Workslop : quand le travail avec l’IA reporte l’effort sur le destinataire

Un beau document peut être un travail inachevé

Un spécialiste envoie vingt diapositives avec des titres, des graphiques et des conclusions synthétiques. Le document a fière allure. Le problème n’apparaît qu’au moment où la directrice veut prendre une décision : on ne sait pas d’où viennent les chiffres, sur quelle période portent les comparaisons ni quelles recommandations sont importantes. Elle doit reconstituer elle-même la base de l’analyse. L’auteur a gagné du temps, mais c’est la personne qui reçoit le document qui a effectué la partie manquante du travail. C’est précisément ce report du travail sur le destinataire que l’on appelle parfois aujourd’hui « workslop ».

Il ne s’agit ni d’un diagnostic scientifique porté sur une personne, ni d’un synonyme de tout contenu généré par l’IA. Le problème existait déjà avant l’arrivée des chatbots : dans des rapports truffés de formules creuses, des présentations trop générales ou des notes sans décision. L’IA peut simplement faciliter la production en masse de ce type de documents. C’est pourquoi il faut juger la qualité selon que le destinataire peut ou non utiliser le résultat pour une action concrète, et non selon l’outil qui a servi à préparer la première version.

Le temps gagné par l’auteur ne signifie pas un gain pour toute l’équipe

Dans l’expérience de Noy et Zhang menée en 2023, les participants qui effectuaient certaines tâches rédactionnelles avec ChatGPT travaillaient en moyenne plus vite, et la qualité de leurs résultats était jugée supérieure à celle du groupe témoin. C’est une preuve importante que l’IA peut aider. Cela ne signifie pas pour autant que chaque présentation interne fait automatiquement gagner du temps à tous les intervenants suivants du processus. L’étude portait sur des tâches et des conditions expérimentales précises, et non sur n’importe quel rapport stratégique.

En entreprise, des coûts naissent aussi lors de la transmission, du contrôle et des corrections. Si la personne qui rédige le rapport termine en vingt minutes, mais que trois destinataires passent une heure à chercher les sources, le gain d’une seule personne peut se traduire par du travail supplémentaire pour toute l’équipe. Il ne s’agit donc pas de tout écrire à la main. Il s’agit de vérifier la qualité là où l’auteur connaît le mieux le contexte et peut contrôler le contenu avant d’en faire porter la charge aux autres.

Le plus souvent, il manque la réponse à la question : « Qu’est-ce que je dois en faire ? »

Le workslop se manifeste souvent à trois endroits. Premièrement, le document décrit le sujet, mais ne répond pas à la question du destinataire. Deuxièmement, il avance des chiffres ou des affirmations sans sources vérifiables. Troisièmement, il présente des recommandations sans critères de choix ni personne responsable. Dans chaque cas, le destinataire doit repartir de zéro : définir le problème, vérifier les faits ou préciser la décision. Ce n’est pas une petite correction de style.

Un test simple avant l’envoi : « Le destinataire sait-il quelle décision il doit prendre sur la base de ce document, d’où viennent les données et quelle est l’étape suivante ? » Si la réponse n’est pas claire, le travail n’est pas terminé. Par exemple, un rapport sur trois fournisseurs devrait présenter les mêmes critères de comparaison, signaler ouvertement les informations manquantes et justifier la recommandation. Un slogan élégant comme « Choisissez le partenaire de demain » ne remplace ni le prix, ni les risques, ni les conditions de mise en œuvre.

Définissez ce que signifie « prêt à l’emploi » avant de commencer à produire le document

Il est utile de convenir en équipe qu’un document destiné à une prise de décision comporte cinq éléments : l’objectif, le destinataire, les sources, des conclusions vérifiées et la décision recommandée avec ses limites. Pour les tâches simples, une version plus courte suffit ; pour les plus importantes, les dates, le périmètre de l’analyse et la méthode de vérification des données sont indispensables. Tous les fichiers ne nécessitent pas un rapport de plusieurs pages sur l’utilisation de l’IA. Le standard devrait être proportionné aux conséquences d’une erreur. Les données sensibles et les règles d’utilisation des outils doivent être respectées, quelle que soit la qualité du style.

Le principe de responsabilité fonctionne bien : la personne qui signe le document répond du fait qu’elle a vérifié les affirmations clés et qu’elle comprend sa propre recommandation. Si plusieurs personnes de l’équipe y travaillent, définissez qui valide les chiffres, qui le contenu et qui le message au client. Ainsi, il devient impossible de diluer la responsabilité avec un « c’est ce que l’IA a sorti ». La technologie peut aider à produire du contenu, mais cela ne change rien au fait que quelqu’un doit décider de l’utiliser.

Le feedback devrait porter sur les manques, pas sur des étiquettes

Un responsable lit une analyse incomplète et dit : « Tu as encore balancé un texte d’IA, tu ne t’es même pas donné la peine de réfléchir. » Le salarié se met à défendre sa façon de travailler au lieu de compléter les données. Mieux vaut dire : « Dans le rapport, je ne vois pas les sources de deux chiffres et je ne comprends pas pourquoi tu recommandes l’option B. J’ai besoin de ces informations avant de prendre une décision. » Ce type de feedback porte sur le problème réel, et non sur les intentions supposées de l’auteur.

Si le problème se répète, fixez ensemble un standard minimal de remise du travail et un délai de correction. Vous pouvez demander ce qui empêche l’auteur de faire un contrôle rigoureux : un délai trop court, l’absence d’accès aux données, un objectif flou ou la conviction erronée que c’est avant tout le volume qui compte. Une partie des causes relève du management, et non de l’attitude d’une seule personne. Les consignes du type « utilisez l’IA partout » sont particulièrement destructrices lorsque l’entreprise n’explique pas en même temps ce qu’elle considère comme un résultat de bonne qualité.

Mesurez le travail supplémentaire qu’un document exige du destinataire

Au lieu de compter uniquement les diapositives générées ou les minutes de rédaction, regardez combien de questions le destinataire doit poser avant de pouvoir agir. Si chaque présentation nécessite une réunion d’explication à part, le problème tient peut-être au standard de transmission. Au bout de quelques semaines, évaluez si les corrections portent sur le style, les données, l’objectif ou la logique de décision. Ce n’est pas un indicateur scientifique tout prêt du workslop, mais un outil pratique pour améliorer le processus.

Il est utile aussi de distinguer le brouillon de la version finale. On peut délibérément envoyer une « structure de travail à discuter » et demander qu’on la finalise ensemble. Le problème survient quand ce brouillon est présenté comme un résultat abouti. Indiquer clairement l’étape du travail réduit les tensions : les collègues savent s’ils doivent évaluer une orientation de réflexion ou vérifier une recommandation finalisée. L’IA peut accompagner les deux étapes, mais les confondre détruit la confiance.

Le workslop ne découle pas du simple recours à l’IA. Le problème, c’est de reporter sur d’autres un travail que l’auteur devrait effectuer. Un document qui semble terminé devrait avoir un objectif, des fondements vérifiés, une recommandation lisible et un auteur responsable. Avant de critiquer la technologie ou la personne, nommez les manques et convenez d’un standard de transmission. Le véritable gain de temps n’apparaît que lorsque le destinataire peut agir sans reconstituer toute l’analyse.

Comment Empatyzer aide à parler du workslop sans accuser

Une responsable d’équipe reçoit, pour la troisième fois ce mois-ci, un rapport dont le langage séduisant ne débouche pas sur une décision vérifiable. Au lieu de critiquer publiquement le salarié parce qu’il utilise l’IA, elle décrit à Em les manques concrets : l’absence de sources, un critère de choix flou et les questions supplémentaires qu’elle a dû poser. Elle demande de l’aide pour préparer un feedback qui montre l’impact du problème sur le travail, sans juger les intentions de l’auteur. Dans le contexte de cette relation, Em peut tenir compte des indications disponibles sur la manière de formuler une critique. La responsable prévoit ensuite une courte discussion d’équipe sur ce que signifie « prêt à l’emploi » pour une analyse, une présentation et un message au client. Em aide à formuler des règles compréhensibles pour des personnes aux styles de travail différents, ainsi que des questions sur les obstacles réels. Em aide aussi à préciser les exigences, à transmettre des remarques factuelles et à convenir d’une méthode de vérification des analyses. Ainsi, le temps gagné par l’auteur peut se traduire par un bénéfice réel pour toutes les personnes qui participent au travail.