Quand les ingénieurs automatisent leur travail sans le dire

Entre les outils officiellement déployés par les entreprises et les expérimentations individuelles, une zone grise se développe dans les bureaux d’études et les équipes techniques quant aux usages actuels de l’IA, notamment générative. Abordons tout d’abord l’aspect “automatisation des tâches”. Cette appellation se révèle relativement trompeuse : En effet, l’IA ne prend généralement pas en charge une mission complète d’ingénierie, mais plutôt une succession de tâches intermédiaires, auparavant réalisées manuellement. Chez les ingénieurs, ces usages sont massifs. C’est ce que révèle la 36e enquête nationale d’Ingénieurs et Scientifiques de France publiée en 2025 : 73 % des ingénieurs utilisent déjà l’intelligence artificielle dans leur travail. Parmi eux, 37 % l’emploient principalement pour la conception et 34 % pour l’analyse de données. Au-delà de ces chiffres, l’enquête affirme que les ingénieurs dans leur immense majorité ont de fortes attentes quant à la capacité de l’IA à automatiser le plus possible les tâches répétitives ou complexes.

Cela dit, quelles sont concrètement ces tâches répétitives ou complexes ? L’étude menée par le CINOV en 2025 auprès des entreprises du numérique, de l’ingénierie, du conseil et de l’événementiel identifie comme principaux usages l’assistance rédactionnelle, l’extraction et la synthèse d’informations, ainsi que la création de contenus visuels. Ainsi, sur les 628 salariés interrogés, 67 % déclarent utiliser l’IA générative à titre professionnel et personnel et, parmi les utilisateurs, 64 % s’en servent plusieurs fois par semaine.

En ce qui concerne plus spécifiquement les ingénieurs, l’usage des technologies d’IA peut recouvrir une quantité de tâches, selon les spécialités : synthèse d’un cahier des charges, reformulation d’une note technique, recherche de solutions possibles à un problème, traduction de documentation, exploitation préliminaire d’un jeu de données ou la génération d’un premier script de calcul, entres autres choses. Aujourd’hui, une partie de ces usages reste sous les radars : des salariés utilisent des systèmes d’IA en dehors des outils, procédures ou contrôles prévus par leur organisation. C’est ce que l’on appelle le shadow IA. Il ne s’agit donc pas seulement de cacher que l’on utilise ChatGPT. Un ingénieur utilisant un compte personnel sur un outil non homologué pour traiter un document professionnel entre également dans cette catégorie.

Les chiffres disponibles en France sur ces pratiques montrent une forte déconnexion entre ces pratiques et leur visibilité. Dans l’étude ADESATT, seuls 47 % des utilisateurs déclarent que leurs collègues connaissent leur utilisation de l’IA, et 39 % seulement que leur hiérarchie en a connaissance. Par ailleurs, 86 % se sont formés seuls et 57 % des répondants indiquent que leur entreprise n’a pas construit de cadre spécifique pour ces usages.

Une frontière apparaît aujourd’hui entre deux catégories d’usages : la recherche d’idées, la reformulation, la traduction d’un texte non confidentiel, l’aide à la programmation ou la génération de tests avec un outil approuvé sont de plus en plus facilement assumées. L’IA y est présentée comme un assistant, dont le résultat reste contrôlé par l’ingénieur.

Les usages deviennent beaucoup plus compliqués à déclarer lorsque l’IA intervient directement dans une production facturée au client, ou lorsque son utilisation nécessite de lui transmettre des éléments internes. Copier dans un service public un extrait de spécifications techniques, du code source, un rapport d’incident, des données d’essais ou une note de conception peut accélérer considérablement le travail, tout en exposant l’entreprise à un risque qu’elle ne maîtrise pas.

C’est précisément pour cette raison que la CNIL recommande de ne jamais transmettre à un service grand public des informations confidentielles ou couvertes par le secret des affaires. L’ANSSI formule la même mise en garde et recommande un encadrement particulier des assistants d’IA utilisés pour le développement informatique.

Le shadow IA révèle donc moins une volonté de fraude qu’un décalage entre la vitesse d’adoption de l’IA par les ingénieurs et celle des organisations.