Chez Procter & Gamble, une étude sur l'IA et le travail en équipe montre qu'un expert seul avec l'IA dépasse un binôme sans IA (gain de qualité de 0,37 écart type contre 0,24). Conduite à l'été 2024 par des chercheurs de Harvard et de Wharton auprès de 776 salariés du groupe, l'étude donne pourtant le meilleur score au binôme qui travaille avec l'IA. Pour un dirigeant, c'est ce second résultat qui compte.
Innover chez P&G suppose de réunir des métiers qui se parlent peu
Dans un groupe de produits de grande consommation, un nouveau produit naît rarement dans un seul service. Les équipes de recherche et développement savent ce qui est techniquement faisable, les équipes commerciales savent ce que les distributeurs et les clients achèteront. Une bonne idée doit tenir des deux côtés.
Pour y parvenir, les entreprises forment des équipes pluridisciplinaires. Cette organisation a un coût. Il faut mobiliser deux experts au lieu d'un, caler des réunions, traduire le vocabulaire d'un métier dans celui de l'autre, et arbitrer quand chacun défend sa vision.
Chez P&G comme ailleurs, ce travail croisé reste pourtant la norme, parce qu'un expert isolé propose des solutions à l'image de son métier. L'ingénieur imagine une formule plus performante, le commercial une offre mieux placée en rayon. Les chercheurs ont voulu savoir si l'IA générative pouvait tenir une partie du rôle de ce collègue d'un autre métier. Ils ont aussi mesuré ce qu'elle apporte à une équipe déjà constituée.
Une expérience randomisée sur de vrais sujets d'innovation
L'étude s'intitule « The Cybernetic Teammate », publiée en 2025 comme document de travail du NBER (le bureau national de la recherche économique américain). Elle est signée notamment par Fabrizio Dell'Acqua, Karim Lakhani, Ethan Mollick et Raffaella Sadun, en partenariat avec Procter & Gamble.
L'expérience s'est déroulée à l'été 2024. Elle était randomisée, les participants ayant été répartis au hasard entre les groupes. Elle était aussi préenregistrée, c'est-à-dire que le protocole et les mesures ont été déclarés avant de connaître les résultats. Les 776 participants sont des experts commerciaux et des experts R&D, souvent forts de plus de dix ans d'expérience.
Quatre façons de travailler comparées
Les chercheurs ont réparti les participants en quatre groupes.
- Une personne seule, sans IA, qui sert de référence.
- Un binôme sans IA, composé d'un commercial et d'un profil R&D.
- Une personne seule avec IA.
- Un binôme avec IA, sur le même modèle.
L'outil utilisé était GPT-4 ou GPT-4o. Surtout, les participants ne travaillaient pas sur un exercice de laboratoire. Ils devaient traiter de vrais sujets d'innovation produit issus de leur propre unité, et leurs propositions ont ensuite été notées par des experts.
Ce protocole rend l'étude plus solide que la plupart des chiffres qui circulent sur l'IA en entreprise. On compare ici des professionnels expérimentés placés au hasard dans des conditions différentes, loin des déclarations d'éditeurs et des sondages d'opinion.
Seul avec l'IA, un expert fait mieux qu'un binôme sans IA
Les chercheurs expriment la qualité en écarts types par rapport à la personne seule sans IA. Un écart type correspond à peu près à la distance entre un travail moyen et un travail nettement au-dessus de la moyenne. C'est l'unité à garder en tête pour lire les chiffres qui suivent.
D'après l'étude publiée par le NBER, le binôme sans IA progresse de 0,24 écart type par rapport à la référence. La personne seule avec IA progresse de 0,37 écart type, soit davantage que le binôme humain. Le binôme avec IA obtient le meilleur score, à 0,39.
Le premier réflexe consiste à retenir qu'un salarié équipé de l'IA remplace en qualité un collègue supplémentaire. Une lecture plus attentive nuance ce raccourci. L'écart moyen entre la personne seule avec IA et le binôme avec IA est faible, mais les binômes équipés produisent nettement plus souvent des solutions classées parmi les 10 % meilleures.
Pour une direction de l'innovation, cette nuance compte. Une entreprise ne vit pas de propositions correctes en moyenne. Elle vit des quelques idées exceptionnelles qui deviennent des produits, et c'est dans cette zone que l'association d'une équipe et de l'IA se distingue.
Plus vite, et avec des propositions plus détaillées
Selon les auteurs, les groupes équipés de l'IA gagnent entre 12 et 16 % de temps. Ce gain ne se fait pas au prix d'un travail bâclé. Les propositions rendues sont au contraire plus longues et plus détaillées que celles des groupes sans IA.
Avec l'IA, le travail en équipe sort des couloirs métiers
Le résultat le plus instructif de l'étude ne tient pas dans un score. Sans IA, les profils R&D proposent des solutions techniques et les commerciaux des solutions commerciales. Chacun reste dans son couloir, ce qui justifie précisément la constitution d'équipes mixtes.
Avec l'IA, cette frontière s'efface. Les deux profils proposent des solutions équilibrées, qui intègrent la dimension technique et la dimension commerciale. L'outil apporte à chacun une partie de l'expertise qui lui manque, un peu comme un collègue d'un autre service qui relirait la copie par-dessus l'épaule.
Le titre de l'étude parle d'ailleurs de coéquipier, pas de remplaçant. L'IA ne tient pas lieu d'équipe. Elle casse une partie des silos entre métiers, ce qui permet à un expert seul de produire un travail plus complet, et à un binôme de viser plus haut.
Un effet mesuré sur le moral des équipes
Les chercheurs ont aussi interrogé les participants sur leur ressenti. Ceux qui travaillaient avec l'IA déclarent plus d'enthousiasme et d'énergie, moins d'anxiété et de frustration. Ces réponses sont déclaratives, mais elles contredisent l'image d'une IA qui isolerait les salariés derrière leur écran.
Ethan Mollick, l'un des auteurs, revient sur ces résultats dans un billet de son blog One Useful Thing publié en mars 2025. Le texte présente l'expérience de façon plus accessible que le document de travail.
Ce que l'étude Harvard Procter & Gamble ne mesure pas
Le premier point à garder en tête porte sur la durée. L'expérience tient en une journée. Un projet d'innovation réel dure plusieurs mois, avec des allers-retours, des tests, des arbitrages budgétaires et des changements de périmètre. Rien ne garantit que l'avantage observé sur une journée se maintienne sur la durée d'un projet.
La mesure de la qualité appelle aussi une réserve. Les propositions ont été notées par des experts, pas confrontées au marché. Une idée jugée excellente sur le papier peut échouer en magasin, et l'étude ne dit rien des ventes que ces propositions auraient générées.
Enfin, les participants sont des professionnels chevronnés d'un grand groupe, souvent avec plus de dix ans d'expérience. Rien ne dit que des profils moins expérimentés, moins armés pour juger ce que l'IA leur propose, obtiendraient le même gain. L'étude menée chez BCG sur les limites de l'IA a montré que l'outil peut dégrader la qualité d'un travail. Cela arrive quand la tâche sort de son domaine de compétence et que l'utilisateur ne s'en aperçoit pas.
Ces réserves n'annulent pas le résultat. L'étude mesure avec rigueur la qualité d'un travail de recherche d'idées sur une journée, et c'est ainsi qu'il faut la citer.
Ce que ça change pour une PME ou une ETI
Une PME industrielle n'a pas les équipes pluridisciplinaires de P&G. Prenons un fabricant de menuiseries de 80 salariés qui veut lancer une gamme de fenêtres pour la rénovation. Son responsable technique connaît les contraintes d'isolation et de production, son directeur commercial connaît les attentes des artisans poseurs. Ils se voient deux heures par mois.
Chacun prépare ses idées de son côté, avec ses propres réflexes. Le responsable technique arrive avec un profilé plus isolant mais plus cher à produire, le directeur commercial avec une gamme simplifiée que les poseurs installeront vite. La réunion se passe à découvrir les objections de l'autre, et la décision glisse au mois suivant.
L'étude suggère qu'un responsable technique qui prépare son dossier avec l'IA arrivera à la réunion avec une proposition qui intègre déjà une partie des questions commerciales. La réunion servira alors à arbitrer entre deux propositions complètes. Le directeur commercial, de son côté, aura vérifié avec l'outil la faisabilité technique de sa gamme avant de la présenter. Dans une PME, l'apport de l'IA au travail en équipe commence par ce genre de préparation.
Ce résultat a une conséquence directe sur l'organisation. Si l'IA rapproche les compétences de chacun, les fiches de poste et les parcours évoluent. Nous détaillons ce sujet dans notre article sur la manière d'adapter les compétences et les postes. Le même phénomène apparaît dans l'étude sur les agents du service client, où l'outil diffuse le savoir-faire des meilleurs vers l'ensemble de l'équipe.
Notre point de vue
Nos missions vont dans le même sens. Le meilleur résultat vient d'une équipe humaine équipée, et non d'un outil qui remplacerait des collègues. Réduire les effectifs d'une équipe projet au motif qu'une personne seule avec l'IA vaut un binôme reviendrait à renoncer aux meilleures idées, celles du haut du classement.
Le travail porte donc d'abord sur les managers. Ce sont eux qui décident comment une équipe utilise l'outil, à quel moment du projet, et avec quel regard critique sur ses propositions. C'est l'objet de notre formation IA pour managers, qui s'inscrit dans une démarche plus large d'acculturation à l'IA de toute l'entreprise.
Sources
- The Cybernetic Teammate: A Field Experiment on Generative AI Reshaping Teamwork and Expertise, NBER, document de travail w33641, 2025
- The Cybernetic Teammate, Ethan Mollick, One Useful Thing, mars 2025
