Impact of an AI Speech Assistant on Nurses’ Job Demands: A Longitudinal Survey in Long-Term Care

Résumé technique : Impact d'un assistant vocal par IA sur les exigences professionnelles des infirmiers

Énoncé du problème
Les infirmiers en soins de longue durée (SLD) sont confrontés à des exigences professionnelles élevées liées à la documentation, caractérisées par la pression temporelle, la charge informationnelle et les interruptions fréquentes. Ces charges administratives, estimées à 25–30 % du temps de travail, réduisent le temps disponible pour les soins directs et sont liées à un stress accru, une satisfaction professionnelle moindre et un épuisement professionnel plus élevé. Bien que les assistants vocaux dotés d'IA aient montré des promesses dans les milieux médicaux aigus pour améliorer l'efficacité de la documentation, il existe un manque de preuves longitudinales concernant leur impact sur les exigences psychosociales du travail en SLD. De plus, le rôle du « technostress » — où la technologie est évaluée soit comme un défi (ressource), soit comme un obstacle (exigence) — reste peu exploré dans ce contexte.

Méthodologie
L'étude a utilisé un plan de sondage longitudinal pré-post à groupe unique dans 14 établissements de soins de longue durée stationnaires en Allemagne.

• Participants : 52 infirmiers diplômés ont complété l'enquête de base (t0) avant l'implémentation de l'assistant vocal par IA « voize ». Parmi eux, 44 infirmiers (84,6 %) ont complété l'enquête de suivi (t1) environ six semaines après l'implémentation.
• Intervention : Le système « voize » est une application basée sur smartphone qui convertit le langage parlé en entrées de brouillon structurées pour les dossiers de santé électroniques (DSE). L'implémentation comprenait une formation standardisée et un support technique. L'utilisation était volontaire.
• Mesures :
  • Exigences professionnelles : Évaluées à l'aide d'une version abrégée et validée du Questionnaire d'évaluation des risques psychosociaux au travail (FGBU), se concentrant sur quatre sous-échelles : les déficits d'information, la surcharge d'information, l'intensité du travail et les interruptions.
  • Technostress : Mesuré à t1 à l'aide du Modèle Holistique du Technostress, distinguant les technostresseurs de défi (utilité, implication, soutien) et les technostresseurs d'obstacle (complexité, manque de fiabilité, incertitude, insécurité, surcharge).
• Analyse statistique : Des modèles linéaires mixtes (LMM) ont été utilisés pour tenir compte des mesures répétées et du regroupement au sein des établissements. Les modèles comprenaient des intercepts aléatoires pour les infirmiers et, lorsque cela améliorait l'ajustement, pour les établissements. Des analyses de modération ont testé si les évaluations du technostress à t1 influençaient l'ampleur de la réduction des exigences de t0 à t1. Des tests de signification unilatéraux ont été appliqués aux hypothèses directionnelles préenregistrées, les valeurs p étant ajustées à l'aide du taux de fausse découverte (FDR) de Benjamini–Hochberg.

Résultats clés

1. Réduction des exigences professionnelles : L'implémentation de l'assistant vocal par IA a été associée à des réductions statistiquement significatives dans les quatre sous-échelles des exigences professionnelles liées à la documentation, de la ligne de base au suivi.

   • Déficits d'information : Plus grande réduction ($\beta = -1,23$, $p < ,001$).
   • Intensité du travail : Réduction significative ($\beta = -1,01$, $p < ,001$).
   • Surcharge d'information : Réduction significative ($\beta = -0,85$, $p < ,001$).
   • Interruptions : Réduction significative ($\beta = -0,66$, $p = ,0045$).
   • Les tailles d'effet variaient de moyennes à grandes.

2. Modération par le technostress : Les évaluations du technostress ont montré un effet modérateur sélectif, plutôt que généralisé, sur la réduction des exigences :

   • Évaluations de défi : Une perception plus élevée de l'utilité a significativement modéré la réduction de l'intensité du travail ($\beta = -0,81$, $q = ,024$), indiquant que les infirmiers trouvant l'outil plus utile ont connu une plus grande diminution de la pression temporelle et des heures supplémentaires.
   • Évaluations d'obstacle :
     • Une perception plus élevée du manque de fiabilité était associée à une plus faible réduction des déficits d'information ($\beta = 0,91$, $q = ,035$), suggérant que les doutes sur la cohérence du système atténuaient le soulagement des lacunes informationnelles.
     • Une perception plus élevée de l'incertitude (concernant les mises à jour/changements) était associée à une plus faible réduction des interruptions ($\beta = 0,82$, $q = ,02$).
   • Aucun effet de modération significatif n'a été trouvé pour la surcharge d'information ou pour d'autres dimensions du technostress (ex: complexité, soutien) après correction par le FDR.

3. Variance entre établissements : Bien que les différences individuelles expliquent la majeure partie de la variance des exigences, la variance au niveau de l'établissement était significative uniquement pour l'intensité du travail, indiquant que le contexte organisationnel influence les niveaux de charge de travail de base, bien que la réduction relative fournie par l'outil semble constante entre les établissements.

Signification et affirmations
L'article affirme que l'implémentation précoce d'un assistant vocal par IA dans les soins de longue durée en Allemagne est associée à un soulagement immédiat et mesurable des exigences professionnelles psychosociales liées à la documentation. L'étude étend la littérature existante, qui s'est principalement concentrée sur les mesures d'efficacité (ex: temps économisé), en démontifiant des réductions de la charge cognitive et temporelle perçue.

Les auteurs soulignent que ces bénéfices sont robustes mais dépendants des évaluations spécifiques des utilisateurs. Les résultats suggèrent que, bien que la technologie réduise généralement la charge de travail, son efficacité est maximisée lorsque les infirmiers perçoivent le système comme utile et fiable. Inversement, les perceptions d'un manque de fiabilité et d'incertitude peuvent atténuer le soulagement potentiel, particulièrement concernant l'accès à l'information et les interruptions de flux de travail. L'étude conclut que pour que les assistants vocaux par IA maintiennent un soulagement perçu en SLD, les stratégies d'implémentation doivent prioriser la fiabilité du système et la communication transparente concernant les mises à jour, parallèlement à une formation qui renforce l'utilité de l'outil pour les tâches quotidiennes.

Limites notées par les auteurs
Les auteurs reconnaissent que le plan à groupe unique limite l'inférence causale, que la taille de l'échantillon est modeste pour détecter des effets d'interaction, et que le recours à des données auto-déclarées peut introduire un biais. De plus, la période de suivi était relativement courte (environ 1 à 2 mois d'utilisation), ce qui signifie que la durabilité à long terme de ces effets reste à établir. Les résultats sont spécifiques au système « voize » et au contexte des SLD en Allemagne.