Chaque semaine, les collaborateurs perdent 6,4 heures à gérer des tâches IA, à réparer ses erreurs et à lui réexpliquer constamment le contexte, selon un rapport du Glean Work AI Institute . Soit presque une journée entière de travail. Ils en viennent à se demander : et mon cœur de métier dans tout ça ?
La frustration s’installe peu à peu et finit par créer un vrai risque de fuite des talents. L’institut Glean constate également que les collaborateurs qui passent une grande partie de leur temps à gérer des tâches IA ont 73 % plus de chances de rechercher activement un autre emploi.
On pourrait rejeter la faute sur les limites de l’intelligence artificielle, mais le véritable problème est plus profond : les entreprises font face à un déficit de compétences qu’elles n’avaient pas vu venir et auquel elles ne sont pas préparées.
Qu’est-ce que le botsitting ?
Le « botsitting » (contraction de bot + babysitting) consiste à rendre les résultats produits par l’IA exploitables. Cela implique notamment de fournir du contexte aux outils, de vérifier leurs réponses, puis de corriger et nettoyer les erreurs. Le terme a été créé par le Glean Work AI Institute dans son rapport, mais il s’est très vite répandu, car il donne enfin un nom à une réalité que les collaborateurs vivent au quotidien.
Le botsitting au travail, ou le paradoxe de la productivité
Aujourd’hui, la plupart des entreprises imposent l’utilisation de l’IA au travail, ou du moins l’encouragent fortement. Mais les résultats sont souvent loin des attentes, et le temps et les efforts à fournir vont croissant. À titre d’exemple, près des deux tiers des cadres dirigeants et vice-présidents (63 %) déclarent avoir dû refaire un travail qui reposait trop largement sur l’IA, selon Founder Reports. Près de la moitié des collaborateurs ont également corrigé ou repris le travail d’un collègue pour la même raison. L’étude de Glean révèle que « pour chaque heure passée à obtenir un résultat pertinent avec l’IA, il faut environ une heure de plus pour le rendre exploitable ». C’est une taxe sur la productivité qui ne figurait dans aucun plan de déploiement.
À force de devoir tout vérifier, les collaborateurs ont l’impression de devoir surveiller un stagiaire dont ils auraient la charge, au lieu de faire le travail pour lequel ils ont été recrutés. Et pour ne rien arranger, seuls 13 % d’entre eux estiment que l’IA améliore réellement les performances de leur entreprise.
Tous ces efforts ne génèrent encore que peu de valeur ajoutée. Mais la qualité des réponses générées par l’IA n’est qu’une partie du problème. Le vrai souci est un grand classique que la plupart des entreprises ont généralement du mal à admettre : elles ont déployé une nouvelle technologie sans préparer leurs effectifs.
Les collaborateurs ressentent aujourd’hui à la fois un retard en termes de compétences et l’inconfort lié à l’apprentissage d’un nouvel outil. Personne ne leur a appris à bien travailler avec l’IA, et la plupart n’arrivent pas à se mettre à niveau assez vite.
C’est aujourd’hui à l’entreprise de trouver la solution à ce problème.
Les compétences indispensables pour collaborer avec l’IA
La plupart des entreprises ont préparé leurs équipes à adopter l’IA en leur expliquant ce que les outils pouvaient faire et, dans le meilleur des cas, comment les utiliser. Mais connaître les possibilités d’un outil ne suffit pas pour apprendre à l’exploiter efficacement.
Travailler avec l’IA demande des compétences que la plupart des fiches de poste ne prévoient pas encore. Chaque métier et chaque secteur ont leurs propres exigences, mais on peut néanmoins dégager trois grands domaines :
Expertise technique. Quand un modèle d’IA se trompe, les collaborateurs doivent savoir détecter l’erreur. Et quand une requête donne un mauvais résultat, ils doivent être capables de l’ajuster. Ce sont des choses qui s’apprennent. Le problème, c’est que la plupart des entreprises n’ont pas encore créé de parcours structurés pour développer ces compétences. C’est d’autant plus vrai pour les collaborateurs sans rôle managérial, parfois moins habitués à contrôler la qualité et l’exactitude d’un travail.
Esprit critique. L’IA produit vite. La vraie compétence, c’est de reconnaître les résultats qui valent la peine d’être gardés et ceux qu’il faut reprendre de zéro. Cela suppose une solide expertise métier et la capacité à évaluer un travail en contexte. Les modèles d’IA ne sont pas créatifs ou originaux par nature. Ils recombinent des schémas et des conventions déjà existants. Il ne suffit donc pas de vérifier que le résultat a simplement l’air correct. Il faut faire preuve de jugement.
Prompting et maîtrise de l’IA. Savoir communiquer avec un outil d’IA, lui fournir le bon contexte et affiner son comportement au fil du temps constitue une compétence à part entière. Encore faut-il comprendre comment ces systèmes fonctionnent. La plupart des collaborateurs apprennent en tâtonnant, ce qui rend l’exercice aussi laborieux qu’ingrat. Il faut également du temps pour parvenir à de bons résultats, même si les fournisseurs présentent souvent leurs outils comme des solutions clé en main.
Faute d’accompagnement, les collaborateurs se retrouvent à devoir compenser un manque de préparation dont ils n’avaient même pas conscience. Ils ont alors l’impression de faire du babysitting pour un robot, au lieu de mettre en pratique de nouvelles compétences, comme l’esprit critique, l’expertise technique et la maîtrise du prompting. La raison est simple : Les débuts sont presque toujours inconfortables lorsqu’on apprend quelque chose, et sans parcours clair pour avancer, cet inconfort se transforme vite en frustration. Les entreprises peuvent pourtant largement faciliter cette transition.
L&D et RH : développer la maîtrise de l’IA face au botsitting
Derrière le botsitting se cache aussi un risque de départ souvent sous-estimé : les collaborateurs concernés sont déjà plus susceptibles de chercher un autre emploi.
La solution consiste à développer la maîtrise de l’IA dans toute l’entreprise en coordonnant les efforts des RH, des équipes L&D et de la direction, qui détiennent respectivement les données sur les collaborateurs, les compétences et les budgets. Car les outils d’IA sont d’autant plus efficaces que les collaborateurs les maîtrisent et savent améliorer leurs réponses au fil du temps.
Voici les axes à privilégier :
Personnaliser l’apprentissage. D’après Deloitte, les entreprises qui misent sur la personnalisation ont près de trois fois plus de chances d’obtenir de meilleurs résultats pour l’activité comme pour les collaborateurs dans leurs projets de transformation. Une formation générique à l’IA ne peut pas répondre aux besoins spécifiques de chaque métier. Un analyste RH, un ingénieur logiciel et un responsable commercial n’ont pas les mêmes besoins pour travailler efficacement avec l’IA. Or, les collaborateurs progressent plus vite lorsque les contenus de formation et les communications sont adaptés à leur rôle et à leur situation. Ils estiment d’ailleurs que la personnalisation les aide à mieux s’adapter au changement, selon cette même étude de Deloitte.
Les programmes de maîtrise de l’IA les plus efficaces identifient d’abord les besoins propres à chaque rôle, avant de proposer un accompagnement ciblé. Des entreprises comme TEKsystems et ZS poussent la personnalisation encore plus loin en proposant du coaching et des mises en situation IA adaptés à chaque collaborateur.
Connecter les outils pour mieux exploiter les compétences. Une grande partie du botsitting consiste simplement à faire transiter l’information entre des systèmes qui ne communiquent pas entre eux. Les collaborateurs doivent alors faire le lien entre des systèmes isolés et transférer souvent manuellement le contexte vers les plateformes d’IA. Simplifier le stack technologique permet de réduire ces manipulations. Lorsque la formation s’intègre directement au travail quotidien, l’IA dispose du contexte et des données sur les compétences dont elle a besoin pour être efficace, et les parcours s’adaptent aux besoins de chacun.
Mesurer le changement par son impact réel sur l’entreprise. Une fois l’intelligence des compétences centralisée et exploitable, les entreprises peuvent mieux montrer comment la formation contribue à des objectifs plus larges. La fatigue liée au botsitting vient en grande partie du sentiment de brasser de l’air. Relier directement le développement aux priorités de l’entreprise permet de rendre les progrès visibles et de donner du sens aux efforts engagés. Capgemini , par exemple, utilise les données issues de projets réels comme signaux de compétences, ce qui lui permet de relier directement les activités de formation à la performance et d‘offrir aux dirigeants une vision précise du niveau de préparation des équipes. Comme l’explique Estelle Maione, Global Head of Learning and Capgemini University, la formation peut être invisible au quotidien parce qu’elle s’intègre au travail, mais ses résultats doivent toujours être clairement perceptibles.
Le coût caché du botsitting des outils d’IA
La frustration croissante liée au botsitting révèle le décalage entre les progrès de l’IA et le niveau de préparation des équipes. La technologie progresse à un rythme que les équipes peinent à suivre, et la plupart n’ont pas été préparées à travailler efficacement avec elle.
Les collaborateurs passent des heures à corriger les erreurs de l’IA et à retravailler ses résultats. Ce travail fastidieux mobilise des compétences que les entreprises n’ont pas encore suffisamment développées et auxquelles les équipes ont rarement été formées. Il est donc urgent de combler ce déficit, à la fois pour suivre le rythme de la transformation liée à l’IA, mais aussi pour préserver la motivation des collaborateurs et limiter les risques de départ. Ce qui suppose de multiplier les occasions concrètes de s’exercer, d’identifier les compétences déjà présentes dans l’entreprise et de vérifier si ces progrès produisent (ou pas) des résultats.
Restons en contact
Je souhaite m’inscrire à la newsletter mensuelle pour me tenir informé(e) des prochains événements, bénéficier d’éclairages exclusifs et recevoir l’actualité des solutions Degreed.