Même modèle. Mêmes quinze minutes. Même tâche. Déplacez cette fenêtre de la première moitié de l'heure vers la seconde, et la créativité évaluée par des experts chute de 0,62 écart-type (Huang, Yu, Chen & Zhou, 2026). Rien n'a changé dans l'outil — seul le moment où l'équipe a été autorisée à y toucher. Ce résultat fait du calendrier d'accès à l'IA une décision de configuration au prix mesurable, et dans la plupart des entreprises c'est une décision que personne n'a prise : l'assistant est simplement actif, en permanence, pour tout le monde.
L'étude est une expérience de laboratoire préenregistrée portant sur 148 équipes de trois personnes (444 participants), réparties aléatoirement entre cinq calendriers d'accès au même modèle de langage pendant une tâche de design produit de 40 minutes. La tâche comportait une phase de recherche de 15 minutes, une phase de sélection de 15 minutes et une phase de développement. Le point de décision — les auteurs l'appellent the screen, le filtre — tombait à la minute 15 dans toutes les conditions.
Ce que l'expérience a réellement déplacé
Cinq conditions : l'assistant pendant la recherche seulement, pendant la sélection seulement, tout du long, jamais, et pendant la recherche avec un avertissement permanent sur la dépendance excessive. La plateforme imposait chaque fenêtre, et la totalité des 2 124 requêtes enregistrées est tombée dans la fenêtre assignée. L'assistant était un modèle unique (DeepSeek V3.2) à température 0,1. Quatre évaluateurs ayant de cinq à dix ans d'expérience sectorielle ont noté chaque livrable en aveugle.
Le contraste principal oppose l'accès en phase de recherche à l'accès en phase de sélection : 0,356 point sur l'échelle de notation, IC 95 % [0,064, 0,648], Welch p = 0,018, que les auteurs rapportent comme 0,62 écart-type. Il survit à leur correction préenregistrée de Benjamini-Hochberg sur les huit contrastes.
Face au groupe témoin sans IA, le schéma se précise :
| Condition | Gain vs. sans IA | valeur p |
|---|---|---|
| Accès pendant la recherche | +0,486 point | 0,002 |
| Accès tout du long | +0,479 point | 0,002 |
| Accès pendant la sélection seulement | +0,130 point | 0,43 |
Deux éléments de ce tableau méritent une seconde lecture. D'abord, l'accès tardif n'a produit aucun gain mesurable — mais il n'a pas rendu les équipes moins bonnes que l'absence totale d'IA. Les auteurs sont explicites : ils ne trouvent aucune preuve directe d'une pénalité ; le coût est une prime manquée, non un dommage. Ensuite, ajouter l'accès en phase de sélection par-dessus l'accès en phase de recherche n'a rien apporté : le continu contre le précoce seul donne −0,007 point. Tout le rendement se trouvait dans la première fenêtre.
Pourquoi le calendrier d'accès à l'IA décide du rendement
Les journaux de la plateforme localisent le mécanisme avec précision, et il ne s'agit ni d'effort ni de taux d'usage. Les équipes ont utilisé le modèle à des taux similaires dans toutes les conditions.
Les équipes à accès précoce sont arrivées au point de décision avec 19,8 idées distinctes consignées par écrit, contre 3,9 pour les équipes sans IA — un réservoir cinq fois plus grand. L'essentiel venait de la machine (18,6 idées), et les idées propres des équipes sont en fait passées de 3,9 à 1,3. L'assistant a remplacé une partie de leur idéation tout en multipliant le réservoir. Puis elles ont élagué : environ un tiers des idées rassemblées (32 %) a reparu dans le livrable, la même proportion que les équipes sans IA, et les livrables comptaient 2,9 propositions.
Toute l'histoire est là. Un réservoir large, puis un filtre humain, puis un engagement resserré.
Les équipes à accès tardif ont atteint le même point de décision avec 3,8 idées — statistiquement identiques aux 3,9 du témoin, exactement comme la randomisation l'implique. Puis on leur a confié le modèle, et elles ne l'ont pas utilisé pour choisir. Elles l'ont utilisé pour chercher à nouveau. À fenêtre, prompt système et modèle constants — accès tardif contre accès continu, la comparaison propre — les équipes à accès tardif ont consacré 29 % de leurs requêtes de phase de sélection à générer de nouvelles options, contre 11 % pour les équipes qui avaient déjà eu l'assistant pendant la recherche.
La conséquence apparaît dans ce qui a survécu. Seuls 5 % du texte livré par les équipes à accès tardif existaient avant le point de décision, contre 22 % pour les équipes sans IA et 71 % pour les équipes à accès précoce. Les options tardives ne se sont pas ajoutées à l'ensemble filtré. Elles l'ont remplacé. La similarité par plongements de phrases donne le même schéma : il ne s'agit donc pas de l'assistant reformulant ce que les équipes avaient déjà.
Des options qui n'ont jamais rencontré l'équipe
Un détail mérite d'être signalé à quiconque gère un processus de revue. Parmi les équipes à accès tardif, le matériel issu de la machine est entré dans les livrables sans jamais avoir été partagé avec les coéquipiers dans 9,6 % des cas, contre 3,9 % en accès précoce. Lorsque les auteurs tiennent constant le type de requête, la plupart des écarts entre les deux conditions se réduisent et perdent leur significativité — mais l'adoption non partagée survit. Tard dans une tâche, une décision en suspens, la production part directement dans le livrable sans passer devant une seconde paire d'yeux.
C'est le même échec que mesure la verification tax sur le terrain : 52 % des travailleurs corrigent régulièrement du travail généré par l'IA produit par des collègues, et 42 % passent plus de temps à vérifier la production de l'IA qu'ils n'en gagnent à l'utiliser (Adaptavist, 2026). La production non filtrée ne disparaît pas. Elle devient le problème de filtrage de quelqu'un d'autre, un cran plus loin en aval.
L'accès tardif a acheté de la largeur, et la largeur n'est pas de la qualité
Les équipes à accès tardif n'ont pas été inactives. Elles ont produit davantage. Les propositions par livrable ont augmenté de 1,53 par rapport au témoin (SE 0,54, p = 0,005) — une hausse de 73 % sur la moyenne témoin de 2,10 propositions, et le double de la hausse en accès précoce.
Les évaluateurs humains ne l'ont pas récompensé. Toutes équipes confondues, chaque proposition supplémentaire était associée à une note inférieure de 0,179 point. Plus d'options sont arrivées et la qualité par option a baissé, ce à quoi il faut s'attendre quand un budget de développement fixe se répartit sur davantage de candidats.
Voilà la forme du problème pour un opérationnel : l'accès tardif à l'IA augmente de façon fiable la production visible et échoue de façon tout aussi fiable à augmenter la qualité évaluée. Si votre tableau de bord compte des artefacts, l'accès tardif ressemble à une victoire.
L'objection honnête : ce résultat contient une règle de notation
Les auteurs formulent eux-mêmes l'objection, et c'est la partie la plus utile de l'article. Créditez la largeur, et le verdict se déplace.
Ajoutez γ points par proposition à la note de chaque équipe, et l'avantage du précoce sur le tardif passe de 0,356 à γ = 0 à 0,279 à γ = 0,1, puis 0,203 à γ = 0,2 (p = 0,076), et s'évanouit entièrement à γ = 0,46. Avec un crédit de seulement 0,1 point par proposition, l'accès tardif dépasse le témoin sans IA. L'accès précoce mène aussi de 0,356 sur la proposition moyenne, de 0,221 sur la meilleure proposition, et s'inverse sur le total — les équipes à accès tardif cumulent davantage de points.
L'énoncé honnête est donc conditionnel : si ce qu'il vous faut est un engagement solide unique, donnez l'assistant à l'équipe avant le filtre. Si ce qu'il vous faut est un éventail large d'options à porter plus loin, l'accès tardif n'est pas un mode de défaillance. L'erreur est de ne pas choisir. Un assistant toujours actif règle ce paramètre par défaut, et le défaut est le réglage coûteux pour le travail d'engagement.
Trois limites supplémentaires doivent figurer dans toute synthèse interne de cette étude. Les participants étaient 444 étudiants universitaires en Chine, âge moyen 21,6 ans, sur une tâche structurée de 40 minutes avec un modèle unique — les auteurs déclarent franchement que leur protocole « échange l'étendue du cadre contre une identification propre ». Le protocole avait la puissance pour d ≈ 0,74 et a trouvé g = 0,62 : ce n'est donc pas un effet estimé avec précision, même s'il survit à la correction. Et la comparaison précoce-contre-tardif porte un facteur de confusion de prompt que les auteurs divulguent : le prompt système était défini par phase, l'assistant de recherche avait donc pour consigne de générer et celui de sélection d'affiner. La comparaison qui tient constants prompt, fenêtre et modèle est l'accès tardif contre l'accès continu — c'est-à-dire le résultat 29 % contre 11 %, et il pointe dans la même direction.
Votre évaluateur IA ne le détectera pas
Voici le résultat qui devrait changer un processus plutôt qu'une opinion.
Chaque proposition a également été notée par dix modèles de langage de pointe issus de cinq familles de modèles, selon la même grille que les experts humains. Le panel était cohérent en interne et ses notes d'équipe corrélaient à 0,61 avec celles du panel humain. Il a correctement détecté le bénéfice brut de l'accès à l'IA, plaçant chaque condition d'accès de 0,58 à 1,41 écart-type au-dessus du témoin.
Il n'a pas vu du tout le coût du calendrier. Le contraste précoce-contre-tardif valait 0,59 écart-type selon les notes humaines (p = 0,019) et −0,08 selon le panel de modèles (p = 0,77). En excluant le modèle le plus proche de l'assistant il reste à −0,10 ; en excluant les deux modèles DeepSeek il reste à −0,08 : il ne s'agit donc pas d'une préférence pour soi. L'aveuglement apparaît sur chaque dimension — originalité, pertinence, élaboration, qualité du texte — là où les experts humains voyaient des écarts de 0,5 à 0,7 SD.
Une partie de l'explication est mécanique. Les évaluateurs humains retiraient 0,179 point par proposition supplémentaire ; le panel de modèles n'en retirait que 0,063. Le panel n'a pas valorisé la largeur comme les experts, et la largeur est précisément ce que l'accès tardif a produit.
La phrase des auteurs est celle à emporter en comité de pilotage : une organisation qui évalue le travail assisté par IA avec des juges IA « verra que l'assistance aide, mais pas que son calendrier compte ».
Ce n'est pas un résultat isolé sur une seule grille. Les couches d'évaluation sont des instruments de mesure dotés de propriétés propres, et elles dérivent : dans une étude longitudinale sur la revue de production d'agents, un évaluateur plus sévère arrivé en mai a noté des lots identiques 0,79 SD plus bas et a aplati, dans les données brutes, une réelle tendance d'amélioration de 0,53 SD (Effets d'évaluateur dans l'évaluation d'agents, 2026). Que votre juge soit humain ou un modèle, il doit être calibré sur quelque chose avant que vous le laissiez noter un déploiement.
Un parallèle mérite d'être relevé du côté des compétences. Dans un essai randomisé de trois mois auprès de 133 avocats en brevets, l'accès à l'IA a relevé la qualité du travail livré de 0,38 SD à 90 jours — et lorsque l'outil a été retiré, l'avantage conservé se concentrait chez les avocats seniors à 0,45 SD tandis que les juniors n'affichaient aucun gain moyen (Autor et al., NBER w35720, 2026). Qualité livrée et jugement sous-jacent se sont dissociés. L'étude sur le calendrier donne la même leçon un étage plus haut : l'artefact semble correct alors que le processus qui aurait dû le produire n'a pas tourné.
Ce qu'un Head of Operations devrait faire ce trimestre sur le calendrier d'accès à l'IA
Quatre gestes concrets, par ordre de coût.
- Trouvez vos filtres et consignez-les. Pour vos deux ou trois flux de travail récurrents les plus sensibles, nommez le moment où l'ensemble des options se referme et où l'engagement commence. La plupart des équipes ne savent pas le situer, et c'est la condition préalable d'un mauvais calendrier d'accès.
- Décidez, flux par flux, si vous achetez de la profondeur ou de la largeur. C'est la question γ rendue concrète. Le travail d'engagement — une proposition, un fournisseur, un plan — veut l'assistant avant le filtre. Le travail d'éventail le veut après. Inscrivez la réponse dans la définition du flux au lieu de la laisser à quiconque ouvre une fenêtre de chat.
- Restreignez l'usage de l'IA après le filtre au développement, pas à la génération. L'écart 29 % contre 11 % est la défaillance mesurable. Là où la première contribution de l'assistant arrive nécessairement tard, exigez que la production tardive soit comparée à ce qui a déjà été choisi au lieu de le concurrencer sans filtre.
- Validez votre évaluateur avant de faire confiance à un verdict. Notez un lot à la fois avec votre juge automatisé et avec deux humains expérimentés, et comparez les contrastes qui vous importent vraiment — pas seulement l'accord global. Un panel qui corrèle à 0,61 sur les niveaux peut tout de même rendre −0,08 sur la comparaison qui compte.
Les points trois et quatre sont des questions de configuration, non de formation, et c'est pourquoi une gouvernance par tâche vaut mieux qu'une politique générale. Là où ce travail se déroule sur une plateforme plutôt que dans un document, les contrôles pertinents sont ceux qui se situent au niveau de l'action individuelle : les Digital Employees de Scovai sont confirm-first par défaut, avec une autonomie acquise par type d'action à partir d'un registre d'approbations journalisé et une occupancy définie par poste, de sorte que « l'assistant peut développer une option retenue mais ne peut pas en ouvrir une nouvelle après le point de décision » devient un réglage appliqué avec une piste d'audit, et non une ligne dans un manuel que personne ne lit à la minute 22.
Notez ce que rien de tout cela n'exige. Aucun nouvel outil, aucune nouvelle ligne budgétaire, aucune migration de modèle. L'expérience a changé un paramètre que votre entreprise règle déjà par accident, chaque jour, dans chaque flux de travail où quelqu'un a une fenêtre de chat ouverte.
Choisissez votre décision récurrente la plus sensible de ce trimestre et posez-vous une seule question : l'IA arrive-t-elle avant le filtre, ou après ? Si personne ne sait répondre, vous ne menez pas un pilote d'IA. Vous faites tourner la condition coûteuse par défaut — et si un juge IA la note, rien dans vos rapports ne vous le dira jamais.