L’intelligence artificielle commence à tenir sa promesse la plus immédiate : nous faire gagner du temps. Elle rédige, résume, analyse, recherche, prépare une présentation, écrit du code ou structure une réflexion en quelques minutes, là où certaines tâches demandaient auparavant plusieurs heures. Les études commencent désormais à mesurer ces gains et, même si les résultats varient fortement selon les métiers et les usages, une tendance apparaît : l’IA peut améliorer significativement la performance individuelle.

Mais une autre question apparaît derrière ces chiffres.

Que devient la connaissance produite pendant ce travail ?

Lorsqu’un collaborateur résout seul un problème avec son assistant IA, sans solliciter un collègue, sans confronter son raisonnement et parfois sans laisser d’autre trace que le résultat final, l’entreprise bénéficie immédiatement du gain de productivité, mais elle ne récupère pas nécessairement tout ce qui a permis de l’obtenir.

Nous pourrions alors entrer dans une situation paradoxale : des collaborateurs individuellement plus performants, mais une organisation qui apprend moins bien de ce qu’ils font.

Les recherches publiées en 2025 et 2026 commencent précisément à montrer que la question de l’IA au travail ne se limite plus à la productivité. Elle concerne désormais la manière dont une entreprise construit, partage et conserve sa connaissance.

Les gains individuels commencent à être mesurés

Les premiers résultats sont difficiles à ignorer.

Une étude publiée en 2025 dans le Quarterly Journal of Economics a suivi 5 172 agents de support client après l’introduction d’un assistant fondé sur l’intelligence artificielle générative. Les chercheurs observent une augmentation moyenne de 15 % du nombre de problèmes résolus par heure, avec des gains particulièrement importants pour les salariés les moins expérimentés. (Stanford Graduate School of Business)

Ce résultat contient déjà quelque chose de plus intéressant qu’un simple gain de temps.

L’IA ne se contente pas d’automatiser certaines réponses, elle semble également permettre aux collaborateurs moins expérimentés de bénéficier plus rapidement des pratiques accumulées par les meilleurs agents. Dans cette configuration, la technologie agit presque comme un dispositif de transmission de connaissances, elle rend accessible une partie du savoir qui était auparavant principalement détenu par les salariés expérimentés. (Stanford Graduate School of Business)

Une autre expérimentation, menée auprès de 7 137 travailleurs de la connaissance répartis dans 66 entreprises, apporte cependant une nuance importante. Les salariés utilisant régulièrement un outil d’IA générative intégré à leurs logiciels professionnels ont passé environ deux heures de moins par semaine dans leurs emails et ont réduit le travail effectué en dehors des horaires habituels, mais les chercheurs n’ont pas observé de transformation comparable dans la structure générale de leur travail. (NBER)

Dans la version détaillée de l’étude, le constat est encore plus éclairant : l’IA modifie principalement les comportements qu’un collaborateur peut changer seul, beaucoup moins ceux qui demandent une évolution coordonnée avec les autres, comme les réunions ou certains modes de collaboration. (NBER)

Autrement dit, il est relativement simple de rendre un individu plus rapide.

Transformer la manière dont plusieurs personnes travaillent ensemble est beaucoup plus difficile.

L’IA pourrait renforcer une forme très particulière d’autonomie

C’est probablement ici que commence une transformation plus profonde du travail.

Avant l’arrivée des assistants génératifs, lorsqu’un salarié ne savait pas résoudre un problème, plusieurs possibilités s’offraient à lui : chercher dans une documentation, solliciter un collègue, appeler un expert, organiser une réunion, parcourir d’anciens dossiers ou expérimenter lui-même.

Toutes ces situations avaient leurs défauts, elles prenaient du temps et mobilisaient plusieurs personnes, mais elles créaient également des interactions.

Une question était posée.

Une expérience était racontée.

Une erreur passée réapparaissait.

Un salarié plus expérimenté transmettait une méthode.

Une discussion permettait parfois de comprendre pourquoi une procédure avait été construite d’une certaine manière.

Avec l’IA générative, une partie de ces échanges peut désormais être remplacée par une conversation privée entre un collaborateur et une machine.

C’est extrêmement efficace.

Mais ce n’est pas neutre.

Le collaborateur peut obtenir une réponse, explorer plusieurs hypothèses, faire analyser des documents, corriger son raisonnement puis produire un livrable sans qu’aucun autre membre de l’organisation n’ait participé à ce processus.

Le résultat entre dans l’entreprise.

Le chemin intellectuel qui y conduit peut disparaître.

Nous avons beaucoup critiqué les réunions, mais elles transportent aussi de la connaissance

Une étude publiée par le NBER en septembre 2026 apporte sur ce point un résultat presque contre-intuitif.

Les chercheurs ont analysé les pratiques de plus de 9 000 salariés en Norvège, en reliant leurs réponses à des données employeur-salarié. Les réunions représentent en moyenne 12 % du temps de travail et environ 14 % de la masse salariale des entreprises étudiées, ce qui confirme leur coût important. Mais elles servent principalement à planifier, résoudre des problèmes, partager de l’information et coordonner des projets. (NBER)

Surtout, les salariés travaillant dans des entreprises où les réunions sont plus fréquentes déclarent davantage apprendre dans leur travail, tandis que les interactions avec des collègues plus expérimentés sont associées à une progression salariale plus importante. Les auteurs avancent donc l’hypothèse que la transmission de connaissances constitue l’une des fonctions économiques importantes de ces interactions. (NBER)

Cela ne signifie évidemment pas qu’il faudrait multiplier les réunions.

Mais cela rappelle quelque chose que la recherche de productivité pourrait facilement nous faire oublier : certaines activités apparemment inefficaces à l’échelle individuelle produisent de la connaissance à l’échelle collective.

Lorsqu’un assistant IA permet de supprimer une heure de réunion, la question ne devrait donc pas être uniquement : combien de temps avons-nous gagné ?

Il faudrait également demander : qu’est-ce qui se transmettait pendant cette heure, et avons-nous trouvé une autre manière de le transmettre ?

Une nouvelle génération de silos pourrait apparaître

Les entreprises connaissent déjà les silos documentaires.

Pendant des années, elles ont essayé de sortir l’information des disques durs personnels, des boîtes mail, des dossiers réseau et de la mémoire de quelques collaborateurs, elles ont construit des GED, des SharePoint, des bases de connaissances, des ERP, des PLM, des communautés métiers et des procédures pour tenter de transformer des connaissances individuelles en patrimoine collectif.

L’IA pourrait résoudre une partie considérable de ce problème, puisqu’elle permet désormais d’interroger des masses de documents autrefois difficiles à exploiter.

Mais elle peut simultanément créer une nouvelle catégorie de silos.

Non plus seulement des silos documentaires.

Des silos cognitifs.

Chaque salarié commence progressivement à construire sa propre manière d’utiliser l’IA, ses prompts, ses assistants, ses agents, ses sources privilégiées, ses méthodes d’analyse et ses habitudes de travail.

Deux collaborateurs exerçant exactement le même métier peuvent développer, en quelques mois, deux environnements intellectuels totalement différents sans jamais les comparer.

L’un aura trouvé une méthode particulièrement efficace pour analyser une offre commerciale, l’autre un processus permettant de préparer une étude technique en vingt minutes, un troisième aura construit un agent capable d’identifier rapidement des incohérences dans plusieurs documents.

Si ces pratiques restent personnelles, l’entreprise bénéficie du résultat tant que les personnes sont présentes.

Elle ne construit pas nécessairement un actif collectif.

L’IA peut pourtant produire exactement l’effet inverse

Il faut ici éviter une conclusion trop rapide.

Les études récentes ne montrent pas que l’intelligence artificielle détruit nécessairement la connaissance collective, certaines arrivent même à la conclusion opposée.

Une expérimentation publiée en juin 2026 dans la revue Organization Science a étudié 791 professionnels de Procter & Gamble travaillant sur de véritables problèmes d’innovation. Les participants étaient répartis entre travail individuel ou en équipe, avec ou sans IA. (PubsOnline)

Les résultats sont particulièrement intéressants.

Les individus utilisant l’IA ont obtenu des performances comparables à celles d’équipes travaillant sans IA, mais surtout, la technologie a réduit certaines différences entre les métiers. Sans IA, les professionnels de la R&D proposaient davantage de solutions techniques tandis que les profils commerciaux produisaient davantage de solutions orientées marché. Avec l’IA, les deux groupes ont développé des propositions plus équilibrées. (PubsOnline)

L’IA peut donc aussi faire circuler l’expertise à travers les frontières fonctionnelles.

Elle peut permettre à un ingénieur de mieux intégrer une logique commerciale, à un commercial de comprendre plus facilement certaines contraintes techniques ou à un débutant d’accéder plus rapidement aux pratiques d’un expert.

Le problème n’est donc pas l’outil.

Il est dans son architecture organisationnelle.

Une IA nourrie par la connaissance collective et utilisée pour diffuser les meilleures pratiques peut réduire les silos.

Une IA utilisée uniquement comme assistant personnel peut au contraire permettre à chacun de devenir extrêmement performant dans son propre silo.

La vraie bataille pourrait être celle du capital organisationnel

Une étude du NBER publiée en août 2026 apporte probablement l’un des résultats les plus importants sur ce sujet.

Tania Babina, Alex He et Renhao Jiang ont étudié la relation entre les investissements des entreprises dans l’IA et leur productivité. Leur conclusion est que les gains récents semblent associés à la création de ce qu’ils appellent du capital organisationnel, c’est-à-dire une connaissance durable, spécifique à l’entreprise, construite au fil de l’expérience et permettant ensuite de produire plus efficacement. (NBER)

Cette distinction est essentielle.

Une entreprise ne crée pas nécessairement un avantage durable lorsqu’un salarié rédige deux fois plus vite grâce à ChatGPT ou Copilot.

Elle commence à en créer un lorsque cette nouvelle manière de travailler devient reproductible, transmissible et utilisable indépendamment de la personne qui l’a découverte.

Une méthode devient alors un processus.

Une expérience devient une règle.

Une conversation devient une base de connaissance.

Un prompt devient un agent partagé.

Un raisonnement devient une manière collective de résoudre certaines catégories de problèmes.

Les auteurs observent précisément que les gains de productivité sont associés aux emplois liés à l’IA qui participent à cette construction de connaissance organisationnelle. (NBER)

La différence entre deux entreprises utilisant exactement le même modèle d’intelligence artificielle pourrait donc devenir considérable.

L’une utilisera l’IA pour accélérer individuellement ses salariés.

L’autre l’utilisera pour apprendre collectivement plus vite.

Le risque de perdre l’apprentissage en gagnant la réponse

D’autres travaux invitent toutefois à regarder le long terme.

Dans un modèle théorique publié par le NBER en février 2026, Daron Acemoglu, Dingwen Kong et Asuman Ozdaglar étudient ce qu’ils appellent un risque d’effondrement de la connaissance. Leur travail ne mesure pas un phénomène déjà observé dans les entreprises, il modélise une dynamique possible : lorsque l’IA fournit directement des recommandations adaptées à une situation, elle peut réduire l’effort humain nécessaire pour chercher, apprendre et produire de nouvelles connaissances. (NBER)

Or cet effort possède une particularité.

Lorsque quelqu’un essaie de résoudre un problème, il ne produit pas uniquement une réponse utile pour lui-même. Il acquiert aussi une compréhension qui peut ensuite circuler, être discutée, modifiée et enrichir progressivement la connaissance générale d’un groupe.

Si chacun obtient immédiatement une réponse suffisamment bonne sans reconstruire cette compréhension, nous pouvons améliorer les décisions à court terme tout en ralentissant certains mécanismes d’apprentissage collectif à long terme.

Ce risque reste théorique, mais il pose une question très concrète aux entreprises :

voulons-nous seulement conserver les réponses produites par l’IA, ou également préserver notre capacité à comprendre comment elles ont été obtenues ?

Les organisations commencent à être dépassées par leurs propres collaborateurs

Le Work Trend Index 2026 de Microsoft montre que ce décalage commence déjà à apparaître.

L’étude combine des signaux d’usage de Microsoft 365 avec une enquête menée auprès de 20 000 utilisateurs professionnels de l’IA dans dix pays, dont la France. Seulement 19 % des utilisateurs interrogés se trouvent dans une situation où leurs propres capacités d’utilisation de l’IA et la maturité de leur organisation sont toutes les deux élevées, tandis qu’environ 10 % disposent déjà de compétences importantes mais travaillent dans une organisation qui ne leur permet pas encore de les exploiter pleinement. (Microsoft)

Les résultats français illustrent également cette tension : 53 % des utilisateurs interrogés craignent de prendre du retard s’ils n’adoptent pas rapidement l’IA, mais 43 % considèrent qu’il reste plus sûr de se concentrer sur leurs objectifs opérationnels que de repenser réellement leurs méthodes de travail. Seulement 12 % déclarent être valorisés lorsqu’ils cherchent à réinventer leur travail avec l’IA sans produire immédiatement un résultat. (Source)

Il faut prendre ces chiffres pour ce qu’ils sont, une enquête déclarative publiée par Microsoft, et non une expérimentation indépendante permettant de démontrer une causalité.

Mais le signal rejoint celui de plusieurs travaux académiques : l’adoption individuelle peut aller beaucoup plus vite que la transformation organisationnelle.

Microsoft observe d’ailleurs que les facteurs organisationnels, culture, management, règles d’utilisation ou pratiques de développement des compétences, présentent une association avec les bénéfices déclarés de l’IA plus de deux fois supérieure à celle des facteurs purement individuels. Là encore, il s’agit d’une corrélation et non d’une preuve causale. (Microsoft)

Le prochain enjeu ne sera peut-être plus d’adopter l’IA

Nous avons beaucoup parlé depuis 2023 du nombre de collaborateurs utilisant ChatGPT, Copilot ou d’autres assistants.

Ce chiffre devient progressivement moins intéressant.

L’enjeu va maintenant être de savoir ce que l’entreprise conserve de tous ces usages.

Une organisation peut compter mille personnes utilisant quotidiennement l’intelligence artificielle sans disposer de mille personnes qui contribuent réellement à son apprentissage collectif.

À l’inverse, quelques centaines de collaborateurs peuvent progressivement construire des méthodes, des agents, des bibliothèques de connaissances, des retours d’expérience et des processus qui deviennent utilisables par tous.

Le déplacement est profond.

Pendant longtemps, le knowledge management consistait principalement à demander aux salariés de documenter ce qu’ils savaient.

L’intelligence artificielle pourrait permettre demain de capitaliser une partie de cette connaissance directement pendant que le travail se réalise, en reliant les problèmes rencontrés, les sources mobilisées, les décisions prises et les résultats obtenus.

Encore faut-il concevoir les systèmes permettant de le faire.

Sinon, nous pourrions simplement déplacer la connaissance : hier elle était enfermée dans la tête d’un expert ou dans son disque dur, demain elle pourrait être enfermée dans son historique de conversations avec une IA.

De la performance individuelle à l’intelligence collective

Les recherches disponibles ne racontent donc pas une histoire simple dans laquelle l’IA détruirait la coopération.

Elles racontent quelque chose de plus intéressant.

L’IA augmente déjà la productivité de certaines tâches, elle peut accélérer l’apprentissage des moins expérimentés, faire circuler une expertise au-delà des frontières métiers et contribuer à construire du capital organisationnel. (Stanford Graduate School of Business)

Mais elle peut également permettre à chacun de travailler plus vite sans modifier les mécanismes collectifs de l’entreprise, tandis qu’une partie de la connaissance autrefois produite par les interactions humaines risque de devenir moins visible. (NBER)

La véritable transformation ne consistera donc probablement pas à donner une IA à chaque collaborateur.

Elle consistera à transformer les millions d’interactions entre ces collaborateurs et leurs IA en une capacité d’apprentissage commune.

Pendant des années, nous avons essayé de faire travailler les individus comme une organisation.

Avec l’intelligence artificielle, chaque individu commence à disposer des capacités qui étaient autrefois celles d’une petite équipe : rechercher, analyser, rédiger, challenger, programmer, produire ou décider.

C’est une évolution considérable de la performance individuelle.

Mais une entreprise ne devient pas plus intelligente simplement parce que chacun de ses collaborateurs le devient dans son coin.

Sa véritable performance commencera lorsque ce que l’un apprend avec l’IA pourra augmenter ce que les autres savent.