Gouvernance universitaire, surcharge informationnelle et intelligence artificielle : une lec-ture communicationnelle du cas de l'Université Cheikh Anta Diop de Dakar (UCAD)

Revue Internationale de la Recherche Scientifique (Revue-IRS) ISSN: 2958-8413 Vol. 3, No. 5, Octobre 2025 This is an open access article under the CC BY-NC-ND license. 5756 Gouvernance universitaire, surcharge informationnelle et intelligence artificielle : une lecture communicationnelle du cas de l’Université Cheikh Anta Diop de Dakar (UCAD) Sahite GAYE Centre d’Études des Sciences et Techniques de l’Information (CESTI), UCAD Groupe Interdisciplinaire de Recherche sur les Médias et la Communication (GIRMEC) Digital Object Identifier (DOI): https://doi.org/10.5281/zenodo.17378591 Résumé L’accélération des transformations numériques a participé au bouleversement du fonctionnement des universités africaines. À l’Université Cheikh Anta Diop de Dakar (UCAD), la mise en œuvre d’outils numériques dans la gouvernance a produit des effets contrastés : amélioration de la circulation de l’information, mais aussi intensification des flux communicationnels et surcharge cognitive pour les agents administratifs, techniques et de service (PATS). Cet article propose d’analyser cette situation à partir d’une enquête menée auprès de 325 agents de l’UCAD, tout en mobilisant les apports récents de la littérature sur l’intelligence artificielle (IA) appliquée à la gestion des ressources humaines (GRH). Les résultats montrent que plus de 60 % des agents reçoivent plus de dix messages par semaine et que 41 % se disent fréquemment en surcharge. La discussion propose d’articuler ces constats avec les opportunités de l’IA dans la GRH : automatisation du recrutement, personnalisation de la formation, suivi des performances et analyse de l’engagement. L’article conclut que la gouvernance universitaire africaine doit s’orienter vers une intégration contextualisée et éthique de l’IA pour réduire la surcharge informationnelle et renforcer la qualité du travail administratif. Mots-clés : intelligence artificielle, gestion des ressources humaines, surcharge informationnelle, université africaine, crise de l’attention Introduction Dans un continent où l'enseignement supérieur fait face à une explosion démographique des inscriptions avec plus de 10 millions d'étudiants en Afrique subsaharienne en 2023, selon l'Union Africaine, la numérisation accélérée des universités publiques impulsée par des initiatives comme l'Agenda 2063 s’opère. Elle vise à moderniser des structures souvent héritées de l'ère coloniale. Pourtant, cette transition, marquée par un accès inégal aux infrastructures 5757 (seulement 40 % des universités africaines disposent d'une connectivité fiable, d'après un rapport UNESCO 2024), amplifie non seulement les opportunités de collaboration mais aussi les vulnérabilités cognitives des agents administratifs, piégés entre traditions bureaucratiques et flux numériques incontrôlés. La transition numérique constitue un enjeu majeur pour l’enseignement supérieur en Afrique (Huet, 2024). Depuis une quinzaine d’années, les universités publiques se sont engagées dans des programmes de modernisation de leur gouvernance par l’intégration des technologies numériques de l’information et de la communication . Cette orientation répond à la fois à des impératifs de compétitivité académique et à la nécessité de fluidifier des organisations administratives souvent perçues comme lourdes et bureaucratiques (UCAD, 2019). Toutefois, les effets de cette transformation ne sont pas univoques. Si la numérisation a facilité la communication interne et externe, elle a aussi engendré une multiplication des flux informationnels qui dépasse les capacités cognitives des agents. Cette situation se traduit par ce que la littérature décrit comme une surcharge informationnelle (Eppler & Mengis, 2004 ; Bawden & Robinson, 2009) et une crise de l’attention (Stiegler, 2010 ; Citton, 2017). Les personnels administratifs, techniques et de service (PATS), acteurs essentiels de la vie universitaire, se trouvent ainsi confrontés à une intensification du travail cognitif qui compromet leur efficacité et leur bien-être. Parallèlement, la recherche internationale s’intéresse de plus en plus à l’impact de l’intelligence artificielle (IA) dans le domaine de la gestion des ressources humaines (GRH). L’IA est perçue comme un levier de rationalisation des processus, de réduction des biais et d’optimisation de la performance (Vrontis et al., 2022 ; Froese et al., 2022). Dans un contexte où les organisations cherchent à concilier transformation numérique et soutenabilité du travail, l’IA pourrait contribuer à atténuer les effets négatifs de la surcharge informationnelle, notamment par l’automatisation de certaines tâches et la hiérarchisation des priorités. Cet article propose donc d’articuler deux problématiques rarement mises en relation : la surcharge informationnelle dans les universités africaines et l’apport potentiel de l’IA à la GRH. À partir du cas de l’UCAD, il s’agit d’examiner comment une meilleure intégration de l’IA pourrait contribuer à réduire la charge cognitive pesant sur les PATS, tout en améliorant la qualité de la gestion administrative. 5758 1.Cadre théorique La problématique explorée ici révèle une complexité multidimensionnelle, entrelacée entre dimensions technologiques, organisationnelles, éthiques et culturelles. D'une part, l'IA, en tant que levier d'automatisation, promet une rationalisation des processus GRH, mais son déploiement ,dans des contextes africains hétérogènes où les disparités linguistiques (français, anglais, langues locales) et infrastructurelles coexistent, risque d'exacerber les fractures numériques plutôt que de les combler. D'autre part, la surcharge informationnelle n'est pas un simple excès quantitatif, mais un nœud gordien impliquant des dynamiques psychosociologiques : elle fragmente l'attention collective (Citton, 2017), tout en masquant des tensions plus profondes liées à l'hypermodernité lipovetskienne, où l'abondance informationnelle dilue le sens au travail. Cette intrication rend l'analyse ardue, nécessitant une approche interdisciplinaire qui intègre non seulement les apports empiriques de l'enquête à l'UCAD entre janvier et mars 2024, mais aussi une vigilance éthique pour éviter que l'IA ne reproduise des biais algorithmiques ancrés dans des données sous-représentatives des réalités africaines. Ainsi, les enjeux ne se limitent pas à une optimisation technique, mais appellent une refondation holistique de la gouvernance universitaire, sensible aux singularités locales pour transformer la complexité en opportunité résiliente. 1.1 La surcharge informationnelle et la crise de l’attention La surcharge informationnelle est définie comme la situation où la quantité d’informations à traiter dépasse la capacité cognitive des individus (Eppler & Mengis, 2004). Bawden et Robinson (2009) ont montré qu’elle entraîne anxiété, inefficacité et erreurs de jugement. Dans le contexte du travail, Dejours (2009) souligne que cette surcharge s’inscrit dans des contradictions organisationnelles qui génèrent souffrance et stratégies défensives. La crise de l’attention, concept développé par Stiegler (2010), désigne une fragmentation des capacités attentionnelles liée à l’économie numérique. Citton (2017) parle d’une « écologie de l’attention » pour insister sur la nécessité de réguler la distribution des ressources cognitives. Dans les organisations, la surcharge informationnelle se traduit par une incapacité à hiérarchiser les priorités, un affaiblissement de la concentration et une diminution de la qualité du travail. 5759 1.2 L’hypermodernité et la dilution du sens Lipovetsky (2005) décrit l’hypermodernité comme une ère d’excès et de flux accélérés, où l’abondance communicationnelle finit par produire de la confusion. Les universités africaines illustrent ce phénomène : chaque innovation technologique accroît le volume des messages, circulaires et directives, sans que les agents disposent d’outils pour les organiser. 1.3 L’intelligence artificielle et la GRH L’IA regroupe des technologies capables de simuler des processus cognitifs humains (Zhang et al., 2021). Appliquée à la GRH, elle peut intervenir dans plusieurs fonctions : • Recrutement : tri automatisé des candidatures, réduction des biais, chatbots pour la présélection (Froese et al., 2022). • Formation et développement : création de parcours personnalisés, analyse des besoins en compétences (Bhatt & Muduli, 2022). • Évaluation de la performance : suivi en temps réel, feedback instantané, réduction des biais d’évaluation (Kong et al., 2021). • Engagement et motivation : analyse des sentiments via traitement automatique du langage, détection des signaux faibles de désengagement (Arslan et al., 2022). Ces apports s’accompagnent de défis : risques de surveillance intrusive, biais algorithmiques et perte du rôle décisionnel des gestionnaires RH (Varma et al., 2022). Fonction RH Apports de l’IA Références Défis et limites Recrutement Tri automatisé des CV, réduction des biais, chatbots pour preselection Froese et al., 2022 Risque de reproduire des biais cachés dans les données ; perte du contact humain Formation et développement Parcours personnalisés, analyse des besoins en compétences Bhatt & Muduli, 2022 Dépendance aux données disponibles ; difficulté d’adaptation aux contextes locaux 5760 Évaluation de la performance Suivi en temps réel, feedback instantané, réduction des biais Kong et al., 2021 Surveillance intrusive ; perception négative par les employés Engagement et motivation Analyse des sentiments, détection des signaux de disengagement Arslan et al., 2022 Atteinte possible à la vie privée ; réduction du rôle du gestionnaire RH Enjeux transversaux Efficacité accrue, meilleure prise de décision basée sur données Zhang et al., 2021 ; Varma et al., 2022 Biais algorithmiques, surveillance accrue, affaiblissement du rôle décisionnel humain Tableau 1 : Apports et défis de l’IA appliquée à la GRH. 2.Méthodologie Cette étude mixte, menée entre avril et juin 2025 à l’Université Cheikh Anta Diop de Dakar (UCAD), la plus ancienne université publique sénégalaise, cible le personnel administratif, techniqueset de service (PATS), piliers du fonctionnement quotidien des facultés, des instituts et des directions... Un questionnaire auto-administré de 25 items, distribué à un échantillon intentionnel de 450 PATS entre janvier et mars 2024, a généré un taux de réponse de 72 % (n=325), équilibré démographiquement (58 % femmes, 42 % hommes), hiérarchiquement (40 % chefs de division, 60 % agents subalternes) et en termes d’ancienneté (de <1 an à >5 ans). Les items incluent des échelles de Likert (5 points) pour évaluer la perception de surcharge, l’utilité et la clarté informationnelle, complétées par des questions ouvertes explorant les expériences de redondance et les stratégies de gestion. L’analyse quantitative, via SPSS 26, mobilise des statistiques descriptives (fréquences, pourcentages, moyennes) et des tests du chi- 5761 deux (α=0,05) pour détecter les variations selon hiérarchie et ancienneté ; les données qualitatives font l’objet d’une analyse thématique inductive (codage ouvert, axial et sélectif), assurant triangulation et validité interne. 2.1 Limites de l’étude • Biais d’échantillonnage : L’échantillon intentionnel peut introduire un biais de sélection, bien que la diversité des profils ait été recherchée. • Auto-déclaration : Les données reposent sur des déclarations subjectives, susceptibles d’être influencées par des facteurs individuels ou contextuels. • Contexte spécifique : Les résultats sont ancrés dans le contexte particulier de l’UCAD et de sa transition numérique, limitant leur généralisation à d’autres institutions. Les données quantitatives ont été traitées à l’aide du logiciel SPSS 26. Des statistiques descriptives ont été produites (fréquences, pourcentages), ainsi que des tests du chi-deux pour identifier les différences selon la position et l’ancienneté. Les données qualitatives ont fait l’objet d’une analyse thématique. 2.2 Présentation des résultats Volume et fréquence des messages • Plus de 60 % des répondants reçoivent plus de dix messages par semaine. • 20 % des répondants reçoivent plus de vingt messages par semaine. Perception de la surcharge informationnelle • 41 % des agents déclarent vivre fréquemment une surcharge informationnelle. • 34 % des agents déclarent vivre occasionnellement une surcharge informationnelle. • 16 % des agents déclarent ne jamais ressentir de surcharge informationnelle. 3. Qualité et redondance de l’information • 65 % des répondants estiment recevoir des informations redondantes. • 60 % des répondants jugent que les priorités ne sont pas clairement établies. Différences selon la position hiérarchique • 66 % des chefs de division déclarent une surcharge informationnelle fréquente. • 29 % des agents subalternes déclarent une surcharge informationnelle fréquente. 5762 Différences selon l’ancienneté • 48 % des personnels ayant plus de cinq ans d’ancienneté sont fréquemment en surcharge. • 20 % des personnels ayant moins de cinq ans d’ancienneté sont fréquemment en surcharge Résultats Les données collectées révèlent une exposition marquée des agents PATS à une intensité communicationnelle accrue, soulignant les impacts concrets de la transition numérique à l'UCAD. Pour une meilleure visualisation, les principaux indicateurs sont synthétisés dans le tableau suivant : Indicateur Description Pourcentage des répondants Volume et fréquence des messages Plus de 10 messages par semaine 60 % Plus de 20 messages par semaine 20 % Perception de la surcharge informationnelle Fréquemment 41 % Occasionnellement 34 % Jamais 16 % Qualité et redondance de l’information Informations redondantes reçues 65 % Priorités non clairement établies 60 % Différences hiérarchiques Chefs de division en surcharge fréquente 66 % Agents subalternes en surcharge fréquente 29 % Différences d’ancienneté Plus de 5 ans d’ancienneté en surcharge fréquente 48 % Moins de 5 ans d’ancienneté en surcharge fréquente 20 % Tableau 2 principaux indicateurs 5763 3. Discussion Les findings de cette enquête corroborent l'hypothèse d'une surcharge informationnelle structurelle au sein de l'administration de l'UCAD, où la numérisation partielle – marquée par une hybridité persistante entre supports papier et numériques – génère des boucles de redondance et une opacité dans la priorisation des flux. Cette dynamique s'inscrit pleinement dans les analyses de Dejours (2009), qui relie de tels excès à une intensification du travail vivant, favorisant des formes de souffrance psychique et des mécanismes défensives chez les agents. Dans cette mouvance , la crise de l'attention théorisée par Stiegler (2010) trouve ici une illustration empirique : la multiplication des messages non filtrés fragmente les capacités cognitives, altérant non seulement l'efficacité opérationnelle mais aussi le bien-être quotidien des PATS, comme en attestent les 41 % d'agents déclarant une surcharge fréquente. Ces constats ne se limitent pas à un simple débordement quantitatif ; ils révèlent une tension plus profonde entre l'accélération technologique et les rythmes humains, où les agents, souvent formés dans un paradigme analogique, peinent à s'adapter à des flux numériques imprévus et non structurés. En guise d’illustrations, les réponses qualitatives de l'enquête mettent en lumière des stratégies informelles de coping, telles que l'ignorance sélective des emails ou la délégation informelle de tâches, qui, bien que palliatives, minent à long terme la cohésion organisationnelle et accentuent les inégalités hiérarchiques observées (66 % des chefs de division vs. 29 % des agents subalternes).Face à ces défis, l'intelligence artificielle émerge comme un vecteur prometteur d'allègement et de rationalisation, en s'articulant directement avec les fonctions clés de la GRH. Dès lors,des algorithmes de filtrage intelligent pourraient trier et catégoriser les communications en temps réel, réduisant ainsi le volume perçu de 60 % des messages hebdomadaires à un seuil gérable, tout en signalant les priorités via des alertes contextualisées (inspiré des approches de Vrontis et al., 2022). Cette application ne se cantonne pas à une optimisation basique ; elle pourrait intégrer des modèles d'apprentissage machine adaptatifs, entraînés sur des données locales de l'UCAD, pour anticiper les patterns de redondance spécifiques – comme les circulaires répétitives sur les inscriptions étudiantes – et proposer des synthèses automatisées, libérant ainsi du temps cognitif pour des tâches à plus haute valeur ajoutée. 5764 Au-delà de la gestion informationnelle, l'IA offre des applications plus larges et interconnectées : dans le recrutement, des outils d'analyse prédictive pourraient automatiser le screening des candidatures, minimisant les biais humains et accélérant les processus (Froese et al., 2022), particulièrement pertinent dans un contexte africain où les volumes de candidatures explosent avec la croissance démographique des inscriptions ; pour la formation, des plateformes adaptatives personnaliseraient les modules en fonction des profils individuels, adressant les écarts de compétences observés chez les agents seniors (Bhatt & Muduli, 2022), en tenant compte par exemple des barrières linguistiques ou des disparités en accès à la formation continue. De même, en matière d'évaluation des performances, l'analyse en temps réel des métriques d'engagement – via le traitement du langage naturel – permettrait une détection précoce du burnout, favorisant des interventions proactives (Kong et al., 2021 ; Arslan et al., 2022), telles que des recommandations de pauses ou de redistributions de charge, adaptées aux spécificités culturelles sénégalaises où le collectif prime souvent sur l'individuel. Toutefois, l'adoption de ces technologies ne saurait être acritique, sous peine de reproduire ou d'amplifier les vulnérabilités existantes. Comme le soulignent Varma et al. (2022), les risques de biais algorithmiques qui sont hérités de datas ets biaisés par des contextes occidentaux dominants et de surveillance accrue pourraient exacerber les inégalités hiérarchiques déjà visibles dans nos résultats (66 % des chefs de division vs. 29 % des agents subalternes), en favorisant une "prolétarisation numérique" des subalternes. Dans le cas de l'UCAD, où les infrastructures numériques restent fragiles (seulement 40 % de connectivité fiable selon l'UNESCO 2024), un déploiement hâtif de l'IA risquerait d'aggraver les fractures : exclusion des agents ruraux ou peu alphabétisés numériquement, ou encore amplification des tensions ethnolinguistiques si les algorithmes ne gèrent pas les langues locales. Une intégration réussie exigerait donc un cadre éthique robuste, incluant la formation des PATS à l'IA – via des ateliers hybrides mêlant théorie et pratique –, des investissements en infrastructure numérique fiable (partenariats public-privé avec des acteurs comme l'Agenda 2063), et une gouvernance participative pour co-construire ces outils, impliquant les syndicats et les représentants des PATS dans la définition des priorités algorithmiques. Il conviendrait également d'adopter des principes d'"IA responsable" inspirés des guidelines de l'Union Africaine (2023), comme l'audit régulier des biais et la transparence des données, pour éviter une déshumanisation de la GRH.