IA au travail, vers l’épuisement et le burn-out

L’IA générative devait rendre du temps aux salariés. Dans beaucoup d’entreprises, ce temps est aussitôt converti en objectifs supplémentaires. Résultat : surcharge cognitive, conflits, épuisement — et parfois une perte de confiance dans sa propre compétence.

Ce que l’on observe

Les premières données décrivent une fatigue cognitive spécifique, concentrée chez les utilisateurs les plus intensifs — pas chez les réfractaires.

En janvier 2026, des chercheurs du Boston Consulting Group et de l’Université de Californie (Riverside) ont interrogé 1 488 salariés américains à temps plein. Ils nomment le phénomène « AI brain fry » : une fatigue mentale liée à l’usage ou à la supervision d’outils d’IA au-delà de ses capacités cognitives (Harvard Business Review, mars 2026).

Les participants décrivent un brouillard mental, une difficulté à se concentrer, des décisions ralenties et des céphalées. Les plus exposés jonglent avec plusieurs outils ou supervisent plusieurs agents : ce sont souvent les pionniers, les plus enthousiastes (Axios, Search Engine Journal).

Les auteurs distinguent cette fatigue aiguë du burn-out, état d’épuisement chronique. Et quand l’IA remplace des tâches répétitives, les marqueurs de burn-out diminuent (résumé EBSCO).

En France, le journal Les Échos rapportait le 6 octobre 2026 des signaux de terrain convergents : un cabinet de psychologie du travail dit avoir traité 82 situations de harcèlement depuis janvier, contre environ quatre par an en 2020. C’est l’activité d’un seul cabinet, pas une statistique nationale — mais elle illustre l’intensification décrite outre-Atlantique.

Trois mécanismes à l’œuvre

Le problème tient moins à l’outil qu’à ce que l’organisation fait du temps qu’il libère. Trois mécanismes se cumulent.

1. L’intensification : le temps gagné est aussitôt réinvesti

Aruna Ranganathan et Xingqi Maggie Ye (UC Berkeley) ont suivi pendant huit mois une entreprise technologique d’environ 200 salariés. Avec l’IA, les équipes ont travaillé plus vite, sur un périmètre plus large et sur davantage d’heures — souvent sans qu’on le leur demande (Harvard Business Review, février 2026 ; synthèse ITPro). Les auteurs notent que de petites tâches se glissent dans les moments qui servaient de pause. L’étude porte sur une seule entreprise : elle décrit un mécanisme, pas une prévalence.

Côté employeur, la logique est parfois explicite. Les Échos cite une entreprise qui a relevé les objectifs de ses commerciaux en précisant qu’ils ne seraient tenables qu’avec l’IA. Le médecin du travail Charles Broutin (Société française de santé au travail) résume l’enjeu : le temps économisé ne protège la santé que s’il est réinvesti dans la récupération ou la qualité, pas dans des objectifs chiffrés supplémentaires.

2. Le passage de la production à la supervision

Piloter des agents, c’est lancer une tâche, en lancer une deuxième, revenir corriger la première. Chaque bascule laisse un « résidu attentionnel » : une partie de l’attention reste accrochée à la tâche précédente, surtout si elle n’est pas terminée (Leroy, 2009).

L’étude BCG le traduit en chiffres : la productivité perçue augmente quand on passe d’un à deux outils d’IA simultanés, plus faiblement avec un troisième, puis recule au-delà (résumé). Superviser n’est pas se reposer : c’est un travail d’attention soutenue, de vérification et de décision.

3. L’érosion des compétences

Le psychologue du travail Adrien Chignard parle de « prolétarisation cognitive » : à force de déléguer, on perd la capacité de comprendre ce que l’on produit. Une enquête menée auprès de 319 professionnels du savoir va dans ce sens : plus la confiance dans l’IA est élevée, moins l’esprit critique est mobilisé ; plus la confiance en ses propres compétences est élevée, plus il l’est (Lee et al., CHI 2025).

L’analogie du GPS, souvent citée, repose sur une étude réelle mais modeste : chez 50 conducteurs, un usage intensif du GPS est associé à une mémoire spatiale moins performante, avec un déclin plus marqué dans le temps (Dahmani et Bohbot, Scientific Reports, 2020). C’est une analogie plausible, pas une preuve pour l’IA.

Lecture clinique : ce que l’IA vient toucher

L’épuisement lié à l’IA n’est pas qu’une affaire de charge : il réactive souvent des vulnérabilités plus anciennes autour de la valeur personnelle et de la compétence.

Les Échos rapporte le témoignage d’une psychanalyste parisienne : l’IA est rarement le motif de consultation, mais elle émerge vite. Derrière l’outil perçu comme un simple gain de temps, on trouve la peur de devenir obsolète, la honte de ne plus maîtriser son métier, la culpabilité de déléguer — ou un soulagement que l’on n’ose pas avouer.

Trois grilles de lecture aident à comprendre pourquoi certains s’effondrent et d’autres non.

Le déséquilibre effort–récompense. Le modèle de Johannes Siegrist prédit une atteinte à la santé quand des efforts élevés rencontrent une reconnaissance faible ; le surinvestissement personnel aggrave l’effet (Siegrist, 1996). L’IA crée exactement ce cas de figure : l’effort augmente, les gains de productivité sont captés ailleurs. Cela explique que les salariés les plus engagés soient les plus exposés.

Les trois systèmes de régulation émotionnelle. La thérapie focalisée sur la compassion distingue un système de menace, un système de recherche de récompense et un système d’apaisement (Gilbert, 2009). L’IA stimule les deux premiers à la fois : la peur d’être remplacé, et la petite gratification de chaque requête qui aboutit. Le troisième — pauses, lien, décompression — est celui que l’intensification grignote en premier.

Les schémas précoces. Dans le modèle de Jeffrey Young (la thérapie des schémas), certains schémas trouvent dans l’IA un terrain idéal :

Ces lectures sont des hypothèses de travail, pas des diagnostics. Elles déplacent une question utile : non pas « pourquoi je n’y arrive pas », mais « qu’est-ce que cette situation vient réveiller chez moi ».

Les signaux d’alerte

Le premier signal est souvent banal : une fatigue mentale qui ne ressemble pas à la fatigue habituelle, en fin de journée passée à piloter ou relire des productions d’IA.

Un repère pratique : le test de la pause. Les auteurs de l’étude BCG décrivent une fatigue aiguë qui se dissipe avec une vraie coupure. Si un week-end déconnecté vous restaure, il s’agit probablement d’une surcharge à réguler. Si la fatigue persiste malgré le repos, avec perte d’intérêt et cynisme envers son travail, on se rapproche d’un épuisement installé — qui justifie un avis médical.

Ce repère n’a rien d’un outil diagnostique validé : il aide simplement à ne pas banaliser.

Que faire ?

Les leviers les plus puissants sont organisationnels. Les leviers individuels limitent les dégâts ; ils ne compensent pas une charge structurellement excessive.

Côté salarié

1. Protéger la récupération. La recherche distingue quatre expériences qui permettent de récupérer du travail : le détachement psychologique, la relaxation, la maîtrise (une activité stimulante sans lien avec le travail) et le contrôle de son temps libre (Sonnentag et Fritz, 2007). Concrètement : aucune requête pendant les pauses, une vraie coupure le soir.
2. Séquencer plutôt que paralléliser. Limiter le nombre d’outils ou d’agents ouverts en même temps, regrouper les relectures, réserver des plages de travail approfondi sans IA.
3. Entretenir sa compétence. Garder certaines tâches faites « à la main ». Reformuler avec ses propres mots ce que l’outil produit avant de le valider : c’est là que l’esprit critique reste actif.
4. Travailler le rapport à soi. Repérer les pensées du type « si c’est faisable, je dois le faire », les reconnaître comme des pensées plutôt que des ordres, et revenir à ce qui compte vraiment pour soi — c’est le cœur de la thérapie ACT. Se parler comme on parlerait à un collègue épuisé, plutôt qu’en contremaître.

Côté employeur

• Décider où va le temps gagné. Récupération, formation, qualité — et pas uniquement des objectifs supplémentaires.
• Instaurer une « pratique de l’IA ». Ranganathan et Ye recommandent des normes d’équipe : pauses avant les décisions importantes, séquençage du travail, temps d’échange humain.
• Outiller les managers. L’étude BCG associe le soutien du manager, une stratégie IA claire et l’intégration en équipe à une fatigue mentale moindre.
• Répartir la charge. Les plus à l’aise avec les outils ne doivent pas absorber le travail que les autres n’arrivent pas à faire.
• Respecter le cadre légal. Dans les entreprises d’au moins 50 salariés, le CSE doit être informé et consulté sur l’introduction de nouvelles technologies (article L. 2312-8 du Code du travail). Des tribunaux ont déjà suspendu des déploiements d’IA faute de consultation (Actu-Juridique, CMS).

L’enjeu n’est pas de freiner l’IA. Bien déployée, elle peut alléger le travail : chez des agents de support client, l’accès à un assistant d’IA a augmenté la productivité de 14 % en moyenne, davantage chez les débutants, avec une meilleure rétention du personnel (Brynjolfsson, Li et Raymond, NBER). La question est celle du design du travail, pas de l’outil.

En conclusion

L’IA n’épuise pas par nature : elle épuise quand elle sert à en faire toujours plus, sans limite ni récupération. Les plus touchés sont souvent les plus investis — ceux qui ont adopté l’outil avec enthousiasme et qui ont le plus de mal à s’arrêter.

Consultez si la fatigue résiste au repos, si le sommeil se dégrade durablement, si vous avez besoin d’alcool ou d’autres substances pour tenir, ou si le travail envahit toute votre vie psychique. Votre médecin traitant, le médecin du travail ou un psychothérapeute sont des interlocuteurs adaptés. Pour un rendez-vous au cabinet de Boulogne-Billancourt : prendre contact.

En cas d’idées suicidaires, appelez sans attendre le 3114, numéro national de prévention du suicide, gratuit et joignable 24 h/24.

Pour aller plus loin

• Comment reconnaître un burn-out : symptômes et solutions
• Apport de la thérapie ACT pour le burn-out
• Co-évolution humain-IA : une nouvelle frontière anthropologique
• Smartphone et santé mentale de l’adulte : ce que dit l’étude CNRS–PRO BTP

Sources

1. Quiret M. Article sur l’IA et la santé mentale des salariés. Les Échos, 6 octobre 2026.
2. Bedard J, Kropp M, Hsu M, Karaman OT, Hawes J, Kellerman GR. When Using AI Leads to “Brain Fry”. Harvard Business Review, 5 mars 2026.
3. Ranganathan A, Ye XM. AI Doesn’t Reduce Work—It Intensifies It. Harvard Business Review, février 2026.
4. Leroy S. Why is it so hard to do my work? The challenge of attention residue when switching between work tasks. Organizational Behavior and Human Decision Processes. 2009;109(2):168-181. doi:10.1016/j.obhdp.2009.04.002
5. Lee HP, Sarkar A, Tankelevitch L, Drosos I, Rintel S, Banks R, Wilson N. The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. CHI ’25. 2025. doi:10.1145/3706598.3713778
6. Dahmani L, Bohbot VD. Habitual use of GPS negatively impacts spatial memory during self-guided navigation. Scientific Reports. 2020;10:6310. PMC7156656
7. Siegrist J. Adverse health effects of high-effort/low-reward conditions. Journal of Occupational Health Psychology. 1996;1(1):27-41. doi:10.1037/1076-8998.1.1.27
8. Gilbert P. Introducing compassion-focused therapy. Advances in Psychiatric Treatment. 2009;15(3):199-208. doi:10.1192/apt.bp.107.005264
9. Sonnentag S, Fritz C. The Recovery Experience Questionnaire: development and validation of a measure for assessing recuperation and unwinding from work. Journal of Occupational Health Psychology. 2007;12(3):204-221. doi:10.1037/1076-8998.12.3.204
10. Brynjolfsson E, Li D, Raymond LR. Generative AI at Work. NBER Working Paper 31161, 2023 ; version publiée dans le Quarterly Journal of Economics, 2025.
11. Code du travail, article L. 2312-8, II, 4°.