AI « vole des postes », les grandes réductions d'effectifs dans la Silicon Valley ! Les ingénieurs de première ligne révèlent la vérité : l'efficacité de l'IA est gravement surévaluée, les humains sont forcés de devenir des auditeurs, la charge de travail est 10 fois plus importante qu'avant

2026年，硅谷科技圈裁员风波不断。1月，亚马逊确认将裁员约1.6万人；2月，金融科技公司Block裁掉了近一半的员工；3月，Meta被曝计划裁员1.6万人。

L’automne des licenciements dans le secteur technologique de la Silicon Valley se poursuit en 2026. En janvier, Amazon a confirmé qu’il allait supprimer environ 16 000 emplois ; en février, la fintech Block a licencié près de la moitié de ses employés ; en mars, Meta a été rapporté planifier de réduire ses effectifs de 16 000 personnes.

AI将取代白领的焦虑席卷职场。

L’anxiété selon laquelle l’IA remplacera les employés de bureau envahit le monde du travail.

然而，科技公司Ona的软件工程师Siddhant Khare发布的《AI疲劳真实存在，却无人谈及》一文，引发了全球媒体和读者的广泛讨论。

Cependant, un article intitulé « La fatigue liée à l’IA existe réellement, mais personne n’en parle », publié par Siddhant Khare, ingénieur logiciel chez Ona, a suscité un large débat dans les médias et parmi les lecteurs du monde entier.

他道出了AI实际应用和美好愿景之间的巨大落差。他认为，AI带来的效率提升被高估了，而职场人却陷入了“AI疲劳”。

Il a exprimé le grand écart entre l’application concrète de l’IA et ses belles visions. Selon lui, l’amélioration de l’efficacité apportée par l’IA est surévaluée, tandis que les travailleurs se retrouvent plongés dans une « fatigue liée à l’IA ».

近日，Siddhant Khare接受《每日经济新闻》记者（以下简称NBD）专访时表示，作为AI智能体基础设施的开发者，建议人们改变使用AI的习惯，避免被AI困在生成、审核、再生成、再审核的循环里。

Récemment, Siddhant Khare a accordé une interview au « China Daily » (ci-après NBD), dans laquelle il a conseillé aux gens de changer leurs habitudes d’utilisation de l’IA pour éviter de rester coincés dans un cycle de génération, vérification, régénération et re-vérification.

Siddhant Khare 图片来源：受访人社交账号

Source de l’image : compte social de l’interviewé

“有了AI之后人的工作量是以往的10倍”

« Avec l’IA, la charge de travail des humains est multipliée par 10 »

NBD：你认为导致“AI疲劳”的原因是什么？

NBD : Quelles sont, selon vous, les causes principales de la « fatigue liée à l’IA » ?

Siddhant Khare：“AI疲劳”本质是结构性问题。AI让代码、文案、文档等内容的生成效率提升数倍，但审核与验证环节的效率却未同步跟进。人依旧是整个工作流程的核心瓶颈，要处理十倍于以往的工作量。

Siddhant Khare : La « fatigue liée à l’IA » est essentiellement un problème structurel. L’IA augmente la vitesse de génération de code, de textes, de documents, etc., de plusieurs fois, mais l’efficacité des étapes de vérification et de validation n’a pas suivi. L’humain reste le goulot d’étranglement du processus, devant traiter une charge de travail dix fois supérieure à avant.

这就像一家工厂，更换了一台冲压速度快十倍的零件生产机器，可流水线末端的质检员依旧只有一个。产能大幅提升后，质检员的工作量翻倍，次品率却没有任何变化，最终崩溃的只会是这个承担全部审核压力的人。

C’est comme une usine qui remplace une machine de production de pièces, dix fois plus rapide, mais où le contrôleur qualité à la fin de la ligne n’a pas changé. La capacité de production augmente considérablement, mais la charge du contrôleur double, sans aucune réduction du taux de défauts, ce qui mène inévitablement à l’effondrement de celui qui supporte toute la pression de vérification.

放到知识型工作领域，AI只实现了生产的自动化，却没有实现审核的自动化。绝大多数企业管理者根本没有意识到这个问题。他们只看表面数据，代码交付量变多了、文档产出变多了、邮件发送量变多了，报表看起来格外华丽，可员工的身心俱疲却被无视。

Dans le domaine du travail intellectuel, l’IA a automatisé la production, mais pas la vérification. La majorité des gestionnaires d’entreprise ne réalisent pas ce problème. Ils ne voient que les chiffres : plus de livrables de code, plus de documents, plus d’e-mails envoyés, des rapports plus impressionnants, mais ils ignorent la fatigue physique et mentale des employés.

NBD：人们本以为AI可以提升效率，可为什么工作量反而大幅增加？

NBD : Les gens pensaient que l’IA pouvait augmenter l’efficacité, alors pourquoi la charge de travail a-t-elle augmenté de façon si importante ?

**Siddhant Khare：AI带来的生产力提升，并未转化为员工的自由时间，反而被企业转化为了更高的工作期望值，抬高了工作的 “合格线”。

Siddhant Khare : La productivité apportée par l’IA n’a pas été traduite en temps libre pour les employés, mais a été transformée par les entreprises en attentes de travail plus élevées, élevant la « ligne de qualification » du travail.

AI出现之前，一名软件工程师一周提交20个代码拉取请求（PR），就是正常的工作标准；有了AI辅助后，工程师的理论产出能力提升到50个，企业便把50个定为新的标准。

Avant l’IA, un ingénieur logiciel soumettait en une semaine 20 demandes de fusion de code (PR), ce qui était la norme. Avec l’aide de l’IA, sa capacité théorique de production est montée à 50, et l’entreprise a fixé cette valeur comme nouvelle norme.

AI生成的所有内容，都离不开人工审核。我作为开源项目维护者，感触格外深刻。以前我每周只需要处理20到25个代码PR，现在这个数字暴涨到上百个，其中绝大部分都是AI生成的，可每一个请求我都必须仔细审查。

Tout contenu généré par l’IA nécessite une vérification humaine. En tant que mainteneur de projets open source, je ressens cela profondément. Avant, je traitais seulement 20 à 25 PR par semaine, maintenant ce chiffre explose à plus de cent, dont la majorité sont générés par l’IA, et je dois examiner chaque demande attentivement.

“使用AI编程工具，实际工作效率反而下降19%”

« Utiliser des outils de programmation IA, la productivité réelle diminue de 19% »

NBD：AI的哪些价值最容易被高估？又有哪些成本被低估了？

NBD : Quelles valeurs de l’IA sont, selon vous, souvent surévaluées ? Et quels coûts sont sous-estimés ?

**Siddhant Khare：**最普遍的高估，就是AI落地的速度和即时效率提升。很多企业都陷入了一个误区，觉得只要给员工配齐AI辅助工具，短短几周就能看到生产力飞跃，可实际数据截然相反。

Siddhant Khare : La plus grande surestimation concerne la vitesse de déploiement de l’IA et l’amélioration immédiate de l’efficacité. Beaucoup d’entreprises pensent qu’en quelques semaines, en équipant leurs employés d’outils d’assistance IA, la productivité va exploser, mais les données concrètes montrent le contraire.

工程效率与开发者生产力分析平台DX曾做过一项覆盖450余家企业、12万余名开发者的全面调研。数据显示，即便有93%的开发者都在使用AI编程工具，实际工作效率提升仅停留在10%，而且后续很难再有突破。

Une étude menée par la plateforme d’analyse de l’efficacité de développement DX, qui a interrogé plus de 450 entreprises et 120 000 développeurs, indique que même si 93% des développeurs utilisent des outils de programmation IA, l’amélioration réelle de leur efficacité n’est que de 10%, et il est difficile d’aller au-delà.

模型评估与风险研究机构METR的对照试验结果更残酷，**使用AI编程工具的开发者，实际工作效率反而下降了19%，**只是主观上感觉工作速度提升了24%。

Les résultats de l’expérimentation de METR, une institution d’évaluation des modèles et de recherche sur les risques, sont encore plus cruels : les développeurs utilisant des outils IA voient leur efficacité réelle diminuer de 19%, même si leur perception subjective indique une augmentation de 24%.

而企业最容易低估的，首先是AI内容的人工审核成本，几乎没有企业会把这部分耗时、耗力的审核时间，纳入整体工作成本规划；其次是员工的职业认同感，当大部分工作都由AI完成，曾经依靠专业能力获得成就感的员工，慢慢会觉得自己只是流水线上的质检员。这种身份落差很难量化，却会直接引发人才流失。

Ce que les entreprises sous-estiment le plus, c’est d’abord le coût de la vérification humaine du contenu généré par l’IA. Peu d’entre elles prennent en compte ce temps et cette énergie dans leur planification des coûts. Ensuite, la perception de la valeur professionnelle des employés. Lorsque la majorité du travail est effectuée par l’IA, ceux qui tiraient leur fierté de leur expertise peuvent finir par se sentir comme des contrôleurs qualité sur une ligne de production. Cette dévalorisation, difficile à quantifier, peut entraîner une perte de talents.

“Vérifier l’IA, c’est plus fatigant que de le faire soi-même”

NBD : Beaucoup de salariés pensent qu’utiliser l’IA, c’est en fait entraîner l’IA à les remplacer. Cette crainte est-elle justifiée ? Quels postes sont les plus vulnérables, et lesquels sont-ils à l’abri ?

NBD : Lorsque beaucoup de salariés pensent qu’utiliser l’IA revient à l’entraîner à les remplacer, cette crainte est-elle fondée ? Quels postes sont les plus susceptibles d’être remplacés, et lesquels sont-ils à l’abri ?

**Siddhant Khare：**绝大多数普通员工，并不是在直接训练AI大模型。日常使用ChatGPT、Copilot这类工具时，个人输入的内容并不会自动成为下一代大模型的训练数据，多数企业的用户协议也明确禁止了这种行为。“我在训练取代自己的AI”，这一说法在技术上并不成立。

Siddhant Khare : La majorité des employés ne s’entraînent pas directement sur de grands modèles d’IA. Lorsqu’ils utilisent ChatGPT, Copilot ou d’autres outils, leurs entrées ne sont pas automatiquement utilisées pour entraîner les futurs grands modèles. La plupart des accords de confidentialité des entreprises interdisent explicitement cette pratique. Dire « je forme l’IA pour qu’elle me remplace » n’est pas techniquement correct.

**AI对职场的真正影响，不是大规模的人力替代，而是岗位的重新定义、工作强度的大幅提升以及核心工作内容的转移。**真正容易被AI替代的，是那些产出标准化、质量要求偏低、重复性高的岗位，比如初稿文案撰写、基础数据录入、简单代码生成、模板化报表制作这类任务，只要求“够用就行”，AI完全可以胜任。

L’impact réel de l’IA sur le monde du travail ne réside pas dans une substitution massive de la main-d’œuvre, mais dans une redéfinition des postes, une augmentation importante de la charge de travail et un déplacement des tâches clés. Les postes où la production est standardisée, avec des exigences de qualité faibles, répétitifs, comme la rédaction de brouillons, la saisie de données, la génération de code simple ou la création de rapports modèles, sont facilement automatisables si l’on ne demande que « suffisant ».

而最难被AI替代的，是需要全局理解力、审美能力和独立判断力的岗位，比如系统架构设计、产品战略制定、商务谈判沟通、创意内容策划等。这类工作的核心价值，从来不是“动手执行”。

Les postes difficiles à remplacer par l’IA sont ceux nécessitant une compréhension globale, un sens esthétique et un jugement indépendant, comme la conception d’architecture système, la stratégie produit, la négociation commerciale ou la création de contenus innovants. La valeur centrale de ces tâches n’a jamais été dans l’exécution manuelle.

其实绝大多数职场人都处于中间地带。工作不会直接消失，但必须面临转型。

En réalité, la majorité des travailleurs se situent dans une zone intermédiaire. Leur travail ne disparaît pas immédiatement, mais ils doivent se transformer.

NBD：你认为，员工核心价值正在发生怎样的转变？

NBD : Selon vous, comment la valeur centrale des employés évolue-t-elle ?

**Siddhant Khare：**转变已经实实在在发生了，只是目前大部分企业的绩效考核体系还没有跟上。

Siddhant Khare : La transformation est déjà en cours, mais la plupart des systèmes d’évaluation de la performance des entreprises ne suivent pas encore.

未来，**最优秀的工程师，不是写代码最快、产出最多的，而是能一眼看穿AI方案是否适配整体系统、思路是否合理的人。**这种判断力依赖长期的行业经验和全局系统认知，不是靠优化提示词就能获得的。

À l’avenir, les meilleurs ingénieurs ne seront pas ceux qui écrivent le plus vite ou produisent le plus, mais ceux qui peuvent rapidement juger si une solution IA s’intègre bien dans le système global, si la logique est cohérente. Cette capacité de jugement repose sur une expérience approfondie et une vision systémique, et ne s’acquiert pas simplement en optimisant des prompts.

员工价值正在发生迁移，从看重产出数量，转向看重判断质量；从比拼执行速度，转向比拼思考深度。未来最不可替代的员工，是能精准判断对错、并且能给出清晰合理依据的人，判断力，就是核心价值。

La valeur des employés évolue, passant de la quantité de production à la qualité du jugement ; de la rapidité d’exécution à la profondeur de la réflexion. Les employés irremplaçables seront ceux qui peuvent discerner précisément le vrai du faux, en fournissant des arguments clairs et rationnels. Le jugement devient la valeur centrale.

“疲劳的根源，是AI充满不确定性”

NBD：相比以往的自动化浪潮，为什么AI更容易造成疲劳？

NBD : Par rapport aux vagues d’automatisation précédentes, pourquoi l’IA est-elle plus susceptible de provoquer la fatigue ?

**Siddhant Khare：**核心原因是以往的自动化工具是确定性的，AI却充满不确定性。

Siddhant Khare : La principale raison est que les outils d’automatisation précédents étaient déterministes, alors que l’IA est pleine d’incertitudes.

**以前的工具，相同指令、相同输入，能得到相同输出，出错会直接报错；但AI不一样，同样的提示词，可能生成完全不同的内容，**即便出现错误，表述也格外逼真、极具迷惑性。AI的错误藏得极其隐蔽，代码能正常运行、文案读起来通顺、报表格式规整，但可能在某一页暗藏事实错误，在某一行有逻辑漏洞，再或者在某一段出现个虚构的数据。

Les anciens outils, avec des instructions identiques et des entrées identiques, produisaient des sorties identiques, et en cas d’erreur, ils signalaient immédiatement. Mais avec l’IA, même avec la même invite, on peut obtenir des contenus complètement différents,** et même si une erreur apparaît, la formulation reste très réaliste et trompeuse. Les erreurs de l’IA sont souvent dissimulées : le code peut fonctionner, le texte sembler fluide, le format du rapport est correct, mais il peut y avoir une erreur factuelle cachée, une incohérence logique, ou des données fictives dans un paragraphe.**

Ce genre d’erreur silencieuse demande une vigilance constante, ce qui est très épuisant à long terme. De plus, l’IA imite fortement le style humain. Vérifier le contenu généré par l’IA demande autant de cognition que la création autonome.

Ce type d’erreur silencieuse exige une concentration constante, ce qui est très épuisant à long terme. De plus, l’IA imite fortement le style humain. La vérification du contenu généré par l’IA nécessite un effort cognitif équivalent à celui de la création indépendante.

NBD：如果AI的输出无法完全信任，但又必须规模化使用，我们要如何弥补这种“信任缺口”？

NBD : Si la sortie de l’IA ne peut pas être totalement fiable, mais qu’on doit l’utiliser à grande échelle, comment combler ce « déficit de confiance » ?

**Siddhant Khare：**很遗憾，绝大多数公司采用的都是最糟糕的方式，即把人工审核当作唯一的质量把控关口。

Siddhant Khare : Malheureusement, la majorité des entreprises adoptent la pire méthode, qui consiste à faire de la vérification humaine le seul contrôle de qualité.

做得好的企业，会建立一套我称之为“反压机制”（backpressure）的体系。简单来说，就是在AI内容进入人工审核环节之前，先通过自动化反馈机制，提前拦截大部分明显错误，减少人工审核的压力。

Les entreprises performantes mettent en place un système que j’appelle « contre-pression » (backpressure). En résumé, avant que le contenu de l’IA n’entre dans la vérification humaine, un mécanisme de rétroaction automatique intercepte en amont la majorité des erreurs évidentes, réduisant ainsi la charge de vérification humaine.

“最重要的工作往往不需要AI”

« Les tâches les plus importantes n’ont souvent pas besoin d’IA »

NBD：面对AI带来的工作重压和精神内耗，普通白领该如何正确与AI相处？

NBD : Face à la surcharge de travail et à l’épuisement mental causés par l’IA, comment les employés doivent-ils apprendre à bien s’entendre avec l’IA ?

**Siddhant Khare：**我推荐三种办法。

Siddhant Khare : Je recommande trois approches.

第一，不要在“思考本身就是价值”的任务中使用AI。比如制定战略方案，价值在于思考，而不是打字。如果直接用AI跳过思考，等于削弱了自己工作的价值。AI更适合用在“结果重要、过程次要”的重复性任务上。

Premièrement, évitez d’utiliser l’IA pour des tâches où « penser est une valeur en soi ». Par exemple, élaborer une stratégie : la valeur réside dans la réflexion, pas dans la frappe. Si vous utilisez l’IA pour sauter la réflexion, vous affaiblissez la valeur de votre travail. L’IA est plus adaptée aux tâches répétitives où le résultat compte plus que le processus.

第二，为审核时间设定明确边界。**如果每天花在审核AI产出的时间超过2小时，就说明工作流程出了问题，**要么是提示词不清晰、上下文信息不足、工作规则不严格，要么是是企业缺少自动化检查机制，千万不要把“无限制审核AI所有产出”当成工作常态。

Deuxièmement, fixez des limites claires pour le temps consacré à la vérification. Si vous passez plus de 2 heures par jour à vérifier les productions de l’IA, cela indique un problème dans votre processus, que ce soit un prompt mal formulé, un manque d’informations contextuelles ou l’absence de mécanismes d’automatisation. Ne faites pas de la vérification « illimitée » une norme.

第三，保护你的深度工作时间。AI会把人困在一个循环里：生成、审核、再生成、再审核。这种循环会不断打断注意力。你需要刻意留出一段时间，完全不使用AI。最重要的工作，往往不需要依赖提示词，而是靠独立思考完成。

Troisièmement, protégez votre temps de travail en profondeur. L’IA enferme l’humain dans un cycle : génération, vérification, régénération, re-vérification. Ce cycle interrompt constamment la concentration. Il faut délibérément réserver un moment sans utiliser l’IA. Les tâches les plus importantes ne nécessitent souvent pas de prompts, mais une réflexion indépendante.

NBD：对于已经对AI产生依赖的人来说，应该如何改变？

NBD : Pour ceux qui sont déjà dépendants de l’IA, comment doivent-ils changer ?

**Siddhant Khare：**首先要改变的，就是AI的使用习惯。

Siddhant Khare : La première étape est de changer ses habitudes d’utilisation de l’IA.

现在很多人遇到问题，会下意识打开ChatGPT。还没开始独立思考，就直接让AI生成内容。

Aujourd’hui, beaucoup de gens ont tendance à ouvrir ChatGPT dès qu’ils rencontrent un problème, sans réfléchir par eux-mêmes, puis à laisser l’IA générer du contenu.

一定要把顺序倒过来。先独立思考，明确工作目标，再判断是否需要使用AI。很多时候，一张白纸和二十分钟的独立深度思考，效果更好。

Il faut inverser cet ordre. Commencez par réfléchir de manière indépendante, clarifiez votre objectif, puis décidez si l’IA est nécessaire. Parfois, une feuille blanche et vingt minutes de réflexion profonde donnent de meilleurs résultats.

人们对AI的焦虑，本质是失去了掌控感。当AI始终在不停生成、不停给出建议，你就会觉得自己只是被动的执行者。而一旦重新掌握“是否用AI、何时用AI”的决定权，掌控感就会慢慢回归，焦虑感自然会下降，也能真正跳出AI疲劳的困境。

L’anxiété face à l’IA vient essentiellement d’un sentiment de perte de contrôle. Quand l’IA génère en continu et donne des conseils, on se sent passif. En reprenant la maîtrise de la décision « utiliser ou non l’IA, quand l’utiliser », on retrouve le contrôle, l’anxiété diminue, et on peut vraiment sortir de la fatigue liée à l’IA.

Source de l’article : China Daily

Source de l’article : China Daily

Avertissement et clause de non-responsabilité

Le marché comporte des risques, l’investissement doit être prudent. Cet article ne constitue pas un conseil d’investissement personnel, ni une prise en compte des objectifs, de la situation financière ou des besoins spécifiques de chaque utilisateur. Les utilisateurs doivent juger si les opinions, points de vue ou conclusions présentés ici sont adaptés à leur situation. En investissant en se basant sur ces informations, ils en assument la responsabilité.

Le marché comporte des risques, l’investissement doit être prudent. Cet article ne constitue pas un conseil d’investissement personnel, ni une prise en compte des objectifs, de la situation financière ou des besoins spécifiques de chaque utilisateur. Les utilisateurs doivent juger si les opinions, points de vue ou conclusions présentés ici sont adaptés à leur situation. En investissant en se basant sur ces informations, ils en assument la responsabilité.