78 % des managers déclarent avoir utilisé une IA pour préparer un retour ou une évaluation de performance au cours des douze derniers mois. En face, seuls 16 % des salariés affirment avoir été informés de l’influence de l’IA sur leur dernière évaluation. L’écart ne relève donc plus d’un simple débat sur la productivité : il touche directement la confiance accordée aux décisions managériales.
L’IA rend les évaluations plus rapides à rédiger, mais elle ne garantit ni des critères plus justes ni des échanges plus utiles. Les salariés interrogés décrivent des effets contradictoires : 54 % jugent les retours plus spécifiques, tandis que 34 % les trouvent plus génériques et 32 % moins utiles. Près d’un salarié sur quatre utilise aussi un outil d’IA pour s’entraîner à des conversations difficiles.
Cette évolution transforme la relation entre managers et collaborateurs. Elle pousse les entreprises à clarifier le rôle exact des outils, à documenter les données utilisées et à maintenir une intervention humaine réelle, alors que le règlement européen sur l’intelligence artificielle encadre déjà les systèmes capables de surveiller ou d’évaluer la performance.
78 % des managers utilisent déjà l’IA pour préparer leurs retours
L’usage de l’IA dans les évaluations de performance n’est plus marginal. Selon une étude publiée le 6 octobre 2026, 78 % des managers ont utilisé un outil d’IA au cours des douze derniers mois pour rédiger, modifier, résumer ou préparer un retour destiné à un salarié.
Ce chiffre décrit d’abord une évolution du travail de préparation. L’IA peut reformuler un commentaire, résumer plusieurs notes, organiser des exemples ou aider à structurer une conversation. Elle intervient donc souvent avant l’entretien, au moment où le manager transforme ses observations en document ou en message.
Cette distinction compte. Un outil qui aide à améliorer la formulation d’un retour n’a pas le même rôle qu’un système qui attribue automatiquement une note, détermine un classement ou recommande une promotion. Dans les deux cas, toutefois, le contenu produit peut influencer la perception du salarié et la décision finale.
L’étude inclut les usages d’IA destinés à « rédiger, modifier, résumer ou éclairer » un feedback ou une évaluation de performance. Le recours à l’outil ne signifie donc pas nécessairement que l’IA prend seule la décision. Il montre cependant qu’elle participe déjà à une étape sensible du management.
À retenir : L’IA ne remplace pas systématiquement le manager, mais elle intervient de plus en plus souvent dans la fabrication du message qui sera présenté au salarié.
Le principal angle mort reste l’information des salariés
L’écart entre l’usage déclaré par les managers et l’information reçue par les salariés constitue le point le plus sensible de cette tendance. Alors que 78 % des managers disent avoir utilisé l’IA pour préparer des retours, seuls 16 % des salariés déclarent avoir été informés de cette intervention lors de leur dernière évaluation.
Une autre donnée renforce cette opacité : 40 % des salariés interrogés soupçonnent que l’IA a été utilisée sans confirmation ou ne savent pas si elle l’a été. Le problème ne se limite donc pas aux cas où l’outil est effectivement mobilisé. Il concerne aussi l’incertitude créée par l’absence de règles visibles.
Un salarié peut accepter qu’un assistant aide à corriger la forme d’un document tout en refusant qu’un modèle déduise sa performance à partir de messages, de données d’activité ou d’indicateurs difficiles à contester. Sans information sur le périmètre de l’outil, ces situations deviennent impossibles à distinguer.
La transparence utile ne consiste pas seulement à annoncer qu’une entreprise utilise de l’IA. Elle doit préciser plusieurs éléments :
- la finalité du système, par exemple la reformulation, la synthèse ou l’aide à la décision ;
- les catégories de données utilisées ;
- la place de l’outil dans la procédure ;
- l’identité de la personne responsable de la décision finale ;
- les moyens de corriger une erreur ou de contester un résultat.
Une notification générale dans une charte informatique ne répond pas forcément à ces questions. Pour être compréhensible, l’information doit intervenir avant ou au moment de l’évaluation, avec un vocabulaire accessible et des consignes permettant au salarié de réagir.
Des retours parfois plus précis, mais pas forcément plus utiles
L’IA améliore certains aspects formels des évaluations sans régler automatiquement leur qualité. 54 % des salariés interrogés considèrent que les retours sont devenus plus spécifiques, mais 34 % les trouvent plus génériques et 32 % moins utiles.
Ces résultats ne sont pas contradictoires. Un texte peut contenir davantage de détails tout en restant vague sur les attentes réelles. Un modèle peut aussi produire une formulation claire, structurée et professionnelle sans disposer du contexte nécessaire pour expliquer pourquoi une performance est jugée insuffisante.
La précision apparente peut même masquer une faiblesse du diagnostic. Une évaluation remplie d’expressions comme « renforcer la collaboration », « gagner en proactivité » ou « améliorer la communication » semble constructive, mais elle n’aide pas le salarié si elle ne décrit ni les faits observés ni le comportement attendu.
La forme ne remplace pas les preuves
Un bon retour de performance doit relier une observation à une conséquence et à une attente vérifiable. L’IA peut aider à organiser cette chaîne, mais elle ne peut pas inventer les éléments manquants sans créer un risque de généralisation ou d’erreur.
Un manager qui transmet à un outil des notes incomplètes peut obtenir un texte très fluide, mais la fluidité ne rend pas l’évaluation plus objective. Elle peut au contraire donner une apparence d’autorité à des impressions qui n’ont jamais été confrontées à des faits.
La responsabilité du manager consiste donc à vérifier chaque affirmation avant publication. Les exemples doivent correspondre à des situations réelles, les objectifs doivent être mesurables et les formulations doivent distinguer les faits des interprétations.
Le risque du langage standardisé
Les modèles d’IA ont tendance à produire des formulations cohérentes avec les consignes reçues. Si l’entreprise valorise un vocabulaire de leadership très général, les évaluations peuvent progressivement adopter les mêmes tournures et perdre leur singularité.
Cette standardisation pose un problème pratique : deux salariés peuvent recevoir des textes bien écrits, mais difficilement comparables si les managers n’utilisent pas les mêmes critères. L’IA peut harmoniser la forme sans harmoniser la méthode.
La transparence exige donc que les critères de performance soient connus avant la rédaction. Le salarié doit pouvoir comprendre ce qui est évalué, sur quelle période et à partir de quels éléments, indépendamment du style produit par l’outil.
Les salariés utilisent aussi l’IA pour préparer leur propre défense
L’IA ne transforme pas seulement le travail des managers. Près d’un salarié sur quatre s’en sert pour s’entraîner à des conversations difficiles, notamment lorsque l’entretien porte sur une critique, une demande de reconnaissance ou un désaccord avec l’évaluation.
Cette pratique modifie l’équilibre de la préparation. Le manager peut demander à un outil de structurer ses arguments, tandis que le salarié peut simuler des réponses, identifier des objections ou reformuler une demande. L’entretien devient alors un échange préparé des deux côtés par des assistants numériques.
Ce phénomène peut avoir un effet positif. Une personne qui redoute un entretien peut répéter ses arguments, clarifier les faits et éviter une réaction impulsive. L’outil peut également proposer plusieurs formulations pour exprimer un désaccord sans transformer la discussion en affrontement.
Mais la simulation ne doit pas remplacer l’échange réel. Une conversation de performance ne se résume pas à une suite de réponses optimisées. Elle suppose que le manager écoute les éléments nouveaux, accepte de revoir son analyse et prenne en compte le contexte de travail.
Une nouvelle compétence : savoir questionner une évaluation
Face à un retour rédigé avec l’IA, le salarié doit pouvoir demander des précisions concrètes : quel événement justifie cette remarque, quelle période est concernée, quel résultat est attendu et comment sera mesurée l’amélioration ?
Ces questions ne visent pas à contester systématiquement l’évaluation. Elles permettent de distinguer un jugement documenté d’une formulation générique. Elles deviennent particulièrement importantes lorsque le texte paraît précis, mais ne cite aucun fait vérifiable.
Les entreprises peuvent faciliter cette discussion en prévoyant un droit de réponse, une étape de validation par le manager et une procédure de correction. La transparence ne s’arrête pas à l’information sur l’usage de l’IA : elle concerne aussi la possibilité de comprendre et de discuter le contenu produit.
Le règlement européen classe l’évaluation automatisée parmi les usages à haut risque
Le règlement européen sur l’intelligence artificielle classe comme systèmes à haut risque les outils destinés notamment à surveiller ou évaluer la performance et le comportement des personnes dans une relation de travail. Cette catégorie couvre aussi les systèmes utilisés pour influencer la promotion, la rupture de la relation de travail ou l’attribution de tâches en fonction du comportement ou de caractéristiques personnelles.
La distinction entre aide à la rédaction et évaluation automatisée devient donc déterminante. Un outil qui accomplit une tâche préparatoire sous un contrôle humain réel peut relever d’un cadre différent d’un système qui établit un profil, prédit la performance ou attribue une note utilisée pour une décision professionnelle.
Les obligations associées aux systèmes à haut risque comprennent notamment la supervision humaine, la conservation de journaux, l’utilisation conforme aux instructions du fournisseur et l’information des travailleurs et de leurs représentants.
Le calendrier européen prévoit une application progressive des règles. Les obligations relatives aux systèmes à haut risque sont annoncées pour le 2 août 2026 par des sources spécialisées dans le déploiement du règlement, tandis que certaines obligations de mise en conformité des systèmes concernés sont également décrites à partir du 2 décembre 2027 selon le périmètre retenu.
L’émotion au travail constitue une limite distincte
Le règlement interdit les systèmes d’inférence des émotions sur le lieu de travail, sauf dans des finalités médicales ou de sécurité. Cette interdiction vise les outils qui déduisent un état émotionnel à partir d’expressions du visage, de la voix ou de données biométriques.
Cette règle distingue l’analyse d’un résultat professionnel de l’interprétation automatisée d’un état intérieur. Un système peut organiser des objectifs ou résumer des informations, mais l’inférence d’une motivation, d’un enthousiasme ou d’une attitude à partir de signaux biométriques relève d’un risque juridique et humain différent.
Pour les directions des ressources humaines, le sujet ne consiste donc pas seulement à vérifier si un logiciel contient une fonction d’IA. Il faut examiner ce que le système mesure, les décisions qu’il influence et la nature des données utilisées.
Trois modèles d’usage, trois niveaux de risque
Toutes les utilisations de l’IA dans une évaluation ne produisent pas les mêmes conséquences. Une comparaison simple permet de séparer l’assistance rédactionnelle, l’analyse de données et la décision automatisée.
| Usage de l’IA | Rôle de l’outil | Point de vigilance |
|---|---|---|
| Reformulation d’un retour | Améliorer la clarté et la structure d’un texte | Vérifier que le sens et les faits n’ont pas été modifiés |
| Synthèse de notes et d’objectifs | Regrouper des informations fournies par le manager | Contrôler les omissions et les généralisations |
| Score ou recommandation de promotion | Influencer directement une décision professionnelle | Assurer la supervision humaine, la traçabilité et l’information des salariés |
Le premier modèle peut sembler peu risqué, mais il n’est pas neutre. Le choix des exemples, la tonalité du texte et l’ordre des arguments peuvent modifier la réception du retour. Le manager reste responsable du contenu transmis.
Le deuxième modèle exige une attention particulière aux données d’entrée. Une synthèse peut privilégier les éléments les plus fréquents, alors qu’un événement rare a parfois une importance majeure. Elle peut aussi effacer les circonstances dans lesquelles un objectif n’a pas été atteint.
Le troisième modèle est le plus sensible, car il rapproche l’IA d’une décision affectant la carrière. Lorsqu’un score ou une recommandation influence une promotion, une rupture de contrat ou l’attribution de tâches, l’entreprise doit pouvoir expliquer le fonctionnement de la procédure et préserver une intervention humaine effective.
À retenir : Plus l’IA s’éloigne de la rédaction pour influencer une décision professionnelle, plus les exigences de traçabilité, d’explication et de contrôle deviennent fortes.
Ce que les entreprises doivent changer dans leurs évaluations
La transparence ne peut pas reposer sur la seule bonne volonté des managers. Elle doit être intégrée au processus d’évaluation, avec des règles communes et des contrôles simples à appliquer.
Déclarer l’usage au bon moment
Le salarié devrait savoir si l’IA intervient dans son évaluation avant de recevoir le document final. Cette information doit décrire le rôle concret de l’outil, sans se limiter à une formule générale sur l’utilisation de technologies numériques.
Une politique claire peut distinguer trois situations : l’IA utilisée pour corriger la forme, l’IA utilisée pour synthétiser des données et l’IA utilisée pour produire une recommandation. Cette classification aide les salariés à comprendre ce qui a réellement influencé leur évaluation.
Interdire les données impossibles à vérifier
Une évaluation ne devrait pas s’appuyer sur un indicateur que le salarié ne peut ni comprendre ni corriger. Les données issues d’un logiciel de travail, d’un outil de suivi ou d’une analyse automatisée doivent être contextualisées avant d’être utilisées.
La fréquence des messages, le nombre de réunions ou le temps de connexion ne constituent pas automatiquement des mesures fiables de performance. Ils peuvent refléter une organisation d’équipe, une contrainte de projet ou une différence de rôle plutôt qu’un niveau d’engagement.
Conserver la décision humaine
Le contrôle humain doit être concret. Le manager doit lire le résultat, vérifier les faits, corriger les erreurs et pouvoir s’écarter de la suggestion de l’outil. Une validation automatique ou superficielle ne suffit pas à établir une responsabilité claire.
Les personnes chargées de cette supervision doivent aussi disposer du temps et des compétences nécessaires pour comprendre les limites du système. Une signature apposée sur un document généré par l’IA ne constitue pas, à elle seule, un examen humain sérieux.
Mesurer la qualité autrement que par la vitesse
Le gain de temps est facile à mesurer, mais il ne dit rien de la qualité du dialogue. Les entreprises devraient suivre des indicateurs liés à la compréhension des objectifs, à la possibilité de répondre, à la cohérence entre équipes et à la correction des erreurs.
Les 54 % de salariés qui jugent les retours plus spécifiques montrent que l’IA peut améliorer la précision perçue. Les 32 % qui les trouvent moins utiles rappellent que la qualité d’une évaluation dépend aussi de sa pertinence et de sa capacité à guider l’action.
Notre avis : l’IA doit assister l’évaluation, pas devenir son arbitre
L’IA peut rendre les évaluations plus lisibles, aider les managers à préparer des exemples et permettre aux salariés de mieux formuler leurs réponses. Son intérêt est réel lorsque les faits sont déjà établis, que les critères sont connus et que le manager assume pleinement le contenu final.
La situation devient problématique lorsque l’outil produit une autorité invisible. Un salarié qui ignore l’intervention de l’IA ne sait pas quelles données ont été utilisées, quelles formulations ont été générées ni à qui adresser une contestation. Avec 78 % de managers utilisateurs et seulement 16 % de salariés informés, la priorité n’est plus d’expérimenter davantage, mais de rendre les usages compréhensibles.
Dans les six prochains mois, les entreprises les mieux préparées seront celles qui formaliseront une règle simple : aucune évaluation importante ne doit dépendre d’un résultat impossible à expliquer, corriger ou discuter. L’IA peut améliorer le texte, mais la confiance se construit encore dans un échange où chacun sait comment la décision a été prise.
La question qui reste ouverte est celle-ci : les organisations accepteront-elles de publier des règles aussi précises pour l’IA dans les évaluations qu’elles en exigent déjà pour les salariés ?