Thomas Cole, Destruction, 1836
Erreurs plausibles, transformations du travail et prévention collective.
Du point de vue de la santé au travail, l'intelligence artificielle doit être considérée avant tout comme une transformation du travail réel. Elle modifie déjà, selon les usages, les expositions professionnelles, les marges de manœuvre, les rythmes, les collectifs et le rapport subjectif au métier.
La grille des risques psychosociaux constitue une entrée solide pour analyser les effets de l'IA, car celle-ci peut agir simultanément sur les six dimensions du rapport Gollac : intensité et temps de travail, exigences émotionnelles, autonomie, rapports sociaux, conflits de valeurs et insécurité de la situation de travail.
Elle ne se limite pas à introduire de nouveaux outils dans l'organisation. Elle peut transformer les conditions mêmes dans lesquelles le travail est réalisé, prescrit, évalué et reconnu.
Lorsqu'elle est utilisée comme outil de production — assistant rédactionnel, copilote métier, outil de synthèse, aide au codage — l'IA peut soutenir l'activité et réduire certaines tâches répétitives. Mais elle peut aussi accélérer le rythme : les temps de respiration cognitive se réduisent, les délais se raccourcissent, les standards de productivité augmentent, tandis que le temps nécessaire à la vérification reste souvent peu visible.
Broutin C. Les grands modèles de langage et les nouveaux enjeux psychosociaux au travail : un défi pour la santé au travail.
Archives des Maladies Professionnelles et de l'Environnement, 86, 2025, 102877.
L'article propose précisément d'analyser l'introduction des LLMs en entreprise au regard du rapport Gollac, avec un focus sur l'intensification, la charge cognitive, la déqualification, l'isolement et l'insécurité.
Lire l'articleLes effets ne sont pas automatiques. Ils dépendent du type d'outil, du pouvoir qu'on lui donne, du degré de choix laissé au salarié, de la qualité de la formation et de la place accordée au travail réel dans le projet de déploiement.
Les gains théoriques liés à l'IA peuvent être convertis en objectifs concrets : plus de dossiers, plus de messages, plus de livrables, des délais plus courts. Le temps de vérification des productions IA doit être reconnu comme du temps de travail réel.
Le salarié peut devoir justifier auprès d'un client, patient, usager ou collègue une décision soutenue par un système opaque. Cette position augmente la tension émotionnelle, surtout lorsque la responsabilité finale reste humaine.
L'IA peut augmenter l'autonomie lorsqu'elle laisse le salarié décider. Elle la réduit lorsqu'elle prescrit l'activité, classe les priorités, impose une procédure ou transforme le professionnel en simple superviseur d'une production algorithmique.
Le copilote peut remplacer une partie du tutorat informel, des échanges entre pairs ou du rôle du management intermédiaire. Le risque n'est pas seulement l'isolement physique, mais la perte de soutien social et de reconnaissance dans l'activité.
Des conflits de valeurs apparaissent lorsque le professionnel ne reconnaît plus la qualité de ce qu'il produit, ne peut plus garantir pleinement ce qu'il signe ou a le sentiment d'exécuter une logique contraire aux règles du métier.
L'insécurité concerne la perte d'emploi, mais aussi l'évolution du contenu du métier : crainte d'être remplacé, dévalorisation de l'expertise, obsolescence des compétences, mobilité imposée ou dépendance croissante à un outil mal compris.
Le rôle de la médecine du travail n'est pas de valider l'opportunité technologique du projet. Il est d'objectiver ses effets possibles sur l'activité réelle et la santé des salariés, puis d'aider l'entreprise à intégrer ces effets dans une démarche de prévention.
Décrire l'outil, les tâches transformées, les populations concernées, le caractère choisi ou imposé de l'usage, les données utilisées, les décisions affectées et les situations dans lesquelles le salarié peut s'écarter de la recommandation du système.
Évaluer l'intensification possible, la charge de vérification, l'évolution de l'autonomie, la compréhension des décisions, l'impact sur les collectifs, les risques de surveillance et les situations de responsabilité floue.
Surveiller absentéisme, présentéisme, tensions d'équipe, erreurs, perte de sens, difficultés de prise en main, sentiment de contrôle, surcharge cognitive et trajectoires de désinsertion professionnelle.
Inscrire les risques dans le DUERP, prévoir des modalités de dialogue social, documenter les limites de l'outil, former les utilisateurs, reconnaître le temps de vérification et maintenir des espaces collectifs d'échange sur la qualité du travail.
Les risques ne viennent pas seulement du modèle. Ils dépendent de la tâche confiée, du niveau de supervision humaine, des données utilisées, du contexte réglementaire, du pouvoir donné au système et de la manière dont l'organisation convertit les gains d'efficacité attendus en objectifs de travail.
Un LLM peut produire une réponse fausse, mais formulée avec assurance. Le risque est majeur lorsque la réponse concerne une règle juridique, une donnée médicale, une valeur limite d'exposition, une conduite à tenir ou une source scientifique.
Point clé : une réponse bien écrite n'est pas une preuve de fiabilité.L'IA peut intensifier les rythmes, réduire l'autonomie, modifier les rapports sociaux, créer des conflits de valeurs et accroître l'insécurité de l'emploi ou du contenu même du métier. La grille de Gollac offre ici un cadre d'analyse robuste.
Source clé : Broutin C., Archives des Maladies Professionnelles et de l'Environnement, 2025.Lorsque l'IA attribue des tâches, mesure la performance, surveille l'activité ou infère des états émotionnels, elle change la relation de pouvoir dans le travail. Le sujet devient à la fois éthique, juridique, organisationnel et médical.
Cadre : RGPD, AI Act, doctrine CNIL, dialogue social et prévention primaire.Une hallucination n'est pas une simple maladresse de rédaction. C'est une affirmation factuellement fausse, souvent formulée dans une langue correcte, avec un ton d'autorité. En santé au travail, ce risque est amplifié par la technicité du droit français, les spécificités réglementaires, les tableaux de maladies professionnelles et les situations médico-légales rares.
Le modèle génère la suite de texte la plus probable au regard de son entraînement, du prompt et du contexte disponible. Il ne vérifie pas spontanément le réel. Il peut donc produire une réponse cohérente sur la forme, mais fausse sur le fond.
Les hallucinations peuvent concerner une source inventée, un article de loi mal attribué, une valeur réglementaire périmée, une recommandation clinique trop générale, une transposition de règles étrangères au contexte français ou une justification apparemment logique mais non démontrée.
La forme même de la réponse réduit la vigilance : le style est fluide, les termes sont crédibles, la structure est persuasive. L'utilisateur peut confondre qualité rédactionnelle et exactitude.
Le risque est maximal quand l'IA est utilisée pour gagner du temps sur des tâches où la vérification est longue, comme la veille réglementaire, la rédaction de notes, l'aide au raisonnement médico-légal ou l'analyse de situations complexes.
Le modèle peut citer un article, une circulaire, une recommandation ou une étude qui n'existe pas, ou mélanger plusieurs références réelles. C'est fréquent lorsque l'utilisateur demande des citations sans fournir de corpus fiable.
Le modèle peut appliquer une règle vraie dans un autre contexte : droit commun au lieu du Code du travail, médecine de soins au lieu de médecine du travail, droit étranger au lieu du droit français, ancienne version d'un texte.
Le modèle peut formuler une conduite à tenir trop directive, alors qu'il manque le poste réel, les expositions, les antécédents, les contraintes de l'entreprise ou les éléments du dossier médical. La réponse devient alors plus précise que les données disponibles ne le permettent.
Les hallucinations augmentent lorsque la question porte sur un domaine peu présent dans les données d'entraînement : tableaux de maladies professionnelles, VLEP, inaptitude, secret médical, suivi individuel renforcé, jurisprudence récente.
Un prompt très long, contradictoire ou mal hiérarchisé peut dégrader le raisonnement. Le modèle peut perdre de vue l'objectif principal, négliger une contrainte ou répondre à une partie seulement de la demande.
La réduction du risque repose sur un corpus source fiable, une demande explicite de citation, une vérification humaine, une traçabilité des versions, des tests sur cas réels anonymisés et une règle simple : pas d'usage autonome pour une décision sensible.
Le bon niveau de sécurité dépend de la tâche. Une reformulation de texte public n'appelle pas les mêmes garde-fous qu'une préconisation médicale, une note juridique ou une analyse de données issues du dossier de santé au travail.
Opacité. Le salarié peut utiliser ou subir un système dont il ne connaît ni les critères précis, ni la logique de décision.
Charge de supervision. Les productions probabilistes imposent une vigilance continue : vérifier, corriger, douter, arbitrer.
Calibration de confiance. Il faut faire suffisamment confiance à l'outil pour l'utiliser efficacement, tout en gardant assez de distance critique pour détecter ses erreurs.
Érosion des compétences. La délégation durable d'une partie du raisonnement professionnel peut réduire les occasions d'apprendre, de pratiquer et de transmettre.
La vigilance doit être renforcée lorsque l'IA attribue des tâches, organise des plannings, mesure la performance, hiérarchise les priorités ou surveille l'activité.
L'évaluation peut devenir plus difficile à comprendre. Le salarié peut alors avoir le sentiment d'être jugé par un système dont il ne connaît pas les critères, ce qui peut réduire les marges de manœuvre et accroître le sentiment de contrôle.