Trois slogans de campagne. Deux groupes de lecteurs. Une seule différence : à la moitié on a dit qu'un professionnel du marketing les avait écrits, à l'autre moitié qu'un logiciel de marketing IA les avait produits. Les slogans étaient identiques mot pour mot. Le groupe qui croyait que l'IA les avait produits s'est montré moins disposé à proposer une idée personnelle, de 3,4 points de pourcentage — sur une base de 26 %, un effondrement relatif de 13 % de l'effort volontaire (Brookings, 2026).
Rien dans le travail n'a changé. Seulement la signature.
C'est le résultat causal le plus net dont on dispose à ce jour sur l'attribution à l'IA à l'intérieur d'un flux de travail, et il touche un point pour lequel la plupart des plans opérationnels n'ont aucune ligne budgétaire. Toutes les discussions que vous avez eues sur l'IA et vos équipes portaient sur la capacité : ce que le modèle sait faire, la qualité de la production, le taux d'erreur. Cette étude dit que l'étiquette apposée sur la production modifie le comportement humain à elle seule, à qualité constante. L'attribution n'est pas un détail de communication en aval du travail. C'est un intrant de la quantité de travail que vous obtenez.
Ce que l'expérience a maintenu constant, et ce qu'elle a déplacé
L'étude est une expérience par questionnaire préenregistrée de Nikolova, Milanova et Wang, menée à l'identique sur des échantillons représentatifs au niveau national aux États-Unis (N=1 511) et aux Pays-Bas (N=2 117), agrégés à N=3 628 (GLO Discussion Paper 1788, 2026). Le protocole a été enregistré à l'avance dans le registre de l'AEA (AEA RCT Registry #15363, 2026) — c'est-à-dire que les résultats étaient spécifiés avant l'arrivée des données, ce qui fait la différence entre un résultat et une histoire.
On a soumis aux participants un bref problème de santé publique — beaucoup de gens ne boivent pas assez d'eau — en leur demandant d'aider à trouver un slogan de campagne. Avant de voir quoi que ce soit, ils ont évalué à quel point la tâche leur semblait significative, avec une moyenne d'environ 5 sur une échelle de 7 points. Puis ils ont lu trois slogans. À la moitié, on a dit qu'un professionnel du marketing les avait écrits ; à l'autre, qu'un logiciel IA les avait produits. Mêmes slogans, dans les deux bras. Ensuite, ils ont réévalué le sens de la tâche et se sont vu offrir la possibilité de proposer leur propre slogan. Cette contribution volontaire constituait la mesure de l'effort.
Deux résultats en sont sortis. Le sens attribué à la tâche a baissé d'environ 0,07 écart-type dans la condition « étiquette IA ». La disposition à proposer une idée a chuté de 3,4 points depuis une base de 26 % — le chiffre de 13 %. Les effets se sont répliqués dans les deux pays.
Notez ce qui est mesuré. Pas la satisfaction. Pas le ressenti. Ce que les gens ont fait alors que personne ne leur demandait rien : la contribution discrétionnaire. C'est exactement l'intrant sur lequel reposent vos améliorations de processus, vos escalades et vos détections qualité.
La pénalité frappe aussi le travail
Le deuxième résultat retient moins l'attention et en mériterait davantage.
Les participants à qui l'on avait dit que les slogans étaient produits par l'IA ont jugé ces mêmes slogans moins créatifs et moins persuasifs que les participants à qui l'on avait dit qu'un humain les avait écrits (Brookings, 2026). Texte identique, notes plus basses. Ils ont également déclaré une moindre confiance dans la capacité de l'IA à faire ce type de travail.
Pour un responsable des opérations, c'est le tranchant le plus vif du résultat. Si votre équipe relit désormais des documents rédigés par l'IA — formulations de politiques internes, analyses de premier jet, réponses clients, notes internes — la relecture ne se fait pas à armes égales. Le jugement de qualité du relecteur est en partie fonction de l'étiquette, pas seulement du texte. Une partie de cette décote est un scepticisme légitime, et vous en voulez. Mais elle n'est pas calibrée sur le taux de défauts réel du brouillon qu'il a sous les yeux, ce qui produit deux modes de défaillance à la fois : sur-édition de bonnes productions IA et érosion générale de la confiance dans la chaîne qui les a produites.
Vous ne pouvez pas séparer ces deux effets en interrogeant les gens. Ils vous répondront, en toute honnêteté, que le brouillon était faible.
Pourquoi l'attribution à l'IA change le prix du flux standard
Le schéma par défaut adopté par les opérations du mid-market depuis dix-huit mois est « l'IA rédige, l'humain relit ». Il a été choisi parce qu'il semblait neutre sur le plan motivationnel — la personne reste propriétaire du résultat, la machine se contente de supprimer la page blanche.
Cette étude dit que cette neutralité était une hypothèse, pas une propriété.
Dans le schéma standard, la contribution humaine est cadrée comme de l'édition. La contribution de l'IA est cadrée comme de l'écriture. Ce cadrage est un choix, généralement fait par celui qui a configuré l'outil, et il est désormais porteur de manière mesurable. Le même travail recadré — l'humain définit le brief et porte l'argumentation, l'IA fournit la matière première — est la même activité avec une signature différente, et la signature est la variable qui a déplacé l'effort de 13 % en conditions contrôlées.
Cela rejoint un écart déjà visible dans les données de terrain. L'enquête BCG 2026 auprès de 11 749 travailleurs a établi que 47 % passent désormais plus de temps à gérer et à diriger l'IA qu'à faire le travail eux-mêmes, tandis que 66 % déclarent n'avoir aucune orientation utile sur l'usage du temps libéré par l'IA (BCG, 2026). Les rôles sont restructurés autour de la relecture et du pilotage — précisément la position que l'expérience montre comme motivationnellement exposée — sans décision de conception correspondante sur la façon dont la contribution humaine est nommée.
L'implication de productivité est celle que soulèvent les auteurs eux-mêmes : un effort discrétionnaire réprimé pourrait expliquer en partie pourquoi les gains expérimentaux importants de l'IA n'apparaissent pas encore dans les chiffres de productivité à l'échelle de l'économie. Vous pouvez obtenir plus de production par tâche et moins de contribution autour d'elle, et le second effet n'apparaîtra sur aucun tableau de bord d'outillage.
Où cela se manifeste dans une organisation de 50 à 500 personnes
Quatre endroits, dans l'ordre approximatif de rapidité d'impact.
Communication interne. Mises à jour de politiques, changements de processus et supports de réunion plénière rédigés avec l'IA et reconnaissables comme tels. Le message est identique à la version écrite par un humain ; la réception ne l'est pas. Si vous avez besoin que les gens agissent volontairement plutôt que de simplement s'exécuter, l'étiquette joue contre vous.
Revue par les pairs et points de contrôle qualité. L'étude Adaptavist 2026 auprès de 2 500 travailleurs du savoir a établi que 52 % corrigent régulièrement du travail généré par l'IA produit par des collègues (Adaptavist, 2026). Cette charge de correction est déjà réelle. Ce que cette expérience ajoute, c'est que le jugement de gravité du relecteur est en partie dicté par l'étiquette : votre volume de reprise n'est donc pas un signal propre de votre taux de défauts.
Le problème qui s'accumule
Aucun de ces quatre points n'est grave isolément. Le mécanisme, c'est la fréquence d'exposition. Un seul artefact étiqueté IA vous coûte une fraction de l'effort discrétionnaire d'une personne sur une tâche. Une chaîne où la plupart des premiers jets, des synthèses et des analyses de routine arrivent étiquetés signifie que la même petite décote s'applique des dizaines de fois par semaine à tous ceux qui sont en aval. L'expérience a mesuré une rencontre. Votre organisation en compte des milliers.
C'est aussi pourquoi l'effet est difficile à voir depuis le haut. Aucun cas isolé ne produit de panne visible. Ce qu'il produit, c'est un aplatissement lent de la couche volontaire — les suggestions jamais formulées, la seconde vérification que personne ne fait — et cette couche n'est jamais apparue sur un tableau de bord opérationnel parce qu'elle a toujours été gratuite.
Reconnaissance et entretiens de performance. Quand un excellent travail est connu pour être assisté par l'IA, le sentiment d'appropriation du contributeur et la lecture qu'en fait le manager changent tous les deux. Aucun processus de performance standard n'en tient compte.
Contenus destinés aux clients et aux candidats. La même décote s'applique hors de l'entreprise, et les répondants de l'étude étaient des échantillons de population générale, pas des salariés. Les pratiques de divulgation conçues pour la confiance et la transparence emportent un effet mesuré sur la qualité perçue. Ce n'est pas un argument contre la divulgation — c'est un argument pour connaître le prix de la forme que vous choisissez.
Ce que cette preuve ne dit pas
Trois limites, énoncées sans détour, parce qu'un plan bâti sur une surinterprétation échouera.
C'est une micro-tâche créative brève, pas un processus de travail. Les participants ont jugé une production étiquetée IA ; ils n'ont pas collaboré avec un système IA pendant des semaines sur un travail dont ils étaient responsables. La validité externe pour un travail professionnel durable n'est pas testée, et les auteurs le disent.
L'effet sur le sens est faible. 0,07 écart-type est une taille d'effet standardisée modeste. Les 13 % du titre sont une variation relative sur une base de 26 %, ce qui amplifie un déplacement absolu de 3,4 points. Les deux chiffres sont exacts ; un seul est spectaculaire.
C'est un document de travail. Préenregistré et répliqué dans deux pays, ce qui est plus que ce que porte l'essentiel des preuves dans ce domaine — mais pas encore évalué par les pairs.
Ce qui survit aux trois réserves, c'est la direction et le mécanisme : l'attribution déplace l'effort indépendamment de la qualité. Si l'effet ne vaut que la moitié de cela dans un flux réel, et que les travailleurs croisent des productions étiquetées IA en permanence plutôt qu'une fois, il s'accumule.
Faire de l'attribution un paramètre de processus ce trimestre
La réponse est une question de conception, pas de communication. Quatre mouvements, dont aucun n'exige de dépense nouvelle.
Nommez la contribution humaine, pas l'outil. Là où un travail porte une étiquette de provenance IA, assurez-vous qu'il porte aussi ce que la personne a fait — le brief, l'arbitrage, la décision de publier. La recommandation des auteurs eux-mêmes est de concevoir des flux qui gardent l'agentivité humaine visible et les contributions individuelles attribuables. Coût de mise en œuvre nul ; aujourd'hui absent de la plupart des modèles.
Séparez la provenance de l'évaluation. Dans tout point de contrôle qui compte, faites évaluer l'artefact par le relecteur avant qu'il ne voie comment il a été produit. Vous apprendrez vite quelle part de vos reprises relève du défaut et quelle part de la décote.
Cessez de cadrer les gens comme des éditeurs. « Relis ce brouillon » et « ce résultat est le tien, voici de la matière première pour démarrer » décrivent la même heure de travail et deux métiers différents. Changez le vocabulaire dans vos documents de processus et vos tickets. C'est le levier le plus fort ici et il coûte une reformulation.
Instrumentez la contribution discrétionnaire, pas l'adoption. Le nombre de licences et le volume de prompts sont structurellement incapables de détecter ce phénomène. Suivez ce qui est volontaire : suggestions d'amélioration non sollicitées, défauts interceptés avant le contrôle, personnes qui ajoutent du périmètre que personne n'a demandé. Si cette courbe fléchit pendant que le volume de production grimpe, vous avez trouvé l'effet dans vos propres données.
La décision qui vous attend ce trimestre n'est pas de savoir s'il faut divulguer l'implication de l'IA dans le travail. Elle est plus étroite, et c'est une question de conception : l'attribution à l'IA inscrite dans vos processus actuels est-elle quelque chose que vous avez délibérément choisi, ou quelque chose qu'un réglage par défaut a choisi pour vous ? Dans cette expérience, l'étiquette valait 13 % de l'effort volontaire. C'est la variable la moins chère sur votre table et, jusqu'ici, la seule dont personne n'est propriétaire.
