{"id":63781,"date":"2026-08-07T07:54:13","date_gmt":"2026-08-07T06:54:13","guid":{"rendered":"https:\/\/www.bizneo.com\/blog\/?p=63781"},"modified":"2026-08-07T07:54:14","modified_gmt":"2026-08-07T06:54:14","slug":"ia-et-gestion-du-temps-de-travail","status":"publish","type":"post","link":"https:\/\/www.bizneo.com\/blog\/fr\/ia-et-gestion-du-temps-de-travail\/","title":{"rendered":"IA et gestion du temps de travail : cas d’usage et limites pour les DRH"},"content":{"rendered":"\n

Le pointage qui alerte tout seul, le planning qui s’ajuste avant la crise de sous-effectif : ce n’est plus de la science-fiction RH<\/strong>. Mais entre ce que l’IA sait vraiment faire et ce qu’on lui pr\u00eate, il y a un monde.<\/p>\n\n\n\n

La vraie question, pour un DRH, est diff\u00e9rente : quels usages sont r\u00e9ellement fiables aujourd’hui<\/strong> ? Et o\u00f9 l’IA rencontre-t-elle des limites techniques ou l\u00e9gales<\/strong> ?<\/p>\n\n\n\n

Ce que l’IA fait d\u00e9j\u00e0 dans la gestion du temps de travail<\/h2>\n\n\n\n

Quatre usages sont aujourd’hui assez matures pour \u00eatre utilis\u00e9s sans grande exp\u00e9rimentation<\/strong> : la d\u00e9tection d’anomalies de pointage des heures de travail<\/a>, la pr\u00e9vision de charge pour les plannings de travail<\/a>, l’aide \u00e0 l’arbitrage des heures suppl\u00e9mentaires et l’analyse des tendances d’absent\u00e9isme.<\/p>\n\n\n\n

Chacun de ces usages reste une aide \u00e0 la d\u00e9cision<\/strong>, pas un pilote automatique.<\/p>\n\n\n\n

Cas d’usage<\/th>Ce qu’il apporte concr\u00e8tement<\/th>Limite associ\u00e9e<\/th><\/tr><\/thead>
D\u00e9tection d’anomalies de pointage<\/td>Rep\u00e8re les \u00e9carts inhabituels (retards r\u00e9p\u00e9t\u00e9s, oublis de badgeage, horaires atypiques) sans \u00e9pluchage manuel ligne par ligne<\/td>Le syst\u00e8me signale un \u00e9cart<\/strong>, il ne conna\u00eet pas le contexte humain derri\u00e8re (garde d’enfant, incident personnel)<\/td><\/tr>
Pr\u00e9vision de charge et de planning<\/td>Anticipe les pics d’activit\u00e9<\/strong> \u00e0 partir de l’historique (saisonnalit\u00e9, absences r\u00e9currentes, pics commerciaux) pour proposer un planning pr\u00e9visionnel<\/td>Fiabilit\u00e9 d\u00e9pendante de la profondeur de l’historique ; peu pertinente sur une activit\u00e9 r\u00e9cente ou tr\u00e8s irr\u00e9guli\u00e8re<\/td><\/tr>
Aide \u00e0 l’arbitrage des heures suppl\u00e9mentaires<\/td>Croise contingent annuel, co\u00fbt et charge pour sugg\u00e9rer les cr\u00e9neaux o\u00f9 le recours aux heures suppl\u00e9mentaires est le plus pertinent<\/td>Reste une aide \u00e0 la d\u00e9cision<\/strong> : la validation du manager demeure n\u00e9cessaire avant toute mise en \u0153uvre<\/td><\/tr>
Analyse des tendances d’absent\u00e9isme<\/td>Fait ressortir des sch\u00e9mas r\u00e9currents<\/strong> (service, p\u00e9riode, type de contrat) pour anticiper des tensions d’effectif<\/td>Un algorithme entra\u00een\u00e9 sur des donn\u00e9es biais\u00e9es peut reproduire ou amplifier une discrimination existante<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

Quatre usages, un seul principe : l’IA rep\u00e8re, l’humain tranche<\/strong>. Aucun logiciel ne d\u00e9cide \u00e0 la place d’un manager<\/strong>.<\/p>\n\n\n\n

\"gestion<\/a><\/figure>\n\n\n\n

IA pr\u00e9dictive vs IA g\u00e9n\u00e9rative : deux logiques diff\u00e9rentes appliqu\u00e9es au temps de travail<\/h2>\n\n\n\n

Deux familles d’IA coexistent dans les outils RH, et elles ne servent pas le m\u00eame usage. L’IA pr\u00e9dictive<\/strong> travaille sur des donn\u00e9es structur\u00e9es et historiques : c’est elle qui anticipe une charge de planning ou une tendance d’absent\u00e9isme<\/strong>.<\/p>\n\n\n\n

L’IA g\u00e9n\u00e9rative<\/strong> produit du texte ou une r\u00e9ponse conversationnelle. C’est elle qu’on retrouve derri\u00e8re un assistant capable de r\u00e9pondre \u00e0 la question : \u00ab combien d’heures suppl\u00e9mentaires me reste-t-il ce mois-ci ? \u00bb<\/p>\n\n\n\n

\"Gestion<\/a><\/figure>\n\n\n\n

Cette distinction compte pour \u00e9valuer les limites<\/strong> de chaque outil. Une IA pr\u00e9dictive se trompe par manque de donn\u00e9es ou par biais d’historique.<\/p>\n\n\n\n

Une IA g\u00e9n\u00e9rative, elle, peut donner une r\u00e9ponse fausse avec la m\u00eame assurance qu’une r\u00e9ponse juste<\/strong>. C’est un risque diff\u00e9rent, qui demande une v\u00e9rification humaine avant toute diffusion aux salari\u00e9s.<\/p>\n\n\n\n

Les limites techniques : ce que l’IA ne sait pas encore bien faire<\/h2>\n\n\n\n

La qualit\u00e9 d’une pr\u00e9vision d\u00e9pend d’abord de la qualit\u00e9 des donn\u00e9es de pointage<\/strong> en amont. Un syst\u00e8me aliment\u00e9 par des saisies incompl\u00e8tes produira des pr\u00e9visions peu fiables, quel que soit son niveau technique.<\/p>\n\n\n\n

Les horaires atypiques<\/strong> restent un point faible. Forfait jour, astreinte, temps partiel modul\u00e9 : ces situations, courantes en droit du travail fran\u00e7ais, sont mal repr\u00e9sent\u00e9es dans les donn\u00e9es utilis\u00e9es pour entra\u00eener les mod\u00e8les.<\/p>\n\n\n\n

R\u00e9sultat <\/strong>: les pr\u00e9visions sont moins fiables pour ces salari\u00e9s-l\u00e0 que pour un horaire classique.<\/p>\n\n\n\n

Enfin, il faut pouvoir expliquer une d\u00e9cision<\/strong>. Si un salari\u00e9 conteste une alerte g\u00e9n\u00e9r\u00e9e par l’IA, l’entreprise doit savoir sur quels crit\u00e8res elle repose. Un syst\u00e8me opaque expose davantage \u00e0 un contentieux qu’\u00e0 un gain de productivit\u00e9.<\/p>\n\n\n\n

Les limites l\u00e9gales et sociales : RGPD, CNIL et dialogue social<\/h2>\n\n\n\n

Le droit fran\u00e7ais encadre strictement tout dispositif de suivi automatis\u00e9 du temps de travail. L’article L1121-1 du Code du travail<\/a> pose un principe simple : les restrictions aux droits des salari\u00e9s doivent \u00eatre justifi\u00e9es et proportionn\u00e9es<\/strong> au but recherch\u00e9.<\/p>\n\n\n\n

Un syst\u00e8me qui collecte plus de donn\u00e9es que n\u00e9cessaire est en infraction, m\u00eame s’il est techniquement performant.<\/p>\n\n\n\n

L’article L2312-38 impose autre chose : informer et consulter le CSE<\/strong> avant de mettre en place un dispositif de contr\u00f4le de l’activit\u00e9 des salari\u00e9s. Un projet d’IA sur le temps de travail entre dans ce cadre d\u00e8s qu’il influence une d\u00e9cision RH.<\/p>\n\n\n\n

Le CSE doit \u00eatre associ\u00e9 avant<\/strong> le d\u00e9ploiement, pas inform\u00e9 apr\u00e8s coup.<\/p>\n\n\n\n

Le RGPD ajoute une r\u00e8gle propre aux d\u00e9cisions automatis\u00e9es : une d\u00e9cision qui produit un effet important pour un salari\u00e9 ne peut pas reposer uniquement sur un traitement automatique, sans intervention humaine.<\/p>\n\n\n\n

\"RGPD\"<\/a><\/figure>\n\n\n\n

Une alerte d’anomalie de pointage doit donc rester un signal soumis \u00e0 validation manag\u00e9riale<\/strong>, jamais une sanction automatique.<\/p>\n\n\n\n

Le r\u00e8glement europ\u00e9en sur l’intelligence artificielle<\/a> (r\u00e8glement 2024\/1689, dit AI Act) est entr\u00e9 en vigueur en ao\u00fbt 2024, avec des interdictions absolues applicables depuis f\u00e9vrier 2025. Il classe les syst\u00e8mes d’IA qui surveillent ou \u00e9valuent des salari\u00e9s comme des syst\u00e8mes \u00e0 risque \u00e9lev\u00e9<\/strong>.<\/p>\n\n\n\n

Les obligations les plus lourdes (supervision humaine effective, analyse d’impact sur les droits fondamentaux, information des salari\u00e9s et du CSE) entrent en application au 2 d\u00e9cembre 2027<\/strong>. En cas d’usage interdit, la sanction peut atteindre 35 millions d’euros ou 7 % du chiffre d’affaires mondial<\/strong> de l’entreprise.<\/p>\n\n\n\nR\u00e9glementation de l’IA au travail<\/strong><\/span> Ce que l’AI Act impose aux entreprises qui automatisent leur gestion du temps de travail
<\/a><\/bzn-info>\n\n\n\n

Comment un DRH doit cadrer un projet d’IA sur le temps de travail<\/h2>\n\n\n\n

Trois principes limitent le risque d’un d\u00e9ploiement rat\u00e9 ou contest\u00e9.<\/p>\n\n\n\n