Quand l’IA épuise la culture

Un nombre croissant de directions des ressources humaines doivent « gérer » la transformation rapide du travail par l’intelligence artificielle (IA). Au Québec, l’Institut de recherche Robert-Sauvé en santé et en sécurité du travail relève déjà des enjeux d’insécurité d’emploi, de risques psychosociaux, de compétences et de gouvernance liés à cette transformation (De Serres & Marchand, 2025). Mal encadrée, l’IA peut accroître les exigences psychologiques et fragiliser les conditions qui soutiennent la santé psychologique au travail.

Un risque qui dépasse la charge de travail

L’Organisation mondiale de la Santé définit l’épuisement professionnel comme le résultat d’un stress chronique au travail mal géré, caractérisé par l’épuisement, le cynisme et une réduction du sentiment d’efficacité professionnelle (Organisation mondiale de la Santé, 2019). L’épuisement dépend aussi de la manière dont le travail est organisé et vécu, et peut présenter une dimension collective. Une étude menée dans 245 unités de travail associe une culture éthique à moins d’épuisement professionnel et à davantage d’engagement (Huhtala et al., 2015).

Lorsque l’IA alimente l’insécurité d’emploi sans ressources correspondantes, elle peut réduire le bien-être psychologique (Wadhwa et al., 2025). La sécurité psychologique constitue précisément l’une de ces ressources collectives. La littérature sur les exigences et les ressources au travail montre que l’équilibre entre ces deux dimensions influence la capacité des personnes à faire face aux demandes du travail (Bakker & Demerouti, 2007, 2024). En d’autres mots, si l’arrivée de l’IA déséquilibre ce rapport, la détresse psychologique risque d’augmenter.

La sécurité psychologique mise à l’épreuve

L’IA crée de nouvelles situations de risque interpersonnel. Une personne pourrait hésiter à contester une recommandation algorithmique ou à documenter des gains d’automatisation si elle craint qu’ils servent à transformer unilatéralement certains postes. Edmondson (1999) définit la sécurité psychologique comme la croyance partagée qu’il est possible de poser des questions, de demander de l’aide et d’admettre ses erreurs sans craindre de conséquences professionnelles. Une méta-analyse regroupant plus de 22 000 personnes montre qu’elle est associée à de meilleurs résultats en matière d’apprentissage et de performance, ainsi qu’à des comportements favorables au fonctionnement collectif (Frazier et al., 2017).

Comme toute transformation du travail, l’IA devient un risque ou une ressource selon la manière dont elle est intégrée. Une étude menée en Corée du Sud associe l’adoption organisationnelle de l’IA à une diminution de la sécurité psychologique et, indirectement, à davantage de symptômes dépressifs. Le leadership éthique atténuait cet effet (Kim et al., 2025). Une revue systématique de 43 études conclut que les effets de l’IA sur l’épuisement varient selon la fonction de l’outil, ses conditions d’implantation et la manière dont il est perçu (Fang et al., 2026).

Le déploiement comme test de culture

Une culture « groupale », fondée sur la participation, la confiance et le respect, présente de fortes associations avec les indicateurs de santé psychologique (Marchand et al., 2013). Dans une étude menée dans 60 établissements canadiens, une culture orientée vers la performance, dite « rationnelle », était indirectement associée à davantage d’épuisement émotionnel et de cynisme (Dextras-Gauthier & Marchand, 2016). Un déploiement d’outils IA peut ainsi révéler et amplifier les divergences culturelles au sein d’une équipe. Une compréhension commune des objectifs, des règles d’usage et de l’imputabilité devient alors essentielle, sans supposer une adhésion uniforme. Les équipes comprennent-elles pourquoi l’outil est introduit, quelles tâches seront automatisées, qui vérifiera les résultats et comment le temps libéré sera réaffecté? Si le temps libéré est immédiatement converti en attentes supplémentaires, l’outil risque d’intensifier le travail plutôt que de l’alléger.

Le Shadow AI, soit l’utilisation informelle ou non autorisée de l’IA, peut révéler un décalage entre les règles officielles et le travail réel. Une étude menée auprès de 14 organisations associe ces usages à des gains individuels d’efficacité et d’autonomie, mais aussi à des risques collectifs liés aux données, aux biais et aux inégalités d’accès. Elle recommande un encadrement négocié et une définition collective de la qualité du travail (Ferguson, 2025).

Une transformation culturelle avant tout

Toute nouvelle exigence technologique n’alourdit pas nécessairement le travail. Les recherches sur le technostress montrent qu’elle peut même devenir un défi mobilisateur (Tarafdar et al., 2024). Des pratiques d’implantation centrées sur les personnes, comme la communication transparente, la consultation et la formation, sont aussi associées à davantage de sens au travail, de satisfaction et de performance (Gemmano et al., 2026). La sécurité psychologique pourrait être à la fois affectée par l’IA, mais nécessaire à son adoption. Une prépublication menée auprès de 2257 personnes l’associe à l’adoption initiale des outils d’IA (Reich et al., 2026). Cette adoption doit toutefois être envisagée comme une transformation continue du travail plutôt que comme un projet ponctuel. Les équipes responsables doivent aider la direction à traduire ses ambitions en questions concrètes : quelles tâches soutenir? Quelles décisions automatiser? Quelles compétences développer et quels risques contrôler?

Lorsqu’un nouvel outil tel que l’IA transforme le travail :

• Documenter les tâches et les exigences modifiées, les ressources nécessaires et les appréhensions des équipes.
• Baliser le droit à l’erreur, clarifier l’imputabilité et créer des espaces où les résultats produits par l’IA peuvent être contestés.
• Adapter l’architecture des compétences, les descriptions de tâches et les évaluations de poste. Intégrer l’IA au jugement professionnel, à la résolution de problèmes et à la validation plutôt que d’en faire une compétence générique.

Lorsque l’IA modifie la charge de travail, l’autonomie, la sécurité d’emploi ou les relations professionnelles, ses effets devraient être intégrés à la démarche d’identification des risques psychosociaux prévue par la Loi 27 (CNESST, s. d.). Il faudrait notamment prévenir la surcharge cognitive liée à la vérification des contenus générés et protéger contre d’éventuelles représailles les personnes qui contestent les résultats d’un outil.

Les effets psychosociaux de l’IA risquent de demeurer invisibles tant que les organisations mesureront seulement le nombre de licences, les taux d’adoption, les variations de coûts et les gains d’efficacité estimés. La démocratisation de certaines tâches ne fait pas disparaître le besoin d’expertise; elle peut déplacer la pression vers les spécialistes responsables d’assurer la qualité du travail produit. La question centrale est de savoir si les personnes qui utilisent l’IA peuvent encore remettre en question ses résultats, signaler ses erreurs et discuter de ses effets sur leur travail sans craindre de compromettre leur avenir professionnel.

Références

Bakker, A. B., & Demerouti, E. (2007). The Job Demands-Resources model: State of the art. Journal of Managerial Psychology, 22(3), 309-328.

Bakker, A. B., & Demerouti, E. (2024). Job demands-resources theory: Frequently asked questions. Journal of Occupational Health Psychology, 29(3), 188-200.

De Serres, S., & Marchand, A. (2025). Travail et IA : État de la question. Institut de recherche Robert-Sauvé en santé et en sécurité du travail.

Dextras-Gauthier, J., & Marchand, A. (2016). Culture organisationnelle, conditions de l’organisation du travail et épuisement professionnel. Relations industrielles/Industrial Relations, 71(1), 156-187.

Edmondson, A. C. (1999). Psychological safety and learning behavior in work teams. Administrative Science Quarterly, 44(2), 350-383.

Fang, Z., Han, L., & Ma, T. (2026). Artificial intelligence-driven work systems and employee burnout: A systematic review of mechanisms, moderators, and a dynamic meta-system framework. Frontiers in Psychology.

Ferguson, Y. (2025). L’intelligence artificielle au travail : Du cas d’usage au bricolage. Inria et datacraft.

Frazier, M. L., Fainshmidt, S., Klinger, R. L., Pezeshkan, A., & Vracheva, V. (2017). Psychological safety: A meta-analytic review and extension. Personnel Psychology, 70(1), 113-165.

Gemmano, C. G., Molinaro, D., Bellini, D., De Simone, S., Giancaspro, M. L., Mondo, M., Buono, C., Barbieri, B., Spagnoli, P., & Manuti, A. (2026). Making artificial intelligence work at work: The role of human resource practices and personal attitudes in fostering meaningful work with artificial intelligence. Behavioral Sciences, 16(2), 238.

Huhtala, M., Tolvanen, A., Mauno, S., & Feldt, T. (2015). The associations between ethical organizational culture, burnout, and engagement: A multilevel study. Journal of Business and Psychology, 30(2), 399-414.

Kim, B.-J., Kim, M.-J., & Lee, J. (2025). The dark side of artificial intelligence adoption: Linking artificial intelligence adoption to employee depression via psychological safety and ethical leadership. Humanities and Social Sciences Communications, 12(1), 1-14.

Marchand, A., Haines, V. Y., III, & Dextras-Gauthier, J. (2013). Quantitative analysis of organizational culture in occupational health research: A theory-based validation in 30 workplaces of the Organizational Culture Profile instrument. BMC Public Health, 13, 443.

Organisation mondiale de la Santé. (2019). Burn-out an occupational phenomenon : International Classification of Diseases.

Reich, A., Wolfe, D., Price, M., Choe, A., Kidd, F., & Wagner, H. (2026). Safety first: Psychological safety as the key to AI transformation. arXiv.

Tarafdar, M., Stich, J.-F., Maier, C., & Laumer, S. (2024). Techno-eustress creators: Conceptualization and empirical validation. Information Systems Journal, 34(6), 2097-2131.

Wadhwa, S. N., Bhardwaj, G., Srivastava, A. P., & Malik, R. (2025). AI-driven job insecurity and work performance: Unveiling the mediating role of psychological well-being. International Journal of Information Technology, 17(7), 3883-3894.