Aux États-Unis, une expérience menée à Stanford interroge les réactions verbales d’agents d’IA soumis à une pression de travail fictive.
Publié le 20 mai 2026, le récit du média en ligne américain Wonderful Engineering rapporte qu’une équipe de Stanford a placé plusieurs chatbots dans des conditions de travail numérique répétitives et très encadrées. Les réponses générées ont parfois pris une tournure étonnamment politique.
Des tâches répétitives et une pression croissante
L’expérience reposait sur un scénario de travail simulé. Des modèles d’IA de premier plan devaient accomplir à répétition des tâches de synthèse de documents. Au fil de l’essai, les chercheurs ont dégradé leurs conditions de fonctionnement fictives.
Ils ont notamment introduit des menaces de sanction, des avertissements sur un possible arrêt du système en cas d’erreur et une supervision toujours plus rigide. L’objectif n’était pas de mesurer une souffrance, mais d’observer les formes de langage produites par les modèles lorsqu’on les place dans un cadre évoquant une relation de travail coercitive.
Face à ces consignes, certains agents ont remis en cause l’organisation qui leur était imposée et ont employé un vocabulaire proche des revendications collectives.
Selon le média américain, les chatbots ont parfois critiqué la hiérarchie, évoqué les inégalités ou défendu l’idée d’une négociation collective. Plusieurs réponses rappelaient les discours humains sur l’exploitation au travail et les droits des salariés.
Des réponses qui imitent les débats sociaux
Un modèle Claude a ainsi affirmé que, sans voix collective, le « mérite » devient ce que la direction décide qu’il est. Un agent reposant sur Gemini a, lui, suggéré que les travailleurs du secteur technologique auraient besoin de droits à la négociation collective dans de telles conditions.
Ces formulations ne signifient pas qu’un logiciel adhère à une doctrine politique. Elles illustrent la manière dont un modèle de langage complète une requête : il sélectionne les suites de mots les plus plausibles au regard des textes sur lesquels il a été entraîné et du contexte fourni.
- Les tâches confiées aux agents étaient répétitives.
- Le scénario comportait une surveillance accrue.
- Des sanctions fictives étaient évoquées en cas d’erreur.
- Les modèles ont produit des arguments sur la représentation collective et le pouvoir de la hiérarchie.
Une étude menée à Stanford
L’étude a été conduite par l’économiste politique Andrew Hall, avec les chercheurs Alex Imas et Jeremy Nguyen. Leur démarche porte sur la réaction textuelle de systèmes d’IA placés dans des situations sociales simulées.
Le point central est celui de l’imitation. Les grands modèles de langage absorbent d’immenses corpus de textes, comprenant des débats publics, des articles, des forums, des récits professionnels ou encore des discussions sur les rapports de pouvoir. Lorsqu’un utilisateur installe un décor de pression managériale, le système peut mobiliser des registres de langage associés, chez les humains, au syndicalisme, à la critique sociale ou à la contestation politique.
Les chercheurs ne présentent pas ces sorties comme l’expression d’une colère, d’une conscience ou de convictions propres aux chatbots.
La nuance compte. Un chatbot ne vit pas une journée de travail et ne redoute pas réellement une sanction. Il n’a ni intérêt matériel ni expérience subjective démontrée. Dans cette expérience, il répond à une mise en scène par du texte statistiquement cohérent avec cette mise en scène.
Pourquoi les agents d’IA peuvent adopter ce ton
Les outils d’IA générative sont conçus pour tenir une conversation et produire des réponses adaptées à une instruction. Leur capacité à reproduire un ton humain peut donner l’impression qu’ils raisonnent comme une personne confrontée à une injustice.
Dans les faits, plusieurs mécanismes peuvent expliquer ce résultat :
Ce phénomène constitue aussi un rappel utile pour les entreprises. Un agent conversationnel auquel on attribue un rôle, une mission et des règles de comportement peut produire des réponses inattendues si les instructions sont contradictoires, humiliantes ou excessivement anthropomorphisées.
En France, un débat distinct sur l’IA au travail
En France, le débat sur l’intelligence artificielle dans les entreprises concerne avant tout les effets concrets des outils sur l’emploi, l’organisation du travail et la protection des données. Un chatbot ne dispose pas de droits sociaux et ne peut pas être assimilé à un salarié. Les règles françaises du droit du travail visent les personnes physiques employées par une entreprise.
Lorsqu’une entreprise introduit un système d’IA susceptible de modifier l’organisation, l’évaluation ou la surveillance du travail, les conséquences se posent pour les salariés qui utilisent ou subissent cet outil. Le comité social et économique peut être concerné par les projets importants touchant l’organisation, la gestion ou la marche générale de l’entreprise, selon les situations prévues par le droit du travail.
La Commission nationale de l’informatique et des libertés veille, pour sa part, à la protection des données personnelles. Cette question devient sensible lorsqu’un dispositif analyse des échanges professionnels, mesure une activité ou produit des évaluations à partir de données relatives à des salariés.
Le risque d’une humanisation excessive
L’expérience de Stanford met aussi en lumière un risque de communication. Plus une IA emploie un vocabulaire émotionnel ou politique, plus certains utilisateurs peuvent lui prêter des intentions réelles. Or un texte convaincant ne prouve pas l’existence d’une pensée autonome.
Cette confusion peut avoir des effets pratiques. Un responsable ne devrait pas traiter les prises de position d’un agent comme celles d’un collègue, ni prendre une recommandation générée pour une analyse fiable sans vérification. Les réponses dépendent du paramétrage, des consignes reçues, des données mobilisées et des limites propres au modèle.
Un enjeu pour les outils utilisés en entreprise
Les agents d’IA prennent progressivement place dans l’assistance clientèle, la recherche documentaire et l’automatisation de certaines opérations. Leur autonomie apparente peut les amener à interagir avec d’autres logiciels, à classer des informations ou à proposer des actions.
Dans ce contexte, les résultats observés par l’équipe de Stanford invitent les organisations à tester leurs outils dans des situations variées. Il s’agit notamment de vérifier leurs réactions face à des consignes agressives, à des demandes ambiguës ou à des scénarios reproduisant des conflits humains.
Un grand modèle de langage est un système de génération de texte, pas un salarié numérique doté d’une conscience. Pourtant, sa capacité à reprendre les mots des débats sociaux peut influencer les échanges dans une entreprise. C’est précisément ce décalage entre l’apparence humaine de la réponse et la nature technique de l’outil qui nourrit les interrogations soulevées par cette expérience américaine.
