Un candidat écarté par un score qu’il ne peut contester. Une tournée réorganisée par un logiciel sans tenir compte des contraintes réelles du terrain. Un salarié évalué à partir d’indicateurs qu’il ne maîtrise pas. Dans ces situations, la question n’est pas seulement technique. Pourquoi les salariés refusent-ils les décisions automatisées ? Parce qu’une décision, au travail, ne produit jamais uniquement un résultat : elle distribue aussi du pouvoir, de la reconnaissance et des possibilités d’agir.
Le refus est souvent présenté comme une résistance au changement, voire comme une preuve d’irrationalité. Cette lecture est commode. Elle évite de regarder ce que les salariés perçoivent très clairement : l’automatisation peut déplacer les critères de jugement, rendre les décisions plus difficiles à discuter et fragiliser leur identité professionnelle. Refuser n’est donc pas nécessairement rejeter l’intelligence artificielle. C’est parfois refuser une organisation du travail dans laquelle l’humain ne peut plus faire entendre ce qu’il sait.
Les recherches en psychologie organisationnelle et en sciences de gestion convergent sur un point : l’acceptation d’une décision dépend moins de son issue que de la manière dont elle est produite. Une personne peut accepter une décision défavorable si elle comprend les critères retenus, si elle a pu exprimer son point de vue et si une voie de recours existe. C’est la question de la justice procédurale.
Or les systèmes automatisés mettent fréquemment ces conditions à l’épreuve. Ils peuvent produire une recommandation rapide, homogène et apparemment objective. Mais, pour celui qui la subit, l’expérience peut être tout autre : des données ont parlé à sa place, des règles invisibles ont tranché, et personne ne semble réellement responsable du résultat.
Le problème ne tient pas au fait qu’une machine participe à une décision. Il tient au fait que cette participation est souvent introduite sans expliciter ce qui change dans le droit de comprendre, de contester et de contribuer. L’opacité n’est pas seulement l’absence d’explication technique. C’est aussi l’impossibilité de répondre à une question simple : « Qui peut revoir cette décision, et sur quelle base ? »
L’automatisation est régulièrement justifiée par la réduction des biais humains. L’ambition est légitime. Les décisions de recrutement, d’évaluation ou d’attribution des opportunités ne sont pas spontanément neutres. Elles sont traversées par des habitudes, des préférences et des rapports de pouvoir.
Mais remplacer un jugement humain imparfait par un système de calcul ne garantit pas la justice. Un système apprend à partir de données issues d’une histoire organisationnelle. Si cette histoire reflète des inégalités d’accès, de promotion ou de reconnaissance, le calcul peut les reproduire sous une forme plus difficile à identifier. La neutralité devient alors une propriété revendiquée, plutôt qu’une réalité démontrée.
Les salariés se méfient également lorsque les critères semblent réduire leur activité à ce qui est facilement mesurable. Le nombre de dossiers traités, le temps passé sur une tâche ou un taux de réponse ne disent pas tout de la qualité du travail. Ils disent rarement la coopération invisible, la prévention d’un problème, la relation avec un client fragile ou le discernement mobilisé face à une situation inhabituelle.
Quand un indicateur devient la définition du travail bien fait, il ne mesure plus seulement : il prescrit. C’est là que le conflit apparaît.
Dans de nombreuses organisations, les salariés ne contestent pas l’existence d’outils d’aide à la décision. Ils contestent leur transformation en autorités indiscutables. La nuance est décisive.
Un professionnel expérimenté ne mobilise pas uniquement des règles formelles. Il interprète un contexte, hiérarchise des priorités, repère des signaux faibles et ajuste son action. Cette compétence située est particulièrement visible dans les métiers du soin, de l’enseignement, du conseil, de la maintenance, du management ou de la relation client. Une décision automatisée qui ignore ces arbitrages peut être vécue comme une négation du métier.
Cette réaction ne relève pas d’un attachement nostalgique à l’ancien monde. Elle révèle un enjeu identitaire. Le travail permet aussi de se reconnaître comme compétent, utile et responsable. Si l’organisation demande aux salariés d’exécuter une recommandation qu’ils jugent absurde ou inadaptée, tout en leur laissant porter les conséquences d’un échec, elle crée une injonction intenable : obéir sans pouvoir répondre de son action.
Les managers sont souvent placés au cœur de cette tension. On leur présente des tableaux de bord ou des scores comme des appuis à la décision, puis on attend d’eux qu’ils les appliquent de manière uniforme. Pourtant, leur rôle ne consiste pas à valider mécaniquement une sortie de système. Il consiste précisément à mettre en discussion des informations, à prendre en compte les singularités et à assumer un jugement.
Une organisation peut automatiser une partie de l’analyse. Elle ne peut pas automatiser la responsabilité morale, sociale et managériale d’une décision. Lorsqu’une personne est refusée, rétrogradée, surveillée ou privée d’une opportunité, la formule « c’est le système qui l’a décidé » est insuffisante. Elle est même dangereuse, car elle dilue l’imputabilité.
Cette dilution nourrit la défiance. Les salariés perçoivent rapidement si l’automatisation sert à éclairer une décision ou à éviter d’avoir à la justifier. Dans le second cas, la technologie devient un écran commode entre le décideur et la personne affectée.
Le sujet est particulièrement sensible lorsque les décisions portent sur l’emploi, la rémunération, la mobilité, la performance ou l’accès à la formation. Plus l’effet sur une trajectoire professionnelle est important, plus l’exigence de contrôle humain significatif doit être élevée. Significatif ne veut pas dire qu’un manager clique sur « valider » après avoir lu une recommandation. Cela suppose qu’il dispose du temps, de la légitimité et des informations nécessaires pour s’en écarter.
Le refus prend parfois des formes discrètes : données renseignées avec moins de soin, contournement des procédures, usage minimal de l’outil, retour à des canaux informels. Ces pratiques sont facilement interprétées comme de la mauvaise volonté. Elles peuvent pourtant constituer des alertes précieuses.
Elles indiquent parfois que l’outil a été conçu loin des situations de travail réelles, que les objectifs annoncés ne correspondent pas aux contraintes quotidiennes, ou que les salariés n’ont été consultés qu’une fois les décisions déjà prises. Une transformation numérique qui demande de la confiance sans offrir de prise sur ses règles crée mécaniquement de la distance.
La participation ne doit donc pas se limiter à une démonstration avant déploiement. Elle doit intervenir dans la définition du problème à résoudre. Faut-il réellement automatiser cette décision ? Quels risques humains cherche-t-on à éviter ? Quelles informations qualitatives doivent rester déterminantes ? À quel moment une personne peut-elle demander un réexamen ?
Ces questions changent la nature du projet. Elles déplacent l’attention de la performance supposée de l’outil vers la qualité de l’organisation qui l’accueille.
Pour réduire la défiance, il ne suffit pas de mieux expliquer le fonctionnement d’un modèle. Une explication utile doit permettre d’agir. Elle doit préciser les données prises en compte, les critères qui pèsent dans la décision, les limites connues et le rôle concret du décideur humain.
Les organisations ont intérêt à distinguer clairement trois situations. Dans la première, le système fournit une information parmi d’autres et le professionnel conserve son jugement. Dans la deuxième, le système formule une recommandation qui structure fortement la décision. Dans la troisième, il déclenche directement une action. Ces situations n’exigent ni les mêmes garanties ni le même niveau de consultation.
Une décision à fort enjeu devrait toujours pouvoir être discutée avec une personne identifiable. Elle devrait aussi laisser une trace permettant de comprendre comment un résultat a été obtenu et pourquoi il a été maintenu ou modifié. Cette traçabilité protège les salariés, mais elle protège également les managers qui refusent d’être réduits au rôle de relais d’une décision qu’ils n’ont pas construite.
Il faut enfin accepter une idée moins confortable : certains usages ne sont pas souhaitables, même s’ils sont techniquement possibles. Automatiser n’est pas seulement choisir une méthode plus rapide. C’est choisir ce que l’organisation considère comme digne d’être quantifié, prédit et gouverné. Cette décision mérite un débat collectif, pas seulement une validation de projet.
La bonne question n’est donc pas : comment convaincre les salariés d’accepter les décisions automatisées ? Elle est plus exigeante : quelles décisions une organisation peut-elle automatiser sans appauvrir le travail, fragiliser la justice et faire taire l’expérience de celles et ceux qui le réalisent ?
Comment rédiger une charte IA éthique qui protège les salariés, clarifie les décisions et transforme les principes en pratiques de travail crédibles.
Fagonner son travail : les salaries qui transforment leur poste de l'interieur
L'IA generative comme levier de job crafting : les premieres preuves empiriques
Resilience face a l'IA : les profils qui s'en sortent le mieux
Les travailleurs du savoir face à l'IA : des récits de transformation
L'entretien comprehensif : la methode qualitative qui donne la parole aux gens
Vivre ensemble mais seuls : le paradoxe de l'individualisme contemporain
L’expérience client repose sur une connexion émotionnelle, une constance irréprochable et un équilibre harmonieux entre humain et digital.
Les récompenses variables peuvent être comparées aux machines à sous.
Le leadership efficace est moins une question de pouvoir formel qu'une compétence relationnelle