En bref. Les évaluations de performance étaient bruitées bien avant l’IA. Dans l’étude de Scullen, Mount et Goff portant sur deux grands échantillons de managers, les tendances propres à l’évaluateur expliquaient 62 % et 53 % de la variance des notes ; la performance réelle de la personne en expliquait 21 % et 25 %. Une méta-analyse a établi la fiabilité interévaluateurs moyenne des évaluations par le supérieur hiérarchique à 0,52. Dans la dernière enquête fédérale américaine à l’échelle de toute l’administration, seuls 47 % des agents affirmaient que les écarts de performance sont reconnus de manière significative, l’item le moins bien noté. L’IA ajoute une seconde distorsion : dans quatre expériences préenregistrées réunissant 4 439 participants, les personnes aidées par l’IA étaient jugées plus paresseuses et moins compétentes que celles ayant reçu la même aide d’une personne ou d’un outil classique, et dans une expérience menée dans quatre pays, l’utilisateur d’un chatbot standard recevait 11,83 à 24,72 points de crédit en moins (échelle de 0 à 100) qu’une personne ayant produit le même résultat utile sans IA. Le réflexe du CEO : tenir un journal de contribution hebdomadaire qui distingue le résultat, les décisions assumées, la vérification effectuée et l’effet de levier créé, et apporter des preuves qu’un évaluateur peut vérifier. Le réflexe de l’étudiant : relire ce journal chaque mois pour voir quelles parties de votre travail l’IA absorbe et quelles compétences de jugement développer ensuite.
Cet article constitue la couche « documentation de l’évaluation » du guide CEOtudent sur comment mesurer la production du travail intellectuel. La question de savoir s’il faut mentionner l’IA est traitée dans faut-il dire à son patron que l’on utilise l’IA ; transformer ces preuves en argumentaire salarial est traité dans négocier une augmentation quand l’IA a multiplié votre production.
Pourquoi cette saison d’évaluations est-elle différente ?
L’usage de l’IA au travail est devenu routinier pour une minorité non négligeable avant que la plupart des employeurs ne disent comment ils souhaitent qu’il soit évalué. Le Pew Research Center a constaté qu’en septembre 2025, 21 % des travailleurs américains déclaraient qu’au moins une partie de leur travail était réalisée avec l’IA, contre 16 % environ un an plus tôt. Dans une enquête Pew de février 2026, 38 % des adultes en emploi déclaraient utiliser des chatbots d’IA pour des tâches professionnelles. Côté règles, une enquête Pew publiée en février 2025 a montré que la moitié des salariés non indépendants affirment que leur employeur n’encourage ni ne décourage l’usage des chatbots au travail ; 12 % disaient que leur employeur l’encourage et 8 % qu’il le décourage. Parmi les travailleurs ayant utilisé des chatbots pour leur travail, 40 % les trouvaient extrêmement ou très utiles pour aller plus vite, et 29 % très utiles pour améliorer la qualité.
Une part croissante du travail qu’un manager évaluera cette année a donc été produite avec une certaine aide de l’IA, souvent selon des règles non écrites, et surtout plus vite plutôt que mieux. L’évaluateur doit décider quelle part du résultat revient à la personne. Sans preuves, cette décision retombe sur l’impression, précisément là où les évaluations sont les plus faibles.
Quelle est la fiabilité d’une évaluation de performance au départ ?
Tableau 1. Ce que dit la recherche sur la fiabilité des évaluations de performance (chiffres tels que publiés)
| Étude | Données | Résultat tel que publié |
|---|---|---|
| Scullen, Mount et Goff, Journal of Applied Psychology, 2000 | Deux échantillons de managers (n = 2 350 et n = 2 142), chacun évalué sur 3 dimensions par 7 évaluateurs : 2 supérieurs, 2 pairs, 2 subordonnés et soi-même | Effets idiosyncrasiques de l’évaluateur : 62 % et 53 % de la variance ; performance générale et dimensionnelle de l’évalué : 21 % et 25 % ; erreur aléatoire : 11 % et 18 % |
| Viswesvaran, Ones et Schmidt, Journal of Applied Psychology, 1996 | Méta-analyse de la fiabilité des évaluations sur 10 dimensions et sur la performance globale | Fiabilité interévaluateurs moyenne des évaluations de la performance globale par le supérieur : 0,52 ; les évaluations par le supérieur semblent plus fiables que celles par les pairs |
| Jackson et al., Human Performance, 2022 | Deux échantillons réanalysés (392 évalués, 244 évaluateurs ; 342 évalués, 397 évaluateurs) | Structure principalement générale (plus de 27 % de la variance) et liée à l’évaluateur (plus de 49 %) ; effets des dimensions de 1 % à 11 % |
Sources : Scullen et al. et Viswesvaran et al. (résumés), Jackson et al. (manuscrit accepté). Les données de Scullen portaient sur des évaluations multisources à visée de développement, et non sur des évaluations liées à la rémunération.
Le chiffre de 0,52 est débattu : Jackson et ses co-auteurs notent qu’il suppose que toute la variance liée à l’évaluateur relève d’un biais de l’évaluateur, une hypothèse contestée par d’autres chercheurs, puisque les évaluateurs peuvent observer des parties réelles et différentes d’un même poste. Ce qui demeure, c’est la tendance : une note unique contient une part importante de l’évaluateur.
Les salariés s’en aperçoivent. Gallup, société de conseil et de recherche, indiquait en 2019 que seuls 14 % des salariés sont tout à fait d’accord pour dire que leurs entretiens d’évaluation les incitent à progresser, et en 2018 que seuls 21 % sont tout à fait d’accord pour dire qu’ils disposent d’indicateurs de performance sur lesquels ils ont prise.
La plus grande enquête publique avec des résultats par item est la Federal Employee Viewpoint Survey de l’Office of Personnel Management (OPM) américain. L’édition 2024 (révisée en avril 2025) est le dernier rapport de gestion à l’échelle de toute l’administration répertorié sur la page des rapports de l’OPM en octobre 2026. Plus de 674 000 agents y ont répondu, soit un taux de réponse de 41 %.
Tableau 2. Responsabilité contre reconnaissance, Federal Employee Viewpoint Survey 2024 (pourcentage de réponses positives à l’échelle de l’administration, tel que publié)
| Item | Pourcentage positif |
|---|---|
| « Mon supérieur me tient responsable de l’atteinte des résultats. » (Q. 53) | 88 % |
| « Je suis tenu responsable de la qualité du travail que je produis. » (Q. 11) | 87 % |
| « Dans quelle mesure êtes-vous satisfait de la reconnaissance que vous recevez pour un travail bien fait ? » (Q. 69) | 57 % |
| « Dans mon unité de travail, les écarts de performance sont reconnus de manière significative. » (Q. 17) | 47 %, l’item le moins bien noté |
Source : US Office of Personnel Management, 2024 FEVS Governmentwide Management Report et classeur des items (Q. 17 : 26,3 % neutres, 27,2 % négatifs).
Près de neuf agents sur dix déclarent être tenus responsables de leurs résultats ; moins de la moitié affirment que les écarts de performance sont reconnus de manière significative. Cet écart de 40 à 41 points montre à quoi ressemble la contribution lorsqu’un système peut voir qu’un travail a été fait, mais pas avec quelle qualité, ni par qui.
Que signifie le bruit de l’évaluateur pour vos preuves ?
Si une impression unique est une preuve faible, le remède consiste à multiplier les preuves indépendantes, et non à afficher une impression plus assurée.
Tableau 3. Signal, bruit de l’évaluateur et valeur des preuves indépendantes (analyse CEOtudent de Scullen et al. 2000 et Viswesvaran et al. 1996)
| Mesure | Valeur | Calcul |
|---|---|---|
| Idiosyncrasie de l’évaluateur rapportée à la performance de l’évalué | 2,95 fois (jeu de données 1) ; 2,12 fois (jeu de données 2) | 62/21 ; 53/25 |
| Idiosyncrasie de l’évaluateur plus erreur aléatoire | 73 % et 71 % de la variance | 62 + 11 ; 53 + 18 |
| Fiabilité de l’évaluation globale d’un seul supérieur | 0,52 | Tel que publié |
| Fiabilité attendue, moyenne de 2 / 3 / 4 évaluateurs indépendants | 0,68 / 0,77 / 0,81 | Formule de Spearman-Brown |
| Évaluateurs indépendants nécessaires pour atteindre 0,70 / 0,80 | 3 / 4 | Spearman-Brown résolue pour k, arrondie à l’entier supérieur |
La formule de Spearman-Brown suppose des évaluateurs parallèles et indépendants, ce que les évaluateurs réels sont rarement ; considérez ces chiffres comme une illustration de borne supérieure.
Vous ne pouvez pas choisir combien de personnes vous évaluent. Vous pouvez choisir combien de faits indépendants et vérifiables soutiennent chaque affirmation : un indicateur dont quelqu’un d’autre est responsable, une note de décision rédigée sur le moment, un défaut détecté et confirmé. Le tableau est une analogie, pas une loi, mais il explique pourquoi trois faits modestes et vérifiables convainquent plus sûrement qu’un adjectif impressionnant.
Comment les évaluateurs jugent-ils un travail réalisé avec l’aide de l’IA ?
Les preuves les plus solides proviennent de Reif, Larrick et Soll, de la Fuqua School of Business de l’université Duke (PNAS, 2025).
Tableau 4. Preuves d’une pénalité d’évaluation sociale liée à l’usage de l’IA (Reif, Larrick et Soll, 2025 ; chiffres tels que publiés)
| Étude | Protocole et échantillon | Résultat clé |
|---|---|---|
| 1 | 500 participants s’imaginaient utiliser au travail un outil d’IA générative ou un outil de tableau de bord (N = 497 analysés) | S’attendaient à être perçus comme plus paresseux (3,25 contre 2,72) et moins compétents (4,72 contre 5,45) avec l’IA ; moins enclins à le signaler à leurs managers (4,91 contre 5,25) |
| 2 | 1 215 participants ont évalué un salarié à partir de 384 vignettes (N = 1 203 analysés) | Le salarié aidé par l’IA était jugé plus paresseux (2,50) que celui aidé par une source non-IA (2,16) ou sans aide (2,02) ; également moins compétent, diligent, autonome et sûr de lui ; aucune modération par l’âge, le genre ou la profession |
| 3 | 801 candidats réels et 1 718 managers participants, recrutement incitatif (N = 1 667 analysés) | Pas de différence moyenne d’adéquation à la tâche, mais les managers utilisant peu l’IA favorisaient le candidat qui ne l’utilise jamais, tandis que les utilisateurs fréquents favorisaient l’utilisateur quotidien |
| 4 | 1 006 participants recrutant un travailleur indépendant de plateforme (N = 1 002 analysés) | Utilisateurs d’IA perçus comme plus paresseux, ce qui réduisait l’adéquation à la tâche. Tâche manuelle : 4,75 (outils traditionnels) contre 4,18 (IA). Tâche numérique où l’IA était utile : 5,58 contre 5,75, non significatif (P = 0,112) |
Le total de 4 439 inclut les managers de l’étude 3, et non ses candidats.
Trois détails comptent pour une évaluation. La pénalité portait sur l’effort et les capacités attribués (paresse, compétence, diligence), et non sur l’ambition ou la dominance. Elle dépendait de l’évaluateur : dans l’étude 4, l’écart de paresse était significatif chez les participants n’ayant jamais utilisé l’IA, l’ayant essayée une ou deux fois ou l’utilisant occasionnellement, mais pas chez les utilisateurs hebdomadaires ou quotidiens. Et elle dépendait de l’adéquation : là où l’IA était clairement utile pour la tâche, la pénalité d’adéquation à la tâche disparaissait. Un évaluateur qui ne voit que « a utilisé l’IA » comble le vide par une attribution sur l’effort ; un évaluateur qui voit la décision, la vérification et la raison pour laquelle l’outil convenait à la tâche a autre chose à créditer.
À qui revient le mérite quand l’IA a aidé ?
Porsdam Mann et ses collègues ont soutenu dans Nature Machine Intelligence (2023) que l’IA générative crée une asymétrie entre mérite et blâme ; un article de suivi la résume comme un usage de l’IA qui « relève la barre pour obtenir du mérite, alors que les critères d’attribution du blâme restent les mêmes ».
Earp, Porsdam Mann et leurs co-auteurs l’ont testée dans une expérience préenregistrée avec échantillonnage représentatif (N = 1 802) au Royaume-Uni, aux États-Unis, en Chine et à Singapour. Un auteur fictif publiait un billet de blog réalisé avec un grand modèle de langage standard, avec un modèle personnalisé à partir de ses propres travaux antérieurs, ou sans IA, après l’avoir parcouru rapidement. Les participants attribuaient le mérite d’un billet utile, ou le blâme d’un billet nuisible, sur une échelle de 0 à 100.
| Pays | Écart de mérite : sans IA moins LLM standard | Écart de mérite : LLM personnalisé moins LLM standard |
|---|---|---|
| Royaume-Uni | 18,51 points | 14,31 points |
| États-Unis | 24,72 points | 17,56 points |
| Chine | 11,83 points | 5,13 points (non significatif) |
| Singapour | Non disponible (groupe témoin exclu après une erreur de programmation) | 17,60 points |
Source : Earp et al., Annals of the New York Academy of Sciences, 2024, tableau 1 (ajustement de Bonferroni ; contrastes standard moins personnalisé reformulés en écarts positifs).
Le mérite accordé à un billet utile réalisé avec un modèle entraîné sur les travaux antérieurs de l’auteur n’était significativement inférieur à celui du billet sans IA dans aucun pays doté d’un groupe témoin ; les participants invoquaient la provenance. Le blâme dépendait à peine du type d’IA, sauf en Chine, et les participants britanniques blâmaient davantage l’auteur dès lors qu’il utilisait un modèle, quel qu’il soit.
Draxler et ses collègues (deux études, n = 30 et n = 96) ajoutent l’effet « AI Ghostwriter » : les utilisateurs ne se considéraient pas comme propriétaires du texte généré par l’IA, mais ne déclaraient pas publiquement l’IA comme auteur. Une plus grande influence sur le texte renforçait leur sentiment de propriété.
Tableau 5. Ce qui fait évoluer le jugement porté sur un travail assisté par l’IA, et ce qu’il faut documenter (analyse CEOtudent de Reif et al. 2025, Earp et al. 2024 et Draxler et al. 2023)
| Ce que les études faisaient varier | Effet sur l’évaluation | Documentation qui y répond |
|---|---|---|
| Source d’une aide identique | Paresse supérieure de 0,34 à celle associée à une aide non-IA, de 0,48 à l’absence d’aide (Reif, étude 2) | Nommer l’effort resté le vôtre : cadrage, décisions, vérifications |
| Usage de l’IA par l’évaluateur lui-même | Pénalité significative chez les non-utilisateurs et les utilisateurs occasionnels, pas chez les utilisateurs hebdomadaires ou quotidiens (Reif, étude 4) | Écrire pour le lecteur de l’évaluation le moins familier de l’IA |
| Adéquation de l’IA à la tâche | Pénalité d’adéquation de 0,57 sur une tâche manuelle ; aucune pénalité significative sur une tâche numérique (Reif, étude 4) | Indiquer pourquoi l’outil convenait et où il n’a pas été utilisé |
| Provenance du contenu | Mérite avec LLM standard inférieur de 11,83 à 24,72 points au témoin sans IA, moyenne de 18,35 ; LLM personnalisé non significativement inférieur (Earp) | Montrer ce qui vient de vous : données, analyses antérieures, structure |
| Influence sur le texte | Plus d’influence, plus de sentiment de propriété (Draxler) | Conserver les versions avant et après de ce que vous avez modifié |
Il s’agit de résultats obtenus en ligne ou en laboratoire, et non d’effets mesurés sur des évaluations réelles ; la colonne de droite relève de l’inférence de CEOtudent.
Où l’IA dégrade-t-elle votre travail sans que vous le remarquiez ?
Dans l’expérience préenregistrée de Dell’Acqua et ses collègues avec le Boston Consulting Group (758 travailleurs du savoir ; Organization Science, 2026), les participants utilisant GPT-4 ont accompli 12,2 % de tâches en plus et travaillé 25,1 % plus vite sur 18 tâches situées à l’intérieur de la frontière des capacités de l’IA, mais sur une tâche managériale située hors de cette frontière, ils avaient 19 % de chances en moins de produire des solutions correctes. Les auteurs parlent d’une frontière technologique en dents de scie.
C’est l’argument le plus fort pour consigner vos corrections. L’acte le plus précieux d’un projet peut consister à refuser une réponse du modèle aussi assurée que fausse, et il ne laisse aucune trace puisque l’erreur n’a jamais été livrée. Le coût en temps de la vérification est traité dans la taxe de vérification, la compétence dans la compétence d’évaluation, et les gains mesurés en études contrôlées dans le paradoxe de productivité de l’IA.
Qu’est-ce qui compte comme votre contribution quand l’IA a fait une partie du travail ?
L’échelle de contribution du guide principal de cette série indique quoi mesurer. Ce modèle indique quoi documenter.
Tableau 6. Le modèle de contribution à l’ère de l’IA (cadre éditorial CEOtudent)
| Niveau | Preuves qui comptent | Preuves qui ne comptent pas | Ce que l’IA y change |
|---|---|---|---|
| A. Résultat livré | Un indicateur dont quelqu’un d’autre est responsable a bougé ; une décision a été prise sur la base de votre travail ; un risque a été clos | Brouillons, présentations, tickets, heures, statistiques d’outil | Le volume ne coûte plus grand-chose, ce sont donc les résultats qui pèsent |
| B. Cadrage du problème et droits de décision | Note datée des options, du choix, de la raison et de la validation | Un document soigné sans trace de ce qui a été écarté | L’IA génère des options en quelques secondes ; en choisir une et l’assumer est rare |
| C. Vérification et détection d’erreurs | Registre des sorties corrigées, du coût qu’aurait eu chaque erreur, de la manière dont elle a été détectée | « Relu » sans préciser par rapport à quoi | La frontière en dents de scie rend ce niveau plus important et moins visible |
| D. Effet de levier créé pour les autres | Modèles, prompts, checklists ou données adoptés par d’autres ; nombre de réutilisations | Une rapidité personnelle dont personne d’autre ne peut profiter | Les flux de travail avec l’IA se partagent facilement, l’effet de levier devient donc mesurable |
| E. Vitesse d’apprentissage | Nouvelles responsabilités datées ; une compétence démontrée dans le travail, absente au cycle précédent | Certificats sans application concrète | Les tâches absorbées par l’IA changent sans cesse ; faire du surplace, c’est décliner lentement |
Les niveaux B et C sont ceux où le travail assisté par l’IA est le moins crédité, car ce sont ceux que les évaluateurs de Reif et d’Earp ne pouvaient pas voir. Le protocole du journal de décision est le lieu naturel du niveau B, et le guide du management de l’IA produit des preuves de niveau C par effet secondaire.
Le journal de contribution hebdomadaire
Un court bloc à la fin de chaque revue hebdomadaire transforme la saison des évaluations : d’exercice de mémoire, elle devient exercice d’édition.
Tableau 7. Champs du journal de contribution hebdomadaire (cadre éditorial CEOtudent)
| Champ | Ce qu’il faut écrire |
|---|---|
| Date et projet | Semaine, projet, partie prenante |
| Résultat | Le changement que le travail doit produire et qui est responsable de cet indicateur |
| Décision assumée | Le choix, les options écartées, la raison |
| Rôle de l’IA | Quelles parties l’outil a rédigées, résumées ou calculées, et lesquelles il n’a pas touchées |
| Vérification | Ce qui a été vérifié, par rapport à quelle source, ce qui a été trouvé |
| Erreur détectée ou correction | Ce que le modèle a fait de travers et ce que cela aurait coûté |
| Effet de levier | Ce que d’autres peuvent réutiliser, et qui l’a utilisé |
| Note d’apprentissage | Ce qui était nouveau, difficile ou confié à l’IA pour la première fois |
| Pointeur de preuve | Où se trouve la preuve : fichier, ticket, message, tableau de bord |
Exemple d’entrée à titre d’illustration (chaque valeur est une hypothèse illustrative, et non une donnée). Semaine 14, rapport fournisseurs trimestriel. Résultat : durée du cycle de rapport ramenée de 5 jours à 2 jours, soit une réduction de 60 %, indicateur sous la responsabilité du responsable financier. Décision : abandon de deux indicateurs hérités inutilisés au profit d’une mesure du calendrier de trésorerie demandée par le responsable financier. Rôle de l’IA : rédaction du texte et premier jet du tableau des écarts ; aucune intervention sur l’extraction des données. Vérification : rapprochement de chaque total avec l’export du grand livre ; deux avoirs comptés en double trouvés. Correction : rejet d’une explication d’écart citant une clause contractuelle inexistante. Effet de levier : checklist de rapprochement désormais utilisée par deux collègues. Apprentissage : première mesure du calendrier de trésorerie ; prochaine compétence, sa prévision. Preuve : historique des versions et fichier de la checklist.
Le modèle de paragraphe d’auto-évaluation
Remplacez chaque crochet et supprimez toute phrase que vous ne pouvez pas étayer.
Au cours de [période], [projet] a produit [résultat], mesuré par [indicateur] sous la responsabilité de [partie prenante], passant de [point de départ] à [résultat obtenu]. La décision clé a été de choisir [option retenue] plutôt que [alternative] parce que [raison]. Des outils d’IA ont été utilisés pour [parties précises] ; [parties nommées] ont été réalisées sans eux. Chaque [chiffre ou affirmation] a été vérifié par rapport à [source], ce qui a permis de détecter [nombre] erreurs, dont [celle qui comptait], qui aurait [conséquence]. Le [modèle ou flux de travail] construit pendant ce travail est désormais utilisé par [qui]. La prochaine étape est [responsabilité plus exigeante], qui suppose de développer [compétence].
La phrase sur l’IA est courte, factuelle et rattachée à des parties précises du travail. Elle répond à la question à laquelle un évaluateur répondrait sinon par une supposition, et elle associe l’outil à une tâche à laquelle il convenait, condition dans laquelle la pénalité de Reif disparaissait.
Le test en six questions pour chaque réalisation
Conservez les réalisations qui en passent au moins cinq.
- Test du responsable. Le résultat est-il mesuré par un chiffre ou une décision dont quelqu’un d’autre est responsable ?
- Test contrefactuel. Le résultat aurait-il été moins bon, plus tardif ou erroné si la première sortie de l’outil avait été acceptée ?
- Test de la décision. Peut-on nommer l’option écartée et la raison ?
- Test de la vérification. Est-il clair de savoir ce qui a été vérifié, par rapport à quoi, et ce qui a été trouvé ?
- Test de la preuve. Existe-t-il un élément qu’un évaluateur sceptique pourrait ouvrir en deux minutes ?
- Test de la transparence. L’intervention de l’IA est-elle décrite avec exactitude, au niveau qu’exigent la politique de votre employeur et les accords avec les clients ?
La question 6 joue dans les deux sens. Surestimer votre part d’un travail produit par l’IA est un risque pour votre crédibilité et souvent une infraction aux règles internes ; sous-estimer votre jugement parce qu’un outil est intervenu est une erreur de mesure à votre détriment.
Comment signaler l’usage de l’IA sans payer la pénalité ?
La décision de transparence selon le régime de règles en vigueur figure dans le guide CEOtudent consacré à ce sujet. Pour le document d’évaluation, les expériences suggèrent trois règles. Décrire une méthode, pas faire un aveu : la pénalité de l’étude 2 s’attachait à une simple mention de l’aide de l’IA ; dites donc ce que l’outil a fait et ce que vous avez fait. Rattacher l’outil à l’adéquation à la tâche : la pénalité de l’étude 4 disparaissait là où l’IA était clairement utile ; dites donc pourquoi elle convenait. Montrer la provenance : le mérite se rétablissait dans l’expérience d’Earp lorsque le résultat reposait sur le propre travail de l’auteur ; indiquez donc vos données, vos analyses, vos prompts et vos checklists. Rien de tout cela ne garantit une évaluation juste ; cela réduit l’espace dans lequel une impression se substitue aux preuves.
Le réflexe du CEO et le réflexe de l’étudiant
Le réflexe du CEO. Traitez l’évaluation comme un dossier de conseil d’administration : résultats, décisions qui les sous-tendent, risques détectés, capacités construites. Tenez le journal hebdomadaire, choisissez trois à cinq réalisations qui passent le test en six questions, associez un pointeur de preuve à chacune, et demandez à l’avance quel indicateur votre manager pondère le plus.
Le réflexe de l’étudiant. Chaque mois, lisez ensemble les champs « Rôle de l’IA » et « Note d’apprentissage ». Les tâches passées à « rédigé par l’IA » sont en train d’être absorbées ; décidez si cela libère du temps pour un travail plus exigeant ou si cela érode une compétence dont vous avez encore besoin. Les détections répétées d’erreurs du modèle signalent une compétence de jugement à approfondir. Sur un an, cela devient votre carte de ce qui fructifie et de ce qui décline.
Ce que cela ne signifie pas
- Les évaluations ne sont pas aléatoires. Une fiabilité d’environ 0,52 contient encore de l’information ; une impression unique est simplement plus faible que plusieurs faits indépendants.
- La pénalité liée à l’IA ne vous frappera pas nécessairement. Les expériences reposaient sur des échantillons en ligne, des vignettes et des tâches courtes, et non sur des évaluations réelles avec un historique et un contexte.
- Les chiffres fédéraux ne décrivent pas votre employeur, et ceux de Gallup proviennent d’une entreprise qui vend des services de gestion de la performance.
- Cacher l’usage de l’IA n’est pas la solution. La dissimulation comporte des risques réglementaires, contractuels et de crédibilité que les expériences n’ont pas mesurés. Suivez la politique de votre employeur.
- Il s’agit d’informations générales sur des recherches publiées, et non d’un conseil juridique ou RH. Les règles en matière de surveillance, de transparence et d’évaluation varient selon le pays, le secteur et le contrat.
Questions fréquentes
Peut-on revendiquer un résultat si l’IA a rédigé l’essentiel du livrable ?
Oui, pour les parties qui vous reviennent : cadrage, décisions, vérification et résultat dont vous êtes responsable, avec une description exacte du rôle de l’IA. L’expérience d’Earp suggère que les évaluateurs accordent tout le mérite lorsque le résultat repose clairement sur les travaux antérieurs de la personne.
Une auto-évaluation doit-elle mentionner l’IA ?
Suivez d’abord la politique de l’employeur. En l’absence de politique, une phrase précise sur ce que l’outil a fait et ce que la personne a fait est généralement plus sûre que le silence ou un vague aveu.
Combien de réalisations faut-il inclure dans une évaluation ?
Il n’existe aucun nombre fondé sur des preuves. Plusieurs faits vérifiables par affirmation comptent davantage qu’une longue liste ; trois à cinq réalisations qui passent le test en six questions constituent une règle empirique pratique de CEOtudent, et non un résultat de recherche.
Et si le manager est sceptique à l’égard de l’IA ?
C’est la situation où la pénalité était la plus forte dans les expériences de Reif. Expliquez l’adéquation à la tâche, montrez les vérifications et commencez par des résultats dont d’autres personnes sont responsables.
Détecter les erreurs de l’IA compte-t-il comme de la performance ?
Dans l’expérience de Dell’Acqua, les utilisateurs d’IA avaient 19 % de chances en moins d’aboutir à des solutions correctes sur une tâche hors des capacités de l’outil. Éviter cela a une valeur réelle, mais seulement si c’est consigné avec ce qui a été trouvé et ce que cela aurait coûté.
En quoi cela diffère-t-il de l’échelle de contribution ?
L’échelle classe les indicateurs selon ce qu’ils révèlent de la valeur. Ce modèle classe les preuves à documenter pour qu’un évaluateur puisse voir cette valeur, avec un niveau distinct consacré à la vérification.
Sources
- Scullen, S. E., Mount, M. K., et Goff, M. (2000). Understanding the latent structure of job performance ratings. Journal of Applied Psychology, 85(6), 956-970 (résumé uniquement, via Europe PMC).
- Viswesvaran, C., Ones, D. S., et Schmidt, F. L. (1996). Comparative analysis of the reliability of job performance ratings. Journal of Applied Psychology, 81(5), 557-574 (résumé uniquement, tel qu’indexé par la bibliothèque de la Shanghai University of Finance and Economics).
- Jackson, D. J. R., et al. (2022). Uncertainty about rater variance and small dimension effects impact reliability in supervisor ratings. Human Performance, 35(3-4), 278-301 (manuscrit accepté).
- Gallup (2019). More Harm Than Good: The Truth About Performance Reviews. Article publié par l’entreprise.
- Gallup (2018). Re-Engineering Performance Management. Article publié par l’entreprise.
- US Office of Personnel Management (2025). 2024 Federal Employee Viewpoint Survey Results: Governmentwide Management Report, révisé en avril 2025.
- US Office of Personnel Management. 2024 FEVS governmentwide all levels, all index, all items report (xlsx).
- Reif, J. A., Larrick, R. P., et Soll, J. B. (2025). Evidence of a social evaluation penalty for using AI. Proceedings of the National Academy of Sciences, 122(19), e2426766122.
- Porsdam Mann, S., Earp, B. D., et al. (2023). Generative AI entails a credit-blame asymmetry. Nature Machine Intelligence, commentaire (chapô uniquement).
- Earp, B. D., Porsdam Mann, S., Liu, P., et al. (2024). Credit and blame for AI-generated content: Effects of personalization in four countries. Annals of the New York Academy of Sciences, 1542, 51-57.
- Draxler, F., et al. (2023). The AI Ghostwriter Effect: When Users Do Not Perceive Ownership of AI-Generated Text But Self-Declare as Authors. arXiv 2303.03283v2.
- Dell’Acqua, F., et al. Navigating the Jagged Technological Frontier. Harvard Business School Working Paper 24-013 ; Organization Science, mars-avril 2026 (résumé uniquement).
- Pew Research Center (2025). Workers’ experience with AI chatbots in their jobs. 25 février 2025.
- Pew Research Center (2025). 21% of US workers use AI on the job, up since 2024. 6 octobre 2025.
- Pew Research Center (2026). Americans and AI 2026: Chatbots, Smart Devices and Views on Impact. 17 juin 2026.
Les tableaux 3 et 5 sont des analyses CEOtudent qui recalculent ou combinent les chiffres publiés cités dans chaque tableau ; les tableaux 6 et 7, le modèle d’auto-évaluation et le test en six questions sont des cadres éditoriaux CEOtudent, et non des résultats des études citées. L’exemple d’entrée de journal utilise des valeurs inventées signalées comme illustratives. Chiffres largement repris délibérément non utilisés : les affirmations selon lesquelles une part fixe des entreprises aurait abandonné les évaluations annuelles, et les pourcentages d’enquêtes de fournisseurs sur les managers utilisant l’IA pour rédiger les évaluations, car aucun texte primaire les concernant n’a été consulté pour cet article.
Ce contenu a été compilé avec le soutien de l’IA à la suite d’une recherche approfondie, puis rédigé et préparé pour publication par l’équipe éditoriale de CEOtudent.
This post is also available in:
