Ceux qui construisent l’IA sont-ils exposés à des risques psychosociaux particuliers ?

Une combinaison particulière de risques déjà connus.

Une enquête récente de Business Insider auprès de thérapeutes accompagnant des professionnels de la Silicon Valley fait émerger plusieurs situations inhabituelles. Des ingénieurs s’interrogent sur la pérennité de leur propre expertise. Certains salariés éprouvent un malaise face aux conséquences de technologies qu’ils ont contribué à développer. D’autres restent dans des organisations très exigeantes parce qu’une part considérable de leur rémunération future dépend encore de leur présence.

Ces témoignages concernent plus largement des travailleurs de la tech et ne permettent pas d’isoler spécifiquement les salariés des laboratoires d’IA. Ils constituent néanmoins un signal intéressant pour ceux qui travaillent au plus près des systèmes les plus avancés.

La question n’est probablement pas celle de nouveaux risques psychosociaux propres à l’IA. Elle est plutôt celle d’une combinaison particulière de risques déjà connus, produite à la fois par l’accélération technologique et par les organisations qui l’accompagnent.

Construire l’outil qui peut déprécier sa propre expertise.

Certains travailleurs de l’IA contribuent directement à améliorer des systèmes susceptibles d’automatiser une part croissante de leur propre activité.

La différence avec beaucoup d’autres professions est qu’ils ne découvrent pas nécessairement cette progression dans la presse. Ils peuvent observer directement ce que les modèles ne savaient pas faire quelques mois auparavant, puis participer eux-mêmes à réduire les limites restantes.

Business Insider rapporte ainsi que plusieurs ingénieurs seniors suivis par un thérapeute ne s’imaginent plus exercer le même métier dans dix ans.

Cette incertitude semble déjà toucher à quelque chose de plus profond que la seule sécurité de l’emploi. Une thérapeute rapporte ainsi cette interrogation chez certains de ses patients :

“I don't know who I am if my work gets automated.”

Mais cette évolution produit aussi un paradoxe. L’IA peut considérablement augmenter les capacités d’un ingénieur aujourd’hui tout en fragilisant la valeur future de son expertise.

Le même professionnel peut donc se sentir beaucoup plus capable aujourd’hui et beaucoup moins certain de ce qui fera sa valeur professionnelle demain.

L’augmentation immédiate du sentiment de puissance peut coexister avec une incertitude croissante sur la valeur future de sa compétence.

On retrouve ici l’insécurité professionnelle décrite parmi les grands facteurs de risques psychosociaux. Mais la menace perçue ne porte plus seulement sur le poste occupé. Elle peut également concerner ce qui fondait jusqu’ici la reconnaissance et l’identité professionnelle.

Très autonome dans son travail, beaucoup moins sur sa trajectoire.

Les travailleurs hautement qualifiés de l’IA peuvent disposer d’une autonomie technique considérable. Ils choisissent des méthodes, conduisent des recherches complexes et prennent quotidiennement des décisions nécessitant une expertise rare.

Cette autonomie ne signifie pourtant pas qu’ils disposent du même pouvoir sur la trajectoire générale des systèmes qu’ils développent.

Un ingénieur peut décider comment améliorer un modèle sans décider de son calendrier de commercialisation. Un spécialiste de la sécurité peut identifier un risque sans avoir le pouvoir d’empêcher seul un déploiement. Une équipe peut maîtriser la solution technique tout en ayant beaucoup moins de contrôle sur les objectifs économiques ou stratégiques de l’organisation.

Il faut donc distinguer autonomie opératoire et pouvoir décisionnel.

Cette dissociation peut devenir particulièrement importante lorsque les conséquences anticipées du travail sont considérées comme majeures.

Le « complicity grief ».

La psychothérapeute Annie Wright utilise l’expression « complicity grief » pour décrire le malaise de professionnels qui participent à la construction de technologies dont ils redoutent parallèlement certaines conséquences.

Elle donne notamment l’exemple de l’ingénieur ayant entraîné un modèle qui contribue ensuite à déplacer certains emplois, du responsable produit ayant déployé une fonctionnalité permettant de réduire des effectifs, ou encore du fondateur développant un agent susceptible de banaliser toute une profession.

Ce terme ne constitue ni un diagnostic médical ni une catégorie reconnue de risque psychosocial.

Mais l’expérience décrite évoque directement les conflits de valeurs, lorsqu’une personne estime que son travail contribue à des conséquences difficilement compatibles avec ses convictions.

Wright emploie également l’expression « moral injury » dans le cas d’une salariée en conflit avec ce qu’elle contribue à produire. La notion de souffrance ou de blessure morale fait l’objet d’une littérature scientifique croissante dans différents contextes professionnels, mais elle n’a pas été établie spécifiquement chez les travailleurs de l’IA.

La configuration intéressante est peut-être moins la culpabilité elle-même que la combinaison entre responsabilité ressentie élevée et pouvoir de décision limité.

Un salarié peut se sentir personnellement impliqué dans les conséquences d’une technologie tout en n’ayant qu’une influence partielle sur la manière dont elle sera finalement utilisée.

Quand une rémunération exceptionnelle réduit la liberté de partir.

La « liquidity anxiety » décrite dans l’article mérite également d’être replacée dans une perspective de santé au travail.

Il ne s’agit pas vraiment d’insécurité financière au sens habituel.

Certains salariés peuvent au contraire posséder sur le papier un patrimoine considérable sous forme d’actions, de stock-options ou de rémunérations différées. Mais cette richesse n’est parfois accessible qu’après certaines échéances ou dépend directement du maintien dans l’entreprise.

Wright résume cette situation de manière particulièrement parlante :

“technically rich on paper and functionally stuck in real life.”

Le salarié peut donc être extrêmement riche en apparence tout en considérant qu’il lui serait financièrement très coûteux de partir aujourd’hui.

Business Insider évoque notamment des calendriers de vesting qui peuvent rendre un départ particulièrement difficile.

La rémunération devient alors ambivalente. Elle récompense l’investissement dans l’organisation tout en augmentant simultanément le coût de sortie.

Dans une entreprise où la charge devient excessive ou dont la trajectoire entre en conflit avec les valeurs du salarié, cette architecture de rémunération peut donc réduire concrètement la capacité à partir.

La richesse devient une ressource et une dépendance à la fois.

Le rôle transversal de l’identité professionnelle.

Un élément revient dans plusieurs témoignages de l’enquête.

La valeur personnelle de certains professionnels semble fortement liée au titre occupé, au prestige de l’entreprise, au niveau de rémunération, à la rapidité des promotions ou à la capacité à rester parmi les meilleurs.

Cette forte identification au travail n’est évidemment pas spécifique à l’intelligence artificielle.

Mais l’accélération technologique crée une configuration particulière lorsque l’expertise qui fonde cette identité semble elle-même susceptible de perdre rapidement de sa valeur.

Le même travail peut alors produire simultanément reconnaissance, richesse, sentiment de puissance et menace d’obsolescence.

Une question d’organisation du travail avant d’être une question de fragilité individuelle.

C’est probablement le point le plus important de l’enquête.

Les expressions « complicity grief » ou « liquidity anxiety » pourraient facilement donner l’impression que l’on assiste à l’apparition de nouvelles fragilités psychologiques propres aux travailleurs de la Silicon Valley.

Pourtant, Annie Wright considère que l’industrie elle-même :

“bears substantial structural responsibility.”

Elle pointe notamment la disponibilité permanente, les rémunérations différées qui rendent financièrement coûteux le fait de partir et des organisations construites autour d’une recherche continue de croissance et de performance.

Derrière des expressions nouvelles apparaissent donc surtout des déterminants organisationnels beaucoup plus classiques.

Intensité élevée, conflits de valeurs, insécurité professionnelle, faible maîtrise de certaines décisions, dépendance économique et frontières temporelles difficiles à maintenir.

C’est une distinction essentielle en prévention.

L’enjeu n’est pas seulement d’aider les individus à mieux supporter les transformations technologiques. Il consiste aussi à examiner les conditions de travail et les structures d’incitation qui contribuent à produire ces situations.

Une combinaison singulière, pas encore un phénomène établi.

Une configuration particulière commence ainsi à se dessiner.

Le travailleur de l’IA peut disposer d’une expertise exceptionnelle tout en doutant de sa pérennité. Il peut être très autonome techniquement tout en maîtrisant peu la trajectoire générale de la technologie. Il peut trouver énormément de sens dans son travail tout en ayant davantage de difficultés à en poser les limites. Il peut ressentir une responsabilité importante tout en disposant d’un pouvoir décisionnel limité. Il peut enfin bénéficier d’une rémunération considérable tout en supportant un coût élevé s’il décide de quitter son entreprise.

Le paradoxe n’est peut-être pas que les travailleurs de l’IA soient exposés à de nouveaux risques psychosociaux. C’est qu’ils puissent cumuler des ressources professionnelles exceptionnelles et, précisément à travers certaines de ces ressources, des formes inhabituelles de dépendance, d’incertitude et de conflit avec leur propre travail.

Aucun de ces mécanismes n’est propre à l’intelligence artificielle.

Ce qui pourrait être plus spécifique est leur combinaison chez ceux qui travaillent au plus près de systèmes dont les capacités progressent rapidement et dont ils anticipent eux-mêmes les conséquences.

À ce stade, cela reste une hypothèse.

Les données disponibles concernent principalement des travailleurs de la tech, des témoignages de thérapeutes et des enquêtes non représentatives. Elles ne permettent ni d’estimer la fréquence de ces situations chez les travailleurs de l’IA, ni d’établir un lien causal entre développement de l’IA et troubles de santé mentale.

Mais elles font émerger une question qui mérite désormais d’être étudiée.

Les personnes qui construisent les systèmes d’IA avancés sont-elles exposées à une configuration particulière de risques psychosociaux produite par la combinaison entre accélération technologique, organisation du travail et menace d’auto-obsolescence ?