L'IA générative et la surcharge de travail : comment faire moins pour mieux faire

L'ère de l'IA : des idées à bas prix, mais des projets à haut coût

L'intelligence artificielle générative a bouleversé l'économie du travail intellectuel en réduisant drastiquement le coût de production d'idées. Désormais, un professionnel compétent peut, avec un simple chatbot, générer une dizaine de stratégies plausibles, de mémos ou de concepts de produits avant le déjeuner. Dans certains cas, l'IA réduit aussi les coûts d'exécution, mais bien moins rapidement et moins profondément. Le véritable défi ? Transformer ces idées en actions concrètes : un processus qui prend encore des semaines, des mois, voire des années.

Ce déséquilibre crée une situation inédite dans les entreprises : une accumulation de projets inaboutis, d'outils sous-exploités et de priorités ingérables. Les dirigeants, confrontés à la facilité de générer de nouvelles idées, continuent d'en ajouter, sans réaliser que leur mise en œuvre reste coûteuse et chronophage. Résultat : le goulot d'étranglement n'est plus l'imagination, mais l'exécution.

Le Broad Institute : une leçon de discipline face à l'explosion des idées

Le Broad Institute, centre de recherche biomédicale affilié au MIT et à Harvard, a connu une situation similaire il y a une décennie. Avec la chute vertigineuse des coûts de séquençage génétique – passant de 3 milliards de dollars et plus de dix ans en 2003 à moins de 200 dollars et quelques heures aujourd'hui – le laboratoire a dû faire face à deux crises majeures.

Première crise : l'engorgement opérationnel

L'accélération du séquençage a saturé les étapes suivantes du processus. Les échantillons s'accumulaient, les techniciens perdaient des données, et les goulots d'étranglement paralysaient le système. La solution ? Passer d'un système de « poussée » – où chaque étape transmet le travail en aval dès que possible – à un système de « traction », où une étape ne prend en charge un nouveau travail que lorsqu'elle dispose de la capacité nécessaire.

Deuxième crise : la surcharge d'innovation

Une fois le séquençage devenu rapide et peu coûteux, l'équipe d'innovation du Broad s'est retrouvée submergée par une avalanche d'idées. De nouveaux projets étaient lancés en permanence, mais peu aboutissaient. Comme le souligne une étude de cas du MIT, le centre risquait de perdre sa position de leader technologique, acquise de haute lutte. La réponse ? Appliquer la même discipline aux idées qu'à l'exécution.

L'équipe a cartographié visuellement tous les projets actifs à l'aide de Post-it sur un mur, en suivant leur avancement dans le pipeline de développement. L'exercice a révélé deux problèmes majeurs : des projets redondants et un nombre de chantiers deux fois supérieur à ce que l'équipe pouvait raisonnablement gérer. La solution ? Créer un « entonnoir de projets » sur le mur, précédé d'un « réservoir » où les idées attendaient qu'une place se libère dans l'entonnoir.

En deux ans, l'équipe a réduit de plus de moitié le nombre de projets actifs et augmenté significativement le nombre de projets menés à terme.

Pourquoi les dirigeants continuent-ils d'ajouter du travail ?

La solution du Broad Institute semble évidente a posteriori, mais elle est rarement appliquée en pratique. Une étude publiée dans Nature en 2021, menée par des chercheurs de l'Université de Stanford et de l'Université de Californie, révèle que les humains ont une tendance naturelle à privilégier l'ajout à la soustraction. Cette « biais d'addition » explique pourquoi les entreprises continuent de lancer de nouveaux projets sans évaluer leur faisabilité réelle.

Face à l'essor de l'IA générative, les organisations doivent impérativement repenser leur gestion des idées. Plutôt que de se laisser submerger par un flux incessant de propositions, elles gagneraient à instaurer des mécanismes de sélection rigoureux et à limiter le nombre de projets en cours. Comme l'a démontré le Broad Institute, la clé du succès réside dans la discipline : faire moins, mais mieux.