Scovai Scovai
AI & Operations 2026-11-05 1 min read

Interrogés sur l'influence de l'avatar d'une IA sur leur évaluation, 30 travailleurs sur 34 ont dit non. Leurs versements ont dit oui.

DSL

Dr. Sarah Liu

Interrogés sur l'influence de l'avatar d'une IA sur leur évaluation, 30 travailleurs sur 34 ont dit non. Leurs versements ont dit oui.

Trois assistants IA ont donné les mêmes réponses à 189 travailleurs du savoir. Ces travailleurs les ont payés différemment. Dans une expérience en bureau virtuel publiée dans les actes NordiCHI '26, les participants ont versé de l'argent réel à un assistant à présentation masculine pour une moyenne de 2,96 CHF, contre 2,54 CHF pour un assistant à présentation féminine fonctionnellement identique — p = .026 (Cuber et al., NordiCHI '26, 2026). Interrogés sur l'influence de la présentation sur leur évaluation, 30 des 34 personnes interviewées ont répondu non.

Votre évaluation des agents IA souffre du même angle mort. Chaque tableau de bord de pilote, enquête de confiance et tableau d'adoption que vous utilisez recueille le type de réponse qui s'est révélé faux ici — sur la seule variable dont cette étude démontre qu'elle a effectivement déplacé de l'argent.

L'expérience a maintenu la capacité constante, délibérément

C'est ce détail de conception qui rend le résultat exploitable, et pas simplement intéressant.

Publiée le 2 octobre 2026, l'étude a fait accomplir à chacun de ses 189 participants (191 recrutés, 2 exclus pour défaut de réponse de l'assistant) des tâches dans un bureau en réalité virtuelle avec trois assistants : un chatbot textuel, un robot de bureau et un agent vocal d'apparence humaine présenté soit comme « Johan », soit comme « Johanna ». Les assistants étaient fonctionnellement identiques — même système sous-jacent, mêmes réponses, même qualité de travail. L'incarnation variait en intra-sujets ; la présentation de genre variait en inter-sujets. Ensuite, les participants ont attribué à l'assistant jusqu'à 4 CHF d'argent réel, et chaque franc donné réduisait leur propre rémunération.

L'expérience a donc écarté l'explication à laquelle les dirigeants recourent en premier. Personne n'a payé davantage l'agent d'apparence humaine parce qu'il aurait mieux travaillé. Il a fourni le même travail. La seule chose qui changeait, c'était son apparence et sa voix.

L'effet d'incarnation a été plus important que l'effet de genre et statistiquement bien plus robuste : l'agent d'apparence humaine a obtenu 2,76 CHF (ET 1,18) contre 1,98 CHF (ET 1,26) pour le robot, W = 1511,5, p < .001, avec une taille d'effet de r = .44. Le simple chatbot textuel est arrivé dernier, à 1,75 CHF. Sur un plafond de 4 CHF, la présentation d'apparence humaine valait environ 0,8 CHF de l'argent d'autrui sans rien produire de plus.

Le résultat sur le genre est plus restreint que les titres de presse

Il faut être précis ici, car la couverture secondaire ne l'a pas été. La présentation de genre a déplacé la récompense (2,96 contre 2,54, p = .026) et la perception d'humanité (5,09 pour Johan contre 4,59 pour Johanna, p = .029). Elle n'a pas atteint la significativité sur la confiance (5,58 contre 5,25, p = .065) ni sur l'attribution du mérite (5,24 contre 5,05, p = .164).

L'affirmation honnête porte donc sur la valorisation monétaire et la perception d'humanité — pas sur la confiance. Si vous voyez attribuer à cette étude l'idée que « les agents IA féminins sont moins dignes de confiance », ce n'est pas ce qu'elle a constaté. Vous verrez aussi circuler un bien net « 10,25 % » dans les reprises de cette recherche : ce chiffre provient d'un communiqué de presse universitaire, n'apparaît nulle part dans l'article et n'est pas déductible des moyennes rapportées. Citez les moyennes.

Une modération mérite d'être signalée : l'avantage de l'apparence humaine sur le robot a été plus marqué chez les participantes que chez les participants (bêta d'interaction = 1,074, z = 3,73, p < .001). L'effet de persona n'est pas uniforme dans vos effectifs, ce qui signifie qu'il ne se neutralisera pas dans la moyenne d'une enquête d'équipe.

Ce qu'ils ont dit et ce qu'ils ont payé étaient deux chiffres différents

Le résultat des entretiens est celui dont le chemin vers une décision opérationnelle est le plus court. Trente participants sur trente-quatre ont déclaré que la présentation de genre n'avait aucune incidence sur leur confiance ou leur récompense. Leurs propres versements, effectués avec de l'argent réel, les ont contredits.

C'est un écart classique entre préférences déclarées et préférences révélées, et il ne s'agissait pas de mensonge. Ces personnes n'avaient aucune raison particulière de tromper qui que ce soit, ni d'incitation évidente à le faire. Elles n'avaient simplement pas un accès fiable à ce qui guidait leur propre jugement.

La conséquence est nette : interroger votre équipe sur le design des agents produit des données sans valeur prédictive démontrée. Dans cette étude, l'auto-déclaration a pointé dans la mauvaise direction sur la seule variable qui a déplacé le comportement de façon mesurable.

Votre évaluation des agents IA mesure en partie la persona

Transposez ce raisonnement dans une revue opérationnelle d'entreprise de taille intermédiaire et le problème cesse de porter sur les avatars.

Vous pilotez deux agents dans des fonctions différentes. L'un est une interface vocale soignée, dotée d'un nom et d'un visage ; l'autre est un outil utilitaire qui renvoie du texte dans une file de tickets. En fin de trimestre, vous comparez les scores de satisfaction, l'utilité perçue, la volonté de l'équipe de continuer à s'en servir et les demandes d'élargissement du poste. Puis vous financez le gagnant.

Ce que dit cette étude, c'est qu'une part inconnue de cet écart relève de l'incarnation, non de la performance. Vous avez mené une comparaison non contrôlée et lu le résultat comme un signal de capacité. L'agent financé était peut-être simplement le mieux présenté.

Ce mode de défaillance s'aggrave d'une manière précise. La présentation est peu coûteuse à modifier, la capacité l'est beaucoup : un fournisseur — ou une équipe interne qui optimise ses métriques d'adoption — trouvera donc systématiquement plus facile d'améliorer la persona que le travail. Si votre tableau de bord ne sait pas distinguer les deux, il continuera de récompenser la moins coûteuse, et votre système de mesure aura discrètement commencé à sélectionner contre la qualité réelle.

C'est une version plus aiguë d'un schéma déjà visible ailleurs dans la recherche sur les agents. L'Agent Confidence Index 2026, qui a classé 101 tâches agentiques auprès de 300 dirigeants et praticiens de la technologie, a constaté que la confiance suivait la vérifiabilité de la tâche et la complétude du contexte métier plutôt que la capacité du modèle — la génération automatisée de rapports a obtenu 83,5 et le code standard 82,5, tous deux dotés d'une unique métrique d'évaluation objective, tandis que la configuration d'un service mesh plafonnait à 37,5 sur les mêmes modèles sous-jacents (MIT Technology Review Insights, 2026 ; Microsoft, 2026). Là où il n'existe pas de métrique de succès claire, le jugement humain comble le vide — et l'étude en réalité virtuelle montre à quoi ce jugement s'accroche lorsqu'il n'a rien de solide à saisir.

Ce que l'étude ne démontre pas

Trois limites, énoncées franchement, parce qu'un argument aussi commode les mérite.

Il s'agissait d'un cadre en réalité virtuelle avec une tâche construite, non du déploiement réel d'un agent dans un flux de travail aux conséquences concrètes. Les enjeux étaient faibles et ponctuels : jusqu'à 4 francs suisses, attribués une seule fois, et non une décision budgétaire récurrente prise par quelqu'un de responsable du résultat. Et les différences de confiance et d'attribution du mérite liées à la présentation de genre n'ont pas atteint la significativité : l'effet est donc plus restreint qu'une lecture rapide ne le suggère.

Ce qui survit à ces réserves, c'est le point structurel, et il survit intact : la capacité étant maintenue constante par construction, la présentation a tout de même déplacé la valorisation monétaire, et l'auto-déclaration n'a pas réussi à le prédire. Il n'est pas nécessaire que la taille d'effet se transpose d'un laboratoire en réalité virtuelle à votre plateau opérationnel pour agir. Il suffit d'admettre que la persona est une variable active dans votre évaluation et que vous ne la contrôlez pas aujourd'hui.

Le coût d'une mesure portant sur la mauvaise chose

La raison de s'en préoccuper est budgétaire, non éthique.

Les travaux d'août 2026 de McKinsey QuantumBlack sur l'économie agentique ont établi que, pour un agent effectuant une tâche de service client dans la banque, les coûts de tokens ne représentent souvent que 20 à 25 pour cent des coûts variables d'exécution, tandis que la supervision humaine en représente 70 à 75 pour cent (McKinsey QuantumBlack, 2026). La supervision — quelle quantité de revue humaine un agent donné exige, par qui, à quelle fréquence — est le poste de coût dominant.

Cette allocation est fixée précisément par le jugement que cette étude montre contaminé. Jugez un agent digne de confiance et vous réduisez la supervision tout en élargissant son autonomie. Jugez-le peu fiable et vous maintenez un relecteur sur chaque exécution. Si une partie de cette confiance suit le degré d'humanité apparente de l'interface, vous sous-contrôlerez l'agent charmant et sur-contrôlerez l'agent utile — et vous vous tromperez sur le plus gros poste de coût de la pile.

Que faire avant votre prochaine revue d'agents

Quatre changements, tous réalisables dès ce trimestre et aucun n'exigeant de nouvel outillage.

Maintenez la présentation constante sur tout ce que vous comptez comparer. Si deux agents sont évalués l'un contre l'autre, donnez-leur la même modalité d'interface, ou acceptez que la comparaison soit confondue et cessez de la présenter comme un résultat de performance.

Arrêtez de sonder l'équipe sur le design des agents. Trente participants sur trente-quatre se sont trompés sur leur propre comportement. Interrogez plutôt sur des événements précis et observables : qu'a produit l'agent, qu'avez-vous dû corriger, combien de temps la correction a-t-elle pris, qu'avez-vous escaladé. Ces réponses sont vérifiables.

Instrumentez le comportement plutôt que le ressenti. Taux d'erreurs détectées en revue, volume de reprises, fréquence des escalades, délai entre la production et le livrable accepté. Toutes ces mesures sont indifférentes au fait que l'agent ait un visage.

Rendez la revue trimestrielle des agents quantitative et signée. Un agent est le seul sujet que vous puissiez évaluer purement sur des chiffres, sans les contraintes d'équité qui s'appliquent à juste titre aux personnes — une fiche d'évaluation périodique clôturée par un superviseur nommément désigné, avec un résultat écrit, est plus défendable pour un Digital Employee qu'elle ne le serait jamais pour un collaborateur humain, et c'est pourquoi les postes Digital Employee de Scovai sont revus ainsi plutôt que par une enquête de ressenti. Quel que soit le système retenu, l'exigence est la même : un responsable humain nommé, un ensemble fixe de mesures et une décision consignée par écrit.

Le test permettant de savoir si votre évaluation des agents IA tient debout tient en une seule question, et vous pouvez y répondre aujourd'hui : si l'agent que vous avez financé le trimestre dernier était arrivé avec une autre voix et sans nom, votre tableau de bord aurait-il produit le même chiffre ? Si vous ne pouvez pas dire oui, vous avez mesuré l'avatar.

Ready to go beyond the CV?

Scovai's AI-powered Talent Passport reveals what resumes can't: personality, potential, and true job fit.