Les entreprises de la tech commencent à imposer l'utilisation de l'IA : les GAFAM surveillent désormais l'utilisation de l'IA par leurs employés dans le cadre des évaluations de performance

Les entreprises de la tech commencent à imposer l'utilisation de l'IA à leurs employés : Microsoft, Google, Meta et Amazon surveillent désormais l'utilisation de l'IA par leurs employés
dans le cadre des évaluations de performance

Les grandes entreprises technologiques ne se contentent plus d'encourager leurs salariés à adopter l'intelligence artificielle. Elles les y contraignent, sous peine de conséquences sur leurs évaluations de performance, leurs primes et leurs perspectives de promotion. Amazon, Google, Meta, Microsoft et Salesforce ont toutes franchi le pas d'un simple soutien à une véritable politique d'obligation numérique. Derrière la rhétorique de la productivité et de la compétitivité, une question fondamentale émerge : sommes-nous en train d'assister à la naissance d'un nouveau taylorisme algorithmique ?

Pendant des mois, le discours dominant dans les grandes entreprises technologiques se voulait rassurant : l'intelligence artificielle était présentée comme un outil parmi d'autres, mis à la disposition des équipes pour les aider à travailler mieux et plus vite. Les directions se félicitaient de leur approche volontariste, distribuant accès aux outils et formations, sans systématiquement brandir de menaces. Ce temps est désormais révolu.

Des entreprises technologiques allant de startups de 300 personnes aux géants comme Amazon, Google, Meta, Microsoft et Salesforce ont désormais dépassé le stade de l'encouragement à l'utilisation de l'IA : elles suivent activement l'adoption et, dans plusieurs cas, l'intègrent dans les évaluations de performance.

Le signal le plus fort est venu de Meta. La société a annoncé que « l'impact piloté par l'IA » deviendrait une attente centrale pour tous les employés à partir de 2026, s'appliquant à tous les rôles, des ingénieurs aux spécialistes marketing. La direction des ressources humaines, sous l'impulsion de Janelle Gale, responsable des équipes People de Meta, a envoyé une note interne expliquant que les employés qui atteignaient un « impact exceptionnel piloté par l'IA » seraient récompensés, tandis que ceux qui ignoreraient la technologie risquaient des évaluations défavorables. Pour accompagner ce mandat, Meta a développé un outil de gamification interne appelé « Level Up », qui récompense les salariés avec des badges au fur et à mesure qu'ils atteignent des étapes dans leur adoption de l'IA.

À ce propos, Business Insider notait en octobre :

« Chez Meta, les ingénieurs et les employés sont incités à expérimenter les chatbots grâce à des jeux et des badges. Leurs performances sont également suivies sur des tableaux de bord et, dans certains cas, comparées à des objectifs d'adoption précis. Google surveille le nombre d'heures de productivité supplémentaires que ses ingénieurs gagnent chaque semaine grâce aux outils d'IA et encourage ses employés à tester de nouveaux outils. Microsoft cherche à intégrer l'utilisation de l'IA dans les évaluations de performance. D'autres entreprises acquièrent des logiciels pour contrôler si leurs employés utilisent suffisamment l'IA.

« Pour inciter ses employés à adopter l'IA, Meta a lancé en début d'année un programme volontaire intitulé "Level Up" qui transforme l'adoption de l'IA en jeu. Ce jeu vise à familiariser les employés avec les outils d'IA et est accessible via son chatbot interne, Metamate. Les employés sont récompensés par des badges à mesure qu'ils atteignent différents niveaux d'utilisation. Trois fournisseurs de logiciels de suivi des employés ont précédemment indiqué avoir constaté une forte augmentation de la demande de suivi de l'utilisation de l'IA par les employés au cours des deux dernières années. »

Chez Amazon Web Services, l'approche est encore plus granulaire. Les responsables disposent de tableaux de bord montrant l'utilisation individuelle des outils d'IA par chaque ingénieur, et prennent en compte cette adoption lors de l'évaluation des promotions. Le système porte même un nom interne : Clarity. Google, de son côté, intègre pour la première fois cette année l'utilisation de l'IA dans les évaluations de certains ingénieurs logiciels.

« Nous utilisons la carotte et le bâton », explique Seth Besmertnik, PDG de Conductor, une startup de marketing numérique de 300 personnes. « La seule façon pour une entreprise de prospérer est que tous ses employés possèdent un haut niveau de compétences. » Début 2020, Besmertnik a commencé à intégrer l'IA aux évaluations de performance de toute son entreprise. Les employés reçoivent une note de compétences en IA de 1 à 5, la note maximale étant attribuée aux personnes qui créent des systèmes améliorant le flux de travail de leurs collègues. Il a également créé une nouvelle récompense*: la personne qui conçoit le processus le plus efficace basé sur l'IA remporte une bourse de plusieurs milliers de dollars pour des vacances.


Le retour des métriques absurdes

L'une des dimensions les plus préoccupantes de cette tendance concerne les indicateurs retenus pour mesurer l'adoption. Le nouveau système d'évaluation de la performance de Meta sera capable de suivre le nombre de lignes de code qu'un ingénieur a écrites avec l'assistance de l'IA.

Les praticiens du développement logiciel ont immédiatement reconnu l'absurdité de cette démarche. Le nombre de lignes de code comme indicateur de productivité est une idée largement discréditée depuis les années 1990. L'histoire de l'informatique regorge d'exemples célèbres : la réduction du nombre de lignes de code est souvent le signe d'une meilleure conception logicielle, pas d'un manque de travail. Chez Apple en 1982 déjà, l'ingénieur Bill Atkinson était crédité de « -2000 lignes de code » dans les rapports internes, parce qu'il avait réussi à optimiser un composant graphique de QuickDraw en supprimant du code redondant — ce qui était en réalité une performance remarquable.

En intégrant des métriques d'utilisation de l'IA basées sur la quantité de code généré, les entreprises créent mécaniquement une incitation à produire du code verbeux et inutilement volumineux. Les développeurs qui souhaitent satisfaire aux indicateurs sans réellement changer leur méthode de travail ont déjà trouvé des parades : certains utilisent les outils de génération de code comme un simple système d'auto-complétion avancé, en acceptant puis en supprimant les suggestions, ce qui suffit à gonfler les métriques sans modifier substantiellement le processus. D'autres configurent des tâches automatiques pour consommer des tokens d'API sans aucune valeur productive. La loi de Goodhart, formulée dans les années 1970 par l'économiste britannique Charles Goodhart — « quand une mesure devient un objectif, elle cesse d'être une bonne mesure » — s'applique ici avec une précision chirurgicale.

La pression sociale et la menace voilée

Au-delà des métriques, le discours des dirigeants révèle une pression bien plus diffuse. Le PDG d'Autodesk, Andrew Anagnost, a reconnu que certains employés utilisaient furtivement des outils de développement comme Cursor, qui avaient initialement été bloqués, et a averti que ceux qui résistaient à l'IA « ne survivraient probablement pas à long terme ».

Cette formulation est exemplaire d'une communication patronale qui cherche à normaliser l'adoption de l'IA en diabolisant la résistance, sans jamais assumer clairement les conséquences disciplinaires qui en découleront. Les ingénieurs qui refusent ou peinent à adopter ces outils ne sont pas menacés de licenciement explicite — ils sont simplement avertis qu'ils ne « survivront » pas. La pression est réelle, mais suffisamment abstraite pour échapper aux catégories juridiques habituelles de la discrimination professionnelle.

Environ 42 % des travailleurs du secteur technologique déclaraient en octobre dernier que leur manager direct attendait d'eux l'utilisation de l'IA dans le travail quotidien, contre 32 % huit mois auparavant. L'augmentation est significative, et la tendance ne semble pas près de s'inverser.

Le paradoxe de la productivité

L'argument central invoqué par les entreprises pour justifier ces politiques est celui de la productivité. L'IA permettrait aux développeurs d'écrire du code plus rapidement, de résoudre des problèmes plus efficacement et de se concentrer sur des tâches à plus haute valeur ajoutée. Les études d'impact sont pourtant nettement moins univoques que ne le laissent entendre les directions.

Un sondage ManpowerGroup 2026 Global Talent Barometer a constaté que si l'utilisation régulière de l'IA par les travailleurs avait augmenté de 13 % en 2025, leur confiance dans l'utilité réelle de la technologie avait simultanément chuté de 18 %. Autrement dit, les salariés utilisent davantage l'IA mais lui font de moins en moins confiance. Une enquête distincte auprès de 6 000 dirigeants a révélé que plus de 80 % des entreprises n'avaient enregistré aucun gain de productivité mesurable à partir de l'IA, malgré des investissements se chiffrant en milliards

Ces chiffres sont d'autant plus troublants que les géants de la tech sont en train d'engager des sommes colossales dans cette course à l'armement technologique. Amazon, Meta, Microsoft et Alphabet sont sur la trajectoire d'une dépense cumulée de 650 milliards de dollars dédiés à l'IA en 2026. Face à de tels investissements, la pression pour justifier la valeur de l'IA auprès des actionnaires est immense — ce qui explique en partie pourquoi les directions cherchent à imposer l'adoption plutôt qu'à la laisser émerger naturellement.

Les ingénieurs séniors, premières victimes des métriques aveugles

Les études sur le sujet pointent vers une réalité contre-intuitive : l'IA générative est souvent moins utile pour les ingénieurs les plus expérimentés. Les profils juniors, qui manquent de contexte et de bases solides dans certains domaines, peuvent effectivement gagner en vitesse d'exécution grâce aux assistants de code. Les ingénieurs séniors, eux, travaillent souvent sur des problèmes suffisamment complexes, spécifiques et mal documentés pour que les modèles de langage soient peu pertinents.

En imposant des métriques d'adoption indifférenciées à l'ensemble de leurs équipes, les entreprises risquent d'inverser leur avantage compétitif : pénaliser les ingénieurs les plus expérimentés — précisément ceux dont les jugements permettent d'éviter les erreurs d'architecture coûteuses — au profit de profils qui génèrent du code rapidement mais sans nécessairement en comprendre les implications techniques profondes.

La question de la dette technique est à cet égard centrale. Le code généré par les LLM est fonctionnel dans l'immédiat, mais il n'est pas nécessairement maintenable ni évolutif. Intégré massivement sans relecture critique, il peut constituer une bombe à retardement pour les bases de code des grandes entreprises, qui devront dans quelques années consacrer des ressources importantes à le refactoriser ou à en comprendre les subtilités. Les développeurs qui acceptent aveuglément les suggestions de l'IA pour satisfaire aux métriques accélèrent peut-être leur évaluation de performance de court terme au détriment de la santé technique à long terme de leur entreprise.

La question des droits et de la confidentialité

Une dimension souvent négligée de ce débat concerne la nature même des données qui transitent par ces outils d'IA. Chaque prompt envoyé à GitHub Copilot, Cursor ou aux équivalents internes de Google et Meta contient potentiellement des informations sensibles sur le code propriétaire de l'entreprise, ses architectures internes, voire ses données clients. En forçant l'adoption de ces outils, les directions exposent mécaniquement leur propriété intellectuelle à des systèmes tiers dont les conditions de traitement des données méritent examen.

La réponse habituelle des fournisseurs — les données professionnelles ne sont pas utilisées pour entraîner les modèles — est contractuellement encadrée dans la plupart des offres entreprise, mais elle repose sur la confiance accordée à des acteurs dont le modèle économique a précisément été construit sur la valorisation des données. Les entreprises qui imposent l'IA à leurs ingénieurs sans avoir préalablement évalué les implications en matière de confidentialité et de propriété intellectuelle prennent un risque réglementaire non négligeable, particulièrement dans le contexte du RGPD européen.

Vers un dialogue social sur l'IA au travail ?

La question de l'introduction contrainte de l'IA dans les processus de travail ne devrait pas rester une prérogative exclusive des directions d'entreprise. En Europe notamment, les instances représentatives du personnel disposent souvent de droits d'information et de consultation sur l'introduction de nouvelles technologies susceptibles d'affecter les conditions de travail. L'intégration de l'usage de l'IA dans les critères d'évaluation de performance constitue une modification substantielle des modalités d'appréciation des salariés — un terrain sur lequel les partenaires sociaux ont légitimement leur mot à dire.

Les développeurs, de leur côté, ne manquent pas d'imagination pour résister à des métriques qu'ils jugent arbitraires. Les anecdotes se multiplient sur des forums spécialisés : certains ont mis en place des scripts automatisés pour consommer des tokens sans aucune valeur productive, d'autres utilisent les outils de manière superficielle pour satisfaire aux tableaux de bord tout en continuant à travailler comme avant. Ce jeu du chat et de la souris entre management et ingénieurs illustre une tension profonde : quand les indicateurs de performance se déconnectent de la réalité du travail, les salariés optimisent pour les indicateurs, pas pour la qualité.

La véritable transformation que cherchent ces entreprises — une intégration profonde et bénéfique de l'IA dans les pratiques de développement — ne peut pas s'obtenir par décret. Elle requiert une pédagogie, un accompagnement, et surtout une écoute des réticences légitimes que les professionnels expriment face à des outils dont les limites sont réelles et documentées.

Sources : Meta, LinkedIn, Fortune

Et vous ?

Quelle lecture faites-vous de ce virage ? Êtes-vous surpris ? Qu'est-ce qui pourrait l'expliquer selon vous ?

L'intégration de l'usage de l'IA dans les critères d'évaluation de performance constitue-t-elle une avancée managériale légitime ou un détournement des outils d'appréciation professionnelle ?

Les métriques actuellement retenues (lignes de code générées par IA, tokens consommés) sont-elles fondamentalement inadaptées à la mesure de la qualité du travail d'un ingénieur, et comment pourrait-on en concevoir de meilleures ?

Le fait de forcer l'adoption de l'IA risque-t-il à terme de produire l'effet inverse de celui recherché, en dégradant la qualité des bases de code et en évinçant les profils les plus seniors et les plus critiques ?

Cette tendance a-t-elle des chances de se propager en Europe ? Dans quelle mesure les instances représentatives du personnel, en France et en Europe, devraient-elles être consultées sur ces nouvelles politiques d'adoption forcée de l'IA ?

Voir aussi :

L'utilisation de l'IA au travail a augmenté, avec un taux d'utilisation de 77 % dans le secteur technologique, qui est le plus susceptible d'utiliser l'IA dans le cadre de ses activités, selon Gallup

Les investisseurs s'attendent à une explosion de l'utilisation de l'IA. Ce n'est pas le cas : la part des travailleurs utilisant l'IA au travail est en baisse et les profits se font attendre

700 milliards $ investis et pourtant l'IA n'a quasiment rien apporté à la croissance économique américaine l'an dernier, selon Goldman Sachs. L'IA enrichit Taiwan et la Corée du Sud, pas les États-Unis