En bref — L’IA fait gagner du temps sur chaque tâche, mais rarement du temps libre. C’est le paradoxe de Jevons : en 1865, l’économiste William Stanley Jevons observe que des machines à vapeur plus économes en charbon ont fait augmenter la consommation totale de charbon, parce qu’une ressource plus efficace est davantage utilisée. En 2026, la ressource est votre temps : chaque dossier coûte moins, donc vous en traitez plus, et l’agenda se remplit à nouveau. Le volume de nouveaux dossiers reprend souvent plus de temps que l’IA n’en fait gagner. La solution n’est pas un meilleur outil, c’est une décision d’organisation : affecter le temps gagné avant de le gagner, plafonner le volume, et mesurer la valeur plutôt que la quantité.
Vous avez probablement fait cette expérience. Le compte rendu qui prenait quarante minutes en prend dix. La proposition commerciale qui occupait une matinée est bouclée avant le café. Vous traitez chaque dossier deux fois plus vite qu’il y a un an.
Et pourtant, votre agenda est aussi plein qu’avant. Peut-être plus.
Ce n’est ni une impression, ni un défaut de l’outil, ni un manque de discipline de votre part. C’est un mécanisme économique décrit il y a plus de cent cinquante ans, et il s’applique à l’IA avec une précision presque gênante.
Pourquoi gagner du temps avec l’IA ne libère pas votre agenda ?
Parce que le temps gagné n’a pas de destination. Personne ne l’a décidée.
Quand une tâche devient plus rapide, trois choses se produisent sans que vous les ayez choisies. Vous acceptez davantage de demandes, puisque chacune vous coûte moins. Votre entourage vous en adresse davantage, parce qu’il a constaté que vous répondiez vite. Et l’outil lui-même vous pousse à produire plus : trois versions d’un e-mail au lieu d’une, cinq angles pour un article, un tableau comparatif « tant qu’on y est ». Chacune de ces versions doit ensuite être relue, comparée, vérifiée.
Le temps de production baisse. Le temps de contrôle, d’arbitrage et de décision augmente. Et le nombre de dossiers ouverts grimpe jusqu’à occuper à nouveau toute la journée.
Le résultat est contre-intuitif mais parfaitement logique : on va plus vite, on fait plus, et on n’a pas plus de temps.
Le paradoxe de Jevons, de la machine à vapeur à ChatGPT
En 1865, William Stanley Jevons publie The Coal Question. L’Angleterre s’inquiète alors de l’épuisement de ses réserves de charbon, et beaucoup comptent sur le progrès technique pour régler le problème : les machines à vapeur deviennent de plus en plus efficaces, elles consomment moins de charbon pour produire le même travail.
Jevons montre que c’est l’inverse qui se produit. Plus les machines sont économes, plus la consommation totale de charbon augmente. La raison est simple : une machine plus efficace rend la vapeur moins chère à produire, donc rentable pour des usages qui ne l’étaient pas, donc on installe davantage de machines, partout. Le gain d’efficacité par machine est réel ; il est englouti par la multiplication des machines.
Les économistes appellent aujourd’hui ce phénomène l’effet rebond. On le retrouve dans l’énergie, les transports, l’informatique — et désormais dans le travail intellectuel.
Avec l’IA générative, la ressource n’est plus le charbon. C’est votre temps de travail. Un dossier qui coûtait une heure n’en coûte plus qu’une demi. Il devient donc « rentable » d’accepter le dossier de plus, la demande qu’on aurait déclinée, la variante qu’on n’aurait pas faite. La consommation totale de temps ne baisse pas. Elle se redistribue sur un volume plus grand.
Lire le schéma : le gris, le bleu et le jaune
Le schéma se lit en deux temps.
Avant l’IA, votre temps total se compose du gris — vos dossiers habituels — et du bleu, le temps qu’ils vous prenaient en plus. Chaque dossier est long, vous en traitez un nombre limité.
Avec l’IA, le temps par dossier baisse : c’est la descente de la courbe. Le bleu disparaît, c’est le temps gagné. Vos dossiers d’avant sont traités plus vite, ils tiennent dans le seul gris.
Mais la courbe a continué vers la droite. Puisque vous êtes plus rapide, vous prenez plus de dossiers. Et ces nouveaux dossiers occupent une zone que vous n’aviez pas avant : le jaune.
Votre temps total, aujourd’hui, c’est le gris plus le jaune. Et c’est là tout le piège : très souvent, le jaune dépasse le bleu : le volume de nouveaux dossiers reprend plus de temps que l’IA n’en a fait gagner. Agenda plein. Plafond atteint.
Trois signes que vous êtes dans le jaune
Le phénomène est discret, parce que chaque décision qui le nourrit est raisonnable prise isolément. Voici les symptômes les plus fréquents.
Vous produisez plus de versions qu’avant. Là où vous rédigiez un mail, vous en générez trois pour choisir. Là où vous faisiez un plan, vous en comparez quatre. Le temps de génération est quasi nul ; le temps de lecture et de choix, lui, est bien réel.
On vous sollicite davantage. Vos collègues ont remarqué que vous rendiez vite. Les « tu pourrais me faire un petit résumé de… » se multiplient. Vous êtes devenu, sans l’avoir décidé, le point de passage d’un flux qui n’existait pas.
Vous ne savez pas dire combien de temps vous avez gagné. Si la question vous embarrasse, c’est que le temps gagné n’a jamais été isolé, mesuré, affecté. Il s’est dissous dans la journée.
Ce n’est pas un échec de l’IA, c’est un problème d’organisation
Il serait tentant d’en conclure que l’IA ne sert à rien. Ce serait une erreur. Le gain par tâche est réel et mesurable ; le paradoxe de Jevons ne le conteste pas, il dit simplement où il part.
C’est d’ailleurs cohérent avec ce que mesurent les études françaises de référence. La Banque de France constate début 2026 que deux tiers des entreprises d’au moins vingt salariés utilisent l’IA générative, mais que les effets économiques observés « demeurent limités ». Nous avons détaillé ce décalage dans notre analyse croisée des études Insee, Banque de France et Bpifrance. L’effet rebond en est une explication très concrète : le temps gagné existe, il est simplement réinjecté dans le volume au lieu d’être converti en valeur.
Le problème n’est donc pas technique. Il est organisationnel. Aucun outil, si performant soit-il, ne décidera à votre place de ce que vous ferez des heures qu’il vous rend.
Comment transformer le temps gagné en temps vraiment libéré ?
La règle de fond tient en une phrase : décidez de ce que deviendra le temps gagné avant de le gagner. Le reste en découle.
1. Affectez le temps avant de le gagner. Repérez les tâches que l’IA accélère réellement, estimez le temps récupéré — même grossièrement — et attribuez-le à quelque chose de précis. Une activité à forte valeur que vous repoussez : la prospection, la réflexion stratégique, la formation d’un collaborateur. Ou simplement une fin de journée plus tôt deux soirs par semaine. Ce qui n’est pas affecté sera absorbé.
2. Plafonnez le volume au lieu de le laisser s’ajuster. Le paradoxe de Jevons joue tant que la demande peut croître librement. Fixez des limites : un nombre de dossiers par semaine, des créneaux réservés que les nouvelles demandes ne peuvent pas occuper, un délai de réponse assumé plutôt qu’une réactivité permanente.
3. Mesurez la valeur, pas la quantité. Si votre indicateur est le nombre de dossiers traités, l’IA fera monter ce chiffre et vous serez satisfait d’un résultat qui vous épuise. Mesurez plutôt ce que ces dossiers rapportent : affaires signées, problèmes réellement résolus, satisfaction client. Le volume cesse alors d’être une fin en soi.
4. Limitez les versions. Demandez à l’IA une proposition, pas cinq. Si la première ne convient pas, précisez votre demande plutôt que de multiplier les alternatives. C’est souvent le gisement de temps perdu le plus facile à récupérer.
5. Rendez le gain visible. Dans une équipe, le temps gagné qui reste invisible est réaffecté par défaut — généralement par la personne qui envoie le plus de demandes. Le nommer, le chiffrer, le partager en réunion d’équipe permet de décider collectivement de son usage.
Ce que ça change pour une équipe
À l’échelle individuelle, le paradoxe de Jevons est une source de frustration. À l’échelle d’une équipe, c’est un risque.
Un collaborateur qui gagne du temps grâce à l’IA et le voit aussitôt rempli par de nouvelles sollicitations finit par ne plus voir l’intérêt de l’outil — ou par s’épuiser en silence. Dans les deux cas, l’investissement est perdu. Et la tentation managériale naturelle, « puisque tu vas plus vite, tu peux prendre ce dossier aussi », est précisément le moteur du phénomène.
C’est pour cette raison qu’une formation à un outil ne suffit pas si elle ne traite pas aussi de l’organisation. Apprendre à rédiger une bonne consigne pour ChatGPT ou Claude ne prend que quelques heures. Apprendre à décider de ce que devient le temps libéré, à poser des limites de volume et à mesurer autre chose que la quantité, c’est ce qui sépare une équipe qui utilise l’IA d’une équipe qui en bénéficie.
Le jaune ne dépassera pas le bleu par fatalité. Il le dépasse quand personne n’a décidé qu’il ne le ferait pas.
Dans nos formations à l’IA générative, le dernier module de chaque programme est consacré à cadrer l’usage dans l’équipe et à construire le plan d’action de chaque participant — c’est là que se décide ce que deviendra le temps gagné. Pour démarrer avec une équipe, voir aussi Former ses équipes à ChatGPT : par où commencer.