C’est ce sujet qui traverse l’épisode « L’IA ne vole pas votre emploi, elle le démonte en pièces » d’AI Experience, dans lequel Julien Redelsperger reçoit Hugo Spring-Ragain, économiste et doctorant en économie au Centre d’études diplomatiques et stratégiques. L’échange part d’une idée simple : pour comprendre l’impact de l’IA sur l’emploi, il faut regarder ce que l’IA fait aux tâches, pas seulement aux postes.

Le risque le plus immédiat n’est donc pas toujours la disparition du métier. C’est parfois sa perte de substance. Le poste reste, le salaire reste, l’intitulé reste, mais le cœur du travail se déplace. Cette transformation des métiers peut créer de la productivité, mais aussi une nouvelle forme de pénibilité cognitive : ne plus être celui qui produit, mais celui qui vérifie, corrige et assume ce que la machine a généré.

‍

L’IA ne remplace pas un métier, elle déplace les tâches

Le débat sur l’IA et travail reste souvent piégé par une question trop massive : combien d’emplois vont disparaître ? Cette approche parle à l’opinion publique, mais elle décrit mal ce qui se passe dans les organisations. Un emploi n’est pas un bloc homogène. C’est un assemblage de tâches, de responsabilités, de compétences, de routines et de décisions. L’automatisation des tâches ne supprime donc pas nécessairement un métier entier ; elle en modifie l’architecture. Hugo Spring-Ragain le formule ainsi dans l’épisode :

« Est-ce que ça touche l’emploi, qui est quelque chose de très global, qui concerne une entreprise, qui concerne un secteur ? Est-ce que ça concerne la compétence, qui est là propre aux salariés, mais mobilisable sur plusieurs postes ? Ou est-ce que ça touche au contraire à la tâche ? »

Cette distinction est centrale pour comprendre l’impact de l’IA sur l’emploi. L’IA générative et emploi ne forment pas un couple simple, où la machine prendrait mécaniquement la place de l’humain. L’OCDE montre que l’IA modifie déjà la demande de compétences dans les métiers exposés, y compris pour des travailleurs qui ne développent pas eux-mêmes des systèmes d’IA. Le sujet devient donc moins “qui sera remplacé ?” que “quelles compétences seront encore valorisées ?”

C’est là que les compétences humaines IA prennent leur importance : jugement, contextualisation, esprit critique, capacité à arbitrer. Le débat public gagne à quitter la logique du choc pour entrer dans celle de la recomposition.

La vraie difficulté de l’intelligence artificielle au travail tient à ce paradoxe : un métier peut survivre tout en devenant méconnaissable. Le juriste reste juriste, le consultant reste consultant, le traducteur reste traducteur. Mais certaines tâches qui structuraient leur identité professionnelle peuvent migrer vers l’IA : produire un premier jet, résumer un document, générer une note, classer une information, rédiger une recommandation.

Ce changement n’est pas théorique. PwC a analysé près d’un milliard d’offres d’emploi dans son Global AI Jobs Barometer 2025 et observe que l’IA accélère la transformation des compétences, des salaires et de la productivité dans les métiers exposés. Le rapport insiste aussi sur la nécessité de cartographier les écarts de compétences et de bâtir des plans pour les combler.

Le poste peut donc rester stable administrativement, mais changer profondément dans son contenu. C’est l’un des angles les plus utiles pour analyser la transformation des métiers. Dans beaucoup d’entreprises, l’automatisation des tâches ne prendra pas la forme d’un licenciement visible, mais d’une redéfinition progressive du quotidien : moins de production directe, plus de supervision, plus de contrôle, plus d’interprétation. C’est aussi là que le sens du travail devient fragile. Beaucoup de salariés ne s’attachent pas seulement à leur fiche de poste, mais à la partie du travail dans laquelle ils reconnaissent leur savoir-faire. Si cette partie disparaît ou devient secondaire, l’enjeu n’est plus seulement économique. Il devient identitaire.

La nouvelle pénibilité du travail intellectuel

L’un des effets les plus sous-estimés de l’IA générative et emploi concerne la bascule du rôle productif vers le rôle correctif. Dans les métiers intellectuels, l’IA peut produire des textes, des synthèses, des images, des plans, du code ou des analyses. Mais cette production reste à vérifier. Le travail humain ne disparaît pas ; il se déplace vers la relecture, la validation, la correction et la responsabilité. Hugo Spring-Ragain donne un exemple très parlant :

« J’ai un ami qui est directeur artistique, qui me disait que maintenant ses clients lui envoient des travaux générés par l’IA et lui disent de retravailler dessus. Lui, il a un énorme sens derrière. Qu’est-ce qu’il est ? Est-ce qu’au final, il est créatif ou est-ce que maintenant, il est correcteur d’un robot créatif ? »

Cette phrase résume une tension majeure de l’intelligence artificielle au travail. Le problème n’est pas uniquement de savoir si l’IA produit assez bien. Le problème est de savoir ce que devient le professionnel quand son rôle principal consiste à réparer, améliorer ou humaniser une production automatique.

Harvard Business Review a récemment popularisé le terme « workslop » pour désigner des productions générées par IA qui donnent l’apparence d’un travail terminé, mais transfèrent en réalité la charge de correction à d’autres. L’idée éclaire bien cette pénibilité cognitive : le salarié gagne parfois du temps en amont, mais perd du sens et de l’attention en aval.

Toute automatisation des tâches ne produit pas le même effet. Automatiser une saisie répétitive, un classement administratif ou une prise de rendez-vous peut soulager le travail. Automatiser la première version d’un texte, d’un concept, d’une analyse ou d’une traduction touche une zone différente : celle où beaucoup de professionnels placent leur expertise.

La pénibilité cognitive naît précisément de ce déplacement. Le salarié n’est pas nécessairement remplacé, mais il peut perdre la part la plus stimulante de son métier. Dans le cas d’un traducteur, par exemple, l’IA peut produire une version initiale. Le professionnel intervient ensuite pour corriger les nuances, adapter le ton, vérifier les références culturelles, éviter les contresens. Ce rôle reste utile, mais il change la relation au métier. C’est pourquoi le sens du travail ne doit pas être traité comme une variable secondaire. Dans l’épisode, Hugo Spring-Ragain insiste sur la manière dont le salarié vit la mutation :

« On revient à cette notion, mais qui, à mon sens, est aussi primordiale quand on parle de travail et d’intelligence artificielle, c’est comment le salarié va vivre cette mutation et comment on doit l’accompagner à vivre cette mutation. »

ADP Research souligne d’ailleurs un paradoxe utile : dans son enquête 2025, les utilisateurs fréquents d’IA déclarent plus d’engagement et moins de stress, mais ils ne disent pas forcément se sentir plus productifs. L’IA et travail ne se résume donc pas à une équation simple entre outil, gain de temps et performance ressentie.

Les cols blancs face à une automatisation qu’ils pensaient réservée aux autres

L’impact de l’IA sur l’emploi est particulier parce qu’il touche fortement les métiers du tertiaire qualifié. Les précédentes vagues d’automatisation ont souvent été associées à l’industrie, à la logistique, aux caisses automatiques, aux entrepôts, aux machines-outils. Avec l’IA générative, le centre de gravité se déplace vers les bureaux, les cabinets de conseil, les services juridiques, les fonctions marketing, les équipes financières, la recherche, l’enseignement supérieur. Le Forum économique mondial, dans son Future of Jobs Report 2025, a interrogé plus de 1 000 grands employeurs représentant plus de 14 millions de travailleurs dans 55 économies. Le rapport montre que les technologies, dont l’IA, font partie des principaux moteurs de transformation des emplois et des compétences d’ici 2030.

Cette rupture est fondamentale pour comprendre l’IA générative et emploi. Elle ne vise pas seulement des tâches répétitives au sens classique. Elle touche des tâches cognitives qui semblaient difficiles à automatiser : synthétiser, rédiger, comparer, expliquer, produire une hypothèse, structurer une recommandation. La transformation des métiers devient donc plus intime. Elle ne s’observe pas seulement dans les usines ou les centres d’appels. Elle entre dans la réunion, le document, la note stratégique, la présentation, le rapport d’analyse. C’est pour cela que les compétences humaines IA deviennent si importantes : plus l’IA produit, plus il faut savoir cadrer, relire, hiérarchiser, contredire et assumer.

Dans les métiers de bureau, l’automatisation des tâches est moins visible qu’une chaîne de production robotisée. Elle se glisse dans les outils quotidiens : messagerie, traitement de texte, tableur, CRM, logiciels de veille, outils de présentation, plateformes collaboratives. L’intelligence artificielle au travail se diffuse par petites touches, souvent avant même qu’une stratégie claire ait été définie. C’est ce qui rend la mutation difficile à piloter. Beaucoup d’usages naissent de manière individuelle : un salarié utilise un outil pour rédiger plus vite, un manager l’emploie pour préparer une réunion, un consultant pour produire un plan, un chercheur pour explorer une bibliographie. Dans l’épisode, Hugo Spring-Ragain parle de shadow IA pour désigner ces usages cachés, entre expérimentation utile et zone grise organisationnelle.

BCG estime, dans une publication de 2026, que 50 % à 55 % des emplois aux États-Unis seront remodelés par l’IA dans les deux à trois ans, avec des attentes très différentes sur la manière de travailler et de produire. Même si cette projection concerne les États-Unis, elle donne une indication claire : l’enjeu porte davantage sur la recomposition des rôles que sur une substitution immédiate et uniforme. Cette évolution invite les entreprises à traiter l’IA et travail comme un sujet d’organisation, pas seulement comme un sujet technologique. Le bureau devient un terrain d’automatisation discret, mais profond. Et cette discrétion peut accroître la pénibilité cognitive, car les règles, les attentes et les responsabilités ne sont pas toujours explicites.

Le sens du travail devient une question stratégique

La promesse dominante de l’intelligence artificielle au travail tient en un mot : productivité. Faire plus vite, produire plus, réduire les coûts, accélérer les cycles. Cette promesse est réelle dans certains cas, mais elle ne suffit pas à définir un travail soutenable. Un métier peut devenir plus rapide et moins satisfaisant. Une équipe peut produire davantage tout en perdant en autonomie, en fierté ou en maîtrise. McKinsey souligne dans son rapport 2025 sur l’IA au travail que les salariés expriment des besoins importants en matière d’accompagnement et de formation. Le rapport relève notamment que 84 % des salariés internationaux disent recevoir un soutien important ou complet pour apprendre les compétences liées à l’IA, contre un peu plus de la moitié aux États-Unis. Cette donnée montre que l’adoption ne dépend pas seulement de l’accès aux outils, mais aussi de la capacité des organisations à accompagner les usages.

Le sens du travail dépend aussi de la perception de contribution. Si l’IA produit la première version et que l’humain ne fait que corriger, valider ou lisser, le gain de productivité peut s’accompagner d’un sentiment de déclassement. L’impact de l’IA sur l’emploi doit donc intégrer cette dimension qualitative. Dans ce contexte, les compétences humaines IA ne sont pas un supplément d’âme. Elles deviennent une condition de performance : savoir expliquer une décision, comprendre une nuance, discuter un résultat, arbitrer un risque, préserver une relation. La productivité mesure le volume. Le sens mesure la qualité de l’engagement.

Remettre de l’humain dans un travail assisté par l’IA

L’IA générative et emploi oblige à clarifier ce que l’humain apporte quand la machine sait produire vite. La réponse ne peut pas se limiter à “faire des prompts”. Cette compétence a son utilité, mais elle reste instrumentale. La valeur durable réside dans la capacité à formuler un problème, à juger une réponse, à relier une production à un contexte, à évaluer une conséquence. Hugo Spring-Ragain insiste sur cette bascule dans l’épisode :

« Plus qu’une compétence, c’est un savoir-être que je mettrais en avant, c’est le doute. Je pense que si on a dès aujourd’hui du doute dans tout ce que l’on reçoit, dans tout ce que l’on analyse, dans tout ce que l’on fait, on peut être une personne dotée de ces métacompétences demain. »

Ce doute n’est pas du scepticisme stérile. C’est une méthode professionnelle. Dans un environnement saturé de productions automatiques, d’analyses plausibles et de textes bien formulés, la capacité à ralentir le jugement devient précieuse. Les compétences humaines IA incluent donc la vérification, la culture générale, la responsabilité, l’écoute, l’argumentation, la compréhension des biais. Le sens du travail se reconstruira autour de cette question : où l’humain reste-t-il indispensable, non par défaut, mais parce qu’il assume ce que l’outil ne peut pas porter seul ?

La première erreur consiste à déployer l’IA par outil plutôt que par usage. Acheter une licence, ouvrir un accès ou intégrer un assistant dans une suite logicielle ne suffit pas. Pour traiter sérieusement l’IA et travail, les organisations doivent commencer par cartographier les tâches : lesquelles sont répétitives, lesquelles exigent du jugement, lesquelles donnent du sens, lesquelles exposent l’entreprise à un risque juridique, éthique ou relationnel. Cette cartographie permet de dépasser le discours général sur l’impact de l’IA sur l’emploi. Elle pose des questions plus utiles : quelles tâches peuvent être automatisées sans perte de qualité ? Quelles tâches doivent rester humaines ? Quelles tâches peuvent être enrichies par l’IA ? Quelles tâches risquent de devenir plus pénibles si elles se limitent à corriger la machine ?

PwC recommande justement de construire une vision claire des écarts de compétences créés par l’IA et de définir un plan pour les combler. Le cabinet insiste aussi sur le fait que la valeur de l’IA dépend de la confiance, de la gouvernance et du déploiement responsable, pas seulement de la réussite technique. Cette approche protège aussi le sens du travail. Une entreprise qui automatise sans hiérarchiser risque de retirer aux salariés des tâches qui structuraient leur expertise. Une entreprise qui analyse les tâches peut au contraire réduire les irritants, préserver les moments de jugement, et créer de nouveaux espaces de contribution.

‍

L’intelligence artificielle au travail ne se comprend pas uniquement par le nombre d’emplois détruits ou créés. Elle se comprend dans la manière dont les tâches se déplacent, dont les métiers se recomposent et dont les salariés vivent cette recomposition. Le vrai risque n’est donc pas seulement de perdre son poste. C’est de garder son poste tout en perdant ce qui faisait la valeur du métier : créer, décider, comprendre, transmettre, exercer un jugement. Cette pénibilité cognitive pourrait devenir l’un des angles les plus importants du débat sur l’IA et travail, surtout dans les métiers qualifiés du tertiaire. C’est précisément cette tension qui est abordée dans l’épisode « L’IA ne vole pas votre emploi, elle le démonte en pièces » d’AI Experience, avec Hugo Spring-Ragain. Un épisode utile pour dépasser les discours trop simples sur l’IA générative et emploi, et comprendre pourquoi le sens du travail devient l’un des grands sujets économiques des prochaines années.