœur de nos décisions professionnelles. On sait qu’il lui arrive de se tromper – et même de se tromper souvent. Mais ce savoir suffit-il à nous protéger de ses erreurs ?

Trois expériences menées par la Wharton School sur plus de 1 300 participants fournissent une réponse claire à cette interrogation : c’est non ! Dans ces expériences, les chercheurs ont mesuré le taux de « capitulation cognitive » des participants – à savoir leur tendance à adopter la réponse de l’IA sans même l’évaluer. Ainsi, consultée sur une décision, une IA sciemment programmée pour donner de mauvaises réponses était quand même suivie dans 79,8 % des cas.

Et ce réflexe résiste à tout :

- Sous pression de temps, il s’aggrave. En imposant un délai de 30 secondes pour chaque décision, le nombre de participants suivant la mauvaise recommandation de l’IA passait à 88 %.

- Les incitations financières et les feedbacks immédiats l’atténuent – sans l’éliminer. Combiner récompense financière et retour immédiat « vrai/faux » après chaque décision a doublé la proportion de participants rejetant les mauvaises réponses de l’IA. Mais 58 % des participants suivaient encore l’IA de façon systématique, même quand elle avait tort.

Pour contrecarrer ce biais, miser sur la motivation individuelle ne suffit pas : il faut jouer sur la conception des outils d’IA eux-mêmes, afin de faire du contrôle de leurs recommandations une étape garantie, et non simplement espérée.

----------
Source : Thinking—Fast, Slow, and Artificial: How AI is Reshaping Human Reasoning and the Rise of Cognitive Surrender, Steven D. Shaw, Gideon Nave, The Wharton School Research Paper, janvier 2026.

L’IA est censée nous permettre de dégager du temps et de simplifier le travail. Mais une étude BCG auprès de 1 488 salariés américains révèle une réalité plus contrastée : l’usage de l’IA réduit le burn-out, mais il crée aussi un nouveau type d’épuisement – qui, lui, passe sous les radars.

Les chercheurs nomment ce phénomène « AI brain fry » – ou surchauffe cognitive : une fatigue aiguë liée à une supervision intensive des outils IA. Les conséquences sont sérieuses : fatigue décisionnelle, multiplication des erreurs, hausse du turnover pour les usagers les plus intensifs…

L’étude dresse trois principaux constats :

- Burn-out et surchauffe cognitive sont deux phénomènes distincts. En automatisant les tâches répétitives, l’IA réduit le burn-out de 15 %. Mais elle accroît en parallèle la fatigue cognitive. Ce sont deux formes d’épuisement différentes – avec des causes et des remèdes bien distincts.

- La supervision d’une ou de plusieurs IA est à l’origine de la surchauffe. Utiliser l’IA pour automatiser une tâche n’est pas fatigant en soi. Ce qui épuise, c’est de surveiller ses productions en permanence, de valider ses résultats, de jongler entre plusieurs agents…. On observe en particulier qu’au-delà de trois outils d’IA utilisés en simultané, la productivité chute.

- Créer des incitations pour utiliser l’IA aggrave le problème. En faisant de l’utilisation de l’IA un objectif de performance – nombre de lignes de code générées par IA, nombre de tokens consommés, etc. –, les organisations incitent involontairement leurs équipes à multiplier la supervision des outils. Ce qui produit exactement l’épuisement qu’elles cherchent à éviter.

Vos meilleurs utilisateurs d’IA sont aussi les plus exposés à la surchauffe cognitive. Est-ce que vos indicateurs les orientent vers plus de performance – ou vers plus de supervision ?

----------
Source : When Using AI Leads to "Brain Fry", Julie Bedard, Matthew Kropp, Megan Hsu, Olivia T. Karaman, Jason Hawes, Gabriella Rosen Kellerman, Harvard Business Review, mars 2026.

Les grandes entreprises investissent massivement dans l'IA. Et pourtant, BCG, McKinsey et le MIT s'accordent : moins de 10 % parviennent à en tirer une vraie valeur à grande échelle. D’où vient la difficulté ?

Une étude de la Wharton School et de GBK Collective auprès de 800 dirigeants d'entreprises américaines révèle une cause inattendue. On aurait pu s’attendre à ce que le problème résulte d’un clivage entre dirigeants enthousiastes et employés inquiets. En réalité, celui qui pourrait avoir l’impact le plus déterminant se situe entre dirigeants et managers intermédiaires.

· Valeur perçue. – 45 % des dirigeants estiment que leur entreprise obtient un retour sur investissement significatif sur ses investissements IA, contre seulement 27 % des managers intermédiaires – soit 18 points d'écart sur la question la plus fondamentale.

· Rythme d'adoption. – 56 % des dirigeants estiment que leur organisation devance la concurrence. Seulement 28 % des managers partagent ce sentiment.

· Enthousiasme. – Environ les deux tiers des dirigeants se disent « beaucoup plus positifs » cette année sur les perspectives de l’IA. Seuls 39 % des managers ressentent la même évolution. Dans une étude du BCG, 76 % des dirigeants pensent que leurs équipes sont enthousiastes à l'égard de l'IA, alors que seuls 31 % des collaborateurs le confirment.

Ce sont pourtant les managers intermédiaires qui feront advenir – ou non – la transformation. Tant que les dirigeants ne mesurent pas cet écart, aucun investissement ne comblera la distance entre ambitions et résultats réels.

----------
Source : Managers and Executives Disagree on AI—and It's Costing Companies, Jeremy Korst, Stefano Puntoni, Prasanna Tambe, Harvard Business Review, avril 2026.

L'intelligence artificielle promet des gains de productivité spectaculaires. Pourtant, des études révèlent un effet secondaire : son utilisation en appui d’une production intellectuelle entraîne aussi des baisses de motivation.

Pourquoi ? Dans des travaux comme la rédaction d’une évaluation de performance ou un e-mail, l’IA peut se substituer à l’exigence de rigueur et de créativité qui rend le travail gratifiant. Les collaborateurs perdent en sentiment de contrôle, moteur clé de la motivation. Et, paradoxalement, quand ils passent à des tâches sans IA, la motivation ne revient pas, le travail leur paraissant plus fastidieux.

Comment préserver l'engagement tout en profitant des gains de l'IA ? Quatre pistes d'action se dégagent :
– Concevoir des processus combinant l’IA et une nécessaire contribution créative.
– Alterner des travaux assistés par l’IA et des défis à relever sans IA.
– Communiquer explicitement sur la valeur ajoutée de la contribution humaine.
– Donner les clés pour savoir apprécier quand le jugement humain doit primer sur l’apport de l'IA.

L'enjeu ? Éviter qu'un excès de dépendance à l'IA érode les capacités cognitives et l'épanouissement professionnel sur le long terme. 

_________
Source : Research: Gen AI Makes People More Productive—and Less Motivated, Yukun Liu, Suqing Wu, Mengqi Ruan, Siyu Chen, Xiao-Yun Xie, Harvard Business Review, mai 2025.

Les algorithmes de tarification peuvent conduire à une collusion illégale, même sans aucune intention ni aucune communication entre concurrents. Les régulateurs américains (Federal Trade Commission et Département de la Justice) affirment désormais qu'utiliser un algorithme de tarification partagé peut constituer une entente anticoncurrentielle. Les affaires en cours visent hôtels et propriétaires immobiliers utilisant des systèmes comme RealPage ou Yardi.

Comment réduire ce risque ? Trois leviers s'avèrent décisifs :

– Garantir la transparence des données utilisées. S’assurer que l’algorithme ne tient pas compte des données issues des autres entreprises utilisatrices.

– Éviter les règles de tarification simplistes. Les algorithmes qui ajustent automatiquement les prix à partir de ceux des concurrents peuvent paradoxalement conduire à des phénomènes anticoncurrentiels.

– Conserver un contrôle humain sur les décisions. Les managers doivent conserver la capacité d'examiner et de rejeter les recommandations algorithmiques.

L'absence d'accord explicite ne suffit plus à écarter le risque antitrust. Un tel précédent pourrait redéfinir l'usage des algorithmes dans de nombreux secteurs.

----------
Source : The Perils of Algorithmic Pricing, Chris K. Anderson, Fredrik Ødegaard, MIT Sloan Management Review, novembre 2025.