Le paradoxe de la semaine de travail de l’IA : plus d’automatisation, jusqu’à 90 heures de travail

Google News a fait ressortir une contradiction frappante le 11 août : les dirigeants de l’IA promettent moins de travail humain, tandis que certains travailleurs de la technologie décrivent des semaines approchant les 90 heures. L’enquête de la BBC illustre l’écart croissant entre ce que l’IA peut automatiser et la manière dont les employeurs utilisent la capacité ainsi dégagée.

Le conflit central ne porte pas sur la capacité de l’IA à faire gagner du temps sur des tâches individuelles. Les éléments disponibles montrent de plus en plus qu’elle le peut. Il concerne l’attribution de ce temps gagné et la question de savoir si les employeurs transforment l’efficacité en temps libre, en production accrue ou en équipes plus réduites.

Cette question dépasse désormais quelques startups particulièrement intenses. Des dirigeants de Meta demandent aux employés de réinvestir le temps rendu disponible par l’IA dans du travail supplémentaire. Dans le même temps, des entreprises de l’ensemble du secteur rehaussent les attentes de performance, à mesure que les salariés endossent de nouvelles responsabilités de supervision, de vérification et de correction de l’IA.

Le résultat est un renversement inconfortable. Une technologie présentée comme une échappatoire au travail de routine contribue aussi à normaliser des objectifs de production plus élevés et des horaires plus longs. La machine travaille plus vite, mais la journée de travail humaine ne se raccourcit pas automatiquement.

Ce que le reportage de Google News a réellement changé

Les derniers reportages transforment un débat abstrait sur l’avenir du travail en un conflit de management bien actuel.

Pendant des années, les dirigeants de la technologie ont décrit l’intelligence artificielle comme un moyen d’éliminer les tâches répétitives. La récompense attendue semblait simple : les personnes passeraient moins de temps à rédiger des e-mails, chercher des documents ou produire du code routinier.

Cette promesse n’était pas entièrement imaginaire. L’IA générative peut résumer des messages, produire des premiers jets, retrouver des informations et proposer des modifications logicielles. Ces capacités réduisent le temps nécessaire à certaines activités, surtout lorsque la tâche repose sur des données d’entrée claires et un résultat facile à examiner.

Mais l’efficacité sur une tâche ne signifie pas une semaine de travail plus courte. Un employeur peut réagir à une tâche exécutée plus rapidement en réduisant les horaires, en augmentant la production, en diminuant les effectifs ou en attribuant un travail plus complexe. La technologie ne choisit pas entre ces résultats.

Le rapport de la BBC, distribué via Google News, place cette distinction au cœur de son récit. Certains employés de l’économie de l’IA décrivent des horaires allant du modèle « 996 », déjà très éprouvant, de 72 heures, à des semaines approchant les 90 heures.

Le terme 996 désigne un travail de 9 heures à 21 heures, six jours par semaine. Cet horaire représente 72 heures avant même les trajets, les messages tardifs ou le travail supplémentaire du week-end.

La Silicon Valley considérait autrefois le 996 comme un aspect alarmant de la culture technologique chinoise. En 2021, les autorités chinoises ont déclaré illégales les versions obligatoires de cet horaire. Des startups américaines de l’IA ont depuis adopté le terme comme un signal de rapidité, d’ambition et d’engagement digne des fondateurs.

Cette pratique n’est pas universelle dans les entreprises technologiques. Tous les horaires prolongés ne résultent pas non plus d’une obligation formelle imposée par l’employeur. Certains fondateurs travaillent volontairement des heures extrêmes, car ils détiennent une part importante de l’entreprise et espèrent un important retour financier.

La différence cruciale apparaît lorsque ce compromis de fondateur devient une exigence pour les employés. Les salariés peuvent supporter la même charge de travail sans bénéficier d’un contrôle, de parts au capital ou d’une protection contre le licenciement équivalents.

Les reportages sur cette tendance montrent que les longues heures peuvent s’imposer par les offres d’emploi, les entretiens de recrutement, les normes de performance et l’exemple donné par les dirigeants. Un horaire peut devenir de fait obligatoire même lorsqu’aucune politique n’emploie ce terme.

Cela rend le débat actuel plus important qu’une nouvelle querelle sur la culture des startups. L’IA modifie la justification économique du surmenage. Les managers peuvent désormais affirmer que chaque employé dispose d’une capacité supplémentaire, même lorsque le véritable gain de productivité reste incertain.

C’est le changement que les lecteurs devraient retenir. La promesse de l’automatisation est passée d’un avantage proposé aux travailleurs à un critère servant à les évaluer.

L’IA fait gagner du temps sur les tâches, pas sur des journées entières

Un gain de productivité ne devient du temps libre que lorsqu’une organisation protège délibérément ce temps.

L’une des études les plus solides sur l’IA générative au travail a porté sur des milliers de travailleurs du savoir utilisant Microsoft 365 Copilot. Les chercheurs ont examiné comment l’accès à l’outil modifiait les habitudes liées aux e-mails, aux documents et aux réunions.

L’étude randomisée sur les habitudes de travail a constaté que les utilisateurs actifs passaient plus de trois heures de moins par semaine sur leurs e-mails. Ils semblaient également terminer les documents plus rapidement.

Toutefois, les chercheurs n’ont observé aucune baisse significative du temps passé en réunion. Les travailleurs pouvaient modifier leurs habitudes personnelles liées aux e-mails, mais ils ne pouvaient pas repenser seuls un calendrier partagé avec des collègues et des responsables.

Cette différence explique une grande partie du paradoxe actuel. L’IA intervient au niveau des tâches, alors que les heures de travail résultent d’un système organisationnel. Rédiger plus vite ne peut pas raccourcir la semaine lorsque les réunions, les validations, les objectifs et les effectifs restent inchangés.

La même distinction apparaît dans les recherches de Boston Consulting Group pour 2026. Son enquête mondiale a couvert 11 749 travailleurs répartis sur 14 marchés et plusieurs secteurs.

Parmi les utilisateurs réguliers de l’IA en première ligne, 42 % ont déclaré économiser au moins une journée complète de travail par semaine. Pourtant, 66 % ont reçu peu ou pas de consignes sur l’utilisation de ce temps gagné.

Plus de la moitié ne l’ont pas réorienté vers un travail stratégique. Ces résultats suggèrent que de nombreux employeurs ont déployé des outils sans repenser les rôles ni décider comment les gains de productivité devaient être répartis.

Les conclusions du BCG montrent également que 67 % des répondants ont indiqué que l’IA avait pris en charge les tâches les plus simples. Les employés se sont ainsi retrouvés à gérer une part plus importante du travail complexe.

Supprimer les tâches simples peut améliorer un emploi, mais cela supprime aussi les pauses naturelles. Une personne peut passer directement d’une tâche exigeant beaucoup de jugement à une autre, avec moins de périodes de faible sollicitation cognitive.

Quarante et un pour cent des répondants ont signalé une pression mentale plus forte associée à l’IA. Près de la moitié ont déclaré consacrer davantage de temps à examiner, corriger, gérer ou orienter les résultats produits par l’IA.

Cette charge de vérification est parfois appelée botsitting. Un travailleur reçoit un brouillon rapidement produit, en vérifie les affirmations, corrige ses erreurs, le met en conformité avec les normes internes et assume la responsabilité du résultat final.

Le processus peut tout de même faire gagner du temps. Il peut aussi rendre chaque minute restante plus exigeante. Mesurer uniquement le temps nécessaire à produire un brouillon ignore la concentration requise pour le valider.

Les outils d’IA créent un autre problème de mesure. Les managers peuvent facilement compter le code, les documents, les tickets ou les variantes marketing générés. Ils ont davantage de mal à mesurer le jugement, la maintenance, la prévention des risques et le coût de correction d’un résultat médiocre.

Ce déséquilibre encourage les entreprises à récompenser le volume visible. Les travailleurs réagissent en produisant davantage, en vérifiant davantage et en restant disponibles plus longtemps.

L’employé individuel ne peut pas résoudre ce problème par la seule qualité de ses prompts. Une semaine plus courte exige des changements coordonnés dans les délais, les structures de réunion, les effectifs et l’évaluation de la performance.

Sans ces changements, les minutes gagnées deviennent un espace vide dans un plan de capacité. Le management remplit rapidement cet espace avec une autre tâche.

Le retour du 996 dans la Silicon Valley augmente les enjeux

La course à l’IA transforme la disponibilité extrême en filtre de recrutement, et non plus seulement en réponse temporaire aux urgences.

Le travail intense a toujours existé autour des lancements de produits, des incidents de sécurité et des systèmes défaillants. La nouvelle tendance est différente, car certaines startups présentent le surmenage durable comme leur modèle opérationnel normal.

Un horaire 996 exige 12 heures par jour pendant six jours. Certains témoignages décrivent des employés travaillant sept jours sur sept ou prolongeant leurs horaires au-delà de 72 heures.

Une enquête sur la Silicon Valley a identifié des startups d’IA qui adoptaient ouvertement ce modèle. Rilla, qui développe des logiciels d’analyse de conversations pour les prestataires de services à domicile, aurait indiqué que presque tous ses quelque 80 employés suivaient le rythme 996.

Les défenseurs de cet horaire estiment qu’une brève fenêtre de marché justifie une intensité inhabituelle. Les modèles fondamentaux évoluent rapidement, les acteurs établis investissent massivement et les produits concurrents peuvent copier des fonctionnalités visibles en quelques mois.

Cette pression est réelle. Une petite entreprise peut penser qu’elle doit livrer plus vite qu’un concurrent plus important, doté de davantage de ressources informatiques, de distribution et de capitaux.

Toutefois, l’explication par l’IA peut masquer une décision classique de gestion des effectifs. Une entreprise peut recruter suffisamment de personnes pour une charge de travail soutenable, ou recruter moins de personnes et attendre de chacune qu’elle couvre un périmètre plus large.

L’IA facilite la présentation de la seconde option comme un progrès technologique. Les dirigeants peuvent qualifier une équipe réduite d’« AI-native », même lorsque sa production dépend d’importantes heures supplémentaires humaines.

Le marché du travail renforce cette pression. Les licenciements dans la technologie ont réduit le sentiment de sécurité des employés, tandis que la demande reste intense pour un groupe restreint de chercheurs expérimentés en IA.

Les travailleurs qui ne font pas partie de ce groupe privilégié sont confrontés à un calcul difficile. Refuser un horaire extrême peut sembler révéler un manque d’engagement lorsque d’autres candidats l’acceptent.

Les offres d’emploi et les appels de recrutement peuvent rendre cette attente explicite. La culture interne peut produire le même résultat par les promotions, les félicitations publiques, le suivi des délais de réponse ou des dirigeants qui restent en ligne chaque soir.

Le problème dépasse le nombre total d’heures. Les longues journées réduisent le temps disponible pour apprendre, assumer des responsabilités familiales, se soigner et récupérer. Elles peuvent aussi restreindre la main-d’œuvre aux personnes capables d’organiser leur vie autour du travail.

Cet effet de sélection a des conséquences pour l’entreprise. Une société peut perdre des employés expérimentés, des aidants et des candidats qui savent qu’un manque de sommeil prolongé finit par nuire au jugement.

Le développement logiciel est particulièrement vulnérable. Davantage de code ne signifie pas toujours davantage de progrès. Chaque fonctionnalité ajoutée crée des obligations de test, de sécurité, de maintenance et d’intégration.

L’IA peut générer rapidement des options d’implémentation, mais elle ne supprime pas la responsabilité en cas de défaillances en production. Les équipes doivent toujours décider ce qui doit être construit, valider les comportements et gérer les conséquences lorsque les systèmes échouent.

Une semaine de 90 heures peut donc produire une poussée trompeuse d’activité visible. L’entreprise enregistre davantage de commits et de lancements tout en accumulant des défauts, des responsabilités floues et de la dette technique.

La production à court terme peut sembler impressionnante. Les coûts différés apparaissent plus tard, souvent après l’épuisement ou le départ des personnes qui ont créé le système.

Le renversement central : l’efficacité a relevé l’objectif de travail

L’effet le plus immédiat de l’IA au travail est souvent un plafond de performance plus élevé, et non un engagement de temps réduit.

Le débat interne chez Meta illustre ce basculement. Son directeur technique, Andrew Bosworth, aurait déclaré aux employés que le temps gagné grâce à l’IA devait servir à effectuer davantage de travail pour les utilisateurs.

Selon la couverture de la réunion du personnel de Meta, Bosworth a déclaré qu’il utilisait une heure supplémentaire pour produire davantage. Il s’est ensuite excusé d’avoir répondu trop durement à un employé qui avait demandé du temps libre supplémentaire.

Sa réponse a rendu la logique managériale inhabituellement visible. Lorsque l’IA crée une heure, l’entreprise y voit une nouvelle capacité productive. L’employé peut y voir une occasion de se reposer ou de raccourcir sa journée.

Aucune de ces deux issues ne découle automatiquement de la technologie. C’est l’organisation qui choisit quelle revendication prime.

C’est le principal conflit au cœur de l’article de Google News : l’efficacité de l’IA a fait progresser les attentes plus vite qu’elle n’a transformé les accords de travail. Les salariés restent responsables de leurs tâches précédentes tout en absorbant de nouveaux objectifs de production.

Ce schéma rappelle un ancien effet économique. Lorsqu’une ressource devient moins chère ou plus efficace, les organisations en consomment souvent davantage au lieu de maintenir cette consommation constante.

L’IA réduit le coût de production d’un brouillon, d’un prototype ou d’une analyse. Les entreprises réagissent en demandant davantage de brouillons, de prototypes et d’analyses.

Un employé du marketing qui créait autrefois trois concepts de campagne peut désormais être invité à en produire 20. Un développeur qui mettait autrefois en œuvre une seule approche peut générer cinq alternatives, puis les comparer.

Une équipe de support peut répondre à davantage de tickets sans réduire ses horaires. Les managers constatent un débit plus élevé, tandis que les salariés subissent un rythme opérationnel plus soutenu.

Les outils peuvent aussi élargir ce qui est considéré comme un travail raisonnable. Des tâches auparavant écartées car trop longues à réaliser entrent dans le backlog dès lors que l’IA rend une première ébauche peu coûteuse.

Chaque gain local crée une nouvelle demande. La charge de travail totale augmente même lorsque chaque unité demande moins de temps.

Cette dynamique affaiblit l’idée selon laquelle l’IA produit naturellement du temps libre. Une productivité accrue peut permettre de réduire les horaires, mais seulement si les travailleurs reçoivent une part du gain.

Historiquement, cette répartition a dépendu des négociations, du droit du travail, des conditions de recrutement concurrentielles et des choix de management. Les nouvelles machines, à elles seules, n’ont pas instauré les week-ends, les protections contre les heures supplémentaires ou les congés payés.

Le même principe s’applique à l’IA générative. Une entreprise doit décider si l’efficacité doit se traduire par une rémunération plus élevée, des horaires réduits, une meilleure qualité, une production supplémentaire ou des réductions d’effectifs.

La plupart des organisations combineront ces résultats. La question importante porte sur leur proportion et sur l’influence éventuelle des salariés dans ce choix.

Les entreprises font également face à un piège de coordination. Un employeur peut souhaiter des horaires soutenables tout en craignant de perdre en vitesse face à un concurrent qui exige du 996.

Cette crainte peut provoquer une escalade à l’échelle d’un secteur. Chaque entreprise allonge les horaires parce qu’elle suppose que ses concurrentes font de même, même lorsque le travail qui en résulte est de moindre qualité.

La course s’intensifie particulièrement lorsque les investisseurs récompensent une croissance rapide des utilisateurs ou des revenus. Les coûts de maintenance à long terme restent moins visibles qu’un produit lancé ce trimestre.

L’IA joue alors deux rôles. Elle est à la fois l’objet de la compétition et la justification pour exiger davantage de production des personnes qui la développent.

Ce que les chiffres de productivité ne prouvent pas

Ni les témoignages de salariés ni l’enthousiasme des dirigeants ne démontrent que des horaires extrêmes créent une valeur durable pour l’entreprise.

Les informations sur des semaines de 72 ou 90 heures méritent l’attention, mais elles ne décrivent pas toutes les entreprises d’IA. Les salariés de startups qui s’expriment publiquement peuvent représenter des environnements de travail particulièrement sévères.

De même, les répondants à des enquêtes qui déclarent économiser huit heures ne prouvent pas que leurs employeurs ont gagné huit heures de production utile. Les gains de temps déclarés peuvent différer de la productivité observée, de la qualité ou des performances financières.

Les études au niveau des tâches apportent des éléments plus contrôlés, mais leurs conclusions restent limitées. Copilot a réduit le temps consacré aux e-mails pour les utilisateurs actifs lors d’un déploiement précoce. Cela n’établit pas que chaque salarié, outil ou entreprise obtiendra le même résultat.

La recherche a aussi montré pourquoi les gains individuels ne transforment pas nécessairement l’ensemble du travail. Les réunions et les processus coordonnés ont moins évolué que les activités que les salariés contrôlaient de manière autonome.

Les dirigeants ne devraient donc pas traiter une estimation générale de productivité comme un quota applicable à chaque fonction. Un ingénieur, un avocat, un designer et un commercial font face à des coûts d’erreur et à des flux de travail différents.

Les performances de l’IA varient aussi au sein d’une même profession. Un modèle peut produire un premier brouillon utile pour une fonction routinière tout en échouant face à un système inconnu ou à une exigence ambiguë.

Le temps de vérification augmente lorsque le résultat paraît plausible mais est incorrect. Les travailleurs doivent examiner les détails avec précision parce qu’un langage fluide peut dissimuler des erreurs.

Un volume accru amplifie ce risque. Lorsque les équipes génèrent davantage de contenu, elles doivent en vérifier davantage. Un goulot d’étranglement peut se déplacer de la création vers la vérification sans disparaître.

Il existe aussi une différence entre la production et le résultat. Davantage de code ne crée pas nécessairement un produit plus fiable, tout comme davantage de messages commerciaux ne garantissent pas davantage de clients.

L’enquête de BCG offre un avertissement utile. Soixante pour cent des répondants ont déclaré que le niveau requis pour qu’un travail soit jugé suffisamment bon avait augmenté, tandis que 72 % ont indiqué que les compétences requises avaient changé.

Seuls 36 % estimaient avoir reçu une montée en compétences adéquate. Cet écart place les salariés face à de nouvelles attentes sans préparation correspondante.

Il complique également les affirmations sur le surmenage volontaire. Un salarié peut officiellement choisir de longues heures tout en réagissant à des licenciements, à des normes incertaines ou à la crainte d’être remplacé.

Des horaires extrêmes peuvent sembler consensuels dans un contrat et coercitifs dans la pratique. La distinction dépend du pouvoir de négociation, des autres possibilités d’emploi et des conséquences d’un refus.

Rien de cela ne prouve que les cultures exigeantes des startups échouent toujours. De petites équipes ont conçu des produits importants lors de périodes de travail intense, et certains salariés acceptent sciemment le risque en échange de participation au capital et d’expérience.

Le saut non étayé survient lorsque les dirigeants traitent un effort exceptionnel comme un système d’exploitation permanent. Un sprint a une fin. Une culture d’urgence continue n’en a pas.

Le surmenage durable crée ses propres angles morts. Les équipes épuisées peuvent cesser de remettre les priorités en question, car livrer devient la seule mesure acceptée de l’engagement.

Elles peuvent aussi devenir dépendantes des résultats de l’IA au moment même où la fatigue rend une vérification attentive plus difficile. Cette combinaison accroît les risques opérationnels, juridiques et de sécurité.

La conclusion responsable est plus nuancée que l’affirmation la plus forte de chaque camp. L’IA peut faire gagner un temps significatif, et certains travailleurs de la technologie continuent de travailler selon des horaires extrêmes.

Ces faits peuvent coexister, car productivité et temps libre sont des résultats distincts. Ce sont les systèmes de management qui les relient, pas les logiciels.

Ce que les travailleurs et les employeurs devraient surveiller ensuite

Les prochaines preuves viendront de la conception de la charge de travail, de la rétention et des indicateurs de qualité, plutôt que d’une nouvelle démonstration spectaculaire d’IA.

Le premier signal est de savoir si les entreprises modifient officiellement leurs attentes en matière de performance. Les dirigeants devraient indiquer si les gains de l’IA réduisent les effectifs, élargissent les objectifs de production ou favorisent des horaires plus courts.

Une politique n’a pas besoin de garantir que chaque heure économisée devienne du repos. Elle devrait expliquer comment le bénéfice est partagé et quels indicateurs empêcheront le travail invisible de disparaître.

L’examen des résultats du modèle doit compter comme du travail. Il en va de même pour la correction du code généré, la documentation des décisions, la résolution des efforts dupliqués et la gestion des changements de contexte.

Les travailleurs ont besoin d’une trace de ces activités, car de simples mesures de production peuvent déformer leur contribution. Une base de connaissances d’ingénierie consultable peut préserver les décisions, les corrections et le contexte technique sans transformer chaque contribution en décompte de lignes de code.

Le deuxième signal est la rétention. Si les organisations axées sur l’IA perdent systématiquement leurs collaborateurs expérimentés, les horaires extrêmes consomment probablement les capacités plus vite qu’ils ne les créent.

Le turnover compte davantage que les récits spectaculaires sur des fondateurs individuels. Les employés expérimentés détiennent une connaissance des systèmes, du contexte client et une compréhension des échecs passés.

Les entreprises devraient comparer l’attrition, les congés maladie, les taux d’incidents et l’acceptation des embauches entre les équipes soumises à différentes attentes liées à l’IA. Ces comparaisons peuvent révéler si la production supplémentaire est soutenable.

Les employés devraient également examiner attentivement les descriptions de poste. Des termes comme « haute intensité », « mentalité de fondateur » et « toujours disponible » peuvent communiquer de véritables exigences d’horaires sans indiquer un total horaire.

Les candidats peuvent demander comment les équipes gèrent les week-ends, les urgences, la vérification par l’IA et les périodes suivant les lancements majeurs. Les réponses sont plus instructives qu’une promesse générale d’équilibre entre vie professionnelle et vie privée.

Le troisième signal est une productivité ajustée à la qualité. Les entreprises doivent mesurer si la production assistée par l’IA résiste à la révision, atteint les clients et reste maintenable.

Les indicateurs utiles comprennent les défauts, les reprises, les incidents de sécurité, la rétention client et le temps consacré à corriger le contenu généré. Une forte hausse de la production signifie peu de chose si les équipes en aval l’écartent ou doivent le réparer.

La même norme devrait s’appliquer aux affirmations de réduction du travail. Un temps de rédaction plus court ne signifie pas une semaine de travail plus courte lorsque l’employé passe le temps gagné en réunions ou en validation.

Les travailleurs du savoir peuvent se protéger en conservant des preuves du travail achevé, des décisions révisées et du travail invisible qui sous-tend les résultats finaux. Un flux de travail IA personnel peut aider à documenter cette trace sans ajouter un autre rituel de reporting fastidieux.

Le quatrième signal est de savoir si les grands employeurs adoptent le cadrage de Meta. Si davantage de dirigeants demandent explicitement aux salariés de réinvestir tout le temps économisé, le dividende de productivité continuera à alimenter la production.

Si les employeurs commencent à tester des horaires réduits tout en suivant le service et la qualité, la promesse de la semaine de travail plus courte gagnera en crédibilité. D’ici là, elle reste une proposition de politique plutôt qu’une conséquence technique.

Le dernier signal est l’attention réglementaire. Les règles existantes sur les salaires, les heures supplémentaires, la santé et la sécurité au travail n’ont pas été conçues autour d’objectifs de capacité générée par l’IA.

Les autorités n’ont pas besoin d’une nouvelle définition de l’intelligence artificielle pour examiner le travail non rémunéré ou les horaires coercitifs. Elles ont besoin de registres fiables montrant quand les salariés ont travaillé et ce que les employeurs attendaient.

Google News continuera de diffuser des articles sur des modèles plus rapides et des estimations de productivité plus élevées. Les lecteurs devraient regarder au-delà du chiffre mis en avant et se demander ce qu’est devenu le temps économisé.

Les employés ont-ils travaillé moins d’heures, produit davantage, supervisé des machines ou couvert des postes qui ont disparu ? La qualité s’est-elle améliorée après vérification, ou l’entreprise s’est-elle simplement déplacée plus vite ?

Ces questions détermineront si l’IA devient une véritable technologie permettant d’économiser du travail ou un nouvel instrument d’intensification du travail. La réponse ne viendra pas d’un benchmark. Elle émergera des horaires, des choix d’effectifs et des protections que les organisations adoptent dès maintenant.