Un directeur d'agence bancaire que je connais a reçu, un mardi matin de février, un mail de sa direction régionale. Trois paragraphes, aucun préavis. Son service « saisie et contrôle des dossiers de crédit », huit personnes, allait être progressivement absorbé par un outil interne de lecture automatique des pièces justificatives. Il m'a montré le mail. J'ai rarement vu un document aussi froid.
Ce qui m'a frappé, ce n'est pas l'annonce. C'est ce qu'il m'a dit ensuite : « Le pire, c'est que je ne sais même pas quoi leur dire pour les rassurer. Parce que moi non plus je ne sais pas à quoi ressemblera leur poste dans deux ans. » Voilà, en une phrase, comment l'intelligence artificielle transforme le travail. Pas par un grand remplacement spectaculaire. Par une érosion silencieuse des tâches, décidée loin des open spaces, et une incertitude qui devient elle-même une charge mentale.
Je ne vais pas vous vendre la troisième voie rassurante. Vous l'avez déjà lue partout : « l'IA détruit des emplois mais elle en crée d'autres ». C'est vrai en moyenne, faux pour une personne donnée. Cet article essaie de regarder ce qui se passe vraiment, poste par poste.
Points clés à retenir
- L'IA ne supprime pas un métier entier : elle démonte les tâches qui le composaient, et parfois il n'en reste pas assez pour justifier le poste.
- Le glissement le plus documenté va d'un travail « augmenté » (on décide, la machine exécute) vers un travail « taylorisé » (la machine dicte, on exécute).
- Le facteur humain qui casse le plus souvent le projet, ce n'est pas la technique : c'est la charge psychique du contrôle permanent d'une machine.
- Un salarié qui se reconvertit a besoin de 6 à 18 mois selon le métier. Une direction annonce un déploiement en 3 mois.
- Le vrai risque n'est pas le chômage de masse demain matin. C'est la polarisation : le haut de l'échelle gagne du pouvoir, le milieu se fragmente.
Comment l'intelligence artificielle transforme le travail : ce qu'on observe vraiment
Reprenons le mail du directeur d'agence. L'outil ne licencie personne au départ. Il traite 70 % des dossiers standards. Reste 30 % de cas tordus, justement ceux qui demandaient de l'expérience et du jugement. Sauf que ces 30 % arrivent maintenant après le tri machine, dans un flux désordonné, sans la routine qui permettait de monter en compétence. Les huit salariés ne sont pas remplacés. Ils sont redéployés vers le pire de leur ancien métier.
Leur manager a un mot pour ça : « Ils ont perdu le piano ». Comprendre : la partie répétitive qui donnait le rythme, qui permettait de souffler, qui faisait qu'on se sentait bon dans son travail.
On ne remplace pas un métier, on remplace des tâches
C'est la distinction la plus utile que je connaisse, et elle est rarement expliquée simplement. Un poste, c'est un assemblage de tâches. Une IA se déploie sur des tâches, jamais sur un poste. La question décisive est donc : quelle proportion des tâches du poste est concernée, et à quelle vitesse ?
- Un poste composé à 80 % de tâches automatisables : le risque est réel et proche.
- Un poste à 25 % : on parle d'assistance, pas de suppression.
- Un poste à 50 %, le cas le plus fréquent et le plus inconfortable : le poste tient encore, mais il perd sa cohérence interne.
Cette troisième ligne est celle qui pose problème et dont personne ne parle. À moitié automatisé, un emploi devient une collection de tâches résiduelles. Le salarié ne se reconnaît plus dans ce qu'il fait. Il reste, mais il se désengage. Je l'ai vu sur deux missions de conseil en logistique : la rotation du personnel a augmenté dans les services partiellement outillés, pas dans ceux qui étaient encore 100 % manuels.
Quels sont les effets de l'intelligence artificielle sur le monde du travail ?
La recherche disponible décrit deux trajectoires opposées, et le choix entre les deux n'a rien de technique. Un projet de recherche lancé en 2020, associant la Faculté des sciences de l'administration de l'Université Laval à des travaux financés par le Conseil de recherches en sciences humaines du Canada, poursuivait un double objectif : comprendre comment les technologies basées sur l'IA transforment la nature du travail, et comment ces changements affectent la santé psychologique des travailleurs. La méthodologie reposait sur une revue systématique de la littérature, avec analyse critique et cartographie des travaux empiriques existants.
Le résultat central de ce type de synthèse tient en deux mots : travail augmenté ou travail taylorisé.
Dans le premier cas, la machine prend en charge l'exécution et laisse à la personne la décision, le contexte, la relation. Dans le second, c'est l'inverse : la machine fixe le rythme, les seuils, les priorités, et la personne alimente, contrôle, corrige. Le même outil, deux mondes. Et l'effet sur la santé mentale des travailleurs diverge complètement selon qu'on atterrit dans l'un ou dans l'autre.
Vous remarquerez que cette question de la santé psychologique n'apparaît presque jamais dans les présentations de projets IA. On y parle de gains de productivité, de délais de traitement, de taux d'erreur. Rarement de ce que ça fait, huit heures par jour, de surveiller une machine.
Les cinq marches de l'escalier
Ce que je vois sur le terrain, c'est que la transformation suit presque toujours le même escalier. Les entreprises sautent rarement une marche, et le désordre vient quand une direction essaie d'en franchir trois d'un coup.
| Marche | Ce qui change concrètement | Ce que ressent le salarié |
|---|---|---|
| 1. Assistance | On suggère, l'humain valide tout | Curiosité, parfois agacement |
| 2. Délégation | La machine produit, on relit et on corrige | Soulagement sur le volume, doute sur la qualité |
| 3. Contrôle inversé | La machine pré-valide, on justifie chaque écart | Perte d'autonomie, fatigue de justification |
| 4. Cadence imposée | Les objectifs sont fixés par l'outil | Perte du sens du travail |
| 5. Réaffectation | Le poste change de nature ou disparaît | Deuil professionnel |
La marche 3 est celle où j'ai vu le plus de dégâts, et paradoxalement c'est celle qu'on présente le plus fièrement en comité de direction : « les équipes gardent la main ». Dans les faits, justifier chaque écart à une machine est plus épuisant que de faire le travail soi-même. J'ai entendu une contrôleuse de gestion résumer ça mieux que n'importe quel consultant : « Avant, je cherchais l'erreur. Maintenant, je dois expliquer à un logiciel pourquoi je pense différemment de lui. Et lui, il ne se trompe jamais. »
L'angle mort : la charge mentale du contrôle
Personne n'avait prévu le coup. Le temps gagné sur l'exécution ne se transforme pas en temps libre. Il se transforme en temps de vérification, et ce temps-là est plus coûteux cognitivement que l'ancien.
Sur un audit interne mené chez un éditeur de logiciels, j'ai passé deux jours à observer une équipe support de onze personnes après le déploiement d'un assistant de réponse aux tickets. Résultat mesuré sur leurs propres relevés : le temps de traitement moyen a baissé d'environ 35 %. Mais le nombre de tickets traités par personne et par jour a augmenté de 60 %, parce que la direction a immédiatement relevé les objectifs. Le gain n'a pas disparu. Il a été capté ailleurs.
Et les arrêts courts ont augmenté. Je ne peux pas vous donner un pourcentage fiable là-dessus, mais sur les onze personnes, quatre se plaignaient de difficultés à décrocher le soir, contre une seule avant l'outil.
L'erreur que j'ai faite, et que vous ferez peut-être
Sur ma première mission de ce type, j'ai passé six semaines à cartographier les tâches automatisables. Un travail propre, des tableaux impeccables, une restitution applaudie. J'avais oublié un seul point : demander aux personnes concernées quelles tâches elles considéraient comme le cœur de leur métier.
Résultat : deux des trois postes que j'avais classés « automatisables sans impact » ont été vécus comme une rétrogradation. Une des salariées a démissionné dans le trimestre. Elle n'était pas menacée. Elle avait juste vu qu'on pouvait découper son travail en morceaux sans lui demander son avis.
Depuis, je commence toujours par cette question. Elle prend une heure et elle change tout le projet.
Les avantages, quand ça se passe bien
Il faut le dire aussi, parce que le tableau serait malhonnête sans ça. J'ai vu des déploiements qui ont réellement amélioré la vie des gens.
Le cas le plus net : une équipe de six traducteurs techniques. L'outil a pris en charge les premières passes. Eux se sont recentrés sur la terminologie métier, les formulations sensibles, la relation avec les donneurs d'ordre. Leur volume facturé a progressé, mais surtout, deux d'entre eux ont pu passer à temps partiel sans perdre de revenus. Ça, c'est du travail augmenté au sens propre.
Ce qui distinguait ce projet des autres ? Trois choses, et elles sont tenaces :
- L'équipe a été associée au choix de l'outil, pas seulement à son usage.
- Les gains de productivité n'ont pas été intégralement reversés en objectifs à la hausse.
- Un temps dédié a été sanctuarisé pour apprendre l'outil. Pas des heures volées sur les deadlines : des heures officielles.
Le point 2 est celui qui décide de tout, et c'est celui qu'on négocie en dernier.
L'IA est-elle une menace pour le monde du travail de demain ?
La bonne réponse n'est ni « oui » ni « non », et ça énerve tout le monde. La menace n'est pas l'outil. C'est la combinaison de trois vitesses : la vitesse d'adoption technique, la vitesse de reconversion des personnes, et la vitesse de décision des organisations. Quand la première écrase les deux autres, on obtient les scènes dont je parlais au début.
Ce que je constate, c'est que le débat public se trompe de cible. On cherche à savoir combien d'emplois disparaîtront. La question opérationnelle est plutôt : combien d'emplois vont perdre leur cohérence avant de disparaître, et pendant combien de temps ? Cette période intermédiaire, qui dure des années, c'est là que se jouent les démissions, les arrêts, les désengagements.
Peut-on mettre des chiffres sur l'impact ?
Honnêtement, non, pas de façon fiable métier par métier et région par région. Les estimations globales circulent, mais elles agrègent des secteurs très différents et ne disent rien d'utile au niveau d'un service de huit personnes. Quand je vois des chiffres mondiaux cités dans une réunion sur une équipe de dix, je sais que la discussion ne mènera nulle part.
Ce qui existe et qui est exploitable, c'est le calcul local. Sur un service donné, on peut compter : nombre de tâches, part automatisable, temps de bascule, compétences transférables, personnes pour qui le poste tient encore. C'est ingrat, ça ne fait pas de belle slide, et c'est la seule base sérieuse.
Ce qui reste à faire, et qui ne se fait pas tout seul
Il y a une chose que j'ai apprise et que je n'arrive pas à faire entrer dans les rapports : la transformation par l'IA échoue rarement pour des raisons techniques. Elle échoue parce qu'on traite des personnes comme des variables d'ajustement dans un planning de déploiement.
Concrètement, si vous pilotez un projet de ce type, trois décisions pèsent plus lourd que le choix de l'outil. La première : annoncer un calendrier de reconversion au moins aussi long que le calendrier technique. La deuxième : décider à l'avance ce qu'on fait des gains, et l'écrire. La troisième : laisser les équipes dire quelles tâches elles refusent de voir automatisées, et tenir compte de la réponse.
Le directeur d'agence dont je parlais au début a fini par faire quelque chose de simple. Il a organisé une réunion sans ordre du jour, juste pour écouter. Il n'avait aucune réponse à donner sur l'avenir des huit postes. Mais il a appris que deux de ses collaborateurs voulaient se former au contrôle qualité des modèles, un métier qui n'existait pas chez eux il y a deux ans.
Ce n'est pas une solution. C'est un début. Et dans ce genre de bascule, les débuts valent souvent plus que les plans à cinq ans.
La question que je vous laisse : dans votre équipe, qui sait aujourd'hui précisément ce que l'outil décide à votre place ? Si personne ne peut répondre, vous n'avez pas encore commencé la transformation. Vous avez juste installé un logiciel.
