L'IA augmente chaque collaborateur pris séparément, les données sont suffisamment solides pour qu'on ne débatte plus de ce point. Ce qui reste ouvert, c'est la question du collectif : que se passe-t-il quand tous les membres d'une organisation s'améliorent de la même manière, avec le même outil, en même temps ? L'engagement des collaborateurs et la performance individuelle peuvent progresser simultanément pendant que la diversité cognitive du groupe, elle, s'effondre. Cette tension entre gain individuel et homogénéisation collective n'est pas une spéculation, elle est mesurée. Et la réponse à cette tension n'est pas dans l'outil : elle est dans les choix organisationnels qui encadrent son usage.
L'augmentation individuelle est réelle et documentée
En septembre 2023, une étude menée par Harvard et BCG sur 758 consultants mesure les effets de l'IA sur des tâches réelles dans un protocole contrôlé, groupe avec IA, groupe sans. Les résultats : +40 % sur la qualité globale des livrables, +25 % en rapidité, +43 % pour les profils les plus faibles sur les tâches adaptées à l'outil. Ces chiffres ne viennent pas d'une enquête déclarative : ils proviennent d'une comparaison directe entre groupes, ce qui leur confère une robustesse peu commune dans la littérature sur le travail.
Une seconde étude conduite par Brynjolfsson, Li et Raymond (Stanford/MIT) sur 5 179 agents du support client complète ce tableau par un angle différent. L'IA bénéficie peu aux experts, leur gain de productivité est quasi nul, mais elle transforme les novices : +34 % de productivité, avec un effet d'apprentissage accéléré tel que deux mois d'utilisation de l'outil équivalent à six mois d'expérience acquise sans lui. Le mécanisme est clair : l'IA capture les meilleures pratiques des profils seniors et les redistribue aux juniors, qui les intègrent d'autant plus facilement qu'ils n'ont pas encore de méthodes rigidement ancrées.
Ces deux corpus répondent à la première moitié de la problématique : oui, l'IA augmente chaque individu. Les experts gagnent en efficacité, les novices gagnent en niveau. Ce qui reste invisible dans cette lecture individu par individu, c'est ce qui advient quand tous ces collaborateurs améliorés travaillent ensemble avec les mêmes outils.
Quand tout le monde s'améliore pareil, la diversité collective s'effondre
L'étude Harvard/BCG contient un résultat que la plupart des articles sur l'IA au travail ne citent pas. Quand tous les consultants utilisent le même outil sans recul critique, la diversité des idées produites chute de 41 %. Ce chiffre vient de la même étude que le +40 %, mais il regarde le collectif, pas les individus. L'amélioration individuelle et l'appauvrissement collectif coexistent dans les mêmes données.
Le mécanisme sous-jacent est ce que les auteurs de l'étude appellent la "jagged frontier", la frontière irrégulière des compétences de l'IA. L'outil excelle sur certaines tâches et échoue sur d'autres apparemment similaires, sans qu'il soit possible de prédire à l'avance ces zones de faiblesse. Quand tous les collaborateurs font confiance aux mêmes réponses sur les mêmes zones de force, ils produisent des outputs homogènes, et commettent les mêmes erreurs sur les zones de faiblesse, sans que personne ne les détecte. Ethan Mollick, co-auteur de l'étude , formule le risque simplement : "Les gens peuvent vraiment s'endormir au volant quand ils utilisent l'IA." Sur les tâches hors zone de compétence de l'outil, les résultats chutent de 19 % par rapport au travail sans assistance, pire qu'avant l'IA.
Le même phénomène se lit à une échelle plus large. Le fait que l'IA bénéficie davantage aux novices qu'aux experts peut se lire de deux manières opposées. Lecture optimiste : les meilleures pratiques se démocratisent, le niveau général monte. Lecture moins flatteuse : en réduisant l'écart entre novices et experts sur les tâches standard, l'IA comprime les outputs vers un niveau moyen, les experts ne produisent plus rien de distinctif sur ces tâches, les novices produisent la même chose qu'eux. Ce n'est pas contradictoire avec le +34 % des novices : ils rattrapent le niveau moyen des experts, pas leur niveau d'exception.
Ce mécanisme devient particulièrement visible dans le recrutement. Selon l'enquête Hellowork 2025 , 78 % des recruteurs utilisent désormais l'IA générative, deux fois plus qu'en 2024, et 50 % des candidats s'en servent dans leur recherche d'emploi, dont 73 % pour leurs lettres de motivation. Quand les deux parties d'un système utilisent le même outil avec les mêmes paramètres, la diversité des échanges s'effondre, même si chaque individu perçoit un gain d'efficacité. L'homogénéisation n'est plus un effet secondaire à la marge : elle est systémique.
Ces résultats répondent à la deuxième partie de la problématique : oui, il y a homogénéisation, elle est documentée, elle a un mécanisme précis et des exemples mesurables. Ce qu'ils ne tranchent pas encore, c'est la question centrale : est-ce inévitable ?
L'homogénéisation n'est pas une fatalité de l'IA : c'est une fatalité du mode Autopilote
La tension entre les deux premières sections se résout non pas par un compromis, mais par un déplacement de la variable explicative. Ce n'est pas l'IA qui uniformise : c'est l'IA utilisée de manière uniforme. Cette distinction change tout ce qui suit.
Ethan Mollick distingue trois modes d'usage. Le mode Autopilote, d'abord : confiance aveugle dans les outputs, validation systématique sans recul critique, c'est ce mode qui produit le -41 % de diversité et le -19 % sur les tâches hors zone. Le mode Centaure, ensuite : division claire des rôles entre humain et machine, avec l'humain sur les décisions stratégiques et le jugement, l'IA sur la génération et l'analyse. Le mode Cyborg, enfin : collaboration constante avec allers-retours et vérification systématique, où l'humain reste le filtre de chaque output. Ces deux derniers modes préservent les gains individuels sans produire la perte collective.
Une étude parue sur arXiv en avril 2025 teste cette hypothèse directement. Des participants exposés à des inputs IA diversifiés, dix personas distincts, produisent des outputs collectivement aussi divers qu'un groupe sans IA. La trade-off créativité/diversité disparaît quand la diversité est intentionnellement construite dans les inputs. Les auteurs sont explicites : "La trade-off émergente provient de pratiques de déploiement uniformes plutôt que d'une limitation inhérente à l'IA générative." L'enjeu n'est plus technique, il est organisationnel.
Un résultat plus inattendu encore vient nuancer l'image. Une large expérience publiée à l'ACM en 2025 sur le brainstorming collectif montre que dans les groupes humains sans IA, les idées convergent naturellement au fil du temps, les participants s'influencent mutuellement vers les concepts déjà émis, un mécanisme de conformité implicite bien documenté. L'introduction d'idées IA dans ce contexte augmente la diversité collective : les suggestions de l'outil fonctionnent comme des voix supplémentaires qui perturbent la convergence naturelle du groupe. L'IA, ici, est un antidote au groupthink, non pas parce qu'elle améliore la créativité individuelle, mais parce qu'elle maintient une pluralité que la dynamique humaine tendait à effacer. Cet effet est documenté sur les tâches de génération d'idées, pas sur les tâches de production de livrables : la distinction entre type de tâche et mode d'usage reste centrale.
Ce que ces trois corpus révèlent ensemble, c'est que l'IA peut être simultanément source d'homogénéisation, sur les livrables, en mode Autopilote, et source de diversification, sur les idées, dans un déploiement structuré. La variable qui détermine l'un ou l'autre résultat n'est pas l'outil : c'est la conception du déploiement.
Ce que cela implique pour les organisations
La réponse à la problématique n'est pas ambiguë : l'homogénéisation collective n'est pas une fatalité de l'IA. Elle est la conséquence prévisible d'un mode de déploiement qui laisse le mode Autopilote s'installer par défaut, faute d'une décision contraire. Les organisations qui subissent cette perte ne l'ont pas choisie, elles ont simplement omis de choisir autrement.
Ce déplacement de la responsabilité vers l'organisation, et non vers l'outil, ouvre deux questions qui dépassent le cadre de cet article. Si l'IA uniformise certaines tâches, elle révèle en creux ce qui reste distinctif : le jugement en situation ambiguë, la capacité à détecter les zones de faiblesse de l'outil, la pensée qui n'est pas capturée par les meilleures pratiques moyennes. Ces compétences ne sont pas les mêmes que celles qu'on valorisait avant l'IA, les identifier, les cultiver, et décider si les systèmes de gestion des compétences en place permettent de le faire, devient une question concrète de pilotage. L'autre question touche à la gouvernance du mode d'usage lui-même : le choix entre Autopilote, Centaure et Cyborg n'est pas individuel dans la plupart des organisations, il est structuré par les workflows, les outils déployés, les incentives. Ce sont ces conditions que les managers construisent ou laissent se construire par défaut.