Et si l'IA fatiguait notre cerveau autrement, mais pas moins ?

Sur le papier, l'équation semblait limpide... Il suffirait de déléguer les tâches ingrates à l'IA, afin de récupérer du temps pour l'essentiel. Certains chiffres donnent d'ailleurs raison à cette promesse. Selon le baromètre « AI at Work » 2026 du Boston Consulting Group, 74 % des employés de bureau dans le monde utilisent désormais l'IA au quotidien, et 52 % d'entre eux affirment économiser au moins une journée de travail complète par semaine. De ce point de vue, l'IA tiendrait donc sa promesse. Elle absorberait la part la plus pénible du travail (les tâches procédurales, les arbitrages mineurs, la mise en forme), et libérerait de la capacité cognitive pour le reste.

Mais cette lecture optimiste se heurte à une réalité plus complexe, documentée par plusieurs études récentes : l'IA ne fatigue pas moins, elle fatigue différemment.

Une fatigue invisible, pas une surcharge classique

La fatigue de la surcharge classique se mesure en heures et en volume de tâches. En revanche, celle que révèlent les travaux récents sur l'IA générative est d'une autre nature. Il s’agit d’une fatigue décisionnelle, liée non pas à la quantité de travail, mais à la vigilance permanente qu'exige la supervision d'un outil dont le résultat n'est jamais garanti.

Une étude du Boston Consulting Group, relayée par Harvard Business Review en mars 2026 et menée auprès de près de 1 500 salariés, a mis un nom sur ce phénomène : l'« AI brain fry ». Les personnes chargées de superviser étroitement des agents IA rapportent une hausse de 14 % de l'effort mental perçu, de 12 % de la fatigue mentale et de 19 % de la surcharge informationnelle. Et plus largement, les salariés présentant des symptômes d'« AI brain fry » ont 33 % de risques supplémentaires de fatigue décisionnelle et sont 40 % plus susceptibles d'envisager de quitter leur poste.

Un chiffre confirme la logique du contrepied : à l'inverse, les salariés qui utilisent l'IA pour éliminer des tâches réellement répétitives rapportent des niveaux de burn-out inférieurs. Tout dépend donc de l'usage, puisque déléguer une tâche mécanique n'a pas le même coût cognitif que superviser un résultat incertain.

Pourquoi l'IA générative en particulier

La différence tient à la nature même de l'outil. Un tableur ou un logiciel métier est déterministe. La même commande produit toujours le même résultat, et la confiance s'installe une fois pour toutes. Un modèle génératif, lui, produit une réponse plausible mais jamais garantie exacte, ce qui oblige à un contrôle permanent, à chaque sollicitation.

C'est exactement ce que décrit l'étude ethnographique de huit mois menée par Aruna Ranganathan et Xingqi Maggie Ye (Haas School of Business, Berkeley) dans une entreprise technologique de 200 salariés : « les outils d'IA ne réduisaient pas le travail, ils l'intensifiaient constamment », notamment parce qu'ils sollicitent en continu le jugement, l'attention sélective et la responsabilité finale de validation.

Ce même mécanisme de bascule permanente entre production et contrôle a un coût connu en psychologie cognitive : le « résidu attentionnel », cette part de concentration qui reste accrochée à la tâche précédente et dégrade le traitement de la suivante. Autrement dit, « l’intelligence artificielle ne diminue pas votre temps de travail, elle intensifie votre charge mentale », analyse Didier Dubasque, codirecteur de collection « Politiques & Interventions Sociales » aux presses de l’EHESP.

Du côté de l'Upwork Research Institute, même constat : dès 2024, 77 % des professionnels utilisant l'IA jugeaient qu'elle avait alourdi leur charge de travail ; un an plus tard, parmi les salariés les plus productifs grâce à l'IA, 88 % se disaient en burn-out, apprend-t-on dans un l’étude relayée dans un article de The Conversation.

Qui est le plus concerné ?

Cette fatigue ne touche pas tous les métiers de la même façon. Elle frappe en priorité les professions de rédaction, de synthèse et de décision, celles où le résultat de l'IA doit systématiquement être relu, recoupé, corrigé ou arbitré, bien plus que les tâches purement procédurales.

Les postes qui impliquent une supervision continue des réponses de l'IA (relecture, validation, correction de contenus générés) sont les plus exposés. Les dirigeants et les encadrants, dont la journée est de plus en plus rythmée par la validation du travail produit par l'IA plutôt que par sa réalisation, figurent parmi les premiers concernés.

Nuancer sans renoncer

Ce constat n'invalide pas la volonté initiale. L'IA peut bel et bien alléger une charge mentale, à condition qu'elle prenne en charge des tâches véritablement répétitives et à faible enjeu, et que le temps gagné ne soit pas immédiatement réinvesti dans une production plus dense. C'est précisément le risque que pointe l'étude de Ranganathan et Ye : les salariés observés n'ont pas utilisé le temps libéré par l'IA pour souffler, mais pour travailler plus vite, élargir leur périmètre de tâches et étendre leurs journées de travail, souvent sans qu'on le leur demande. Le baromètre « AI at Work » du BCG confirme ce vide organisationnel : 61 % des salariés qui gagnent du temps grâce à l'IA ne reçoivent aucune consigne sur la façon de le réinvestir.

Autrement dit, l'IA ne fatigue pas en elle-même. C'est la façon dont le travail est réorganisé autour d'elle (sans repenser les flux, sans redéfinir qui contrôle quoi), qui détermine si elle devient un allié cognitif ou une nouvelle source d'épuisement invisible.