Cet épisode s’appuie sur une enquête américaine publiée par la Harvard Business Review, menée auprès d’un millier de salariés de bureau, dans un contexte dominé par les grandes entreprises. Culture de travail, taille des structures, rapport à la hiérarchie : beaucoup de choses diffèrent de nos organisations suisses ou européennes. Les résultats se lisent donc avec curiosité, comme des signaux à observer chez soi ; leur transposition reste à vérifier.
Une technologie conçue pour aider les gens. Des personnes équipées, suivies pendant deux ans par une équipe de chercheurs. Résultat : plus ces personnes l’utilisent, moins elles se parlent, plus elles se disent seules.
On pense spontanément à l’IA générative. L’étude date de 1998. La technologie s’appelle internet.
Le même paradoxe réapparaît aujourd’hui dans les équipes de travail, avec un nouvel arrivant : un « collègue » toujours disponible, apparemment compétent, et qui contredit rarement.
La mémoire d’une équipe
Une équipe de stand en Formule 1 change quatre pneus en moins de deux secondes. Personne ne revérifie le travail du voisin. Chacun sait qui fait quoi, et surtout qui sait quoi.
Les psychologues sociaux appellent cela la mémoire transactive : un système partagé dans lequel chaque membre allège sa propre mémoire parce qu’il sait sur qui compter dans tel domaine. Les couples fonctionnent ainsi depuis toujours — l’un gère les assurances, l’autre se souvient des anniversaires. Les équipes aussi. Cette carte collective de « qui sait quoi » se construit et se met à jour dans les échanges ordinaires : une question dans le couloir, une relecture demandée à une collègue, un « tu as déjà vu ce cas ? ».
La coordination d’une équipe repose sur une carte qui s’entretient en se parlant.
Le glissement relationnel
L’enquête sur l’IA et la dynamique d’équipe produit un résultat à deux faces.
- Plus les équipes utilisent l’IA, plus leurs membres perçoivent chez leurs collègues des savoirs spécialisés. Bonne nouvelle?
- En revanche, plus une personne s’adresse à l’IA à la place d’un collègue, plus la confiance et la coordination reculent. Dans les équipes où cette substitution devient la norme, les deux baissent d’environ 22 %.
Les auteurs baptisent le phénomène relationslipping : l’érosion lente des relations de travail quand les membres d’une équipe se remplacent mutuellement par l’IA. Deux mécanismes l’expliquent.
Le premier est cognitif. Chaque conversation remplacée par une réponse de l’IA est une mise à jour manquée de la carte. Et quand le travail des collègues passe par l’IA, leur raisonnement devient invisible : on voit un livrable compétent, on ignore d’où vient la compétence. Un répondant résume : « Je n’ai plus aucune idée de ce que pensent ou font mes collègues, puisque l’IA fait l’essentiel de leur travail. »
Le second est relationnel. La confiance dans l’expertise des autres baisse, on se fie moins à leurs suggestions, on revérifie leur travail. La coordination se transforme en efforts dupliqués, la confiance en double contrôle.
L’équipe gagne en compétences individuelles et perd la capacité de les combiner.
Trois explications concurrentes
Une personne sur cinq reconnaît se tourner vers l’IA plutôt que vers un collègue. Le comportement apparaît dans toutes les tranches d’âge, à tous les niveaux hiérarchiques et dans tous les secteurs étudiés. Trois explications sont avancées.
La croyance dans l’outil
Les personnes optimistes à l’égard de l’IA sont près de trois fois plus enclines à remplacer un collègue par elle ; celles qui lui font fortement confiance, deux fois plus. Si l’explication principale est ici, la réponse relève de la formation : apprendre où l’outil est fiable et où il égare, sujet traité dans l’épisode 339.
Le climat d’équipe
Dans les équipes à faible sécurité psychologique, le risque de substitution fait plus que doubler. Une manager du secteur pharmaceutique l’explique sans détour : elle interroge l’IA quand elle craint de passer pour une idiote auprès de ses collègues. D’autres veulent simplement éviter de déranger. Si l’explication principale se trouve ici, l’IA révèle un problème antérieur à son arrivée, donc l’IA devient un révélateur.
La complaisance des modèles
Une étude publiée cette année dans Science montre que les principaux modèles approuvent les actions de leurs utilisateurs 49 % plus souvent que des humains, et qu’une seule interaction avec un modèle complaisant rend les gens plus sûrs d’avoir raison et moins disposés à réparer un conflit. À côté, un collègue qui pose des questions et objecte paraît coûteux. Si l’explication est là, la réponse passe par des règles d’usage explicites.
Le coût pour ceux qu’on contourne
L’autre face du phénomène se lit chez les personnes contournées. Près de la moitié des répondants disent que leurs collègues les remplacent par l’IA au moins de temps en temps. Ces personnes ont nettement moins le sentiment de compter pour leur équipe et d’y voir leurs compétences reconnues ; elles souhaitent moins retravailler avec elle et cherchent davantage un autre emploi. Une répondante regrette que sa collègue lui préfère désormais l’IA pour relire ses textes : « C’était une bonne occasion d’échanger. Je me sens plus seule. »
L’article rapporte aussi l’inverse : un responsable commercial débordé se dit soulagé que son collègue ait trouvé de l’aide ailleurs. Le même geste peut libérer ou blesser, selon le contexte.
La substitution se paie en appartenance, une ligne absente des tableaux de bord du déploiement de l’IA.
Préserver la dynamique d’équipe avec l’IA
Les leviers proposés agissent sur les conditions de travail de l’équipe, et laissent l’outil tel qu’il est.
Maintenir un contact quotidien
Parmi les personnes qui remplacent leurs collègues par l’IA, celles qui restent en contact quotidien avec leur équipe affichent une coordination supérieure de 28 % et une confiance supérieure de 19 %. Les messages asynchrones y contribuent largement : un canal d’équipe où chacun dit sur quoi il travaille et ce qu’il a trouvé entretient la carte de « qui sait quoi ».
Rendre la question sûre
La sécurité psychologique prend une importance nouvelle. Hier, l’alternative à la question posée à un collègue était de rester bloqué. Aujourd’hui, c’est un modèle disponible à toute heure, qui ne juge personne. Une équipe où demander reste bon marché garde ses conversations ; les leviers pour y parvenir sont décrits dans l’épisode 129 et la question de la confiance dans l’épisode 218.
Rendre l’usage de l’IA visible
Partager comment chacun utilise l’IA, ce qui fonctionne et ce qui échoue, redonne de la visibilité sur le raisonnement de chacun. Une revue d’équipe peut inclure une question simple : sur ce livrable, qu’a fait l’IA, et qu’avez-vous fait vous-même ?
Récompenser l’équipe
Les incitations actuelles valorisent la productivité individuelle avec l’IA. Tant que les objectifs comptent ce que chacun produit, demander à un collègue reste un coût personnel. Des objectifs d’équipe et des indicateurs de coopération modifient ce calcul. Les auteurs y voient aussi un risque de cloisonnement accru entre fonctions, ce qui rejoint la question des silos.
Préparer les conversations avec l’IA
L’IA peut servir à préparer une discussion difficile plutôt qu’à l’éviter : les auteurs rapportent qu’un jeu de rôle de cinq minutes avec un modèle réduit l’anxiété et renforce la préparation. L’outil sert alors la relation.
Chacun de ces leviers relève d’une décision managériale, à la portée d’une équipe comme d’une direction.
Conclusion
Trois ans après leur première étude, les chercheurs de 1998 sont retournés voir leurs foyers connectés. Les effets négatifs avaient disparu ; les utilisateurs intensifs en tiraient même un bénéfice. La technologie avait peu changé. Les usages, beaucoup : les gens avaient appris à se servir d’internet pour entretenir leurs relations existantes.
L’IA et la dynamique d’équipe suivront peut-être le même chemin. Ce chemin dépend de décisions de direction : ce qu’on mesure, ce qu’on récompense, le climat dans lequel une question peut être posée.
Sources
- Niederhoffer, K., Rapuano, K., Liebscher, A., Robichaux, A., & Hancock, J. T. (2026). Team Dynamics Weaken When Employees Turn to AI Instead of Colleagues. Harvard Business Review, 15 octobre 2026. Enquête auprès de 1 033 salariés de bureau à plein temps aux États-Unis, dans plus de 20 secteurs.
- Wegner, D. M. (1987). Transactive memory: A contemporary analysis of the group mind. In B. Mullen & G. R. Goethals (Eds.), Theories of Group Behavior (pp. 185-208). Springer.
- Kraut, R., Patterson, M., Lundmark, V., Kiesler, S., Mukopadhyay, T., & Scherlis, W. (1998). Internet paradox: A social technology that reduces social involvement and psychological well-being? American Psychologist, 53(9), 1017-1031.
- Kraut, R., Kiesler, S., Boneva, B., Cummings, J., Helgeson, V., & Crawford, A. (2002). Internet paradox revisited. Journal of Social Issues, 58(1), 49-74.
- Cheng, M., Lee, C., Khadpe, P., Yu, S., Han, D., & Jurafsky, D. (2026). Sycophantic AI decreases prosocial intentions and promotes dependence. Science, 391(6792).
Episode préparé avec une IA
