Infobésité et IA : comment la surcharge informationnelle paralyse les décisions managériales

1. Accroche

L’IA générative est censée résoudre le problème de la gestion de l’information. Elle risque d’aggraver infobésité et surcharge informationnelle.

Infographie sur l'intelligence artificielle contre la surcharge d'informations, abordant les défis de la paralysie informationnelle, les solutions proposées par l'IA comme filtre intelligent, et les impacts de l'IA sur la confiance.

2. Définitions & Histoire

Le terme information overload est forgé par Bertram Myron Gross en 1962 dans The Managing of Organizations, puis popularisé par Alvin Toffler dans Future Shock (1970). En France, le néologisme québécois infobésité s’impose dans les années 2000 pour désigner la même réalité : un volume d’informations excédant la capacité de traitement cognitif d’un individu.

La définition académique de référence est celle d’Eppler et Mengis (2004) : « Information overload occurs when the amount of input to a system exceeds its processing capacity. » Dans leur revue interdisciplinaire publiée dans The Information Society (1 910 citations sur Semantic Scholar), ils identifient cinq dimensions causales : caractéristiques de l’information, facteurs personnels, paramètres des tâches, processus organisationnels, technologies de l’information.

Chronologie

1962 — Gross forge le terme information overload
1970 — Toffler popularise la notion dans Future Shock
1974 — Jacoby, Speller & Berning démontrent la courbe en U inversé (Journal of Consumer Research)
2004 — Eppler & Mengis publient la revue de référence (DOI : 10.1080/01972240490507974)
2020 — Phillips-Wren & Adya étendent le cadre aux DSS sous stress
2023-2024 — Émergence du corpus sur l’infobésité générée par l’IA générative

3. Contexte

Les managers d’une Fortune 500 typique gaspillent plus de 530 000 jours par an en décisions inefficaces (équivalent 250 M $ de masse salariale, McKinsey — De Smet, Jost & Weiss, 2019). Les salariés sont interrompus 275 fois par jour — toutes les deux minutes — (Work Trend Index 2025, 31 000 répondants, 31 pays). L’IA générative ajoute un paradoxe : elle produit des synthèses en secondes mais multiplie les angles d’analyse disponibles. L’infobésité change de nature, pas de niveau.

4. Explication

Le cadre en cinq dimensions d’Eppler & Mengis (2004) reste opérationnel pour analyser l’infobésité augmentée par l’IA. Caractéristiques de l’information : l’IA générative produit de l’information syntaxiquement irréprochable qui efface le signal de qualité médiocre. Facteurs personnels : tolérance à l’ambiguïté et expertise modèrent la surcharge. Paramètres des tâches : sous pression temporelle, la délégation à l’IA amplifie le risque de dégradation qualitative (Phillips-Wren & Adya, 2020). Processus organisationnels : la multiplication des outils sans gouvernance crée le phénomène BYOAI. Technologies : la fragmentation des interfaces amplifie le context switching (Lallemand et al., 2023).

5. Exemple — Le phénomène BYOAI

Le Work Trend Index 2025 documente un paradoxe massif : 78 % des utilisateurs d’IA en entreprise utilisent leurs propres outils plutôt que ceux fournis par leur employeur, générant complexité accrue et risques de sécurité. Une même décision stratégique peut être analysée par cinq outils différents, produisant cinq synthèses plausibles mais non alignées. Ce que le BYOAI illustre : la fragmentation des sources amplifie la surcharge indépendamment de la qualité de chaque outil pris isolément (Eppler & Mengis, 2004). L’infobésité n’est pas un problème de mauvais outils — c’est un problème de gouvernance.

Note : les organisations documentent rarement leurs échecs décisionnels liés à l’IA dans la littérature publique. Cette absence est elle-même informative et constitue une piste de recherche (voir bloc 9).

6. Nuance

L’IA générative est active : elle reformule, synthétise, sélectionne. Ce n’est plus de l’information overload, c’est potentiellement de l’information curation biaisée. La qualité de décision suit une courbe en U inversé (Jacoby, Speller & Berning, 1974). Enfin, seules quelques études proposent des recommandations spécifiques aux managers (Lallemand et al., 2023) — les preuves empiriques d’interventions réussies restent rares dans la littérature publiée.

7. Pratique

Cartographier vos décisions avant de déployer l’IA (récurrentes vs stratégiques)
Instituer la règle « une synthèse, une source tracée » en réunion
Mesurer le temps de décision avant le déploiement IA (61 % jugé inefficace, McKinsey 2019)
Former à la détection des biais IA, pas seulement à l’usage des outils

8. FAQ

L’infobésité est-elle mesurable ?

Oui. L’OICN publie un référentiel annuel (17 000 collaborateurs, 190 M métadonnées d’e-mails, 2025). https://www.infobesite.org/referentiel-annuel

L’IA aggrave-t-elle l’infobésité ?

Elle peut l’aggraver ou la réduire selon la gouvernance. La variable déterminante est organisationnelle, pas technologique.

Comment citer l’infobésité en contexte académique ?

Référence de base : Eppler & Mengis (2004), The Information Society, DOI : 10.1080/01972240490507974. Contexte managérial : Phillips-Wren & Adya (2020), DOI : 10.1080/12460125.2020.1768680.

9. Recherches futures

Piste 1 — L’infobésité générée par l’IA générative : nouveau construit ou extension du cadre existant ? Des études expérimentales comparant les deux conditions manquent.
Piste 2 — La gouvernance décisionnelle IA comme variable modératrice, en contexte RGPD.
Piste 3 — Effet différentiel selon niveau hiérarchique (dirigeants : 342 e-mails/semaine, OICN 2024).
Piste 4 — Indicateurs du seuil optimal de la courbe en U inversé (Jacoby, 1974) appliqués aux outils IA.

Revue de littérature : La surcharge informationnelle — définitions, causes, effets et stratégies de remédiation

Introduction

Trois travaux structurent cette revue. Eppler & Mengis (2004) posent le cadre conceptuel de référence à partir d’une synthèse interdisciplinaire couvrant trente ans de recherche en sciences de l’organisation, marketing, comptabilité et systèmes d’information. Arnold, Goldschmitt & Rigotti (2023) prolongent ce cadre par une revue systématique (protocole PRISMA, 87 études) centrée sur les interventions et dispositifs de prévention dans le monde du travail. Wani & Mushtaq (2025) complètent l’ensemble en explorant les solutions apportées par la littératie informationnelle et les outils d’intelligence artificielle face à la prolifération des données. Ces trois textes forment une trajectoire cohérente : de la modélisation théorique du phénomène à ses remèdes pratiques.

1. Définitions et genèse du concept

Le terme « information overload » est attribué au sociologue américain Bertram Gross (1964), qui l’emploie pour désigner l’état dans lequel les entrées d’information d’un système dépassent ses capacités de traitement. Le phénomène a depuis fait l’objet d’une inflation terminologique révélatrice : il est nommé infobesité, infoglut, data smog, information pollution, information fatigue, infostress, infoxication, communication overload ou encore cognitive overload.

Dans leur modèle conceptuel, Eppler & Mengis (2004) définissent la surcharge informationnelle comme la situation où la quantité d’information dépasse la capacité de traitement du destinataire. Cette définition est reprise par la quasi-totalité de la littérature postérieure. Une caractéristique constante des définitions scientifiques, soulignée par Klausegger et al. (2007), est la relation en U inversé : jusqu’à un certain seuil, davantage d’information améliore la performance ou la qualité des décisions ; au-delà, l’effet s’inverse et la performance se dégrade.

La quantité d’information créée en deux jours est désormais globalement équivalente à celle produite depuis l’aube de la civilisation jusqu’en 2003. La pandémie de COVID-19 a agi comme catalyseur de ces dynamiques, et le recours durable au travail mobile, aux réunions virtuelles et aux logiciels collaboratifs semble désormais permanent.

2. Les causes : un système de cinq niveaux interdépendants

Eppler & Mengis (2004) proposent que les causes de la surcharge informationnelle s’organisent en cinq niveaux interdépendants : les caractéristiques de l’information, les facteurs liés à la personne réceptrice, les tâches et processus, les processus organisationnels, et les technologies de l’information et de la communication (TIC). Ce cadre est fondamentalement circulaire : toute contremesure visant une cause spécifique peut avoir des effets significatifs sur les autres causes.

Le modèle d’Eppler & Mengis articule causes, surcharge, conséquences et contremesures dans une boucle de rétroaction — c’est ce système que visualise le schéma suivant.Au niveau des facteurs individuels, la personne réceptrice, ses attitudes, qualifications et expériences — y compris ses compétences et sa motivation — influencent directement si une quantité donnée d’information conduit ou non à la surcharge. Les limitations cognitives, psychodynamiques et comportementales constituent le contexte dans lequel les facteurs externes prennent effet, rendant certains individus plus vulnérables.

Au niveau des facteurs technologiques, la croissance rapide des publications académiques en ligne, automatisée et accélérée par les avancées d’internet, ainsi que la multiplicité des sources, contribuent directement à la surcharge. L’absence de maîtrise des opérateurs de recherche et des outils de filtrage aggrave le problème.

3. Effets et conséquences

Les conséquences de la surcharge documentées dans les sources couvrent trois registres.

Sur le plan psychologique et de la santé, la surcharge informationnelle est positivement corrélée au stress, au burnout et aux plaintes de santé, et négativement associée à la satisfaction au travail. Les individus en situation de surcharge rapportent des états de stress, de découragement, de confusion et d’insomnie. Wani & Mushtaq (2025) décrivent également l’infobesité — analogue à la malbouffe, ce concept désigne les effets délétères d’une consommation excessive d’information, gérables uniquement par la sélection d’une information de qualité en quantité modérée — et le trait de déficit attentionnel (ADT) : une pensée focalisée sur le passé et le futur au détriment du présent, devenu épidémique dans les organisations et engendrant distractibilité, fébrilité intérieure et impatience.

Sur le plan de la performance organisationnelle, la surcharge informationnelle est associée à des pertes de performance significatives, notamment en lien avec les disruptions et interruptions au travail. La qualité du travail diminue, la prise de décision se dégrade, et un temps considérable est consacré à trier et traiter l’information plutôt qu’à l’utiliser.

Sur le plan décisionnel, les comportements observés comprennent des stratégies de recherche devenant non compensatoires, l’omission sélective d’informations, la perte de contrôle sur les flux, et un déficit d’évaluation critique.

La relation entre quantité d’information et qualité des décisions suit précisément la courbe en U inversé décrite par Eppler & Mengis — visualisée ci-dessous.—

4. Les cadres théoriques mobilisés

Trois théories complètent le modèle d’Eppler & Mengis dans les sources recensées.

La théorie de la charge cognitive (Atkinson & Shiffrin, 1968), telle que mobilisée par Arnold et al. (2023), stipule que la mémoire de travail humaine est limitée à environ sept unités d’information (± 2), et la surcharge informationnelle survient lorsque la quantité d’information dépasse cette capacité. Elle distingue trois types de charge : la charge extrinsèque, influencée par la présentation de l’information ; la charge intrinsèque, liée à la complexité du contenu ; et la charge germinale, favorable à l’apprentissage car elle mène à la construction de schémas et de modèles mentaux.

La théorie de la richesse des médias (Daft & Lengel, 1986) postule que la richesse de l’information — soit la capacité d’un canal à modifier la compréhension dans un intervalle de temps donné — doit être prise en compte en relation avec la surcharge. La conversation en face-à-face est considérée comme la forme de communication la plus riche, tandis que les lettres ou e-mails sont moins riches. La correspondance entre richesse du médium et nature du contenu transmis constitue un levier de réduction de la surcharge.

Le concept de technostress, étroitement lié à la surcharge informationnelle, est défini comme le stress vécu par les individus du fait de l’utilisation des TIC. Cinq techno-stresseurs sont identifiés : le techno-surcharge (travail plus long et plus rapide), la techno-invasion (disponibilité permanente y compris durant le temps libre), la techno-complexité (sentiment d’inadéquation face aux outils), la techno-insécurité (menace sur l’emploi) et la techno-incertitude (mises à jour constantes des outils).

5. Dispositifs de prévention et de remédiation

Arnold et al. (2023) organisent les interventions selon la distinction fondamentale entre prévention comportementale (niveau individuel) et prévention structurelle (quatre autres niveaux). 87 études, rapports terrain et articles conceptuels ont été inclus dans la revue ; les résultats montrent que de nombreux travaux portent sur les interventions comportementales, tandis que les recommandations de prévention structurelle sont également nombreuses mais de qualité de preuve inégale.Au niveau individuel, les interventions les mieux documentées concernent la formation. Les recommandations incluent notamment la formation aux compétences numériques et à la littératie médiatique et informationnelle, ainsi que des formations spécifiques à la gestion efficace des e-mails. Des plages horaires fixes pour traiter les e-mails peuvent s’avérer utiles.

Au niveau de l’information, la revue de 17 études primaires par Khairat et al. (2018) montre que les dashboards de visualisation réduisent le temps de collecte de données, la charge cognitive, le temps d’exécution des tâches et le taux d’erreurs, tout en améliorant la conscience situationnelle et la navigation dans les systèmes.

Au niveau organisationnel, des politiques claires d’utilisation des TIC — bloquer le trafic d’e-mails en dehors des horaires de travail, passer de l’e-mail à un réseau social interne — ainsi que la mise à jour régulière des logiciels et le soutien technique personnel sont identifiés comme efficaces pour atténuer les effets négatifs de la surcharge.

Au niveau TIC, des systèmes de support à la décision, des algorithmes de résumé et d’extraction automatique, ainsi que des systèmes de gestion sémantique des connaissances sont décrits comme des contremesures prometteuses, bien que les biais de la demande restent à évaluer sérieusement.

6. La littératie informationnelle comme remédiation transversale

Wani & Mushtaq (2025) défendent la littératie informationnelle (LI) comme outil transversal de remédiation couvrant l’ensemble des effets de la surcharge. La LI aide à reconnaître et à contrer la mésinformation et la désinformation, à développer la pensée critique, à améliorer la rétention et le rappel des informations, et à protéger les individus contre l’infobesité.

Sur le plan institutionnel, l’intégration de la littératie informationnelle dans les curricula d’enseignement supérieur a démontré son efficacité, comme en témoigne le cas du Danemark où plusieurs universités ont intégré des cours de recherche documentaire dans des matières obligatoires créditées.

Sur le plan technologique, l’intégration de chatbots IA comme Google Bard dans les services de bibliothèque permet une aide interactive et en temps réel : ces outils engagent les usagers dans des conversations permettant d’affiner leurs requêtes et d’obtenir des résultats plus précis, tout en leur apprenant à évaluer la crédibilité des sources.

7. Synthèse critique et limites

Les trois textes convergent sur la nature multidimensionnelle et circulaire de la surcharge informationnelle, mais présentent des angles d’attaque distincts. Eppler & Mengis (2004) fournissent le socle théorique interdisciplinaire sans lequel aucune des deux revues postérieures ne serait possible. Arnold et al. (2023) opérationnalisent ce cadre dans une perspective d’ergonomie organisationnelle et de santé au travail. Wani & Mushtaq (2025) décalent le regard vers les solutions institutionnelles et pédagogiques.

Plusieurs limites méritent d’être signalées. La qualité des preuves est inégale : peu d’études utilisent un protocole avec groupe contrôle randomisé, et la majorité des études empiriques robustes concernent le domaine médical. La variabilité terminologique — plus de vingt synonymes d’un même phénomène — complique la comparaison et la cumulativité des recherches. Enfin, si les recommandations au niveau individuel sont abondantes, les preuves de l’efficacité des interventions structurelles restent souvent issues d’études conceptuelles ou qualitatives sans évaluation longitudinale.

Références

[1] Wani, E. A., & Mushtaq, M. (2025). Profusion of information: Growing concerns and information literacy as an amplified tool to overcome its anxieties. Kashmir Journal of Social Sciences, 13(1), 68–81. https://deanss.uok.edu.in/Files/20ca86b4-9101-4485-98f9-1beb3b33b64b/Journal/78968993-acd1-49f0-b552-b5536e02fa10.pdf

[2] Arnold, M., Goldschmitt, M., & Rigotti, T. (2023). Dealing with information overload: A comprehensive review. Frontiers in Psychology, 14, 1122200. https://doi.org/10.3389/fpsyg.2023.1122200

[3] Eppler, M. J., & Mengis, J. (2004). The concept of information overload: A review of literature from organization science, accounting, marketing, MIS, and related disciplines. The Information Society, 20(5), 325–344. https://doi.org/10.1080/01972240490507974

10. Ressources pédagogiques

Master Marketing Digital — IAE Paris-Sorbonne

Prompt pédagogique : « Tu es consultant en transformation digitale mandaté par le DG d’une ETI industrielle de 300 salariés. Depuis le déploiement de trois outils IA, les réunions de direction ont allongé de 40 %. Mobilise le cadre d’Eppler & Mengis (2004) pour diagnostiquer les cinq dimensions causales. Produis un rapport de diagnostic de 600 mots avec recommandations hiérarchisées. »

Question socratique : « Si votre outil IA vous donne une recommandation contraire à votre intuition terrain, et que votre intuition s’avère juste a posteriori — est-ce un bug de l’outil ou une information sur les limites de vos données d’entraînement ? »

MAE / Cadres en formation continue

Question socratique : « Dans votre organisation, la dernière décision stratégique importante — qui a réellement décidé : l’humain qui a signé, ou l’outil qui avait présélectionné les trois options soumises à la signature ? »

Mini-cas Amazon (2014-2018) : Amazon a retiré un outil de recrutement IA qui pénalisait les CV mentionnant des établissements féminins, entraîné sur des données historiques biaisées (Dastin, Reuters, 2018). → Comment ce cas illustre-t-il la dimension « processus organisationnels » d’Eppler & Mengis ? → Quel dispositif de gouvernance aurait détecté le biais ?

11. Références générales

Références académiques

✅ Eppler, M. J., & Mengis, J. (2004). The concept of information overload. The Information Society, 20(5), 325–344. https://doi.org/10.1080/01972240490507974
✅ Jacoby, J., Speller, D. E., & Berning, C. K. (1974). Brand choice behavior as a function of information load. Journal of Consumer Research, 1(1), 33–42. https://doi.org/10.1086/208579
✅ Phillips-Wren, G., & Adya, M. (2020). Decision making under stress. Journal of Decision Systems, 29(sup1), 213–225. https://doi.org/10.1080/12460125.2020.1768680
✅ Lallemand, C., Koenig, V., & Grobler, G. (2023). Dealing with information overload: A comprehensive review. Frontiers in Psychology, 14, 1122200. https://doi.org/10.3389/fpsyg.2023.1122200
✅ Gross, B. M. (1962). The managing of organizations. Free Press.
✅ Toffler, A. (1970). Future shock. Random House.