Vingt pour cent des adultes actifs américains déclarent que l'IA traite désormais au moins une tâche qu'eux-mêmes ou leur équipe confiaient auparavant à un collègue ou à un prestataire externe (Epoch AI, 2026). Pas « assistée par ». Traitée.
C'est une décision d'approvisionnement — le type de décision que votre organisation entoure normalement d'une demande d'achat, d'une évaluation fournisseur et d'une ligne budgétaire. Elle a été prise par des collaborateurs individuels, une tâche à la fois, et elle n'apparaît dans aucun système que vous possédez. La délégation de tâches à l'IA de cette nature ne se voit ni dans les effectifs, ni dans les prévisions de dépenses de prestation, ni dans aucun tableau de bord d'adoption, parce que ces tableaux de bord ont été conçus pour compter l'usage des outils, pas la réaffectation du travail.
Le point gênant n'est pas que cela se soit produit. C'est que votre modèle de capacité est désormais faux, et faux dans une direction que vous ne pouvez pas voir.
Ce que l'enquête Epoch AI/Ipsos a réellement mesuré
L'enquête a été menée par Ipsos pour le compte d'Epoch AI via le KnowledgePanel à échantillonnage probabiliste, administrée du 10 au 19 juillet 2026 auprès de 1 106 adultes actifs américains, avec des estimations pondérées sur la population active américaine (Ipsos, 2026). L'échantillonnage probabiliste compte ici : il ne s'agit pas d'un panel volontaire d'enthousiastes de l'IA venus vous dire à quel point leurs outils sont transformateurs.
Le chiffre d'accroche, c'est les 20 %. La matière se trouve dans la ventilation par tâche. Les salariés signalent que l'IA reprend du travail auparavant délégué à des humains surtout dans l'analyse de données (7,1 %), la lecture de documents de travail (5,7 %) et la tenue des registres (5,3 %) (Epoch AI, 2026).
Relisez cette liste avec un œil d'opérationnel. Ce ne sont ni des tâches créatives ni des expérimentations marginales. Ce sont exactement les catégories qu'une entreprise de 200 personnes confie couramment à un analyste junior, à un intérimaire, à une équipe offshore ou à un chercheur indépendant. Ce sont aussi, presque sans exception, des tâches dont la production sert à quelqu'un d'autre en aval.
Un dernier chiffre issu de la même enquête, et c'est celui qui devrait retenir votre attention : sur l'ensemble des tâches assistées par l'IA, 66 % des productions ont été utilisées inchangées ou avec de simples retouches mineures, contre 5 % substantiellement retravaillées ou refaites.
Une décision make-or-buy sans aucune demande d'achat
Toute organisation dispose d'un processus pour décider si le travail se fait en interne ou s'achète à l'extérieur. Il est lent pour une raison. Quelqu'un cadre le besoin, quelqu'un le chiffre, quelqu'un vérifie si le prestataire vaut quelque chose, et quelqu'un répond du résultat.
Ce que décrivent les données d'Epoch, c'est cette même décision, prise à l'échelle individuelle, dans le temps qu'il faut pour ouvrir une fenêtre de conversation.
Le salarié ne fait rien de mal. De là où il se trouve, c'est de l'initiative : le rapport qui demandait quatre jours d'allers-retours avec un prestataire prend désormais un après-midi. Il est récompensé précisément pour cela. Aucune politique interne ne lui a dit que réaffecter une tâche d'un humain vers un modèle relève d'une catégorie de décision différente du simple choix d'une manière plus rapide de faire son propre travail.
C'est pourtant une catégorie différente, pour une raison structurelle. Quand vous déléguez à une personne, vous obtenez un second cerveau sur le problème, que vous l'ayez demandé ou non. Les prestataires posent des questions de clarification. Les analystes juniors signalent les données qui semblent fausses. Les collègues objectent quand une demande n'a pas de sens. Cette friction n'est pas un défaut de la délégation humaine — c'est un mécanisme de contrôle qualité non facturé qui venait avec.
Déléguez la même tâche à un modèle et la friction disparaît. Le modèle ne demande pas pourquoi la requête est étrange. Il répond.
Le point de contrôle a disparu au moment même où le travail s'est déplacé
Mettez les 20 % et les 66 % côte à côte et le risque devient concret. Le travail passe des humains aux modèles au moment même où deux tiers de la production des modèles partent sans révision significative. La tâche a changé de mains et l'étape d'inspection est partie avec le propriétaire précédent.
Ce dommage n'est pas hypothétique. L'étude 2026 d'Adaptavist 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). La correction a bien lieu — elle s'est simplement déplacée d'un point de passage défini vers quiconque a la malchance de se trouver en aval.
Des travaux de BetterUp Labs et du Stanford Social Media Lab ont chiffré ce déplacement : environ 40 % des employés de bureau américains déclarent avoir reçu du « workslop » généré par l'IA au cours du mois précédent, avec environ deux heures nécessaires pour résoudre chaque incident, que les chercheurs ont valorisées à près de 186 dollars par salarié et par mois (BetterUp Labs, 2026).
Deux heures par incident, absorbées par un collègue, consignées nulle part.
Il y a un pli distributif qui mérite d'être nommé. Les trois catégories de tâches où le phénomène apparaît le plus — analyse de données, lecture de documents, tenue des registres — se concentrent exactement dans les fonctions qu'une opération de taille intermédiaire tend à maintenir les plus dégarnies : support financier, coordination opérationnelle, administration de la conformité. Ce sont les postes où une seule personne est souvent le processus, et où un prestataire jouait historiquement le rôle de soupape. Quand la soupape est remplacée par un modèle et que personne ne redéfinit qui relit la production, la défaillance ne s'annonce pas progressivement. Elle s'annonce sous la forme d'un seul chiffre faux dans un document de conseil d'administration.
Voilà la forme du problème. Les gains sont captés par la personne qui a délégué au modèle et lui sont visibles. Le coût est payé par celle qui reçoit la production et n'est visible de personne. La productivité nette peut être plate ou négative alors que chaque personne impliquée déclare honnêtement aller plus vite.
Pourquoi votre modèle de capacité est désormais faux dans une direction non enregistrée
C'est ici que le sujet cesse d'être une question de gouvernance pour devenir un problème d'exploitation.
Si une part significative de votre équipe a discrètement détourné des tâches loin des prestataires et des collègues, plusieurs de vos données de planification mesurent désormais autre chose que ce que vous croyez.
Une baisse des dépenses de prestation se lit comme de la rigueur. Ce peut être de la rigueur. Ce peut aussi être une substitution de travail non relu. Les deux ont des signatures identiques au compte de résultat et des implications opposées en matière de risque.
Le volume des passages de relais internes chute. Moins de tickets, moins de demandes entre équipes, des délais de cycle plus courts sur le papier. Une partie est réelle. Une partie, c'est du travail qui a cessé d'être transmis parce qu'il a cessé d'être vérifié.
Les modèles d'effectifs dérivent. Si vous planifiez les recrutements de l'an prochain sur la charge de travail observée cette année, et que cette charge a été silencieusement absorbée par des modèles avec un taux de livraison inchangée de 66 %, vous extrapolez à partir d'une base qui contient déjà une dette de qualité non mesurée.
Entre 50 et 500 salariés, cela mord plus fort qu'à l'échelle des grands groupes. Une grande organisation dispose de points de contrôle achats, d'une fonction de gestion des fournisseurs et d'une instrumentation des processus suffisante pour qu'un changement dans la manière dont le travail est approvisionné finisse par apparaître dans le rapport de quelqu'un. Une opération de taille intermédiaire dispose d'un Head of Operations, d'un responsable financier et d'une série de tableurs bâtis sur l'hypothèse que le travail est fait par les personnes figurant à l'organigramme.
Personne ne fait quoi que ce soit de visiblement fautif. C'est exactement pour cela que le phénomène persiste.
Ce que ces données ne disent pas
Trois limites, énoncées clairement, parce qu'un plan bâti sur une surinterprétation de ces chiffres échouera.
Vingt pour cent n'est pas vingt pour cent de votre charge de travail. Le chiffre est la part de salariés signalant au moins une tâche de ce type, pas la part de tâches ou d'heures déplacées. Les chiffres par tâche — 7,1 %, 5,7 %, 5,3 % — donnent une meilleure idée des volumes, et ils tiennent en un seul chiffre.
Livré inchangé n'est pas synonyme de faux. Le chiffre de 66 % vous dit que l'intensité de relecture a baissé, pas que la production est défectueuse. Pour une mise à jour de registre de routine, inchangé peut être parfaitement correct. Le problème, c'est que le taux de relecture est désormais uniforme sur des types de tâches où le coût de l'erreur, lui, ne l'est pas du tout.
L'auto-déclaration a des limites connues. Les salariés peuvent ne pas se rappeler avec exactitude si une tâche serait auparavant partie chez un prestataire. L'échantillonnage probabiliste contrôle qui a été interrogé, pas la qualité du souvenir des scénarios contrefactuels.
Rien de tout cela ne change la conclusion opérationnelle. Même dans la lecture la plus prudente, du travail est approvisionné par un mécanisme que votre planification de capacité n'observe pas, et le contrôle qualité qui était autrefois gratuit a disparu.
Instrumenter la délégation de tâches à l'IA dès ce trimestre
Le remède, c'est de la discipline de mesure, pas une note de service. Quatre gestes, dont aucun n'exige de dépense nouvelle.
Posez la question directement, une fois. Lors de votre prochaine revue d'équipe, posez à chaque fonction une seule question : quelles tâches avons-nous cessé d'envoyer à un prestataire, à un service partagé ou à une autre équipe ces six derniers mois, et où sont-elles parties ? Vous aurez la réponse en un après-midi. Les données d'Epoch indiquent qu'environ une personne sur cinq chez vous en a une.
Instrumentez la réaffectation, pas les connexions. Les indicateurs d'adoption qui comptent les licences et les sessions sont structurellement incapables de détecter cela. Suivez ce qui bouge quand le travail est réattribué : volume de factures prestataires par catégorie, nombre de demandes inter-équipes et incidents de reprise. Le Digital Economy Lab de Stanford défend le même argument sur la mesure de l'IA au niveau de la tâche plutôt qu'au niveau de l'outil (Stanford Digital Economy Lab, 2026).
Rattachez le point de contrôle là où la délégation entre pairs en fournissait un. C'est l'action à plus forte valeur et la moins coûteuse. Classez les tâches selon le coût d'une erreur non détectée, pas selon la présence ou non d'IA. Pour l'ensemble à coût élevé, nommez explicitement un relecteur. La délégation humaine fournissait ce relecteur gratuitement ; la délégation à un modèle ne le fait pas, et il faut le réinstaurer délibérément.
Faites de la réaffectation de tâche un événement déclarable. Pas un processus d'approbation — une déclaration. Quand quelqu'un déplace une tâche récurrente d'une personne vers un modèle, cela se note au même endroit qu'un changement d'effectif ou de fournisseur. Une ligne, sans cérémonie. La visibilité est tout l'objectif.
La décision qui vous attend ce trimestre est étroite et binaire. Soit vous savez nommer la délégation de tâches à l'IA qui a déjà eu lieu dans votre organisation — quel travail est passé d'un humain à un modèle, et qui le vérifie désormais — soit vous ne le savez pas. Si vous ne le savez pas, vous ne pilotez pas une opération allégée. Vous en pilotez une dont la véritable structure de coûts et l'exposition qualité sont fixées, tâche après tâche, par des gens à qui personne n'a jamais dit qu'ils prenaient cette décision.
