Après l'adoption de l'IA, la session moyenne de concentration ininterrompue est tombée à 13 minutes et 7 secondes — contre 14 minutes et 23 secondes auparavant, une baisse de 9 % qui fait passer le travailleur type sous le seuil d'attention continue que la plupart du travail cognitif profond exige (ActivTrak, 2026). Ce chiffre provient de 443 millions d'heures de télémétrie comportementale portant sur 163 638 employés dans 1 111 entreprises — pas un sondage, pas de l'auto-déclaration, mais le relevé réel, seconde par seconde, de la manière dont le travail se déroule. Et il pointe vers un coût que votre tableau de bord IA ne vous montre pas : la fragmentation de l'attention par l'IA érode silencieusement la capacité de travail profond que les outils étaient censés libérer.
C'est ce constat qui devrait redéfinir votre question sur le ROI de l'IA pour 2026. Le récit de productivité que suivent les dirigeants ressemble à une victoire — adoption proche de 80 %, débit en hausse, volume de production en croissance. En dessous, la même télémétrie montre un travail qui devient plus rapide, plus volumineux et plus fragmenté. Si vous êtes Head of Operations et que vous mesurez l'IA en heures gagnées et tâches accomplies, vous regardez la moitié du bilan qui flatte l'investissement et vous ignorez celle qui l'érode.
Le tableau de bord dit victoire. La télémétrie dit fragmentation.
Voici la tension en une paire de chiffres. Dans l'analyse avant-après d'ActivTrak sur 10 584 utilisateurs — comparant 180 jours de comportement avant l'adoption de l'IA à 180 jours après — le temps passé dans chaque catégorie de travail mesurée a augmenté. L'activité e-mail a progressé de 104 %. La messagerie instantanée a bondi de 145 %. Le travail de gestion d'entreprise a grimpé de 94 % (ActivTrak, 2026). L'IA n'a pas allégé la charge. Elle l'a accélérée, et cette accélération s'est traduite par plus de communication, plus de coordination, plus de changements de contexte.
C'est le mécanisme derrière la session de concentration qui rétrécit. Quand le volume de messagerie double presque, les interruptions qui brisent la concentration surviennent plus souvent. Le travailleur ne se tourne pas les pouces et n'est pas inactif — bien au contraire. Il est plus occupé que jamais, se déplace plus vite sur plus de surfaces et, précisément pour cette raison, ne peut plus tenir un seul fil de pensée difficile plus de 13 minutes avant que le ping suivant ne l'en arrache.
La raison pour laquelle cela reste invisible, c'est que la plupart des tableaux de bord opérationnels ont été conçus pour compter le débit, pas pour mesurer la continuité. Ils suivent les tâches clôturées, les tickets résolus, les messages envoyés, les heures enregistrées. Chacune de ces métriques monte quand le travail se fragmente. Aucune n'enregistre le coût de la fragmentation elle-même. Le dirigeant lit donc un tableau de bord vert et finance davantage de ce qui rend justement ces chiffres verts rouges un niveau plus bas.
Ce que 443 millions d'heures ont réellement mesuré
La raison pour laquelle cette étude est difficile à balayer, c'est sa méthode. La majeure partie de ce que vous avez lu sur l'IA et la productivité provient de sondages — on demande aux gens comment ils ressentent l'effet de l'IA sur leur travail. L'auto-déclaration est utile, mais c'est exactement le type de preuve qui flatte un outil neuf et brillant : l'enthousiasme et le biais de récence gonflent les gains perçus. Le jeu de données d'ActivTrak est de nature différente. Il est comportemental — 443 millions d'heures d'activité observée, pas des opinions sur l'activité (PR Newswire, 2026).
Le protocole avant-après sur ces 10 584 utilisateurs compte encore davantage. Il isole ce qui a changé lorsque l'IA est entrée dans le flux de travail, plutôt que de comparer les utilisateurs d'IA à des non-utilisateurs qui pourraient différer par une douzaine d'autres facteurs. Et ce qui a changé n'était pas une réduction du travail — c'était une redistribution vers des schémas plus rapides, plus fragmentés, plus centrés sur la communication. La couverture indépendante a abouti à la même lecture : l'IA ne réduit pas tant les charges de travail qu'elle ne les tend, avec un temps passé aux e-mails qui a doublé et des sessions de travail concentré en baisse (Fortune, 2026). La charge de la preuve incombe désormais à quiconque prétend que son propre déploiement d'IA a racheté de la concentration. Le plus grand jeu de données comportemental sur la question dit que le résultat par défaut est l'inverse.
La neuroscience que votre métrique de débit ignore
Treize minutes n'est pas une ligne arbitraire. Elle se situe sous le seuil où le travail cognitif soutenu se produit réellement, et la raison en est un effet bien documenté appelé résidu attentionnel. Lorsque vous passez d'une tâche à une autre, une partie de votre attention reste bloquée sur la première — vous n'arrivez pas à la nouvelle tâche à pleine capacité, et le résidu peut persister 20 minutes ou plus (Leroy, Organizational Behavior and Human Decision Processes, 2009).
Placez cela à côté de la session de concentration de 13 minutes et l'arithmétique devient hostile. S'il faut de l'ordre de 20 minutes ou plus pour recharger complètement une tâche complexe, et que les interruptions surviennent désormais toutes les 13, le travailleur n'atteint jamais le plein engagement cognitif avant que le changement suivant ne le réinitialise. Les travaux de Gloria Mark sur le travail interrompu ont révélé que revenir à une tâche après une interruption peut prendre environ 23 minutes (Mark et al., 2008). Une équipe fragmentée en intervalles de 13 minutes paie, de fait, une taxe de réorientation sur presque chaque tronçon de travail difficile qu'elle entreprend.
Voilà pourquoi « le volume de production augmente » peut coexister avec « le travail important se dégrade ». Les tâches superficielles et à fort volume survivent bien à la fragmentation — on peut répondre à douze messages en douze minutes interrompues. Les tâches profondes, non. L'analyse, le jugement, le texte qui nécessitait une heure ininterrompue sont exactement la catégorie qu'un plafond de 13 minutes rend silencieusement impossible. Votre métrique de débit ne voit pas la différence, car elle compte les douze messages et ne compte jamais l'heure qui n'a jamais eu lieu.
Pourquoi empiler plus d'IA ne résout pas le problème
La réponse instinctive à un déploiement d'IA décevant est d'en ajouter davantage — un autre agent, un autre copilote, une autre intégration. La télémétrie suggère que cet instinct aggrave la fragmentation. L'organisation moyenne du jeu de données exploite déjà sept plateformes d'IA différentes, et seuls 3 % des utilisateurs atteignent le « point idéal » de productivité où les outils aident véritablement sans ajouter de friction (ActivTrak, 2026).
Sept plateformes ne sont pas sept multiplicateurs de productivité. Ce sont sept surfaces de plus à vérifier, sept flux de notifications de plus, sept changements de contexte de plus entre des outils qui ne communiquent pas. Chaque nouvelle licence d'IA qui atterrit sur le bureau d'un travailleur sans en retirer une existante s'ajoute à la charge d'interruption au lieu de la réduire. La contrainte au ROI de l'IA ici, ce ne sont pas les licences ni l'habileté au prompting — c'est l'architecture de l'attention. Une équipe qui change déjà toutes les 13 minutes ne récupère pas sa concentration en recevant un huitième outil vers lequel basculer.
« Mais la production augmente — n'est-ce pas l'objectif ? »
L'objection légitime : si l'IA produit plus de travail en moins de temps, pourquoi traiter la fragmentation comme un problème ? Peut-être que les sessions de 13 minutes sont simplement la forme de la productivité moderne, et que le travail profond est une nostalgie que le compte de résultat peut se permettre de perdre.
Deux choses y répondent. Premièrement, les gains de volume sont concentrés précisément dans le travail qui n'a pas besoin de concentration profonde — communication et coordination — tandis que la taxe frappe le travail qui en a besoin. Vous n'échangez pas du travail profond contre une production superficielle équivalente ; vous échangez une catégorie contre une autre, moins chère, et l'inscrivez comme un gain net. Deuxièmement, la fragmentation s'accumule de façon invisible. Le cadrage même du rapport est que l'IA accélère le travail, sans le remplacer — le même volume de réflexion est désormais réalisé plus vite et plus fragmenté, ce qui aboutit à un solde négatif pour le travail cognitivement exigeant, alors même que le décompte des tâches augmente (PR Newswire, 2026). Le coût n'apparaît pas comme une ligne budgétaire. Il apparaît comme le document de stratégie qui glisse sans cesse, l'analyse qui revient trop mince, le recrutement senior dont le meilleur jugement n'obtient jamais une heure ininterrompue pour s'exercer. Ce sont des pertes réelles. Ce sont juste des pertes que votre instrumentation actuelle n'a jamais été conçue pour saisir.
Ce que l'Ops du mid-market devrait instrumenter ce trimestre
Le levier n'est pas la discipline de votre équipe ni un outil de plus. C'est l'architecture de l'attention du flux de travail — et contrairement à la volonté, c'est quelque chose que les opérations peuvent réellement concevoir. Trois mesures concrètes, dont aucune n'exige de nouveau logiciel :
1. Mesurez la continuité des sessions de concentration, pas seulement le débit. Vous suivez presque certainement les tâches clôturées et les heures enregistrées. Ajoutez une métrique : durée moyenne de la session de concentration ininterrompue et fréquence des interruptions en son sein. Des données de type ActivTrak, ou même l'analyse du calendrier et du statut, la feront apparaître. Vous ne pouvez pas gérer une taxe de fragmentation que vous ne mesurez pas, et pour l'instant c'est le chiffre absent de chaque tableau de bord opérationnel.
2. Consolidez les surfaces d'IA avant d'en ajouter. Avant de financer la prochaine licence d'agent ou de copilote, auditez combien de surfaces d'IA et de communication chaque rôle jongle déjà. Si la réponse approche sept, le geste à plus fort levier est la soustraction — retirer ou fusionner des outils — pas une intégration de plus. Chaque surface que vous retirez est un flux d'interruption que vous fermez.
3. Protégez les blocs de travail profond de façon structurelle, pas par un mémo de politique. Le résidu attentionnel signifie qu'un bloc de 13 minutes n'est pas « une partie d'une heure de concentration » — c'est une réinitialisation complète à chaque fois. Désignez de véritables fenêtres sans interruption pour les rôles cognitivement exigeants et défendez-les au niveau du flux de travail : notifications groupées, normes async-by-default, blocs sans réunions. L'objectif est de restaurer des tronçons assez longs pour dissiper le résidu, pas d'extraire davantage de fragments de 13 minutes de la journée.
Ensuite, testez-le contre vos propres données. Vous avez les horodatages. Regardez si la production la plus difficile et à plus forte valeur de votre équipe suit réellement la durée des sessions de concentration — et observez ce qui se passe quand vous consolidez les surfaces et protégez un bloc. La réponse est mesurable au sein même de votre exploitation, et elle vous dira si votre stack d'IA achète de la capacité ou ne fait que la fragmenter.
La seule décision pour ce trimestre
La promesse de productivité de l'IA était qu'elle rendrait du temps à votre équipe. Le plus grand jeu de données comportemental sur la question dit qu'elle lui a plutôt donné une journée de travail plus rapide, plus bruyante et plus fragmentée — une journée où la fenêtre moyenne de travail profond a rétréci sous le point où le travail profond peut se produire. Le débit sur votre tableau de bord est réel. La fragmentation de l'attention qu'il masque l'est tout autant.
Alors la décision concrète pour ce trimestre est étroite : avant de financer une licence d'IA de plus, instrumentez la continuité des sessions de concentration pour une équipe cognitivement exigeante, puis consolidez ses surfaces d'outils et protégez un bloc ininterrompu par jour — et mesurez ce que devient son meilleur travail. Si la qualité du travail difficile monte tandis que le nombre d'outils baisse, vous aurez trouvé le levier du ROI de l'IA que vos métriques de débit étaient conçues pour manquer. La session de concentration de 13 minutes n'est pas le prix du progrès. C'est un problème de conception que vous avez le pouvoir de résoudre.
