L’IA réduit le temps d’exécution. Elle peut augmenter le temps d’arbitrage

Le signal derrière le sujet

Un chef de projet reçoit six scénarios crédibles en quelques minutes au lieu d’un seul document préparé par son équipe. On pourrait traiter ça comme un simple réglage d’outil. Ce serait rater le sujet : produire davantage d’options crée parfois davantage de décisions. L’accélération de la production peut donc déplacer la charge vers l’arbitrage.

Quelques faits récents évitent de raisonner dans le vide. Le Work Trend Index 2026, basé sur 20 000 répondants dans 10 pays, distingue capacité individuelle et préparation de l’organisation. Microsoft indique que 19 % des utilisateurs interrogés se trouvent dans la zone où ces deux dimensions se renforcent, alors que 31 % sont désalignés. Il faut résister à la tentation de transformer un signal de marché en vérité locale. Ce qui compte vient ensuite : l’observation du processus.

Ce qui se passe vraiment dans le travail

L’IA déplace les frontières du travail avant de supprimer des tâches entières. Elle change qui prépare, qui vérifie, qui décide, qui explique et qui répond du résultat. C’est précisément là que le management devient central. Une équipe équipée peut rester lente si ses règles de coordination n’ont pas bougé d’un millimètre. Le point qui m’intéresse ici est plus précis : Produire davantage d’options crée parfois davantage de décisions. L’accélération de la production peut donc déplacer la charge vers l’arbitrage. C’est une manière classique de fabriquer du débit sans fabriquer davantage de valeur.

Un chef de projet reçoit six scénarios crédibles en quelques minutes au lieu d’un seul document préparé par son équipe.

Le piège qui fausse la lecture

Il faut éviter un raccourci assez tentant. Une validation binaire écrase trop d’informations pour servir seule de garde-fou. Un chef de projet reçoit six scénarios crédibles en quelques minutes au lieu d’un seul document préparé par son équipe. La bonne question dépend donc du contexte, de la fréquence et surtout du coût d’une erreur.

Une manière plus utile de mesurer

Le moyen le plus simple de ramener le sujet au réel est de : limiter le nombre d’options et expliciter le critère qui permettra de choisir. Ajoute le temps de vérification. Une minute gagnée à produire et cinq minutes ajoutées à relire ne font pas un gain. Demande enfin si la personne responsable comprend encore comment le résultat a été obtenu. La vitesse sans lisibilité devient vite une dette.

Nommer la personne qui possède le résultat, même si l’IA exécute une grande partie des étapes. On pourrait l’ignorer. Ce serait souvent la meilleure manière de recréer la charge un peu plus loin dans le processus.

Écrire le niveau de qualité attendu avant de demander aux équipes d’aller plus vite. L’intérêt est surtout de créer un critère observable. Si personne ne peut dire si ce point est respecté, la règle restera décorative.

Identifier les nouvelles files d’attente créées par la validation, l’arbitrage ou les exceptions. Le but n’est pas d’ajouter une couche de procédure. C’est de rendre visible la décision qui existait déjà, souvent de manière implicite.

Prévoir un chemin manuel lorsque le contexte sort du cas ordinaire. Il faut alors sortir de la démonstration et suivre ce qui arrive réellement au dossier après la première réponse.

Ce que je garderais comme règle

Automatiser une étape ne fait pas disparaître la responsabilité humaine qui l’entoure. Plus le résultat est sensible, plus le niveau de preuve, de contrôle et de possibilité de reprise doit être explicite.

La dernière question est celle qu’on pose rarement dans les démonstrations : limiter le nombre d’options et expliciter le critère qui permettra de choisir. C’est moins spectaculaire qu’une démo, mais beaucoup plus utile pour faire tenir l’usage dans le temps.