L’intelligence artificielle générative n’est plus seulement un outil d’assistance. Elle devient, dans certaines organisations, un système de travail parallèle qu’il faut piloter, corriger, vérifier et coordonner. C’est précisément cette évolution qui fait émerger un nouveau risque professionnel : le « Brain Fry », une forme de fatigue mentale aiguë liée à l’usage intensif ou à la supervision excessive d’outils d’IA.
Des développeurs, ingénieurs, marketeurs et managers décrivent une sensation de saturation mentale, non pas parce que l’IA ne fonctionne pas, mais parce qu’elle fonctionne trop vite, produit trop d’options et oblige l’utilisateur à arbitrer en continu. Le travail semble avancer à grande vitesse, mais l’humain peine parfois à garder une vision claire de ce qui se passe. L’IA promet du temps gagné ; elle peut aussi ajouter des flux, des alertes, des variantes, des corrections et des décisions à prendre.
Le « Brain Fry » ne désigne donc pas un simple coup de fatigue. Il renvoie à une fatigue mentale provoquée par un usage ou une supervision excessive de l’IA au-delà de la capacité cognitive de l’utilisateur. Les personnes concernées évoquent un brouillard mental, une sensation de bourdonnement, des difficultés de concentration, une prise de décision plus lente et parfois des maux de tête. Certaines disent devoir s’éloigner physiquement de leur écran pour retrouver de la clarté.
Les chiffres donnent la mesure du sujet. Une enquête menée auprès de 1.488 collaborateurs américains à temps plein, issus de grandes entreprises, montre que 14% des utilisateurs d’IA au travail déclarent avoir vécu une expérience de « Brain Fry ». La prévalence varie fortement selon les fonctions. Le marketing arrive en tête avec 25,9% des répondants concernés, suivi des ressources humaines et people operations avec 19,3%, des opérations avec 17,9%, de l’ingénierie et du développement logiciel avec 17,8%, puis de la finance et de la comptabilité avec 16,7%. À l’inverse, les fonctions juridiques et conformité sont moins exposées, avec 5,6%.
Ce classement n’est pas anodin. Les métiers les plus touchés sont souvent ceux qui utilisent l’IA pour produire, tester, reformuler, analyser, synthétiser ou générer des variantes. Plus l’utilisateur multiplie les allers-retours avec les outils, plus il doit vérifier la cohérence des résultats, comparer les options, corriger les sorties et maintenir en mémoire plusieurs fils de travail. L’IA ne remplace alors pas seulement une tâche : elle ajoute une couche de supervision.
L’étude met en évidence un seuil critique. L’usage simultané d’un outil d’IA améliore la productivité perçue. Le passage à deux outils renforce encore cette impression. Avec trois outils, le gain existe toujours, mais il ralentit. Au-delà de trois outils, les scores de productivité diminuent. Ce résultat est central : l’accumulation d’outils ne produit pas mécaniquement plus d’efficacité. Elle peut au contraire multiplier les interruptions, les arbitrages et les microdécisions.
La supervision est le principal facteur de fatigue. Les collaborateurs qui déclarent devoir surveiller fortement leurs outils d’IA dépensent 14% d’effort mental supplémentaire, rapportent 12% de fatigue mentale en plus et 19% de surcharge informationnelle supplémentaire. L’autre facteur décisif est l’augmentation de la charge de travail liée à l’IA. Lorsque l’entreprise attend implicitement davantage de production parce que l’IA est disponible, l’outil cesse d’être un soutien et devient un facteur d’intensification du travail.
Le coût économique est loin d’être théorique. Les collaborateurs déclarant un « Brain Fry » rapportent 33% de fatigue décisionnelle supplémentaire par rapport aux autres. Ils signalent aussi davantage d’erreurs : 11% de hausse pour les erreurs mineures et 39% pour les erreurs majeures. L’étude observe également un effet sur la rétention : parmi les collaborateurs ne déclarant pas ce phénomène, 25% expriment une intention active de quitter leur entreprise ; cette proportion monte à 34% chez ceux qui en souffrent.
La nuance importante tient à la distinction entre burnout et fatigue cognitive. L’IA peut réduire l’épuisement lorsqu’elle prend en charge des tâches routinières, répétitives et peu valorisantes. Les répondants qui utilisent l’IA de cette manière affichent des scores de burnout inférieurs de 15%. Ils déclarent aussi davantage d’engagement, de motivation et d’émotions positives associées à l’outil. L’IA devient alors un levier de récupération du temps et d’amélioration de l’expérience de travail.
Le problème apparaît lorsque l’IA intensifie le travail au lieu de le simplifier. Ajouter des agents, des assistants et des tableaux de bord sans revoir les responsabilités revient à demander au collaborateur de manager une équipe invisible de machines, sans cadre, sans limite et sans réelle clarification de sa charge. L’attention humaine reste une ressource finie. La traiter comme extensible expose les organisations à des erreurs de jugement, à une baisse de qualité et à une usure plus rapide des profils les plus engagés.
Pour les entreprises, l’enjeu n’est donc pas de freiner l’adoption de l’IA, mais d’en organiser l’usage. Les managers jouent un rôle direct : lorsque les collaborateurs peuvent poser leurs questions sur l’IA à leur manager, les scores de fatigue mentale sont inférieurs de 15%. À l’inverse, lorsque chacun doit se débrouiller seul, la fatigue augmente. Les équipes qui intègrent collectivement l’IA dans leurs processus réduisent aussi la charge cognitive, contrairement aux environnements où l’usage de l’IA repose sur la pression sociale ou la compétition individuelle.
La leçon managériale est simple : mesurer la performance par le volume d’usage de l’IA, le nombre de tokens consommés ou le nombre de lignes de code générées est une impasse. Ces indicateurs encouragent l’intensité, pas l’impact. Les organisations doivent plutôt clarifier les objectifs, définir les limites de supervision, former les équipes au cadrage des problèmes et préserver des espaces de concentration.
Le « Brain Fry » rappelle une vérité oubliée dans l’euphorie technologique : l’IA augmente la puissance de production, mais elle ne supprime pas les limites cognitives humaines. La prochaine étape ne consistera pas seulement à déployer plus d’outils. Elle consistera à concevoir des modes de travail où l’IA réduit réellement la charge, au lieu de transformer les collaborateurs les plus performants en superviseurs épuisés.
