{"id":10241,"date":"2026-09-23T23:50:29","date_gmt":"2026-09-23T23:50:29","guid":{"rendered":"http:\/\/french.arabpsychology.com\/news\/confiance-ia-travail-innovation-technostress\/"},"modified":"2026-09-23T23:50:29","modified_gmt":"2026-09-23T23:50:29","slug":"confiance-ia-travail-innovation-technostress","status":"publish","type":"psych_news","link":"https:\/\/french.arabpsychology.com\/?psych_news=confiance-ia-travail-innovation-technostress","title":{"rendered":"Faire confiance \u00e0 l’IA : entre innovation et technostress"},"content":{"rendered":"

L’int\u00e9gration grandissante des syst\u00e8mes d’aide \u00e0 la d\u00e9cision pilot\u00e9s par l’intelligence artificielle (AI-DSS) bouleverse les environnements de travail intellectuels. Pourtant, se fier aveugl\u00e9ment \u00e0 un algorithme n’est pas sans cons\u00e9quences psychologiques. Une \u00e9tude publi\u00e9e dans la revue Scientific Reports<\/em> par les chercheurs Qijie Ruan, Xiaorui Han et Huinan Liu met en \u00e9vidence un ph\u00e9nom\u00e8ne complexe : si la confiance dans ces technologies stimule l’esprit d’innovation des salari\u00e9s, elle g\u00e9n\u00e8re dans le m\u00eame temps une vuln\u00e9rabilit\u00e9 accrue face au stress num\u00e9rique.<\/p>\n

Une arme \u00e0 double tranchant pour les professionnels<\/h2>\n

L’adoption des algorithmes d\u00e9cisionnels place les travailleurs du savoir face \u00e0 un dilemme cognitif. Selon les auteurs de la recherche, la confiance accord\u00e9e \u00e0 ces outils active simultan\u00e9ment deux trajectoires oppos\u00e9es. D’un c\u00f4t\u00e9, elle nourrit un sentiment d’autonomie<\/a> et d’\u00e9mancipation professionnelle : en se sentant \u00e9paul\u00e9s par la machine, les employ\u00e9s osent prendre des initiatives et innovent davantage au quotidien, avec un effet indirect significatif estim\u00e9 \u00e0 0,249.<\/p>\n

D’un autre c\u00f4t\u00e9, cette m\u00eame confiance s’accompagne d’une d\u00e9pendance accrue vis-\u00e0-vis des recommandations du syst\u00e8me. D\u00e8s lors que l’utilisateur craint de ne plus pouvoir trancher seul, cette perte de contr\u00f4le per\u00e7ue nourrit directement le technostress<\/a>, avec un effet indirect de 0,175 mis en \u00e9vidence par les chercheurs.<\/p>\n

Litt\u00e9ratie et soutien manag\u00e9rial : les cl\u00e9s de l’\u00e9quilibre<\/h2>\n

Pour \u00e9viter que les aspects n\u00e9gatifs ne prennent le pas sur les b\u00e9n\u00e9fices, l’\u00e9tude identifie deux remparts essentiels. Tout d’abord, la ma\u00eetrise technique de l’utilisateur joue un r\u00f4le de filtre d\u00e9cisif. Dans l’\u00e9chantillon analys\u00e9, l’effet b\u00e9n\u00e9fique de la confiance sur l’innovation ne se manifeste qu’\u00e0 partir d’un score de litt\u00e9ratie en IA sup\u00e9rieur \u00e0 2,81. Sans un socle de comp\u00e9tences minimal pour comprendre le fonctionnement de l’outil, l’\u00e9mancipation promise reste donc lettre morte.<\/p>\n

Ensuite, l’accompagnement prodigu\u00e9 par l’organisation constitue un amortisseur pr\u00e9cieux. Qu’il prenne la forme d’une assistance technique r\u00e9active ou d’une \u00e9coute manag\u00e9riale, ce soutien institutionnel contribue \u00e0 r\u00e9duire le niveau de technostress de fa\u00e7on lin\u00e9aire et constante, sur l’ensemble des niveaux d’aide observ\u00e9s au sein des \u00e9quipes.<\/p>\n

Mod\u00e9liser le niveau id\u00e9al de confiance<\/h2>\n

Pour parvenir \u00e0 ces conclusions, les chercheurs ont suivi une cohorte de 452 travailleurs intellectuels lors d’une enqu\u00eate men\u00e9e en deux temps. L’analyse s’est appuy\u00e9e sur une m\u00e9thodologie statistique sophistiqu\u00e9e, combinant l’inf\u00e9rence bay\u00e9sienne<\/a> et des r\u00e9seaux de neurones appliqu\u00e9s aux mod\u00e8les d’\u00e9quations structurelles<\/a> (NB-SEM). Selon les simulations pr\u00e9sent\u00e9es, cette architecture novatrice a permis de r\u00e9duire l’erreur d’estimation des param\u00e8tres de structure jusqu’\u00e0 51 % par rapport aux approches classiques.<\/p>\n

L’exploration des donn\u00e9es a ainsi r\u00e9v\u00e9l\u00e9 l’existence d’une \u00ab zone d’arbitrage \u00bb optimale : un degr\u00e9 de confiance mod\u00e9r\u00e9 \u00e0 \u00e9lev\u00e9 permettrait d’obtenir le b\u00e9n\u00e9fice net le plus favorable, en encourageant l’innovation sans faire basculer l’employ\u00e9 dans une d\u00e9pendance anxiog\u00e8ne.<\/p>\n

Vers un calibrage raisonn\u00e9 des outils num\u00e9riques<\/h2>\n

S’agissant d’une recherche observationnelle, les auteurs rappellent que ces corr\u00e9lations statistiques ne d\u00e9montrent pas une causalit\u00e9 stricte, mais fournissent des hypoth\u00e8ses de travail rigoureuses pour de futurs essais exp\u00e9rimentaux. Pour les entreprises, la le\u00e7on s’av\u00e8re n\u00e9anmoins pragmatique : l’enjeu ne consiste pas \u00e0 encourager une foi aveugle dans l’intelligence artificielle, mais plut\u00f4t \u00e0 calibrer cette confiance. Cela suppose d’investir massivement dans la formation continue des collaborateurs et de b\u00e2tir un environnement organisationnel structur\u00e9, garantissant que l’outil reste un levier d’action plut\u00f4t qu’une source d’ali\u00e9nation cognitive.<\/p>\n

\n
\n

Source<\/h3>\n