Mutations & Design au Travail

Intelligence artificielle au travail : quelles tâches évoluent et comment s’y préparer

Réinventer les espaces, inspirer les performances

L’intelligence artificielle transforme d’abord les tâches, pas seulement les métiers

L’intelligence artificielle au travail ne remplace pas mécaniquement un métier entier. Elle modifie surtout la manière dont certaines tâches sont réalisées, en automatisant une partie de la production, en accélérant la recherche d’informations ou en facilitant l’analyse de documents. Un même métier peut donc intégrer des activités nouvelles sans disparaître, tandis que certaines missions répétitives deviennent moins fréquentes ou changent de nature.

Cette distinction entre métier et tâche est essentielle pour prendre de bonnes décisions. Une personne chargée de la relation client peut continuer à traiter les demandes complexes, tout en s’appuyant sur un outil capable de classer les messages ou de proposer une première réponse. Un responsable marketing peut consacrer moins de temps à produire des variantes de texte, mais davantage à définir une stratégie, contrôler la cohérence de la marque et analyser les résultats.

Le rapport Perspectives de l’emploi 2023 de l’Organisation de coopération et de développement économiques souligne que l’exposition à l’intelligence artificielle concerne de nombreuses professions, mais que l’exposition ne signifie pas automatiquement suppression des emplois. Elle indique plutôt que le contenu du travail peut être réorganisé. Le véritable enjeu consiste donc à repérer les tâches qui évoluent et à renforcer la capacité humaine là où elle reste déterminante.

Quelles tâches sont les plus susceptibles d’évoluer ?

Les activités les plus exposées présentent souvent plusieurs caractéristiques : elles sont répétitives, fondées sur des données déjà disponibles, décrites par des règles relativement stables ou produisent des contenus facilement vérifiables. L’automatisation peut alors concerner une partie du processus, sans couvrir l’ensemble de la responsabilité professionnelle.

Les tâches documentaires sont particulièrement concernées. Il peut s’agir de rechercher des informations dans un corpus, résumer une réunion, extraire des éléments d’un contrat, classer des demandes ou comparer plusieurs versions d’un document. La personne reste responsable de la sélection des sources, de la vérification et de l’usage final du résultat.

La rédaction standardisée peut également évoluer. Des descriptions de produits, comptes rendus, courriels de suivi, notes internes ou premières ébauches peuvent être générés plus rapidement. Cette facilité ne dispense pas de contrôler les faits, le ton, la confidentialité et l’adéquation au destinataire.

L’analyse préliminaire change elle aussi. Un outil peut repérer des tendances dans un tableau, signaler des anomalies ou regrouper des réponses. L’interprétation, la mise en contexte et la décision restent toutefois des activités distinctes. Une corrélation repérée dans des données ne constitue pas nécessairement une explication.

La production visuelle et technique peut être accélérée par des outils génératifs. Maquettes, illustrations, scripts informatiques ou structures de présentation peuvent servir de point de départ. Le travail humain se déplace alors vers la formulation du besoin, les choix de conception, les tests, la conformité et les arbitrages.

Les tâches qui gagnent en importance avec l’IA

Lorsque certaines opérations sont accélérées, d’autres responsabilités prennent davantage de poids. Les compétences recherchées ne se limitent donc pas à la maîtrise d’un outil particulier.

  • Formuler un objectif précis : une demande vague produit souvent une réponse vague. Il faut préciser le public, le contexte, le format attendu, les contraintes et le niveau de détail.
  • Évaluer la fiabilité : une réponse fluide peut contenir une erreur, une donnée obsolète ou une conclusion insuffisamment fondée. La vérification devient une étape de travail à part entière.
  • Prendre une décision : l’outil peut proposer, classer ou simuler, mais il ne porte pas la responsabilité commerciale, juridique, sociale ou financière de la décision.
  • Comprendre le contexte : les règles internes, les attentes d’un client, la culture d’une équipe et les conséquences d’un choix ne sont pas toujours explicites dans les données disponibles.
  • Contrôler la qualité : le contrôle porte sur les faits, la cohérence, la sécurité, l’accessibilité, le respect du droit d’auteur et la conformité aux règles de protection des données.
  • Coopérer avec les autres : expliquer une recommandation, recueillir un désaccord et obtenir une validation restent des activités profondément relationnelles.

Le Forum économique mondial, dans son rapport Future of Jobs Report 2023, identifie la pensée analytique, la créativité, la curiosité et l’apprentissage continu parmi les compétences appelées à rester importantes. Ces compétences ne remplacent pas l’expertise métier. Elles permettent de mieux l’utiliser dans un environnement où les outils produisent davantage de propositions.

Un tableau pour cartographier l’impact sur son activité

Avant de choisir une solution, il est utile de décrire les tâches réelles d’un poste ou d’une activité. Le tableau suivant offre une première grille d’analyse.

Type de tâcheÉvolution possiblePoint de vigilanceCompétence à renforcer
Recherche et classement d’informationsPré-tri, synthèse, extraction de donnéesSources incomplètes ou erronéesVérification et recherche documentaire
Rédaction répétitivePremière version ou adaptation de formatTon inadéquat, plagiat, erreurs factuellesÉdition et ligne éditoriale
Analyse de donnéesRepérage de tendances et d’anomaliesInterprétation abusiveCulture des données et esprit critique
Relation client ou usagerQualification des demandes et réponses simplesDéshumanisation ou mauvaise orientationÉcoute, empathie et gestion des cas complexes
Création visuelle ou techniquePrototypes et variantes rapidesDroits d’utilisation, sécurité et qualitéConception, tests et contrôle final

Cette cartographie doit rester concrète. Il ne suffit pas d’écrire qu’un poste est menacé ou protégé. Il faut détailler les opérations effectuées chaque semaine, les informations manipulées, les décisions prises et les erreurs qui auraient des conséquences importantes.

Une méthode en cinq étapes pour se préparer

  1. Décrire son travail sans jargon. Pendant une semaine, notez les tâches réalisées, leur fréquence, le temps consacré et les étapes qui demandent le plus d’attention. Séparez la production, la vérification, la coordination et la décision.
  2. Classer les tâches selon leur potentiel d’assistance. Commencez par les activités à faible risque, répétitives et facilement contrôlables. Écartez provisoirement les tâches qui impliquent des données sensibles, une décision médicale, juridique, sociale ou financière, ou une forte responsabilité humaine.
  3. Tester sur un cas non sensible. Utilisez un document fictif ou anonymisé. Comparez le temps gagné, la qualité du résultat et le nombre de corrections nécessaires. Un gain de temps apparent peut disparaître si la vérification est longue.
  4. Écrire une procédure de contrôle. Indiquez quelles informations doivent être vérifiées, par qui, avec quelles sources et avant quelle diffusion. Cette étape évite de transformer une suggestion automatique en décision non examinée.
  5. Mesurer les effets après quelques semaines. Observez la qualité, les délais, les erreurs, la satisfaction des destinataires et la charge mentale. Si le résultat est négatif, modifiez le processus ou abandonnez l’usage. L’objectif n’est pas d’utiliser l’IA à tout prix, mais d’améliorer un travail précisément identifié.

Pour un indépendant, cette démarche peut porter sur la préparation de devis, la rédaction de contenus, la qualification de demandes ou la synthèse d’entretiens. Pour un salarié, elle peut servir de base à une discussion avec le responsable sur les tâches à automatiser, les responsabilités à conserver et les formations nécessaires.

Les compétences à développer sans courir après chaque outil

Les logiciels évoluent rapidement. Se former uniquement à une interface précise peut donc produire une compétence rapidement datée. Une préparation plus durable repose sur plusieurs niveaux.

La culture générale de l’IA permet de comprendre ce qu’un système sait faire, ce qu’il ne sait pas garantir et pourquoi il peut produire une réponse plausible mais fausse. Il est utile de connaître les notions de données d’entraînement, de modèle, de biais, de limite de contexte et de génération automatique.

La maîtrise de son domaine reste un avantage central. Plus une personne connaît les règles, les clients, les contraintes et les critères de qualité de son activité, plus elle peut repérer une réponse incohérente. L’IA ne supprime pas le besoin d’expertise, elle rend parfois ses lacunes plus visibles.

La rédaction de consignes aide à obtenir un résultat exploitable. Une consigne utile précise le rôle attendu, l’objectif, le public, les données disponibles, les exclusions et le format de sortie. Elle peut aussi demander à l’outil de signaler ses incertitudes plutôt que de compléter une information inconnue.

La compétence numérique et la donnée devient également importante. Savoir structurer un tableau, identifier une source, protéger un fichier et comprendre un indicateur constitue une base plus solide que la simple capacité à produire du texte.

Enfin, les compétences relationnelles prennent de la valeur : expliquer, négocier, écouter, former, résoudre un conflit et assumer un choix. Ces activités mobilisent le contexte et la confiance, deux dimensions difficiles à automatiser complètement.

Protéger les informations et clarifier les responsabilités

L’usage d’un outil d’intelligence artificielle doit être encadré avant le premier déploiement. Il faut notamment savoir quelles données peuvent être saisies, où elles sont traitées, combien de temps elles sont conservées et qui peut accéder aux résultats. Les informations personnelles, les secrets commerciaux, les données de santé, les identifiants et les documents contractuels appellent une vigilance particulière.

Le Règlement général sur la protection des données, contrôlé en France par la Commission nationale de l’informatique et des libertés, impose de respecter les principes de finalité, de minimisation et de sécurité des données. Une donnée ne doit pas être transmise à un service simplement parce que cela semble pratique. La nécessité du traitement et ses conditions doivent être examinées.

Le règlement européen sur l’intelligence artificielle, publié au Journal officiel de l’Union européenne en 2024, prévoit une approche fondée sur les niveaux de risque et renforce les obligations applicables à certains systèmes. Les règles peuvent dépendre de l’usage, du secteur et du rôle joué par chaque acteur. Une veille juridique est donc utile pour les employeurs, les indépendants et les créateurs de solutions.

Dans une organisation, une charte d’usage peut préciser les outils autorisés, les données interdites, les obligations de vérification, les règles de signalement et les situations nécessitant une validation humaine. Elle doit être accompagnée d’une information réelle et d’une formation, faute de quoi elle risque de rester théorique.

Accompagner une équipe ou une petite entreprise

Une démarche collective réduit les usages improvisés. Elle peut commencer par un atelier court consacré aux tâches, et non aux promesses technologiques. Chaque participant décrit une activité chronophage, son niveau de risque et le résultat attendu. Le groupe sélectionne ensuite un ou deux cas d’usage faciles à évaluer.

Le responsable du projet peut suivre quelques indicateurs simples : temps consacré à la tâche, taux de corrections, erreurs détectées, réclamations, satisfaction des utilisateurs et effets sur la charge de travail. Ces indicateurs ne doivent pas conduire à mesurer uniquement la vitesse. Une production plus rapide mais moins fiable peut dégrader la qualité du service ou augmenter le travail de reprise.

Il faut aussi associer les personnes dont le travail est directement concerné. Elles connaissent les exceptions, les contraintes invisibles dans les procédures et les conséquences d’une erreur. Leur participation permet de distinguer une automatisation utile d’un déplacement de charge vers le contrôle, la correction ou la relation client.

La formation peut être progressive : sensibilisation aux risques, exercices sur des données fictives, apprentissage de la vérification, puis accompagnement sur des cas réels autorisés. Le dispositif doit prévoir un droit au signalement lorsqu’un outil produit une réponse incohérente ou lorsqu’une personne estime qu’une décision ne devrait pas être automatisée.

Ce que les candidats et les salariés peuvent faire dès maintenant

La préparation ne nécessite pas de devenir informaticien. Elle peut s’appuyer sur des actions visibles et vérifiables dans le parcours professionnel.

  • Actualiser son inventaire de compétences en distinguant les tâches réalisées, les outils utilisés et les décisions prises.
  • Conserver des exemples de livrables avant et après amélioration du processus, sans divulguer de données confidentielles.
  • Suivre une formation sur la culture numérique, la protection des données, l’analyse ou la vérification des sources.
  • Apprendre à expliquer le raisonnement suivi pour contrôler une production automatique.
  • Demander quelles règles s’appliquent aux outils utilisés dans son environnement de travail.
  • Développer une expertise sectorielle ou fonctionnelle qui permet d’évaluer les résultats avec discernement.

Lors d’un entretien, il est plus pertinent de décrire une démarche que d’énumérer des outils. Par exemple, une personne peut expliquer comment elle a structuré une demande, vérifié les résultats, protégé les données et mesuré la qualité. Cette présentation montre une capacité d’adaptation, mais aussi une compréhension des responsabilités associées à l’automatisation.

FAQ : intelligence artificielle et travail

L’IA va-t-elle supprimer mon métier ?

Il est rarement possible de répondre de manière générale. L’effet dépend des tâches, du secteur, du niveau de risque, de la qualité des données et des choix de l’employeur ou du client. Analysez le contenu concret du métier plutôt que son seul intitulé, puis identifiez les activités qui peuvent être assistées et celles qui reposent sur le jugement, la relation ou la responsabilité.

Faut-il savoir programmer pour utiliser l’IA au travail ?

Non, pas pour de nombreux usages courants. Il faut toutefois savoir formuler un besoin, fournir un contexte, repérer les erreurs et vérifier les informations. La programmation devient utile pour automatiser des processus plus complexes, traiter des volumes importants ou intégrer un outil dans un système existant.

Peut-on saisir des documents professionnels dans un outil d’IA ?

Pas sans vérifier les règles applicables. Examinez la sensibilité des informations, les conditions du service, les consignes internes et les obligations liées à la protection des données. Utilisez des données fictives ou anonymisées pour les premiers essais et demandez un avis compétent en cas de doute.

Comment savoir si un outil fait réellement gagner du temps ?

Mesurez le processus complet, y compris la préparation de la demande, la vérification, les corrections et la validation. Comparez la qualité et les délais avant et après l’usage. Un outil n’est utile que si le gain obtenu ne crée pas un risque ou une charge supplémentaire ailleurs.

En savoir plus à ce sujet :

Intelligence artificielle au travail : quelles tâches évoluent et comment s’y préparer

L’intelligence artificielle au travail ne remplace pas mécaniquement un métier entier. Elle modifie surtout la manière dont certaines tâches sont réalisées, en automatisant…

Tiers-lieux et espaces partagés : une alternative au bureau et au domicile

Le tiers-lieu désigne un espace situé entre le domicile et le lieu de travail habituel. Cette catégorie regroupe des réalités très différentes : espaces de…

Manager une équipe hybride : les rituels et les outils pour garder le lien

Manager une équipe hybride ne consiste pas seulement à autoriser le télétravail certains jours. Le fonctionnement alterne des temps de présence dans un même lieu et des…

Droit à la déconnexion : comment l’organiser concrètement dans une équipe

Le droit à la déconnexion désigne la possibilité, pour un salarié, de ne pas utiliser les outils numériques professionnels et de ne pas être contacté pendant ses temps…

Semaine de quatre jours : les modèles, les règles et leurs implications

La semaine de quatre jours ne désigne pas une formule unique. Elle peut correspondre à une réduction réelle du temps de travail, à une simple compression des horaires ou…

Flex office : réussir le passage et éviter les erreurs fréquentes

Le flex office désigne une organisation dans laquelle les collaborateurs ne disposent pas nécessairement d’un poste de travail fixe. Ils choisissent un espace adapté à leur activité parmi…