Les effets de l'IA sur le travail ne sont pas écrits d'avance. Entre la technologie et ses conséquences sur les métiers, l'emploi ou les conditions de travail, une série d'arbitrages organisationnels détermine les trajectoires. C'est sur ces décisions, souvent prises sans être identifiées comme telles, que Plein Sens invite les dirigeants et les DRH à reprendre la main.
Cet article prolonge un séminaire consacré à l’IA, au travail et à la transformation responsable, animé à Polytechnique Executive Education par Aurélie Ghemouri Krief, associée chez Plein Sens.
Beaucoup de bruit, peu de certitudes
Beaucoup de bruit entoure le sujet de l’intelligence artificielle et du travail. On annonce des suppressions massives d’emplois, des gains de productivité spectaculaires, des métiers condamnés et d’autres épargnés. Ces informations circulent vite et finissent par peser sur les décisions des entreprises. Pourtant les travaux de recherche disponibles donnent des résultats contrastés, et personne ne sait aujourd’hui prédire ce que l’IA fera à l’emploi.
Les annonces elles-mêmes demandent à être lues avec prudence. Quand une entreprise réduit ses effectifs au moment où elle introduit une IA, beaucoup de commentateurs en concluent que l’une explique l’autre. C’est souvent un raccourci, car l’IA peut servir aussi d’étiquette à des restructurations décidées pour d’autres raisons. C’est le risque du “phénomène de labellisation” rappelé par Direction Générale du Trésor en juin 2026. Si l’IA peut supprimer des emplois, une annonce ne suffit pas à l’établir. Il faut regarder ce qui se passe réellement sur le terrain et les effets sur le travail. Sortir des récits trop simples sur IA et travail pour mieux comprendre l’impact réel dans les organisations pour éviter un biais dans la perception de l’impact réel de cette technologie.
Quand on regarde le travail de près, le tableau est en effet plus nuancé que les annonces. Une étude menée auprès de plus de 5 000 agents d’un centre de support client en donne une idée. L’arrivée d’un assistant d’IA y a augmenté de 15 % en moyenne le nombre de demandes résolues par heure. Le gain était nettement plus élevé pour les agents les moins expérimentés et faible pour les plus expérimentés. L’explication tient à la conception de l’outil : entraîné sur les conversations des meilleurs agents, il diffusait leur savoir-faire aux autres.
Une moyenne de productivité dit donc peu de chose à elle seule. Elle ne dit pas qui en bénéficie, ni comment les débutants apprendront le métier si l’outil fait à leur place ce qui permettait de l’apprendre. Ce sont des questions d’organisation du travail, et c’est à l’entreprise d’y répondre.
Partir du travail tel qu’il se fait
L’erreur la plus fréquente consiste à raisonner à partir de la fiche de poste. Un métier n’est pas une liste de tâches que l’on pourrait automatiser une à une. Il tient aussi à des arbitrages, à des coopérations, à des savoirs qui ne sont écrits nulle part et à la façon dont chacun fait face aux imprévus. C’est ce travail réel qu’un projet d’IA vient modifier.
D’où une question à poser aux professionnels avant tout projet : que souhaitez-vous confier à l’IA, et que considérez-vous comme le cœur de votre métier ? Ils savent y répondre, et leur réponse aide à décider ce que l’on automatise et ce que l’on préserve.
Un cas concret
Plein Sens est intervenu dans une entreprise dont les techniciens se rendaient sur le terrain pour inspecter des équipements, repérer les pièces à changer et chiffrer les travaux. Désormais un drone capte les images, une IA repère les pièces et chiffre les travaux, et le technicien vérifie. Sur le papier, tout annonçait un métier de terrain transformé en poste de contrôle derrière un écran.
Avant le projet, l’entreprise a pris plusieurs décisions : Elle a commencé par réunir les techniciens pour leur demander ce qu’ils voulaient confier à l’outil et ce qu’ils voulaient garder. Elle a fait entraîner l’IA par des référents du métier. Elle a maintenu la polyvalence du poste, avec environ un jour par semaine sur écran et le reste sur le terrain. Elle a laissé chaque région organiser la répartition des rôles. Enfin, elle a créé un comité dédié pour outiller le dialogue social sur le projet.
Le diagnostic a gagné en qualité, les objectifs ont été relevés et atteints, et les équipes se sont déclarées satisfaites de la transformation. Avec la même technologie et d’autres choix, le résultat aurait pu être très différent.
Ce que cela demande aux dirigeants et aux DRH
Aucune de ces décisions n’est technique, et aucune n’a demandé de moyens exceptionnels. Elles ont été prises suffisamment tôt, quand les choix sont encore ouverts, avec celles et ceux qui font le travail.
C’est ce que nous appelons chez Plein Sens “une transformation responsable” : une transformation qui se décide à partir du travail réel, là où la performance et la qualité de vie au travail se rejoignent.
Elle suppose aussi de mesurer la situation avant de déployer l’outil. Sans la compréhension de l’état initial, il est difficile de distinguer ce qui vient de l’outil de ce qui vient des décisions prises lors de son déploiement. Dès lors, il est possible ensuite d’évaluer sur la base d’une grille d’analyse objective les gains obtenus tout comme les effets sur les compétences et les conditions de travail.
La technologie ouvre un potentiel, c’est le travail et son organisation qui le réalisent.
Sources
Trésor-Éco n° 391, Direction générale du Trésor, 30 juin 2026
Erik Brynjolfsson, Danielle Li et Lindsey Raymond, « Generative AI at Work », The Quarterly Journal of Economics, vol. 140, n° 2, 2025.
PARTAGER