L’utilisation de l’IA peut rendre les tâches plus longues, selon des recherches

De nouvelles recherches suggèrent que l’IA peut rendre les tâches simples plus longues, tout en convaincant les utilisateurs qu’ils deviennent plus productifs.

Une nouvelle étude menée par Stanford, NYU et Princeton a constaté que nous utilisons fréquemment l’IA même lorsque cela est inefficace; et que pour les petites tâches que nous déléguons compulsivement à l’IA, nous dépenserions souvent moins d’efforts mentaux et gagnerions plus de temps en les faisant nous-mêmes.

Au cours de trois études humaines commandées pour la recherche, les auteurs ont constaté que les participants sous-estimaient systématiquement le temps que l’IA leur ferait gagner sur une tâche proposée, ainsi que la mesure dans laquelle ils dépendent de l’IA et l’utilisent réellement*.

‘Dans [la deuxième étude], nous cherchons à comprendre pourquoi les gens pourraient utiliser l’IA pour des tâches simples malgré le fait que l’utilisation de l’IA n’apporte pas d’avantages en termes d’efficacité. Une hypothèse est que les gens sont mal calibrés sur la quantité de temps et d’effort que l’assistance de l’IA leur épargne.

‘Pour tester cette hypothèse, nous avons comparé les prédictions des gens sur le temps et l’effort nécessaires pour compléter ces tâches avec et sans assistance de l’IA, et nous avons identifié des illusions de gain d’efficacité, où les gens surestimaient à la fois le temps et l’effort que l’IA leur épargne.

‘En moyenne, les gens prédisaient que l’assistance de l’IA leur ferait gagner 55,7 secondes, alors qu’en réalité, elle ne leur faisait gagner que 7,5 secondes. Cette mésadaptation est particulièrement grave pour les variantes simples des tâches, où les gens prédisaient que l’assistance de l’IA leur ferait gagner du temps, mais où en réalité, elle les rendait plus lentes à compléter.’

Le nouvel article, intitulé L’illusion de gain d’efficacité: les gens sous-estiment le taux d’utilisation de l’IA et surestiment ses avantages pour les tâches simples, co-écrit par sept auteurs issus des trois institutions, constate également que l’utilisation antérieure de l’IA semble renforcer l’utilisation future de l’IA, même lorsque la technologie n’offre pas d’avantages réels en termes d’efficacité.

Vue d’ensemble des trois expériences utilisées pour tester comment les gens utilisent l’IA pour des tâches simples de la vie quotidienne, révélant que les utilisateurs sous-estiment à quel point ils dépendent de l’IA, surestiment le temps qu’elle leur fait gagner et deviennent plus susceptibles de l’utiliser à nouveau après une exposition antérieure. Source

Les données des trois études ont montré que les gens sont plus susceptibles d’utiliser l’IA après une exposition antérieure, même de manière non productive ou non rentable, ou même stressante (c’est-à-dire en dépensant moins d’efforts mentaux sur la tâche)*:

‘Contrairement à la possibilité que l’expérience améliore la calibration , nous avons identifié un effet de report de session où l’utilisation initiale de l’IA augmente l’utilisation ultérieure de l’IA.

‘Les participants qui ont initialement complété des tâches avec l’IA sont devenus encore plus susceptibles d’opter pour l’assistance de l’IA pour les variantes de tâches faciles, même si cela ne leur offrait pas d’avantages en termes de temps ou d’effort en moyenne.’

Dans l’une des études humaines, les auteurs ont constaté que les économies réalisées grâce à l’utilisation de l’IA étaient entièrement illusoires:

‘L’assistance de l’IA peut [se retourner contre nous]. [Nous] avons constaté que les gens qui ont choisi d’utiliser l’IA ont dépensé 7,06 secondes de plus que les gens qui ont complété les tâches [de manière indépendante] et ont signalé un effort plus élevé.’

L’étude était limitée aux tâches qui duraient cinq minutes ou moins, mais peut résonner avec les anciens accros aux moteurs de recherche qui ont maintenant recours de manière routinière à ChatGPT et à d’autres LLM populaires et commercialisés, au lieu de le faire eux-mêmes.

Groupes d’étude

Au cours des diverses études sur les utilisateurs, les tâches ont été conçues sur la base du cadre de la taxonomie des besoins et des actions des utilisateurs (TUNA). Les expériences couvraient la recherche d’informations; la synthèse; l’arithmétique; la correction orthographique; la réécriture; et d’autres tâches de faible complexité qui pouvaient généralement être complétées en moins de cinq minutes.

La première étude a comparé la volonté présumée des participants d’utiliser l’IA par rapport à leur comportement réel pendant la complétion de la tâche, en examinant si les gens comprennent réellement leur propre dépendance à l’assistance de l’IA.

La deuxième s’est concentrée sur les gains d’efficacité perçus par rapport aux gains réels, en comparant les attentes des participants quant au temps et à l’effort que l’IA leur ferait gagner par rapport aux temps et efforts mesurés pendant la complétion de la tâche avec et sans assistance de l’IA.

La troisième a examiné si l’exposition antérieure à l’IA changeait la prise de décision ultérieure, en suivant si les participants qui avaient précédemment complété des tâches avec l’IA devenaient plus susceptibles de s’appuyer sur l’IA à nouveau pendant les tâches ultérieures.

Trop de réflexion – Utilisation de l’IA pour les tâches simples

Pour comprendre si les gens estiment avec précision leur propre dépendance à l’égard de l’IA, les participants à une séance ont été invités à compléter quatre tâches, avec l’option d’utiliser l’assistance de l’IA pour chaque tâche. Le niveau auquel les participants ont réellement utilisé l’IA a été comparé à leur propre estimation antérieure de la mesure dans laquelle ils pensaient qu’ils l’utiliseraient, avec une dissonance significative évidente dans les résultats:

Les participants ont systématiquement sous-estimé à quel point ils auraient recours à l’IA pour des tâches simples, avec un écart qui s’élargit pour les invites plus faciles où l’utilisation réelle de l’IA est passée à 38 % contre un taux prévu de 20 %, suggérant que la délégation habituelle à l’IA s’étend bien au-delà de la conscience des utilisateurs.

Les auteurs déclarent:

‘Nous constatons que [les gens] utilisent en effet l’IA de manière significativement plus importante que le taux moyen prévu. En moyenne, les participants ont déclaré qu’ils utiliseraient l’IA dans 33 % des tâches, mais le taux de l’IA à l’échelle de la population est de 47 % (β = 1,07, p < 0,001).

‘Cet écart est plus important pour les variantes de tâches faciles (β = 0,69, p < 0,001): les participants ont prévu un taux d’utilisation de l’IA de 20 % mais le taux réel d’utilisation de l’IA était de 38 % (β = 1,42, p < 0,001), soit près du double du taux de préférence déclaré.’

Les expériences se sont concentrées sur des tâches ordinaires à faible effort que de nombreuses personnes délèguent maintenant régulièrement à l’IA, même si cela peut être inutile. Les participants ont été invités à effectuer des activités simples impliquant la mémoire des faits, l’arithmétique, la correction orthographique, la réécriture de courts passages, la synthèse de texte et la réponse à des questions de raisonnement de base, certaines tâches nécessitant seulement quelques mots ou une phrase pour être complétées.

L’étude comprenait également des versions légèrement plus difficiles des mêmes activités, permettant aux chercheurs de comparer si l’utilisation de l’IA changeait à mesure que le travail devenait plus exigeant.

Les avantages de l’IA en termes de gain de temps sont surestimés

Dans la deuxième étude, les participants ont été divisés en deux groupes distincts, l’un estimant combien de temps et d’effort l’IA leur ferait gagner sur une série de tâches, tandis que l’autre groupe complétait réellement ces mêmes tâches avec ou sans assistance de l’IA. Les tâches se sont à nouveau concentrées sur des activités de faible complexité impliquant l’arithmétique, la réécriture, la mémoire des faits, la synthèse, la correction orthographique et de courtes exercices de raisonnement.

L’objectif était de comparer les attentes des gens quant à la productivité de l’IA par rapport à ce qui se passait réellement lorsque le travail était effectué. Selon l’article, les participants ont systématiquement surestimé à quel point l’IA les aiderait, en particulier pour les tâches plus faciles où de nombreux participants supposaient que l’IA réduirait considérablement la charge de travail et le temps de complétion.

À la place, les résultats mesurés ont souvent montré des gains mineurs, et dans certains cas, comme mentionné précédemment, l’utilisation de l’IA a réellement ralenti les participants. L’article indique que les gens attendaient que l’assistance de l’IA leur fasse gagner près d’une minute en moyenne, tandis que les économies de temps réelles étaient de seulement quelques secondes.

Sur certaines tâches plus simples, les utilisateurs de l’IA ont mis plus de temps à terminer que les personnes qui ont complété le travail de manière indépendante:

Temps et effort mentaux prévus et réels pendant la complétion de la tâche avec et sans assistance de l’IA, révélant l’illusion de ‘gain de vitesse’ proposée dans l’article, dans laquelle les participants croyaient constamment que l’IA leur ferait gagner beaucoup plus de temps qu’elle ne le faisait réellement. Les temps de complétion réels avec l’IA étaient substantiellement plus longs que prévu, tandis que les estimations pour la complétion de la tâche de manière indépendante restaient beaucoup plus proches des résultats observés.

L’étude a également examiné l’effort mental perçu. Les participants croyaient généralement que l’IA rendrait les tâches beaucoup plus faciles; cependant, la réduction mesurée de l’effort cognitif était beaucoup plus faible que prévu. L’article caractérise cela comme une ‘illusion de gain d’efficacité’, dans laquelle les gens surestiment systématiquement à la fois la vitesse et l’utilité de l’assistance de l’IA pendant les tâches simples de la vie quotidienne.

L’utilisation de l’IA approfondit l’illusion

La dernière des trois études a été conçue pour tester si même une brève exposition à l’IA change la prise de décision ultérieure. Les participants ont été divisés en plusieurs groupes et ont d’abord traversé une phase d’exposition, où certains ont complété des tâches faciles avec l’assistance de l’IA; certains ont complété des tâches plus difficiles avec l’assistance de l’IA; et d’autres ont complété les mêmes catégories de tâches de manière indépendante, sans l’IA. Un groupe de contrôle distinct a sauté l’étape de la tâche.

Par la suite, tous les groupes sont entrés dans une deuxième phase de test, cette fois avec de nouvelles tâches plus faciles, et ont eu la possibilité de décider par eux-mêmes s’ils utilisaient ou non l’IA. Les tâches se sont à nouveau concentrées sur des tâches de faible complexité (c’est-à-dire la réécriture, l’arithmétique, la mémoire, la correction orthographique, la synthèse et de courtes exercices de raisonnement) qui pouvaient être complétées en quelques minutes.

L’article indique que les participants qui avaient déjà utilisé l’IA pendant la phase d’exposition sont devenus nettement plus susceptibles de s’appuyer sur l’IA à nouveau par la suite, même lorsque l’utilisation antérieure de l’IA n’avait pas permis de gagner du temps ou de réduire l’effort mental.

Les chercheurs ont constaté que les utilisateurs antérieurs de l’IA ont sélectionné l’assistance de l’IA beaucoup plus fréquemment pendant la phase de test ultérieure que les participants qui avaient précédemment complété les tâches de manière indépendante:

Les participants qui avaient précédemment utilisé l’IA pendant la phase d’exposition sont devenus nettement plus susceptibles de s’appuyer sur l’IA à nouveau pendant les tâches ultérieures, même lorsque l’utilisation antérieure de l’IA n’avait souvent pas permis de réaliser des gains significatifs en termes de vitesse ou de réduction de l’effort mental. Le panneau de gauche montre que les utilisateurs antérieurs de l’IA ont sélectionné l’assistance de l’IA beaucoup plus fréquemment pendant la phase de test ultérieure que les participants qui avaient initialement complété les tâches de manière indépendante. Le panneau de droite illustre l’illusion de ‘gain de vitesse’ proposée dans l’article, dans laquelle l’exposition antérieure à l’IA a augmenté la croyance des participants que le travail assisté par l’IA était plus rapide et plus efficace, même si les temps de complétion mesurés ont souvent montré peu d’avantages et parfois des performances plus lentes.

La répétition de l’exposition à l’IA est rapportée comme ayant déformé le jugement des participants quant à l’utilité réelle de l’IA: les personnes qui avaient déjà utilisé l’IA sont devenues moins susceptibles d’être d’accord avec le fait que les tâches pouvaient réellement être complétées plus rapidement sans l’IA, même si les résultats mesurés ont souvent montré peu d’avantages et, dans certains cas, des temps de complétion plus lents.

Les chercheurs soutiennent que cela crée les conditions d’un ‘cycle auto-renforçant’, dans lequel l’utilisation de l’IA augmente la dépendance future à l’IA, tout en affaiblissant la capacité des utilisateurs à juger avec précision si la technologie améliore réellement la productivité.

Conclusion

Opinion De nombreux lecteurs qui ont adopté l’IA pour de petites tâches peuvent, comme moi, ressentir un sentiment de familiarité avec les conclusions de la nouvelle étude.

Personnellement, mon obsession pour l’automatisation des tâches répétitives précède l’actuel boom de l’IA de plusieurs décennies. Alors, comme maintenant, la question demeure: Est-ce que l’effort nécessaire pour configurer et/ou maintenir l’automatisation dépasse l’effort estimé (humain uniquement) pour simplement faire la tâche, sans aucune automatisation?

Ceux qui aiment l’automatisation peuvent finir par l’automatiser pour le plaisir, même si cela prend des années ou des décennies avant que tout retour (en termes de temps économisé) soit évident; et cela change le contexte de l’activité de ‘l’optimisation’ à ‘l’hobby’.

Il n’y a rien de mal à cela, tant que vous ne vous trompez pas en pensant que des gains réels sont réalisés. Néanmoins, c’est une mauvaise habitude que j’ai essayé de résister ces dernières années; et l’option d’utiliser l’IA, ces derniers temps, semble encline à l’exacerber, puisque même de mauvais ou de non optimaux résultats peuvent être obtenus beaucoup plus rapidement que, par exemple, lors de la programmation de macros en JavaScript et d’autres langages.

Indicateurs trompeurs

Ce que l’article néglige un peu, c’est la tension entre les résultats serendipiteux ou heureux via l’IA et la prédominance des impasses et des tentatives frustrantes pour adapter les chatbots disponibles, tels que ChatGPT, à vos propres besoins – dans un flux de travail qui peut être fiable, même face à des mises à jour forcées vers de nouvelles versions qui ne fonctionnent peut-être pas de la même manière que la version sur laquelle votre flux de travail ou votre routine a été conditionné.

Un résultat ‘magique’ est donc cette occasion où l’IA résout immédiatement votre problème d’une manière facile et rationnelle.

Par exemple, chaque fois que je révise un article, je dois l’imprimer et je suis inévitablement obligé de numéroter les pages en gras en haut, car elles sont généralement absentes ou en petit caractère en bas. Demander à ChatGPT de produire un script Python qui ajouterait un numéro de page important et en gras en haut s’est avéré donner un résultat incroyablement rapide, dans la mesure où je peux maintenant glisser un PDF Arxiv sur un fichier.BAT et obtenir une nouvelle version avec des numéros de page importants, en 2-3 secondes:

Numérotation de page évidente ajoutée aux PDF via un script Python écrit par l’IA.

À part une minute ou deux d’argumentation sur le fait que Windows a une police Arial Black native et distincte (ce n’est plus le cas), c’était peut-être la fois la plus rapide où l’IA avait créé quelque chose d’utile et régulièrement utilisé pour moi.

On peut soutenir que ce type de ‘percée’ ou de ‘gain facile’ donne une fausse impression de la véritable capacité de l’IA à économiser du temps et/ou de l’effort mental, car nous avons tendance à accorder une importance excessive à de tels exemples: notre tendance naturelle à supprimer les souvenirs douloureux ou négatifs et à réutiliser ou centrer sur des souvenirs plus heureux signifie que les cas réussis où l’IA résout des tâches simples d’une manière utile seront les phares que nous sommes susceptibles de poursuivre, même face à la tendance des preuves statistiques, comme le démontre la nouvelle étude, et même face à notre propre expérience que de tels ‘gains faciles’ sont l’exception et non la règle.

Il existe des preuves croissantes, outre la nouvelle étude, que nous nous trompons sur l’utilité de l’IA. En 2025, une étude a montré que les développeurs utilisant l’IA prenaient 19 % plus de temps qu’avec l’IA; et une autre étude plus récente confirme le message sous-jacent de la nouvelle étude discutée dans cet article – que l’économie de temps prend du temps.

Il serait utile que des recherches de ce type puissent être traduites en une étude de temps et de mouvement classique (inevitablement alimentée par l’IA), permettant des véritables connaissances sur la mesure dans laquelle l’IA nous fait réellement gagner du temps – ou nous en coûte.

Enfin, l’étude est exceptionnelle à un autre égard important, car elle tente au moins de quantifier ‘l’effort mental’ en ce qui concerne l’utilisation de l’IA pour des tâches mineures. Alors que l’attention se concentre de plus en plus sur l’intensité du travail aidé par l’IA, nous avons besoin de manière urgente d’unités de mesure fiables qui puissent quantifier dans quelle mesure les exigences et les excentricités de l’IA nous épuisent ou nous appauvrissent, au prix général d’une qualité de travail et d’aptitude au travail.

* La mise en forme est celle des auteurs, du document source. Toute citation en ligne convertie en hyperliens par moi.

Publié pour la première fois samedi 23 mai 2026