Pourquoi l'IA ne booste pas autant les équipes que les individus ?

Seul, avec un agent IA, je construis en une soirée ce qui m’aurait pris une semaine. Une appli d’apprentissage pour ma fille, un écran pour toute la maison : le gain, je le vois tous les soirs.

Dans une grande organisation, c’est une autre histoire. On entend partout la même petite musique : l’IA transforme le travail des individus, beaucoup moins celui des équipes. Rumeur ou réalité ? J’ai voulu en avoir le cœur net, avec des études récentes plutôt que des impressions.

Ce n’est pas une rumeur

Les gains individuels existent, et ils sont mesurés. Dans des essais de terrain chez Microsoft, Accenture et une entreprise du Fortune 100, les développeurs équipés d’un assistant terminent 26 % de tâches en plus. Au support client, l’IA fait gagner 15 % de demandes résolues par heure.

Mais plus on avance dans le processus, plus le gain fond.

Commits

Projets

Releases livrées

+240 %

+80 %

+30 %

Une étude du NBER parue en septembre a suivi plus de 500 000 développeurs. Avec des agents de code autonomes, leurs commits bondissent de 240 %.

Le nombre de projets, de 80 %.

Les releases réellement livrées, de 30 %.

Demirer, Musolff & Yang, « Writing Code vs. Shipping Code », NBER w35275, septembre 2026. Plus de 500 000 développeurs sur GitHub, effets cumulés des agents de code autonomes.

Les chiffres

Commits	+240 %
Projets	+80 %
Releases livrées	+30 %

Même constat en entreprise. Un working paper de Harvard, mis à jour ce mois-ci, porte sur 720 000 personnes dans 655 entreprises. Avec les agents, les pull requests augmentent de 36 %, mais les tickets résolus d’au plus 31 %.

À l’échelle des entreprises et de l’économie, le signal devient très faible. Interrogés dans sept pays, des milliers de dirigeants estiment le gain à 0,2 point de productivité par an. La productivité américaine a progressé de 2,1 % en 2025, moins qu’en 2024. La BCE, elle, ne voit pas encore de signal d’ensemble.

Une chaîne avance au rythme de son maillon le plus faible

C’est la meilleure explication que j’ai trouvée, et ce sont les chercheurs du NBER qui la formulent : l’hypothèse du maillon faible.

Comprendre

Décider

Écrire

Relire

Valider

Livrer

×5

MAILLON FAIBLE

CE QUI SORT DE LA CHAÎNE

Produire du logiciel, comme presque tout travail d’équipe, c’est une chaîne : comprendre le besoin, décider, écrire, relire, valider, livrer.

L’IA rend un seul de ces maillons spectaculairement plus rapide : l’écriture.

Or une chaîne ne va jamais plus vite que son maillon le plus lent.

Une chaîne débite au rythme de son maillon le plus lent (théorie des contraintes). Hypothèse du maillon faible : Demirer, Musolff & Yang, NBER, 2026.

Leur estimation le dit sans détour : l’IA et l’effort humain se remplacent très mal l’un l’autre. Accélérer l’un sans l’autre ne change presque rien au résultat.

Pourquoi c’est évident quand on est seul

Seul, la chaîne est courte. Je décide, j’écris, je relis, je livre : tout tient dans une seule tête, et aucun maillon n’attend quelqu’un d’autre.

Et on ressent ce gain d’autant plus fort que la vitesse ressentie trompe.

Prévu

Ressenti

Mesuré

−24 %

−20 %

+19 %

≈ 40 points d’écart

← plus vite

plus lent →

Dans un essai randomisé de METR, des développeurs expérimentés pensaient aller 24 % plus vite avec l’IA.

Ils en étaient encore convaincus après coup.

Ils avaient en réalité mis 19 % de temps en plus.

METR, essai randomisé, juillet 2025. 16 développeurs open source expérimentés, 246 tâches, outils de début 2025. METR juge que ce chiffre ne reflète plus les outils actuels ; l'écart entre ressenti et mesure, lui, reste l'enseignement solide.

Les chiffres

Prévu	−24 %
Ressenti après coup	−20 %
Mesuré	+19 %

Les outils ont beaucoup progressé depuis, mais la leçon reste : la vitesse ressentie n’est pas une mesure.

Où cassent les chaînes d’équipe

Lignes de code

Commits

Pull requests

Tickets résolus

Délai de revue

+44 %

+36 %

+36 %

≤ +31 %

+56 %

1. La revue devient le maillon faible. Dans l’étude de Harvard, les agents gonflent la production de code : +44 % de lignes, +36 % de commits et de pull requests. Mais au plus +31 % de tickets résolus.

Et le délai entre la soumission d’une revue de code et son approbation s’allonge de 56 %. Plus de code, c’est plus de code à relire, dans des pull requests plus grosses, avec plus de corrections demandées.

Chen & Stratton (Harvard), « Artificial Intelligence in the Firm: Bottlenecks in Software Production », version du 1er novembre 2026. 720 542 personnes dans 655 entreprises. Effets des agents de code, en plus de ceux des assistants.

Les chiffres

Lignes de code	+44,0 %
Commits	+36,0 %
Pull requests	+35,7 %
Tickets résolus	au plus +30,7 %
Délai de revue	+56,1 %

Hors du code, c’est le « workslop » : un document produit vite, qui coûte du temps à celui qui le reçoit. Selon une enquête Workday, environ 40 % du temps gagné repart en reprise. Le travail ne disparaît pas : il apparaît sous une autre forme.

2. Les maillons de coordination ne bougent pas. Dans un essai mené par Microsoft auprès de 7 137 salariés pendant six mois, les utilisateurs de Copilot ont gagné environ deux heures d’e-mail par semaine. Ni leurs réunions ni la nature de leurs tâches n’ont changé.

3. Certains maillons sont invisibles. Cet été, j’ai analysé l’activité de développement d’une organisation que je connais bien. Le constat m’a frappé : le problème n’était pas la façon dont les gens codent, mais tout ce qui n’est écrit nulle part. L’intention derrière un changement, le partage entre équipes, la vérification, la mémoire de qui sait quoi. L’IA ne voit que ce qui est écrit. Elle ne peut pas accélérer un maillon qu’elle ne voit pas.

4. Le gain qu’on cache. Reste un maillon presque tabou : la peur. J’imaginais qu’elle poussait les équipes à freiner, pour gagner quelques mois. Les études semblent pointer vers autre chose. La peur est bien là : selon la question posée, entre un salarié sur cinq et deux sur cinq pensent que l’IA menace leur poste, et ce sont ceux qui l’utilisent le plus qui s’inquiètent le plus. Mais elle produit peu de refus, et beaucoup de silence. Dans une enquête de KPMG et de l’université de Melbourne menée dans 47 pays, 42 % des salariés interrogés disent éviter, au moins de temps en temps, de dire qu’ils ont utilisé l’IA. Ils n’ont pas tout à fait tort : dans des expériences publiées dans la revue PNAS, celui qui avoue s’en servir passe pour plus paresseux et moins compétent. Une partie du gain ne se perd donc pas dans la chaîne : elle n’y entre jamais.

Quant au répit, il existe, mais il ne doit pas grand-chose au frein. Pour l’instant, les entreprises ajustent surtout en embauchant moins de débutants, pas en se séparant de ceux qui sont en poste. Selon Stanford, l’emploi des 22-25 ans dans les métiers exposés à l’IA a pris 19 % de retard sur celui des jeunes des métiers moins exposés. Chez les plus expérimentés, aucun écart. Freiner protège peu celui qui est en poste, et pas du tout celui qu’on n’embauche pas.

Raccourcir la chaîne

Le résultat qui m’a le plus marqué vient de Procter & Gamble.

Seul sans IA

À deux sans IA

Seul avec IA

À deux avec IA

0

+0,24

+0,37

+0,39

+0,02

776 professionnels y ont travaillé sur de vrais sujets d’innovation, seuls ou à deux, avec ou sans IA.

Une personne seule avec l’IA a fait aussi bien qu’une équipe de deux sans IA.

Et l’équipe avec l’IA n’a presque rien ajouté de plus.

Dell'Acqua et al., « The Cybernetic Teammate », NBER w33641, 2025. Essai de terrain d'une journée chez Procter & Gamble ; équipes d'une personne R&D et d'une personne commerciale. Qualité des solutions, en écarts-types au-dessus d'une personne seule sans IA.

Les chiffres

Seul, sans IA	0 (référence)
À deux, sans IA	+0,24
Seul, avec IA	+0,37
À deux, avec IA	+0,39

Là, l’IA n’a pas accéléré l’équipe : elle a rendu un maillon inutile, la passation entre deux personnes. Une organisation bâtie sur des équipes, des passations et des validations ne capte pas ce gain tant qu’elle ne redessine pas sa chaîne.

Je vis ces deux extrêmes chaque semaine. D’un côté, une entreprise établie : de grandes équipes, des process rodés depuis des années. Le temps de tous les respecter, même une petite feature met au bas mot plusieurs semaines à arriver en production. De l’autre, une startup AI native dont je suis co-founder : il nous arrive de pousser plusieurs releases pendant un week-end.

Des deux côtés, je travaille avec l’IA. L’écart ne vient donc pas de l’exécution des tâches individuelles, mais de la longueur de la chaîne. La startup est née avec l’IA : sa chaîne a été dessinée autour, avec peu de maillons et presque pas de passations. L’entreprise établie, elle, a ajouté l’IA à une chaîne pensée pour un autre monde.

Les entreprises AI native ont clairement un coup d’avance. En agilité du moins, et au premier abord : ces process ne sont pas là par hasard. La robustesse est une autre question, et sans doute un autre fil à tirer.

Ce que j’en retiens

On a délégué l’écriture, le maillon le plus facile à déléguer. Sans vraiment le décider, on a gardé tout le reste tel quel : la revue, la coordination, l’intention.

Face à un maillon faible, on n’a que deux options : le renforcer ou le supprimer.

• Renforcer la revue au lieu de la noyer : des changements plus petits, des tests, une relecture assistée.
• Écrire ce qui ne l’était pas : l’intention, les décisions, la mémoire de l’équipe. Les maillons invisibles deviennent visibles, y compris pour l’IA.
• Supprimer des passations : des équipes plus petites, des rôles qui se recouvrent davantage.
• Mesurer la chaîne, ce qui est livré, et pas le maillon, ce qui est produit.

Ce n’est pas une fatalité. L’électricité a mis des décennies à transformer les usines : il a fallu redessiner les ateliers autour d’elle. Fin 2026, on est probablement au creux de cette courbe.

Plus vite seul, donc. Pas encore plus vite ensemble, tant qu’on n’a pas redessiné la chaîne.

Et dans votre équipe, quel est le maillon faible ?