Les prévisions sur l'effet de l'IA sur l'emploi se contredisent, et pas à la marge : selon l'étude, le même métier apparaît menacé, transformé ou épargné. Ce désaccord n'est pas un défaut de rigueur, il découle de ce que ces travaux mesurent réellement, qui n'est presque jamais ce que le titre annonce.
Comprendre ce mécanisme vous sert davantage que retenir un pourcentage, parce qu'il vous permet de raisonner sur votre propre métier plutôt que d'attendre le prochain chiffre.
Sommaire
- Pourquoi les chiffres ne concordent pas
- Ce que ces études mesurent réellement
- Le déplacement dont on parle peu
- Raisonner sur votre métier, tâche par tâche
- Ce qu'on ne sait pas, et qu'il faut assumer
- Questions fréquentes
Pourquoi les chiffres ne concordent pas
Deux études sérieuses peuvent aboutir à des conclusions opposées sur le même métier sans que l'une soit malhonnête. Trois choix méthodologiques suffisent à produire cet écart, et ils sont rarement mis en avant.
Le premier est l'unité mesurée. Compter des emplois et compter des tâches ne donne pas le même résultat : un métier dont la moitié des tâches est automatisable n'est pas un demi-emploi supprimé, c'est le plus souvent un métier dont le contenu change. Beaucoup de titres alarmants reposent sur des travaux qui mesuraient des tâches.
Le deuxième est l'horizon. À deux ans, l'adoption réelle domine ; à vingt ans, la capacité technique domine. Ce sont deux questions distinctes, et une prévision à long terme n'est pas une prévision à court terme plus ambitieuse.
Le troisième est ce que l'étude fait des emplois créés. Certains travaux ne comptent que les destructions, d'autres tentent un solde. Les seconds donnent toujours des chiffres plus modestes, et les premiers circulent mieux.
La conséquence pratique
Un pourcentage cité sans son unité, son horizon et son périmètre n'est pas une information : c'est un chiffre. Quand vous en croisez un, la question utile n'est pas « est-il vrai » mais « de quoi parle-t-il ». La plupart du temps la réponse n'accompagne pas le chiffre.
Ce que ces études mesurent réellement
Presque toutes mesurent une exposition technique, pas une prévision de licenciements. La nuance est décisive et elle disparaît systématiquement dans la reprise.
« Exposé » signifie qu'une partie des tâches du métier ressemble à ce que des systèmes actuels savent faire. Cela ne dit rien de trois choses qui déterminent le résultat réel : si l'employeur adopte l'outil, si l'adoption produit le gain attendu, et ce que devient le temps libéré.
Ces trois inconnues sont organisationnelles, pas techniques. Une même capacité technique produit des effets opposés selon l'entreprise, et c'est pourquoi les prévisions agrégées éclairent mal une situation individuelle.
Un exemple qui vaut mieux qu'un chiffre
Deux organisations acquièrent le même outil de traitement de documents. La première réduit le temps consacré à une tâche et redéploie les personnes vers ce qui était en retard. La seconde réduit l'effectif. La technologie est identique ; la variable était la décision, pas l'outil. Aucune étude d'exposition ne pouvait prédire laquelle irait dans quel sens.
Le déplacement dont on parle peu
Le changement le plus documenté n'est pas la disparition de métiers, c'est le déplacement de la valeur à l'intérieur d'un métier.
Quand la production d'une première version devient rapide, ce n'est pas le métier qui disparaît : c'est le centre de gravité qui bouge. Rédiger, calculer, dessiner un premier jet pèse moins ; vérifier, arbitrer, décider et assumer pèsent davantage.
Cela crée un effet inconfortable, rarement dit. Les tâches qui prennent de la valeur sont celles qui demandent du jugement et de la responsabilité, or ce sont précisément celles qu'on apprend en faisant les tâches qui, elles, s'automatisent. La question sérieuse n'est donc pas « mon métier va-t-il disparaître » mais « comment se forme-t-on quand l'exercice d'entraînement est justement ce qui est automatisé ».
Raisonner sur votre métier, tâche par tâche
Un métier ne s'automatise pas, des tâches s'automatisent. Le seul raisonnement solide passe donc par une liste.
- Listez vos tâches réelles, pas votre intitulé de poste. Dix à quinze lignes suffisent, en incluant celles qui ne figurent dans aucune fiche de poste.
- Marquez celles qui sont répétitives et dont le résultat est vérifiable rapidement. Ce sont les plus exposées, parce qu'une erreur y est détectable, donc le risque de déléguer est faible.
- Marquez celles qui engagent une responsabilité vis-à-vis d'une personne, d'un client ou d'une décision. Ce sont les moins exposées, pour la raison inverse : personne ne veut en répondre à votre place.
- Regardez la proportion. Un métier majoritairement dans la première catégorie change vite. Un métier majoritairement dans la seconde change aussi, mais dans son contenu plutôt que dans son existence.
- Cherchez ce qui apparaît, pas seulement ce qui disparaît. Vérifier un travail produit par une machine est une tâche nouvelle, et elle n'existait dans aucune fiche de poste il y a trois ans.
Pourquoi ce raisonnement bat un pourcentage
Parce qu'il porte sur votre situation et pas sur une moyenne, et parce que vous pouvez le refaire dans six mois. Un chiffre national ne vous dit rien de votre employeur, de votre secteur ni de vos tâches ; votre liste, si.
Ce qu'on ne sait pas, et qu'il faut assumer
Une partie des questions les plus importantes n'a pas de réponse fiable aujourd'hui, et prétendre le contraire serait le principal service à ne pas vous rendre.
On ne sait pas quel sera le solde net entre emplois supprimés et créés, ni comment il se répartira entre secteurs et territoires. On ne sait pas si les gains iront vers une réduction du temps de travail, une hausse du volume produit, ou une réduction des effectifs, parce que cela dépend de décisions qui n'ont pas encore été prises. On ne sait pas non plus à quelle vitesse les organisations adopteront réellement ce qui est techniquement possible, et l'histoire des technologies précédentes suggère que c'est plus lent que les annonces.
Ce que l'on peut faire, en revanche, est de raisonner par tâches sur son propre métier, et de suivre ce qui change concrètement autour de soi plutôt que ce qui est annoncé.
Sur la façon dont ces systèmes fonctionnent, et donc sur ce qu'ils peuvent et ne peuvent pas faire, voir notre article sur le fonctionnement de l'intelligence artificielle.
En parler avec des gens qui le vivent
C'est un sujet où la conversation vaut mieux que la lecture, parce que les situations réelles sont plus instructives que les moyennes.
Nos rencontres réunissent des personnes qui déploient ces outils dans leur travail et d'autres qui s'interrogent sur leur métier. L'écart entre ce qui est annoncé et ce qui se passe vraiment y apparaît vite, et dans les deux sens : parfois moins spectaculaire que prévu, parfois plus rapide.
Les conférences et ateliers d'IA Innovateurs sont gratuits et ouverts à tous les niveaux. L'adhésion est distincte et facultative, à 25 € par an, avec un tarif solidaire à 10 €.
Questions fréquentes
Quels métiers sont réellement les plus exposés ?
Ceux dont une grande part des tâches est répétitive, se fait sur des données structurées, et dont le résultat se vérifie rapidement. C'est un critère de tâche et non de secteur ou de niveau de qualification, ce qui explique pourquoi des métiers très différents apparaissent dans les mêmes listes. Un métier qualifié dont l'essentiel consiste à produire des documents standardisés peut être plus exposé qu'un métier manuel impliquant une présence physique et une adaptation constante. La question du diplôme n'est pas le bon axe.
L'IA crée-t-elle aussi des emplois ?
Oui, et cette moitié du sujet est systématiquement sous-traitée dans la reprise médiatique, parce qu'une création est plus diffuse et moins spectaculaire qu'une suppression. Les emplois qui apparaissent sont notamment ceux du contrôle, de la correction et de l'encadrement de ces systèmes, plus les métiers rendus viables par la baisse du coût de certaines tâches. Le point honnête est que personne ne peut affirmer aujourd'hui que les créations compenseront les suppressions, ni l'inverse, ni surtout qu'elles toucheront les mêmes personnes ou les mêmes territoires.
Faut-il se former à l'IA pour protéger son emploi ?
Se former aide, mais pas au sens où on l'entend souvent : l'utile n'est pas de maîtriser un outil précis, qui aura changé dans deux ans. C'est de comprendre ce que ces systèmes font et ne font pas, afin de savoir quand leur réponse est plausible mais fausse. Cette compétence de vérification se transfère d'un outil à l'autre, contrairement à la maîtrise d'une interface. Elle s'acquiert par la pratique et l'échange plus que par un cours magistral.
Les prévisions passées sur l'automatisation se sont-elles vérifiées ?
Inégalement, et c'est une raison sérieuse de lire les prévisions actuelles avec prudence. Les vagues d'automatisation précédentes ont généralement été plus lentes que prévu dans leur adoption, tout en produisant des effets là où on ne les attendait pas. Le motif récurrent est que la capacité technique arrive avant les changements d'organisation nécessaires pour l'exploiter, et que ce décalage se compte en années. Cela n'autorise pas à conclure que rien ne se passera ; cela invite à se méfier des calendriers précis.
Comment savoir si mon employeur envisage d'automatiser mes tâches ?
Les signaux utiles sont concrets plutôt que déclaratifs : un outil introduit en test sur une partie du travail, une demande soudaine de documenter des procédures qui ne l'étaient pas, un recrutement gelé sur un poste répétitif. Poser la question directement est plus efficace qu'on ne le croit, surtout formulée en termes de tâches et non de menace. Et dans tous les cas, votre liste de tâches vous dira davantage que la communication interne, parce qu'elle porte sur ce qui est automatisable et non sur ce qui est annoncé.
Envie de confronter votre situation à celle d'autres ? Consultez les prochaines rencontres, découvrez qui nous sommes, ou écrivez-nous.