IA générative et complémentarités organisationnelles

L’intelligence artificielle générative améliore la productivité individuelle des travailleurs du savoir, mais ses gains s’accompagnent de coûts cachés (surconfiance, substitution de l’effort cognitif, homogénéisation des productions) que la seule volonté de vérifier ne suffit pas à corriger. Ce mémoire part d’une hypothèse transposée de la théorie des complémentarités de Milgrom & Roberts (1995) au niveau du comportement individuel : l’IA ne produirait des gains durables que couplée à des mécanismes organisationnels d’encadrement, de la même manière que l’investissement digital ne produit de rendement que couplé à un renouvellement stratégique (Bughin & van Zeebroeck, 2021).

Pour la tester, un essai contrôlé randomisé à trois conditions a été conduit auprès de 97 jeunes adultes francophones (analyse principale en intention de traiter, sensibilité sur 85 participants après exclusions) sur une tâche de rédaction analytique. La condition C1 (contrôle) travaille sans IA ; la condition C2 dispose d’un accès libre à un chatbot (GPT-4o) ; la condition C3 structure cet accès en deux étapes : une production initiale autonome, puis une phase où l’IA critique le texte du participant, en signalant ses faiblesses et ses hypothèses implicites, sans jamais rédiger à sa place. Chaque participant réalise d’abord une tâche de référence sans IA, qui mesure sa capacité de base. La qualité des productions est évaluée en aveugle de la condition par deux évaluateurs, et complétée par des indicateurs objectifs : fiabilité factuelle, traces d’usage de l’IA, similarité entre productions et calibration entre confiance et performance.

Trois résultats se dégagent. D’abord, l’accès libre accélère fortement le travail, tandis que l’encadrement n’apporte aucun gain de vitesse. Ensuite, l’encadrement déplace effectivement le comportement d’un mode substitutif, où l’utilisateur délègue et recopie, vers un mode complémentaire, où il produit puis révise. Enfin, l’hypothèse centrale n’est pas confirmée : sur cette tâche que l’IA traite avec compétence, l’accès libre obtient la qualité évaluée la plus élevée et l’encadrement la plus basse. Cet avantage de l’accès libre n’est toutefois ni général ni de fond : il se concentre sur les dimensions visibles du texte (rédaction, structure, longueur), ne se retrouve ni sur la fiabilité factuelle ni sur le jugement critique, et s’accompagne de deux coûts que l’encadrement permet de contenir, l’homogénéisation des productions et le découplage entre la confiance déclarée et la performance réelle.

L’encadrement ne garantit donc pas un meilleur livrable lorsque l’IA est déjà compétente sur la tâche ; sa valeur se situe ailleurs, dans la préservation du jugement, de la diversité et de la lucidité de l’utilisateur, que l’usage libre érode silencieusement. Cette valeur dépend de la faillibilité de l’IA pour la tâche et de l’appropriation effective du dispositif par l’utilisateur, ce qui invite à concevoir la supervision humaine non comme une simple consigne, mais comme une capacité organisationnelle qui se construit et se soutient.