Deux salariés lisent un feedback de performance identique — même critique, même cadrage, même phrase de conclusion. On dit à l'un que son manager l'a écrit ; à l'autre, qu'une IA l'a généré. Sur l'item mesurant la proximité ressentie avec ce manager, le premier obtient 2,89 et le second 1,67 — la source annoncée explique 24 % de la variance (η² = 0,24). Sur le fait de continuer à ruminer la critique ensuite, elle n'explique rien (p = 0,64) (Marót, Palcsó & Szabó, Frontiers in Psychology, 2026).
Le message est passé. Le lien hiérarchique, non — et c'est là le vrai prix de l'évaluation rédigée par l'IA.
C'est cette asymétrie qui mérite votre attention avant l'ouverture du prochain cycle, car ce n'est pas une question pour 2027 dans les entreprises de taille intermédiaire. Parmi les managers qui utilisent déjà l'IA pour gérer leurs équipes, 91 % s'en servent pour évaluer la performance et 88 % pour rédiger des plans d'amélioration (ResumeBuilder.com, 2025). La rédaction a déjà lieu. Ce qui n'a pas été chiffré, c'est l'effet de l'annonce.
L'expérience a figé le texte et n'a fait varier que l'étiquette
Marót, Palcsó et Szabó ont mené une expérience par vignettes auprès de 192 adultes en emploi (230 recrutés ; 18 exclus car sans emploi, 20 pour échec à un contrôle d'attention). Les participants devaient s'imaginer recevoir un feedback de performance d'un manager. Le texte du feedback était rigoureusement identique dans toutes les conditions. La seule manipulation portait sur le processus de production annoncé, en quatre variantes : entièrement écrit par un humain, entièrement généré par l'IA, généré par l'IA puis affiné par un humain, écrit par un humain puis affiné par l'IA.
Ce protocole compte davantage que ne le suggère la taille de l'échantillon. La plupart des études sur l'IA en gestion des personnes confondent deux choses — ce que l'IA a produit et le fait qu'une IA soit intervenue. Figer le texte isole la seconde. Tout ce qui a bougé ici a bougé à cause de l'étiquette, non parce que l'IA aurait écrit quelque chose de moins bon.
Et beaucoup a bougé. L'effet multivarié global de la source annoncée est significatif (V de Pillai = 0,37, F(27, 546) = 2,86, p < 0,001), et huit des neuf résultats se déplacent :
| Résultat | Humain | IA | IA rédige, humain affine | Humain rédige, IA affine | η² |
|---|---|---|---|---|---|
| Distance psychologique (proximité) | 2,89 | 1,67 | 2,15 | 2,54 | 0,24 |
| Relation avec le manager | 4,69 | 3,23 | 3,98 | 4,22 | 0,21 |
| Disposition à demander de l'aide | 5,31 | 3,43 | 4,57 | 4,82 | 0,17 |
| Engagement organisationnel | 4,57 | 3,46 | 4,00 | 4,38 | 0,16 |
| Volonté de corriger l'erreur | 6,02 | 4,43 | 5,18 | 5,56 | 0,14 |
| Motivation au travail | 4,79 | 3,66 | 4,30 | 4,68 | 0,13 |
| Performance attendue | 5,19 | 4,29 | 4,68 | 4,82 | 0,10 |
| Réponse affective | 4,76 | 3,86 | 4,43 | 4,48 | 0,08 |
| Rumination | 3,64 | 3,45 | 3,20 | 3,48 | 0,01 |
Lisez l'ordre des colonnes, pas seulement les deux premières. Le classement est le même sur chaque ligne.
Où l'évaluation rédigée par l'IA vous coûte réellement
Classez ces tailles d'effet et les quatre premières sont la distance psychologique (0,24), la relation avec le manager (0,21), la disposition à demander de l'aide au manager (0,17) et l'engagement organisationnel (0,16). Les résultats informationnels viennent plus bas : performance attendue (0,10), réponse affective (0,08), rumination (0,01, non significatif).
Un entretien de performance doit faire deux choses. Transmettre un signal juste sur le travail, et maintenir ouvert le canal par lequel ce salarié vous apporte le prochain problème suffisamment tôt. La taxe de l'annonce frappe presque entièrement la seconde. La disposition à demander de l'aide chute de 5,31 à 3,43 sur une échelle en sept points — le plus grand écart absolu de l'étude.
C'est celui qui coûte cher. Un manager qui a perdu le canal « viens me voir quand ça dérape » a perdu le seul système d'alerte précoce dont dispose une organisation de 50 à 500 ETP. Vous ne le verrez pas dans l'enquête d'engagement comme un problème de feedback ; vous le verrez sous forme de mauvaises surprises qui arrivent tard.
Qui écrit le premier jet compte plus que qui fait la dernière relecture
C'est le résultat réellement exploitable, et celui que le résumé sous-estime. Les deux processus hybrides ne sont pas interchangeables.
Écrit par un humain puis affiné par l'IA reste proche du tout-humain partout : 4,68 contre 4,79 sur la motivation, 4,38 contre 4,57 sur l'engagement, 4,82 contre 5,31 sur la disposition à demander de l'aide. Il n'est significativement différent du feedback entièrement humain sur aucun des neuf résultats.
Généré par l'IA puis affiné par un humain fait moins bien et, surtout, ne parvient pas à se distinguer du feedback entièrement IA. Face à la condition tout-IA, il n'atteint la significativité que sur trois résultats sur neuf — disposition à demander de l'aide (4,57 contre 3,43, p = 0,002), relation avec le manager (3,98 contre 3,23, p = 0,003) et distance psychologique (2,15 contre 1,67, p = 0,023). À l'inverse, humain-puis-IA bat le feedback tout-IA sur huit résultats sur neuf.
C'est donc la séquence qui porte l'effet, pas la présence d'un humain quelque part dans la chaîne. Faire corriger par un manager un brouillon de l'IA récupère une fraction du coût relationnel. Faire écrire le manager d'abord et utiliser l'IA pour resserrer la prose en récupère presque la totalité.
Ce qui est exactement l'inverse de l'usage actuel des outils. « Génère une évaluation à partir de ces scores de compétences, je la corrigerai ensuite » est le processus par défaut de toutes les suites RH qui ont lancé un assistant en 2026. Au vu de ces données, c'est le pire des deux hybrides — et c'est celui que vos managers choisiront, parce qu'il fait gagner plus de temps.
L'objection, et jusqu'où elle tient
L'objection honnête : il s'agit d'une vignette. Les participants ont rapporté des réactions anticipées à un scénario hypothétique, pas des comportements après une évaluation réelle. L'échantillon était un échantillon de convenance hongrois recruté en ligne, surpondéré en salariés sans responsabilité hiérarchique (66 %), d'âge moyen 32 ans. Il n'y a ni résultat comportemental ni suivi. Ne traitez pas 1,67 contre 2,89 comme une prévision de vos propres chiffres.
Ce qui survit à l'objection, c'est la direction et l'ordonnancement, tous deux renforcés par le test de robustesse de l'étude. Restreinte aux 123 participants (64 %) ayant correctement identifié la source annoncée — c'est-à-dire ceux qui ont réellement enregistré la manipulation — chaque effet va dans le même sens et la plupart sont plus marqués, avec η² entre 0,19 et 0,42. L'effet n'est pas un artefact d'inattention. Au contraire, les chiffres sur l'échantillon complet sont dilués par ceux qui n'ont pas remarqué l'étiquette.
La « culture IA » ne rachète pas ce coût
La lecture interne tentante est qu'il s'agit d'un problème de confort technologique que la formation résout. L'étude l'a testé directement. L'anxiété liée à l'IA a été mesurée en covariable, et son effet multivarié n'est pas significatif (V = 0,08, F(9, 179) = 1,73, p = 0,085). Au niveau univarié, elle prédit exactement une chose — la rumination — et rien d'autre.
Notez ce que cela implique combiné au résultat principal. La rumination est le seul résultat que la source annoncée n'a pas déplacé. L'anxiété liée à l'IA a déplacé la rumination et rien d'autre. Les deux effets sont presque parfaitement disjoints. Les salariés ne réagissent pas par malaise général envers l'IA. Ils réagissent à une inférence précise : la personne chargée de les évaluer a délégué la partie du travail qui les concernait.
Il y a une seconde raison de cesser d'y voir un problème de formation. Seules 16 % des organisations se disent confiantes dans la capacité de leurs managers à expliquer aux salariés les changements de rémunération et de travail liés à l'IA (Korn Ferry, 2026, N = 5 512 organisations dans 135 pays). La population à qui vous demanderiez d'expliquer soigneusement le processus de rédaction est, de l'avis de sa propre direction, actuellement incapable de le faire.
Le résultat sur l'annonce côté client ne se transpose pas
Si vous suivez la littérature sur la divulgation, vous avez peut-être l'intuition inverse. Une expérience de terrain randomisée portant sur 1 337 clients contactés a montré qu'annoncer un agent vocal IA ne réduit plus la conversion par rapport à la non-annonce (Habel, Zawadzki & Freise, SSRN 7013259, 2026). Dans une interaction commerciale, la divulgation est devenue quasiment gratuite.
Il n'en découle pas qu'elle soit gratuite en interne, et la raison est structurelle plus que culturelle. La relation d'un client est avec votre entreprise ; il n'y a pas de lien hiérarchique durable à abîmer, et il suppose de toute façon largement parler à un agent. La relation d'un salarié est avec une personne nommée qui détient sa note, son niveau et sa progression. Dans ce contexte, l'annonce est une information sur la façon dont cette personne a dépensé son attention.
La littérature sur le recrutement va dans le même sens. Dans l'évaluation algorithmique des entretiens, la transparence a corrigé le comportement des candidats — elle a réduit le stress et la gestion trompeuse de l'image induits par la notation IA — mais n'a rien produit côté évaluateur, où les humains se sont ancrés sur les scores de l'IA en dévaluant leur propre jugement (Lakhiwal et al., Information Systems Research, 2026). La transparence corrige la personne informée. Elle ne corrige pas la délégation qu'elle révèle.
Quoi changer avant le prochain cycle d'évaluation
Cinq décisions, dont aucune n'exige un nouvel achat.
- Fixez la séquence comme règle, pas comme préférence. Le manager écrit d'abord le récit ; l'IA peut ensuite resserrer la langue, la structure ou la longueur. L'ordre inverse est le processus que cette étude pénalise le plus durement.
- Tenez l'IA à l'écart des phrases relationnelles en particulier. Les données disent que le dommage se concentre sur la proximité, la confiance et la demande d'aide — les parties d'une évaluation qui portent sur la relation, pas sur le travail. Ces paragraphes, un manager doit les assumer avec ses propres mots.
- Arrêtez votre position sur l'annonce avant qu'on vous la demande, et écrivez-la. Ne faites pas tourner un processus non annoncé en pariant que personne ne le verra ; 64 % des participants ont identifié correctement la source à partir du seul texte, et les effets étaient plus marqués chez eux.
- Corrigez l'entrée, pas la prose. La plupart des managers recourent à la rédaction par IA parce qu'ils fixent une case vide sans aucune donnée devant eux. Donnez-leur des preuves de compétences par cycle, des divergences 360° déjà synthétisées et des signalements de calibrage, et le récit devient une courte tâche d'écriture plutôt qu'une tâche de génération — c'est précisément ce que la couche performance et succession de Scovai est conçue pour fournir.
- Mesurez le canal, pas le score de satisfaction. Ajoutez un item après le cycle : « après cet entretien, quelle est la probabilité que vous apportiez un problème à votre manager en amont ? » C'est la variable que cette étude dit être en mouvement, et elle est absente de la plupart des enquêtes d'évaluation.
La question budgétaire se répond d'elle-même. La contrainte sur la qualité des évaluations dans une entreprise de 50 à 500 ETP n'est pas la capacité de rédaction — c'est que les managers écrivent de mémoire parce qu'aucun système ne leur fournit les preuves. La rédaction par IA soigne le symptôme et vous facture le lien hiérarchique pour le faire.
Une décision pour ce trimestre
L'évaluation rédigée par l'IA est déjà dans les navigateurs de vos managers, qu'elle figure ou non dans votre politique. Vous ne choisissez pas si l'IA touche au texte des évaluations. Vous choisissez l'ordre des opérations — et cette étude dit que tout est là : humain d'abord et IA ensuite est statistiquement indiscernable du tout-humain sur les neuf résultats, tandis qu'IA d'abord et humain ensuite est indiscernable du tout-IA sur six sur neuf.
Avant l'ouverture du cycle, inscrivez une ligne dans vos consignes d'évaluation précisant qui produit le premier jet. Cela ne coûte rien, c'est applicable, et c'est la seule variable ici que vous contrôlez entièrement.
