Cette recherche examine l’impact de l’IA dans le tourisme et l’hôtellerie. Si L'IA améliore l’efficacité et réduit les tâches répétitives (Ivanov & Webster, 2020 ; Zielonka & Rocca, 2019), elle génère aussi du technostress et une perte de contrôle décisionnel (Maier et al., 2019 ; Bobillier-Chaumon, 2019). L’automatisation réduit la latitude décisionnelle et altère des compétences humaines comme l’intuition et l’interaction (Gretzel & Murphy, 2022).
Cette étude analyse l’effet de l’IA sur les risques psychosociaux (RPS) et l’équilibre psychosocial des employés à travers trois cadres théoriques : le modèle Demande-Contrôle-Soutien (DCS) (Karasek & Theorell, 1990), la théorie de l’ajustement (coping) (Lazarus & Folkman, 1984) et le Technology Acceptance Model (TAM) (Davis, 1989). L’hypothèse centrale est que la perception de l’IA influence les RPS (demandes, autonomie, soutien), qui affectent ensuite la santé mentale (détresse, épuisement) et l’intention de quitter l’emploi, avec des effets modérés par les stratégies d’ajustement et les compétences techniques.
L’approche méthodologique adoptée est mixte, afin d’obtenir une vision nuancée des effets de l’IA sur les employés du secteur hôtelier. La phase qualitative se composera d’entrevues semi-dirigées avec 20 à 25 employés du secteur, sélectionnés selon un échantillon intentionnel. Ces entretiens permettront d’explorer en profondeur les perceptions des employés, leurs expériences de souffrance liées à l’utilisation de l’IA, ainsi que les mécanismes d’adaptation mis en place pour gérer ces effets. Les données seront analysées à travers une démarche thématique, permettant de dégager des thèmes récurrents et de comprendre les dynamiques sous-jacentes des expériences vécues.
La phase quantitative suivra, avec un questionnaire administré à un plus grand échantillon d’employés. Ce questionnaire mesurera les risques psychosociaux via le Job Content Questionnaire (Karasek et al., 1998), l’épuisement émotionnel avec l’échelle de Maslach et Jackson (1986), et la détresse psychologique à l’aide de la Psychological Distress Scale (Kessler et al., 2002). La perception de l’IA sera quant à elle mesurée à travers l’échelle d’Adams et al. (1992), adaptée par Huh et al. (2009). Cette phase permettra d’élargir les résultats obtenus en phase qualitative et de tester les relations entre perception de l’IA, RPS et stratégies d’adaptation
Les résultats attendus devraient permettre d’identifier les effets positifs et négatifs de l’IA sur les RPS et la santé mentale. L’application du modèle DCS aidera à identifier les contextes de travail les plus vulnérables, tandis que la théorie de l’ajustement fournira un éclairage sur les mécanismes d’adaptation mis en œuvre. Le modèle TAM éclairera quant à lui la relation entre la perception de l’IA et l’apparition de certains RPS. Les résultats devraient ainsi montrer que, bien que l’IA facilite certaines tâches, elle standardise également les interactions et peut exacerber des RPS tels que l’ergostressie ou la perte de contrôle, ce qui constitue un défi dans un secteur qui valorise l’intuition et l’interaction humaine.
Cette recherche contribuera à l’adaptation des cadres théoriques des RPS aux défis posés par les technologies émergentes et fournira des recommandations concrètes pour aider les organisations hôtelières à intégrer l’IA de manière éthique et durable, tout en préservant le bien-être des employés.