L’IA générative améliore davantage l’efficacité que la qualité

Depuis des années, la numérisation est un moteur essentiel de la transformation du marché du travail suisse. Avec la diffusion rapide de l’IA générative, cette évolution a toutefois pris une nouvelle ampleur.
Les chatbots basés sur l’IA permettent désormais à de nombreuses personnes en emploi d’accomplir leurs tâches plus rapidement ou de développer de nouvelles approches. Les débats publics sur les gains de productivité liés à l’IA générative se concentrent généralement sur les gains d’efficacité, c’est-à-dire sur la question de savoir combien de temps l’utilisation de l’IA générative permet de gagner. Cependant, l’attention s’est jusqu’à présent beaucoup moins portée sur le fait que les gains de productivité peuvent également engendrer des améliorations en termes de qualité. Dans cet article, nous examinons dans quelle mesure les personnes diplômées et en formation des écoles supérieures (ES) perçoivent l’IA générative comme un facteur d’amélioration de l’efficacité ou de la qualité.

Par Lena Dändliker¹, Filippo Pusterla¹,² und Thomas Bolli³

Les gains d’efficacité dépassent légèrement ceux de la qualité — mais de manière systématique

L’utilisation croissante de l’IA générative soulève la question de savoir dans quelle mesure ces technologies contribuent réellement à la productivité du travail. À partir de l’enquête salariale ODEC 2025, nous examinons dans quelle mesure les personnes diplômées et en formation dans le domaine des écoles supérieures (ES) estiment que l’IA générative rend leur travail plus efficace ou d’une meilleure qualité. 

La figure 1 montre, sur la partie gauche, dans quelle mesure l’IA générative améliore, selon l’estimation de l’ensemble des personnes interrogées, l’efficacité et la qualité de leur travail. L’analyse se limite aux personnes qui utilisent effectivement l’IA générative. Dans l’ensemble, les personnes interrogées font état d’améliorations modérées. Sur une échelle de 1 («pas du tout») à 5 («très fort»), l’amélioration moyenne perçue de la qualité se situe autour de 3,0 points, tandis que le gain d’efficacité est légèrement supérieur, avec environ 3,3 points. L’effet de l’IA générative sur l’efficacité comme sur la qualité est donc jugé modérément important.

On remarque que les gains d’efficacité sont systématiquement légèrement supérieurs aux gains de qualité, quels que soient l’âge, le sexe ou la fonction des personnes interrogées. Cela pourrait s’expliquer par le fait que l’IA générative accélère particulièrement certaines tâches, comme la rédaction de textes ou la compilation d’informations. En revanche, l’amélioration de la qualité du travail nécessite souvent du temps supplémentaire pour la révision ou une analyse plus approfondie des contenus générés. En pratique, cela pourrait signifier que de nombreuses personnes qui utilisent l’IA générative le font principalement pour accomplir des tâches plus rapidement, tandis qu’une collaboration plus intense entre les humains et l’IA– par exemple par le biais de révisions itératives– est plus rare. Nos résultats montrent toutefois que l’IA peut également améliorer la qualité du travail– un aspect encore peu discuté dans le débat public.

L’intensité d’utilisation constitue par ailleurs un facteur clef des gains de productivité perçus grâce à l’IA générative. Les personnes qui recourent plus fréquemment à l’IA générative font état de gains tant en termes d’efficacité que de qualité. Ce lien est particulièrement marqué en ce qui concerne l’efficacité: plus l’IA générative est utilisée, plus le gain d’efficacité est important. L’amélioration de la qualité augmente également avec l’utilisation, mais dans une moindre mesure.

Tous les domaines de formation ne profitent pas de la même manière de l’IA générative

Le domaine d’activité joue également un rôle important dans la mesure où l’IA générative peut contribuer à la productivité du travail. La figure 1 montre, dans sa partie droite, comment les gains en termes d’efficacité et de qualité varient selon les domaines de formation des personnes interrogées. Des améliorations particulièrement importantes sont rapportées par les personnes travaillant au sein des domaines de «commerce, administration et droit», «services» ainsi que de «technologies de l’information et de la communication». Dans ces domaines, les gains en termes d’efficacité et de qualité sont relativement élevés. En revanche, les gains d’efficacité sont nettement moins importants dans le domaine de formation «industrie de transformation, construction et ingénierie» ainsi qu’en particulier dans le domaine «santé et protection sociale».

Une partie de ces différences s’explique par le fait que l’IA générative est utilisée plus fréquemment dans certains domaines de formation que dans d’autres. Cependant, même lorsque l’intensité d’utilisation est comparable, des différences persistent parfois entre les domaines de formation. Cela suggère que la nature des activités joue également un rôle: dans certains domaines de formation, l’IA générative semble pouvoir contribuer de manière plus significative à l’efficacité ou à la qualité que dans d’autres, et ce au-delà de la seule intensité d’utilisation.

Une autre caractéristique notable concerne le rapport entre les gains d’efficacité et les gains de qualité. C’est dans le domaine de formation «technologies de l’information et de la communication» que cette différence est particulièrement marquée: par rapport aux autres domaines de formation, les personnes interrogées y font état d’une augmentation de l’efficacité nettement plus importante que celle de la qualité. C’est dans le domaine «santé et protection sociale» que cette différence est la plus faible, mais le niveau global y est également moins élevé.

Comment l’IA générative est utilisée sur le lieu de travail

Pour mieux comprendre comment l’IA générative est concrètement utilisée au quotidien, on peut se pencher sur des cas d’application typiques. À cette fin, nous avons posé aux personnes interrogées une question ouverte leur permettant de décrire des exemples concrets d’utilisation de l’IA générative. À l’aide de l’IA, ces réponses ouvertes ont été regroupées en différentes catégories.

La figure 2 montre les types de tâches pour lesquelles l’IA générative est le plus souvent utilisée. Les résultats montrent clairement que, sur le lieu de travail, l’IA générative est principalement utilisée pour des tâches rédactionnelles. Environ deux tiers des commentaires font référence à des activités telles que la rédaction d’e-mails, la création de brouillons, les traductions ou la synthèse de documents. La recherche d’informations et l’assistance technique, par exemple pour des questions de programmation ou la résolution de problèmes techniques, sont d’autres applications fréquemment citées. Des applications telles que la création de guides pratiques ou de contenus multimédias sont moins souvent mentionnées. Dans l’ensemble, une tendance claire se dégage: l’IA générative est principalement utilisée lorsqu’il faut traiter rapidement des informations ou créer des textes.

Ces habitudes d’utilisation permettent également de mieux comprendre les différences d’efficacité et de qualité observées précédemment. Lorsque l’IA générative est principalement utilisée pour des tâches consistant à structurer des informations ou à rédiger des textes, il est relativement facile de réaliser des gains d’efficacité. En revanche, l’amélioration de la qualité – par exemple grâce à une analyse approfondie ou à une résolution créative des problèmes – nécessite souvent davantage de temps et d’interaction.

Il n’est donc pas surprenant que les gains d’efficacité soient particulièrement importants dans le domaine de formation «technologies de l’information et de la communication». Dans ce domaine, les personnes interrogées recourent relativement souvent à l’IA générative pour des tâches techniques, par exemple en programmation. En revanche, l’utilisation de l’IA dans le domaine «santé et protection sociale» est davantage axée sur les applications multimédias, telles que l’analyse d’images radiographiques. Cela pourrait expliquer pourquoi les gains de qualité y sont relativement élevés par rapport aux gains d’efficacité.

Résumé et perspectives

Nos analyses montrent que les personnes diplômées et en formation dans les ES estiment que l’impact de l’IA générative sur leur productivité au travail est globalement moyennement fort. Les améliorations de la qualité du travail sont légèrement moins importantes que les gains d’efficacité, mais restent néanmoins modérés. L’intensité d’utilisation est un facteur important pour les avantages de l’IA générative: les personnes qui utilisent plus fréquemment l’IA font état de gains d’efficacité et de qualité plus importants. L’analyse des réponses ouvertes montre en outre que l’IA générative est principalement utilisée dans le quotidien professionnel pour des tâches de rédaction et de recherche d’informations.

Ces résultats suggèrent que l’IA générative permet surtout de réaliser rapidement des gains d’efficacité lorsque les processus de travail existants reposent fortement sur le traitement de l’information ou la production de textes. Les améliorations de la qualité du travail dépendent probablement davantage du degré d’intégration de l’IA générative dans les processus de travail et de l’intensité avec laquelle les humains et l’IA collaborent au perfectionnement des résultats. Dans ce contexte, notre prochain article examinera quels types de formations continues sont jugés particulièrement nécessaires en raison du développement de l’IA générative. 

 ¹Chaire de systèmes éducatifs, EPF Zurich
 ²Haute école fédérale en formation professionnelle
 ³School of Management and Law, ZHAW

Références
Chatterji A., Cunningham T., Deming D. J., Hitzig Z., Ong C., Shan C. Y., & Wadman K. (2025). How people use chatgpt (No. w34255). National Bureau of Economic Research.