Au-delà du code : vos documents subissent la même compression

En juin 2026, l'Anthropic Economic Index a publié une mesure qui déplace la ligne de front : 93 % des conversations avec Claude produisent un artefact identifiable, et les livrables écrits (documents, rapports, présentations) pèsent environ un tiers du total, contre un sixième pour le code. Trois mois plus tôt, le même observatoire situait le code à environ 35 % des conversations sur Claude.ai. En volume, l'IA générative produit donc déjà plus de documents que de logiciel. La compression que les DSI observent sur leur usine logicielle a quitté le périmètre du code : elle frappe les rapports, les notes de cadrage, les propositions commerciales et les supports de présentation.

SFEIR a bâti sa doctrine sur la production de logiciel : specs exécutables, portes humaines, capitalisation, le cadre que nous détaillons dans Concevoir et fabriquer à l'ère de l'agentique. Cet article prolonge le raisonnement d'un cran : le logiciel et le produit ne sont que des artefacts particuliers, et la même mécanique de génération, de revue et de péremption s'applique à tout ce qu'une organisation produit en langage.

Le logiciel, cas particulier d'une classe plus large

Le quotidien du travail de la connaissance est fait d'artefacts : comptes rendus, notes de cadrage, propositions commerciales, supports de formation, contrats, analyses, présentations. Le code n'en est qu'une variété, dotée d'un avantage historique : trente ans d'outillage de gouvernance (gestion de versions, revue, tests, CI/CD) dont les autres artefacts n'ont jamais bénéficié. Or la mécanique qui a compressé le développement (génération quasi gratuite, brief qui devient prompt, revue humaine en porte de contrôle) ignore la frontière du code. Elle s'applique à tout artefact dont la matière première est du langage. Les mesures publiées entre 2023 et 2026 donnent l'ampleur du déplacement, chacune avec ses limites.

L'exposition : l'écriture devant le développement

Eloundou, Manning, Mishkin et Rock (« GPTs are GPTs », version révisée publiée dans Science en 2024) estiment qu'environ 80 % des travailleurs américains ont au moins 10 % de leurs tâches exposées aux LLM, et que l'exposition culmine sur les métiers d'écriture et de traitement de l'information, pas sur le seul développement logiciel. La réserve fait partie du résultat : l'étude mesure une exposition technique des tâches, ni une automatisation effective ni un effet constaté sur l'emploi. Elle dessine le périmètre du possible.

Le terrain : des gains mesurés sur des artefacts de conseil, pas du code

Dell'Acqua et ses coauteurs (Harvard Business School, avec le BCG, septembre 2023) ont fait travailler 758 consultants sur des tâches réelles de conseil : idéation, analyse, notes, plans. Avec l'assistance d'un LLM, les consultants ont réalisé 12,2 % de tâches en plus, 25,1 % plus vite, avec une qualité supérieure d'environ 40 % quand la tâche restait dans la frontière de compétence du modèle. L'étude dite de la « jagged frontier » documente aussi le revers : hors de cette frontière, les consultants assistés se trompaient davantage que le groupe témoin. Les gains sont réels, conditionnels, et mesurés sur des documents, pas sur du logiciel.

L'usage réel : un tiers de livrables écrits

L'Anthropic Economic Index apporte la troisième pièce. En juin 2026, 93 % des conversations avec Claude produisent un artefact identifiable, avec en tête les explications (17 %), les documents et rapports (15 %) et les recommandations (11 %) ; les livrables écrits pèsent environ un tiers du total, le code et le travail technique environ un sixième. L'outillage suit le même mouvement : Microsoft 365 Copilot dans Word, PowerPoint et Excel, Claude for Excel et Claude Cowork, Gamma pour les présentations, NotebookLM pour les synthèses. Le pipeline brief → génération → revue → diffusion s'industrialise pour les documents comme il s'est industrialisé pour le code.

Le revers : le workslop

La génération quasi gratuite a un coût caché, désormais nommé. En septembre 2025, la Harvard Business Review a publié les travaux de BetterUp Labs et du Stanford Social Media Lab sur le workslop : du contenu généré par IA qui a l'apparence d'un travail abouti sans en avoir la substance, et qui transfère la charge au destinataire au lieu de la réduire. Sur 1 150 salariés américains interrogés, environ 40 % déclarent en avoir reçu dans le mois écoulé ; chaque incident coûterait près de deux heures de retraitement, soit environ 186 dollars par salarié et par mois, et plus de 9 millions de dollars par an pour une organisation de 10 000 personnes. Ces chiffres appellent leur réserve : ils proviennent d'une enquête déclarative, fondée sur des auto-estimations de temps et de salaires, non d'une mesure auditée.

La suite, publiée en janvier 2026, déplace la responsabilité de l'individu vers le système : le workslop naît de la pression au volume et de l'injonction à « utiliser l'IA » sans cadre, sans standards ni formation. Sanctionner les producteurs ne règle rien tant que l'organisation mesure la quantité d'artefacts produits plutôt que leur utilité.

Une même grammaire de production

Le cycle de vie d'un artefact quelconque suit la grammaire que le développement logiciel a déjà appris à gouverner : une intention, un brief ou une spécification, une génération, une porte humaine de revue, une diffusion, puis une péremption. Le spec-driven development vaut pour un deck ou un rapport : le brief est le prompt. Et le « factory model » du logiciel se généralise mot pour mot : l'output du travailleur de la connaissance devient le système qui produit les documents, avec ses gabarits, ses standards de ton, ses corpus de référence et ses évaluations documentaires. Quand tout artefact devient régénérable à la demande, la valeur de l'artefact statique baisse ; l'actif durable se déplace vers ce qui le génère.

Ce qui change pour le DSI et pour le patron produit

Pour le DSI, la gouvernance des artefacts devient le chemin critique, au même titre que la gouvernance du code. Les documents n'ont aujourd'hui ni gestion de versions, ni revue outillée, ni traçabilité des sources : c'est l'écart qui produit le workslop à l'échelle. Le chantier consiste à donner aux livrables non logiciels ce que l'usine logicielle possède déjà : des standards, des portes humaines, des évaluations, et une chaîne de production où chaque affirmation reste traçable jusqu'à sa source. L'architecture qui structure ce chantier, la production à base de connaissance en médaillon raw, bronze, silver, gold, fait l'objet d'un article dédié : produire la connaissance comme on raffine la donnée.

Pour le CPO ou le patron produit, le déplacement est symétrique. Les artefacts amont du produit (études discovery, PRD, briefs, roadmaps) deviennent générables et régénérables ; leur valeur migre vers la matière qui les nourrit et le jugement qui les valide. Un brief de qualité devient un actif exécutable par des agents, ce qui rejoint la porosité entre PDLC et SDLC décrite dans l'article pilier. La revue produit change d'objet : moins de temps à relire des rendus, davantage à valider les affirmations qui les fondent.

Questions fréquentes

Le workslop justifie-t-il de restreindre l'usage de l'IA générative ?
Non. L'étude de janvier 2026 situe la cause dans le système, pas dans l'outil : pression au volume, absence de standards et de formation. Restreindre la génération revient à traiter le symptôme ; la réponse durable est une chaîne de production gouvernée, où la génération part d'une source de vérité et où chaque affirmation reste traçable.

Par où commencer pour gouverner les artefacts non logiciels ?
Par l'inventaire des familles de livrables à fort enjeu (propositions, rapports, supports de direction), puis par trois disciplines : des standards de qualité documentaire, des portes humaines de revue positionnées sur la matière plutôt que sur chaque rendu, et la traçabilité des sources. L'architecture médaillon fournit le modèle opératoire complet.

Le point de vue SFEIR

Le logiciel nous a appris que la vitesse de génération sans gouvernance fabrique de la dette ; les documents n'échapperont pas à la règle. Une organisation qui industrialise sa production logicielle doit industrialiser, avec la même discipline, sa production documentaire : une artifact factory adossée à la software factory, avec les mêmes portes humaines et la même capitalisation. Nous appliquons ce principe à nos propres supports, générés depuis notre base de connaissance plutôt qu'écrits à la main. Le modèle opératoire, l'architecture médaillon, est détaillé dans l'article compagnon de celui-ci.

---

Sources

• science.org : Eloundou, Manning, Mishkin, Rock, « GPTs are GPTs », Science, 2024 (version initiale arXiv, mars 2023) : exposition des tâches aux LLM, métiers d'écriture en tête.
• ssrn.com : Dell'Acqua et al., « Navigating the Jagged Technological Frontier », Harvard Business School Working Paper 24-013 (étude menée avec le BCG), septembre 2023.
• anthropic.com : Anthropic Economic Index, rapport de mars 2026 (part du code dans les conversations Claude.ai).
• anthropic.com : Anthropic Economic Index, rapport de juin 2026 (93 % des conversations produisent un artefact ; répartition des livrables).
• hbr.org : Niederhoffer et al. (BetterUp Labs × Stanford Social Media Lab), « AI-Generated "Workslop" Is Destroying Productivity », septembre 2025.
• hbr.org : Niederhoffer, Robichaux, Hancock, « Why People Create AI "Workslop" and How to Stop It », janvier 2026.

Note de fiabilité : les chiffres du workslop proviennent d'une enquête déclarative (1 150 salariés américains) avec auto-estimations de temps et de coûts, non d'une mesure auditée. « GPTs are GPTs » mesure une exposition technique des tâches, pas une automatisation effective. L'Anthropic Economic Index décrit l'usage de Claude, pas celui de l'ensemble des assistants du marché. La généralisation « artifact factory » relève de l'analyse de SFEIR.