IA, gestion du rendement et carence jurisprudentielle : explorations d’un écart grandissant

Et si l’intelligence artificielle contrôlait bientôt seule les horaires de travail, les priorités opérationnelles, les indicateurs de rendement et, ultimement, certaines composantes de la rémunération? La question n’est plus que théorique. L’implantation d’outils algorithmiques dans plusieurs entreprises et organismes publics transforme déjà certaines formes de gestion du travail, notamment en matière de dotation, de planification des horaires, d’évaluation du rendement, de surveillance à distance et de discipline. Cette transformation ne se limite pas à l’automatisation de tâches administratives. Elle semble parfois déplacer progressivement une partie du pouvoir de direction de l’employeur vers des systèmes qui recueillent, croisent et interprètent des renseignements personnels afin d’évaluer et de produire des résultats ou des recommandations.

Le droit québécois n’est pas dépourvu de réponses. Le Code civil du Québec[1], la Charte des droits et libertés de la personne[2], la Loi sur la protection des renseignements personnels dans le secteur privé, la Loi sur l’accès aux documents des organismes publics et sur la protection des renseignements personnels[3], la Loi sur les normes du travail[4] et le Code du travail[5] imposent un cadre juridique déjà défini. Toutefois, la jurisprudence québécoise demeure encore largement construite autour de catégories plus classiques : surveillance vidéo, surveillance informatique, filature, contrôle de l’assiduité, utilisation d’images ou de données obtenues sans consentement et admissibilité d’une preuve recueillie en contexte disciplinaire. Ces décisions fournissent des principes utiles, mais elles ne répondent qu’imparfaitement aux enjeux propres à la gestion algorithmique, où l’atteinte ne découle pas seulement de l’observation d’un salarié, mais aussi de l’inférence, de l’opacité des critères et parfois même de la délégation d’une décision à un système technique.

Examinons cet écart grandissant entre, d’une part, l’évolution rapide des outils de gestion du rendement fondés sur l’IA et, d’autre part, l’état encore embryonnaire de la jurisprudence québécoise applicable à ces outils.

Cadre normatif : le pouvoir de direction face aux droits de la personnalité

Le point de départ demeure le pouvoir de direction de l’employeur. En droit québécois, l’employeur peut organiser le travail, contrôler l’exécution de la prestation, veiller à la gestion des ressources et imposer des mesures disciplinaires lorsque les circonstances le justifient[6]. Ce pouvoir n’est toutefois pas absolu[7].

Les articles 35, 36 et 2087 du Code civil du Québec prévoient la protection de la dignité et de la vie privée de la personne physique, y compris au travail. L’article 36 énumère certaines atteintes possibles à la vie privée, dont le fait d’intercepter ou d’utiliser volontairement une communication privée, de capter ou d’utiliser l’image ou la voix d’une personne se trouvant dans des lieux privés, ou encore de surveiller sa vie privée par quelque moyen que ce soit. Ces dispositions sont rédigées de manière suffisamment large pour viser non seulement les formes traditionnelles de surveillance, mais aussi les outils numériques de suivi de l’activité, de captation de métadonnées, d’analyse comportementale et de notation du rendement.

Pour sa part, l’article 2087 du Code civil du Québec impose à l’employeur l’obligation de prendre les mesures appropriées à la nature du travail en vue de protéger la santé, la sécurité et la dignité du salarié. Ces dispositions constituent fréquemment le « plancher » législatif lors d’analyses jurisprudentielles par les tribunaux compétents[8].

La Charte des droits et libertés de la personne renforce également ces protections. L’article 4 garantit le droit à la sauvegarde de la dignité, de l’honneur et de la réputation, l’article 5 garantit le droit au respect de la vie privée, et l’article 46 reconnaît à toute personne qui travaille le droit à des conditions de travail justes et raisonnables qui respectent sa santé, sa sécurité et son intégrité physique.

La jurisprudence québécoise relative à la surveillance au travail s’est développée à partir d’un exercice de pondération entre les droits du salarié et les intérêts légitimes de l’employeur. Les tribunaux ont généralement examiné la présence de motifs raisonnables à l’origine de la surveillance, le lien rationnel entre la mesure et l’objectif poursuivi, le caractère nécessaire ou utile de la mesure, ainsi que sa proportionnalité au regard de l’atteinte à la vie privée. Ce cadre peut être transposé à l’IA, mais il exige une adaptation importante. Dans le cas d’un logiciel de gestion algorithmique, la question n’est pas seulement de savoir si l’employeur pouvait surveiller, mais il faut aussi se demander ce qui est collecté, à quelles fins et particulièrement selon quels paramètres.

Comme le souligne la Commission d’accès à l’information (CAI) dans son mémoire présenté au ministère du Travail[9], les logiciels de surveillance et de gestion de la performance (« bossware ») interagissent directement avec les données personnelles et numériques des employés, que ce soit à travers la collecte de données liées à la consultation de pages web, les captures d’écran automatiques et périodiques, ou la surveillance de la vitesse de frappe et des mouvements de la souris. Il est donc indéniable que l’installation de tels logiciels génère des enjeux de vie privée qui s’inscrivent dans le cadre législatif établi ci-dessus.

De la surveillance à l’inférence : le déplacement du problème juridique

Les décisions québécoises portant sur la surveillance en milieu de travail abordent ainsi généralement des faits relativement concrets : caméra installée dans un lieu donné, filature d’un salarié absent, consultation d’un ordinateur fourni par l’employeur, captation d’images, utilisation d’un système de géolocalisation ou production d’une preuve vidéo. Dans ces situations, l’atteinte alléguée est souvent visible et circonscrite. L’analyse porte sur la légitimité de la collecte et l’admissibilité ou non de la preuve.

L’IA modifie cette architecture. Un outil de gestion du rendement peut recueillir des données en apparence banales, telles que le temps de connexion, le rythme de frappe, les délais de réponse, les déplacements dans une application, les périodes d’inactivité, les interactions avec des clients ou les variations de productivité. Isolés, ces renseignements peuvent sembler peu intrusifs. Agrégés, ils permettent toutefois dans certains cas d’établir un portrait comportemental détaillé du salarié. La surveillance ne consiste plus seulement à observer un fait, mais peut mener à produire une conclusion sur la personne : fiable ou non, productive ou non, à risque de départ, susceptible d’erreur, moins performante que ses pairs, ou admissible à une mesure disciplinaire.

Cette logique d’inférence soulève une difficulté que la jurisprudence traditionnelle capte difficilement. Une caméra montre ce qui s’est passé, alors qu’un système algorithmique peut parfois prétendre expliquer ce qui se passe, prédire ce qui arrivera ou recommander ce qui devrait être fait. La preuve ne porte donc plus uniquement sur un événement, mais sur la fiabilité des logiciels utilisés pour produire des indices de performance, ainsi que sur la fiabilité quant à l’interprétation des données issues de tels logiciels. En d’autres mots, bien que les tribunaux québécois aient l’habitude d’évaluer la fiabilité d’une preuve matérielle ou technologique, notamment lorsqu’une partie cherche à introduire une preuve obtenue par surveillance, l’IA complexifie cette analyse. Il ne suffirait pas, par exemple, de démontrer que le logiciel a généré un rapport, mais plutôt de se demander si le rapport mesure réellement ce qu’il prétend mesurer.

Un indicateur de productivité peut, par exemple, confondre l’inactivité informatique avec l’inactivité professionnelle, alors qu’un salarié peut être en réunion, au téléphone, en déplacement ou en train d’accomplir une tâche non captée par l’outil. Un système d’analyse de la vitesse de réponse peut pénaliser des tâches complexes qui nécessitent davantage de temps.

Exemple 1 – Évaluation de la performance en télétravail

Une entreprise implante un logiciel qui mesure la productivité en fonction du temps d’activité au clavier, des mouvements de la souris et du temps passé dans certaines applications. Après quelques mois, les rapports générés identifient certains employés comme étant moins performants que leurs collègues. Or, l’analyse révèle que plusieurs de ces personnes occupent des fonctions nécessitant de nombreuses rencontres virtuelles, des appels téléphoniques ou du travail de réflexion qui ne sont pas captés par le système. L’employeur risque alors de fonder son appréciation du rendement sur un indicateur incomplet qui ne reflète pas adéquatement le travail réellement effectué.

Exemple 2 – Attribution automatisée des horaires et des objectifs de rendement

Une organisation utilise un outil d’IA qui attribue automatiquement les horaires de travail et fixe des objectifs de performance à partir de données historiques. Avec le temps, certains employés se voient systématiquement attribuer les plages horaires les moins prisées ou des cibles de rendement plus exigeantes que celles de leurs collègues occupant pourtant des fonctions comparables. Comme les critères utilisés par l’algorithme sont peu transparents, il devient difficile pour les gestionnaires d’expliquer les décisions ou pour les employés de contester les résultats. L’organisation s’expose alors à des questionnements liés à l’équité, à la transparence du processus décisionnel et à la qualité de la supervision exercée.

Une décision de gestion ou une mesure disciplinaire doit ainsi reposer sur une preuve suffisante et une analyse individualisée.

Vers un cadre d’analyse adapté à l’IA au travail

En l’absence d’une jurisprudence abondante portant spécifiquement sur l’IA dans un contexte de gestion du rendement, plusieurs questions fondées sur des normes existantes peuvent orienter les actions des employeurs et leur permettre de dégager un certain cadre d’analyse.

Premièrement, l’employeur poursuit-il un objectif légitime et précis en optant pour l’usage d’un pareil outil? Plus l’atteinte à la vie privée est importante, plus l’objectif doit être concret.

Deuxièmement, les renseignements recueillis sont-ils nécessaires à cette finalité? L’employeur devrait se questionner : pourquoi les données retenues sont-elles pertinentes, pourquoi des données moins intrusives ne suffisent-elles pas et pourquoi la durée de conservation envisagée est-elle justifiée[10]?

Troisièmement, l’outil est-il fiable pour l’usage auquel il est destiné? Un outil peut produire des données exactes tout en menant à des conclusions injustes. La fiabilité devrait donc inclure l’exactitude, la contextualisation, la possibilité de correction et la compréhension des limites du système[11].

Finalement, la décision est-elle réellement celle de l’employeur lorsque prise et présentée comme telle? La présence d’un gestionnaire qui approuve automatiquement une recommandation algorithmique ne suffit pas nécessairement. Une révision ou une analyse humaine susceptible de modifier le résultat doit être possible, et le salarié devrait pouvoir bénéficier de cette transparence et pouvoir faire part de ses observations.

Conclusion

Le droit québécois possède déjà plusieurs assises permettant d’encadrer l’utilisation de l’IA dans la gestion du rendement : respect de la vie privée, dignité, bonne foi, conditions de travail justes et raisonnables, protection des renseignements personnels, transparence des décisions automatisées et possibilité de révision. Le problème n’est donc pas l’absence complète de normes. Il réside plutôt dans le décalage entre des principes juridiques conçus à partir de formes classiques de surveillance et des outils capables de transformer l’organisation du travail par la collecte, l’inférence et la prédiction.

La jurisprudence à venir devrait éviter de traiter l’IA comme une simple variante de la surveillance électronique traditionnelle. Cette approche sous-estimerait les enjeux propres à l’opacité algorithmique, à la fiabilité de l’information recueillie, à la prise de décision automatisée et à l’effet collectif sur les conditions de travail.

L’IA au travail ne commande donc pas nécessairement une rupture avec les principes québécois existants. Elle exige plutôt leur approfondissement. Le pouvoir de direction demeure, mais il doit être exercé dans le respect du cadre normatif applicable. La productivité peut être mesurée, mais non au prix d’une surveillance disproportionnée. Les décisions peuvent être assistées par la technologie, mais elles doivent demeurer explicables et compatibles avec la dignité du salarié. C’est dans cet espace que les tribunaux québécois seront appelés à tracer les prochaines balises.