Près d'un quart des entreprises financières lient désormais augmentations, primes ou promotions à la maîtrise de l'IA par leurs salariés, selon une enquête de Selby Jennings auprès de 500 répondants du secteur financier, rapportée par Reuters le 14 octobre 2026. 30 % de plus obligent leurs équipes à déclarer leur usage de l'IA lors de l'évaluation annuelle, et 42 % ont formalisé des critères pour juger les compétences IA. Ce qui se compte le plus facilement, c'est l'usage. Payez l'usage, vous obtiendrez de l'usage. Une évaluation juste regarde une tâche récurrente et vérifie, chiffres de départ à l'appui, si elle va plus vite ou sort mieux.
J'ai commencé en banque d'entreprise au Crédit du Nord, tout en bas de l'échelle, puis j'ai dirigé le marketing produit dans une banque réglementée. Personne ayant travaillé en banque n'a besoin qu'on lui explique ce que devient un indicateur une fois inscrit dans le calcul de la part variable. Il est atteint.
Aujourd'hui, j'accompagne l'adoption de l'IA dans des équipes en France et au Royaume-Uni avec We Call Shotgun. L'article de Reuters pose la question que chaque manager doté d'un budget de licences IA rencontrera à la prochaine campagne d'entretiens annuels : comment juger équitablement les compétences IA de quelqu'un quand le seul chiffre du tableau de bord, c'est le nombre de fois où il a ouvert l'outil ?
Que dit l'enquête de Selby Jennings ?
Que la compétence IA est entrée dans la discussion sur la rémunération avant que quiconque se mette d'accord sur la façon de la mesurer. Selby Jennings est un cabinet de recrutement spécialisé dans les services financiers. Nupur Anand, journaliste chez Reuters, en a publié les résultats le 14 octobre 2026 sous le titre « Wall Street firms tie bonuses, promotions to AI skills, survey finds ».
Tous les chiffres publiés, avec la population que chacun mesure :
| Résultat | Chiffre | Population |
|---|---|---|
| Lient augmentations, primes ou promotions à la maîtrise de l'IA | Près de 25 % | Entreprises interrogées. Formulé « près d'un quart » |
| Obligent les salariés à déclarer leur usage d'outils d'IA lors de l'évaluation annuelle | 30 % | Entreprises interrogées. Formulé « 30 % de plus », ce qui laisse penser à un groupe distinct du quart précédent |
| Ont mis en place des critères formels pour évaluer les compétences IA des salariés | 42 % | Répondants |
| Ont créé des équipes ou des postes dédiés au suivi du retour sur les investissements IA | 30 % | Répondants. Une question distincte des 30 % de la déclaration |
| Manquent d'experts internes capables d'évaluer de façon fiable les compétences IA | Près d'un tiers | Répondants, d'après la couverture du rapport complet |
L'échantillon est décrit de trois façons. Reuters parle de 500 dirigeants du secteur financier. La page du rapport AI Talent Pulse de Selby Jennings évoque 500 professionnels RH de la finance, interrogés via Censuswide. Semafor parle d'une enquête auprès de 500 entreprises. Dans tous les cas, les répondants décrivent la politique de leur entreprise, et c'est ce que mesurent les chiffres.
Dylan Gomez, executive director chez Selby Jennings, explique à Reuters que les entreprises ne se contentent plus de vérifier si leurs salariés utilisent les outils d'IA : elles suivent désormais l'effet sur la production. Il précise qu'il n'existe pas encore de formule établie pour la part de rémunération liée à l'usage et à la performance IA, et qu'il s'attend à ce qu'elle se précise d'ici l'an prochain. Jacob Summers, responsable du recrutement technologique du cabinet, indique à Semafor que la pratique est plus répandue dans les fintechs et les petites structures que dans les grandes banques et maisons de trading.
La formule s'écrit donc maintenant, surtout dans des entreprises assez petites pour la changer vite. C'est le moment de la réussir.
Pourquoi lier la rémunération à l'usage de l'IA se retourne-t-il contre l'entreprise ?
Parce que l'usage est le chiffre le plus facile à faire monter sans mieux travailler. La loi de Goodhart, dans la formulation de l'anthropologue Marilyn Strathern : « Quand une mesure devient un objectif, elle cesse d'être une bonne mesure. » Plusieurs des plus grands employeurs de la tech et de la finance en ont fait l'expérience cette année, en public.
- Meta. Fortune rapporte le 9 avril 2026 qu'un salarié de Meta avait créé un classement interne, « Claudeonomics », des 250 plus gros consommateurs de tokens parmi plus de 85 000 salariés, avec des titres comme « Token Legend » ou « Cache Wizard ». Il a disparu deux jours après la publication de l'article.
- Amazon. Fin mai 2026, le Financial Times rapporte qu'Amazon a retiré KiroRank, un classement d'usage de l'IA créé par des salariés sur sa plateforme de développement Kiro, après que des équipes eurent fait tourner des tâches inutiles à des agents IA pour grimper. La pratique a désormais un nom : le tokenmaxxing. Dave Treadwell, senior vice president, aurait demandé aux équipes de ne pas utiliser l'IA pour le simple fait de l'utiliser. Amazon suit désormais ce qu'il appelle des « normalised deployments », la preuve que les ingénieurs livrent du code utile grâce à l'IA.
- Accenture. En février 2026, le Financial Times rapporte qu'Accenture suit les connexions hebdomadaires de ses cadres supérieurs à ses outils d'IA internes et exige une « adoption régulière » pour accéder aux postes de direction. Des salariés ont décrit au FT ces outils comme des « broken slop generators », des générateurs de bouillie en panne.
- JPMorgan. Business Insider rapporte en mars 2026 que la banque suit la fréquence d'usage des outils d'IA par ses ingénieurs et technologues, les classe en utilisateurs intensifs, occasionnels ou non-utilisateurs, et que ces données pourraient peser dans l'évaluation annuelle.
Aucun de ces classements n'était un indicateur officiel de rémunération. Amazon a même précisé que ses statistiques de tokens ne serviraient pas aux évaluations. Les salariés les ont manipulés quand même. Mon interprétation, et c'est une opinion : si un classement officieux se fait manipuler en quelques semaines, une ligne dans le calcul de la prime le sera encore plus.
Les indicateurs d'usage ratent aussi l'endroit où le coût apparaît. L'enquête Templafy 2026 auprès de 2 000 salariés britanniques et américains montre qu'ils passent près de quatre heures par semaine à relire et corriger des documents produits par l'IA, et 48 % estiment que le temps gagné reste faible (notre analyse des chiffres Templafy). Des chercheurs de BetterUp Labs et du Stanford Social Media Lab, dans la Harvard Business Review de septembre 2025, ont donné un nom au phénomène : le workslop, un contenu produit par l'IA qui a l'apparence d'un bon travail sans la substance nécessaire pour faire avancer la tâche. Leurs répondants évaluent le temps de rattrapage à près de deux heures par incident.
Une prime à l'usage se paie deux fois. Une fois en tokens, une fois en heures passées par un collègue à corriger le résultat.
Pourquoi la déclaration d'usage mesure mal la compétence
La déclaration demande aux gens combien l'IA les a aidés. Ils en jugent mal, experts compris. Dans un essai randomisé publié par METR en juillet 2025, 16 développeurs open source expérimentés s'attendaient à aller 24 % plus vite avec l'IA. Sur 246 tâches réelles, ils ont été 19 % plus lents, et pensaient pourtant après coup avoir gagné environ 20 %.
La déclaration a une vraie fonction dans une entreprise réglementée : savoir quel travail l'IA a touché. C'est un contrôle de gouvernance. La noter comme une compétence transforme un formulaire de conformité en auto-évaluation, et l'incitation va dans un seul sens.
Quelle différence entre usage et maîtrise de l'IA ?
L'usage compte le nombre de fois où quelqu'un ouvre l'outil. La maîtrise, c'est le fait qu'une tâche récurrente sorte plus vite, mieux ou moins cher grâce à l'IA, et que la personne sache repérer quand le résultat est faux.
Notre glossaire trace la même ligne à l'échelle d'une équipe, entre activation et adoption : l'activation est un indicateur de licences, l'adoption est un processus qui fonctionne autrement grâce à l'IA. Une évaluation annuelle a besoin de la version individuelle de cette distinction.
Chaque indicateur IA qu'une entreprise peut collecter, avec ce qu'il prouve et la façon de le contourner :
| Ce qu'on compte | Ce que ça prouve | Comment on le contourne | À quoi ça sert |
|---|---|---|---|
| Connexions, usage hebdomadaire | L'accès | Ouvrir l'outil chaque lundi | Gestion des licences |
| Nombre de requêtes ou de tokens | Le volume | Tâches inutiles, agents qui s'occupent pour rien | Maîtrise des coûts |
| Déclaration lors de l'évaluation | Ce que les gens croient | Tout le monde déclare « beaucoup » | Gouvernance : quel travail l'IA a touché |
| Modules suivis, certificats | La présence | Cliquer jusqu'au bout des modules | Traçabilité de conformité, par exemple la maîtrise de l'IA exigée par l'article 4 de l'AI Act |
| Exemples de travail sur une tâche récurrente | Les quatre compétences, sur du vrai travail | Difficile : l'évaluateur voit le prompt, le résultat rejeté et la correction | Note de maîtrise |
| Avant et après sur le processus | La valeur | Gonfler la mesure de départ, donc la prendre avant que quiconque sache qu'elle compte | Prime et promotion |
Les quatre premières lignes, c'est ce qu'affichent la plupart des tableaux de bord. Claude, ChatGPT, Copilot et Gemini remontent tous l'usage par utilisateur, ce qui les rend utiles pour suivre la dépense et repérer qui a besoin d'aide. Les deux dernières lignes demandent un manager et une mesure de départ. Aucune console d'administration ne les produit.
Que dit Teach Them to Drive sur la rémunération des compétences IA ?
Que la rémunération doit suivre la valeur, et que la valeur s'est déplacée. Trois idées du livre s'appliquent directement.
La Value Migration. Une fois l'IA installée, la valeur créée par une équipe quitte la vitesse d'exécution pour aller vers le jugement, le cadrage, l'évaluation et le goût. L'entrée Value Migration du glossaire du livre en tire la conséquence pour la rémunération :
« Les rôles, les grilles de rémunération et les critères de promotion doivent tous suivre ce déplacement. Si un expert senior est encore payé pour la vitesse de son premier jet deux ans après l'arrivée de l'IA, l'entreprise se trompe sur le prix du travail. »
Toni Dos Santos, Teach Them to Drive: The AI Adoption Playbook for Teams (traduction de l'anglais)
La Skill Inversion. La Skill Inversion, l'inversion des compétences, est le mécanisme derrière ce déplacement : l'IA fait tomber presque à zéro le coût d'un premier jet crédible, et le jugement comme l'évaluation deviennent les compétences rares. Un indicateur d'usage récompense le volume de premiers jets. Il paie la partie du métier qui vient de perdre sa valeur.
Les quatre compétences de base. Le livre en retient quatre, qui survivent à chaque changement d'outil : cadrer (Frame, définir le vrai besoin avant d'écrire le prompt), formuler (Prompt, le traduire en instructions qu'un modèle peut exécuter), évaluer (Evaluate, lire le résultat d'un œil critique, repérer les hallucinations, les oublis et les dérives de ton) et itérer (Iterate, affiner, relancer, livrer). Les journaux d'usage n'en voient qu'une. La formulation laisse une trace. Le cadrage se fait avant d'ouvrir l'outil, l'évaluation après sa réponse, et l'itération se voit dans ce qui est livré. Un compteur de tokens ne distingue pas l'analyste qui a envoyé 200 requêtes sans rien livrer de celui qui en a envoyé 12 et a refait le dossier de clôture mensuelle.
« The tool was never the problem. Nobody taught them to drive. » (L'outil n'a jamais été le problème. Personne ne leur a appris à conduire.)
Toni Dos Santos, Teach Them to Drive: The AI Adoption Playbook for Teams
Payer au kilomètre récompense celui qui reste le plus longtemps assis dans la voiture.
Comment évaluer équitablement la maîtrise de l'IA lors de l'entretien annuel ?
Sur une responsabilité récurrente par personne, avec une mesure de départ prise avant que quiconque sache qu'elle compterait, et avec des preuves tirées du vrai travail. Voici la séquence que nous déroulons avec les équipes, adaptée à un cycle d'évaluation.
- Choisissez une responsabilité récurrente par poste. Le Painful Tuesday : la tâche dont tout le monde se plaint chaque semaine. En finance, c'est souvent la note de crédit, le dossier de revue client, les écarts de rapprochement, le commentaire de clôture mensuelle ou la rédaction des alertes en conformité.
- Prenez la mesure de départ maintenant. Temps de cycle, nombre d'allers-retours de correction, erreurs repérées en aval. Deux semaines de chronométrage honnête, avant que quiconque sache que cela nourrira une évaluation.
- Examinez trois exemples de travail au regard des quatre compétences. Une conversation de 30 minutes sur les trois derniers travaux faits avec l'IA : quel était le besoin, ce que la personne a donné au modèle, ce qu'elle a jeté, ce qu'elle a modifié.
- Vérifiez les vérifications. Nous utilisons Check-Challenge-Confirm pour tout ce qui part vers un client, un régulateur ou la direction : vérifier les faits, contester le raisonnement, confirmer le ton et la conformité. Dans une entreprise réglementée, la personne qui repère le chiffre inventé avant qu'il n'arrive chez le client vaut plus que celle qui l'a généré le plus vite.
- Mesurez à 30, 60 et 90 jours par rapport à la mesure de départ. Dans les mêmes unités. Si le chiffre n'a pas bougé, regardez le processus et le contexte donné à l'outil avant de regarder la personne.
- Valorisez ce qui se diffuse. Le playbook en 90 jours se termine par la formalisation du processus et sa transmission à l'équipe. L'analyste dont le prompt et la checklist servent désormais à tout le desk a multiplié le gain. Notez-le.
La grille que nous remettons aux managers, une ligne par compétence :
| Compétence | Ce que demande l'évaluateur | Preuve faible | Preuve solide |
|---|---|---|---|
| Cadrer | « Quel besoin cherchiez-vous à couvrir, et pour qui ? » | « Je m'en sers pour mes mails » | Nomme la tâche, le destinataire, la contrainte et le résultat attendu |
| Formuler | « Montrez-moi ce que vous avez donné au modèle. » | Des demandes d'une ligne, sans contexte | Des instructions réutilisables, avec sources, exemples et format de sortie |
| Évaluer | « Qu'avez-vous rejeté ou corrigé la dernière fois ? » | Rien, jamais | Nomme l'erreur repérée et la vérification qui l'a repérée |
| Itérer | « Qu'est-ce qui a changé dans ce processus depuis le trimestre dernier ? » | Même résultat, plus de requêtes | Un chiffre avant et après, et un processus écrit qu'un collègue utilise |
Ce qui entre dans le calcul de la prime, et ce qui reste dehors
Notre position, et c'est une opinion :
- Dedans : l'évolution du processus par rapport à sa mesure de départ, la note sur les quatre compétences tirée des exemples de travail, et la diffusion du processus amélioré dans l'équipe.
- Dehors : les connexions, le nombre de requêtes, les tokens et les heures passées dans l'outil. Leur place est dans la conversation d'accompagnement du manager, où un chiffre bas signale quelqu'un qui a besoin d'aide sur un processus.
- À part : la déclaration d'usage. Gardez-la comme trace de gouvernance, avec sa propre finalité, et hors de la note de compétence.
L'évaluateur, c'est le manager direct. Près d'un tiers des entreprises de l'enquête Selby Jennings disent manquer d'experts internes pour évaluer les compétences IA, et la grille ci-dessus est conçue pour qu'un manager capable de lire une note de crédit puisse s'en servir. Notre guide pour les managers couvre le reste de ce rôle, et le récit par Microsoft de son propre déploiement de Copilot montre la mesure en pratique : 687 commerciaux jugés sur le chiffre d'affaires par account manager et le taux de closing, comparés aux commerciaux qui utilisaient peu l'outil.
Cette séquence est la méthode de nos programmes d'adoption de l'IA en entreprise et de notre travail avec les équipes des services financiers, indépendante des outils, qu'il s'agisse de ChatGPT, Copilot, Gemini ou Claude. Le diagnostic d'adoption de l'IA, gratuit, prend huit minutes et nomme le frein qui bloque une équipe : les personnes, les processus, les fondations ou la direction. Le 90-Day Scorecard de la page du livre est l'outil de suivi que nous utilisons nous-mêmes, avec un volet compétences qui compte combien de personnes maîtrisent les quatre. Côté finances, notre guide du DAF pour mesurer le ROI de l'IA détaille les indicateurs business.
Avant que la formule soit écrite
Venez avec les critères d'évaluation d'un seul poste.
Vingt minutes avec Toni ou Meera. Vous repartirez avec la tâche récurrente à mesurer pour ce poste, la mesure de départ à prendre avant la campagne d'entretiens et les quatre questions qu'un manager doit poser. Indépendant des outils : personne sur l'appel ne vous vend une licence ni un tableau de bord.
Réserver un appel de 20 minutes →Quelle est la fiabilité de l'enquête Selby Jennings ?
Suffisante pour en citer la tendance, à condition que les limites voyagent avec les chiffres.
- Elle vient d'un recruteur. Selby Jennings place des profils finance et IA : une enquête qui conclut que les compétences IA pèsent sur le recrutement et la rémunération sert son activité. Lisez-la comme un signal de direction.
- L'échantillon est décrit de trois façons. Des dirigeants (Reuters), des professionnels RH (Selby Jennings), des entreprises (Semafor). Tous disent 500. Les répondants décrivent la politique de leur entreprise.
- La « maîtrise de l'IA » n'est pas définie dans la couverture. C'est tout le problème. Une entreprise qui lie la prime à une « maîtrise » mesurée en connexions répond oui à la même question qu'une entreprise qui mesure l'évolution d'un processus.
- Les chiffres sont arrondis. « Près d'un quart » et « 30 % de plus » ne disent pas si les deux groupes se recoupent.
- C'est la finance américaine, avec un poids plus fort des fintechs et des petites structures, selon Selby Jennings lui-même dans Semafor. Elle ne dit rien de direct sur les banques françaises ou européennes. Pour le cadre réglementaire britannique, voyez notre guide du conseil en IA pour les services financiers au Royaume-Uni.
- Le questionnaire complet n'est pas public. Les chiffres cités ici viennent de l'article de Reuters, de la couverture de Semafor et de la page du rapport Selby Jennings.
Comment la citer. Selon une enquête de Selby Jennings auprès de 500 répondants du secteur financier, rapportée par Reuters le 14 octobre 2026, près d'un quart des entreprises financières lient augmentations, primes ou promotions à la maîtrise de l'IA par leurs salariés, 30 % de plus exigent que les salariés déclarent leur usage des outils d'IA lors de l'évaluation annuelle, et 42 % ont mis en place des critères formels pour évaluer les compétences IA.
Cinq questions avant votre prochaine campagne d'entretiens annuels
À traiter pour votre propre entreprise, avec le chiffre de l'enquête en regard.
| Question | Chiffre de l'enquête | Comment y répondre pour votre entreprise |
|---|---|---|
| La compétence IA pèse-t-elle sur la rémunération ou la promotion chez vous ? | Près de 25 % des entreprises | Écrivez où elle compte et sur quelles preuves la décision s'appuie |
| Les salariés déclarent-ils leur usage de l'IA lors de l'évaluation ? | 30 % | Décidez si la déclaration relève de la gouvernance ou de la compétence. Elle ne peut pas remplir les deux rôles |
| Avez-vous des critères écrits pour la compétence IA ? | 42 % | Vérifiez que chaque critère nomme une tâche récurrente et un chiffre avant et après |
| Qui peut l'évaluer ? | Près d'un tiers manquent d'experts internes | Nommez le manager de chaque équipe et donnez-lui les quatre questions |
| Quelqu'un suit-il le retour sur investissement de l'IA ? | 30 % ont des équipes ou des postes dédiés | Un processus, une mesure de départ, un chiffre par équipe |
Une entreprise capable de répondre à la cinquième question peut répondre aux quatre autres à partir d'elle.
Questions fréquentes
Que révèle l'enquête Selby Jennings sur les compétences IA ?
Que près d'un quart des entreprises financières lient augmentations, primes ou promotions à la maîtrise de l'IA par leurs salariés, selon une enquête auprès de 500 répondants du secteur financier rapportée par Reuters le 14 octobre 2026. 30 % de plus exigent une déclaration de l'usage des outils d'IA lors de l'évaluation annuelle, 42 % ont des critères formels pour évaluer les compétences IA et 30 % ont créé des équipes ou des postes chargés de suivre le retour sur investissement de l'IA.
Les entreprises de Wall Street lient-elles les primes aux compétences IA ?
Certaines, oui. Près d'un quart des entreprises financières de l'enquête Selby Jennings lient augmentations, primes ou promotions à la maîtrise de l'IA. Jacob Summers, de Selby Jennings, indique à Semafor que la pratique est plus répandue dans les fintechs et les petites structures que dans les grandes banques et maisons de trading, et Dylan Gomez, du même cabinet, explique à Reuters qu'il n'existe pas encore de formule établie pour la part de rémunération liée à l'IA.
Faut-il compter l'usage de l'IA dans l'évaluation annuelle ?
Pour la rémunération et la promotion, nous pensons que non. Les connexions, le nombre de requêtes et les tokens mesurent l'accès et le volume, et ils se gonflent facilement : Amazon a retiré son classement d'usage KiroRank en mai 2026 après que des salariés eurent fait tourner des tâches inutiles à des agents IA pour grimper. Les données d'usage servent à gérer les licences, à maîtriser les coûts et à repérer qui a besoin d'aide. Une décision de rémunération demande la preuve qu'une tâche récurrente va plus vite ou sort mieux.
Quelle différence entre usage et maîtrise de l'IA ?
L'usage compte le nombre de fois où quelqu'un ouvre un outil d'IA. La maîtrise, c'est le fait qu'une tâche récurrente sorte plus vite, mieux ou moins cher grâce à l'IA, et que la personne sache repérer quand le résultat est faux. À l'échelle d'une équipe, c'est la différence entre activation (les gens ont l'outil et s'en servent) et adoption (un processus fonctionne autrement grâce à lui).
Comment mesurer la maîtrise de l'IA d'un salarié ?
Choisissez une responsabilité récurrente du poste, prenez une mesure de départ du temps de cycle, des allers-retours de correction et des erreurs avant que quiconque sache qu'elle compte, examinez trois exemples de travail réels au regard des quatre compétences (cadrer, formuler, évaluer, itérer), vérifiez comment la personne relit le résultat de l'IA avant qu'il ne parte, puis mesurez la même tâche à 30, 60 et 90 jours. Valorisez la personne dont le processus amélioré est repris par le reste de l'équipe.
Qu'est-ce que le tokenmaxxing ?
Le fait de gonfler ses chiffres d'usage de l'IA, le plus souvent en tokens, pour grimper dans un classement interne ou atteindre un objectif d'usage. Le phénomène a été rapporté chez Meta, où un classement créé par un salarié, « Claudeonomics », listait les 250 plus gros consommateurs de tokens avant d'être retiré en avril 2026, et chez Amazon, qui a retiré son classement KiroRank en mai 2026 pour suivre le code utile livré avec l'IA.
Que doit contenir une grille d'évaluation des compétences IA ?
Les quatre compétences de Teach Them to Drive, chacune évaluée sur du vrai travail. Cadrer : la personne sait-elle définir le besoin, le destinataire et la contrainte avant d'écrire le prompt ? Formuler : donne-t-elle au modèle des sources, des exemples et un format ? Évaluer : peut-elle nommer une erreur repérée et la vérification qui l'a repérée ? Itérer : existe-t-il un chiffre avant et après et un processus écrit qu'un collègue utilise ?
Faut-il obliger les salariés à déclarer leur usage de l'IA ?
Comme contrôle de gouvernance, oui : une entreprise réglementée doit savoir quel travail l'IA a touché. Comme mesure de compétence, c'est faible. Dans l'essai randomisé publié par METR en juillet 2025, des développeurs expérimentés pensaient que l'IA les avait rendus environ 20 % plus rapides alors qu'elle les avait ralentis de 19 %. Gardez la déclaration à part, séparée de la note de maîtrise.
Quelle est la fiabilité de l'enquête Selby Jennings ?
Suffisante pour en citer la tendance, avec des limites. Selby Jennings est un recruteur qui place des profils finance et IA. L'échantillon de 500 est décrit comme des dirigeants par Reuters, des professionnels RH par Selby Jennings et des entreprises par Semafor. Les chiffres sont arrondis, la « maîtrise de l'IA » n'est pas définie dans la couverture, l'enquête porte sur la finance américaine avec un poids plus fort des fintechs et des petites structures, et le questionnaire complet n'est pas public.
Sources et lectures complémentaires
- Nupur Anand, Wall Street firms tie bonuses, promotions to AI skills, survey finds, Reuters, 14 octobre 2026
- A quarter of financial firms tie pay and promotions to AI proficiency: survey, Semafor, 14 octobre 2026
- AI Talent Pulse Report: Financial Services, Selby Jennings
- Le tableau de bord des tokens IA des salariés de Meta, Fortune, 9 avril 2026
- Accenture ties career progression to AI use, Computing, février 2026, d'après le Financial Times
- JPMorgan begins tracking how employees use AI at work, AI News, mars 2026, d'après Business Insider
- Kate Niederhoffer, Gabriella Rosen Kellerman, Angela Lee, Alex Liebscher, Kristina Rapuano et Jeffrey T. Hancock, AI-Generated "Workslop" Is Destroying Productivity, Harvard Business Review, septembre 2025
- Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, METR, 10 juillet 2025
- 96 % des salariés britanniques retouchent les documents générés par l'IA, We Call Shotgun, 4 octobre 2026
- Pourquoi la formation IA échoue après l'atelier : ce que Microsoft a appris avec 200 000 salariés, We Call Shotgun, 24 septembre 2026
- Visibilité des dépenses IA : suivre et contrôler l'usage de Claude, ChatGPT, Copilot et Gemini, We Call Shotgun, 3 juillet 2026
- Toni Dos Santos, Teach Them to Drive: The AI Adoption Playbook for Teams