La Transition de l'Intelligence : IA, Travail et l'Avenir que Nous Construisons

La Question que Tout CEO Doit se Poser

Chaque réunion de conseil d’administration en 2026 contient la même question tacite : À quelle vitesse déployons-nous l’IA, et qu’advient-il de nos équipes ?

Je vis avec cette question chaque semaine. Pas comme une abstraction — en tant que CEO qui approuve des investissements technologiques et des décisions sur la main-d’œuvre simultanément. La tension est réelle et elle est la mienne : l’IA fournit des gains de productivité mesurables, la pression concurrentielle pour adopter est intense, et les personnes dont le travail est transformé sont des collègues, pas des lignes dans un tableur.

Le conseil voit les chiffres. McKinsey estime que 57% des heures de travail aux États-Unis pourraient théoriquement être automatisées avec la technologie existante — presque le double des 30% estimés en 2023. Goldman Sachs projette un calendrier d’environ 10 ans pour que les entreprises adoptent l’IA à grande échelle. L’enquête EY rapporte que 96% des organisations investissant dans l’IA constatent des gains de productivité. L’argumentaire pour le déploiement est écrasant.

Mais voici ce que la diapositive sur l’efficacité dans la présentation au conseil ne montre pas : les 6,1 millions de travailleurs américains que le Brookings Institution identifie comme confrontés à la fois à une forte exposition à l’IA et à une faible capacité d’adaptation — 86% d’entre eux des femmes, concentrées dans des rôles administratifs. Elle ne montre pas la conclusion de Goldman Sachs selon laquelle l’emploi des jeunes de 22 à 25 ans dans les professions exposées à l’IA a chuté de 16% entre fin 2022 et mi-2025. Elle ne montre pas que 55% des employeurs qui ont fait des coupes motivées par l’IA les regrettent maintenant.

Nous construisons une intelligence extraordinaire dans nos machines. La question est de savoir si nous apportons une intelligence équivalente aux décisions que nous prenons concernant les personnes que ces machines affectent.

Cet article est ma tentative de regarder les preuves honnêtement — toutes — et de raisonner à partir de ce que nous savons réellement, pas de ce que nous espérons ou craignons.

Les Preuves : Ce que les Chiffres Disent Réellement

Le débat sur l’IA et le travail s’est fracturé en trois camps, chacun avec des preuves véritablement solides. La réponse honnête est que les trois ont simultanément raison — et que la période de transition, pas le point d’arrivée, est là où le plus grand risque se concentre.

L’argument du déplacement est réel mais concentré. La Réserve Fédérale de St. Louis a trouvé une corrélation de 0,47 entre l’exposition professionnelle à l’IA et la hausse des taux de chômage de 2022 à 2025. De grandes entreprises ont explicitement cité l’IA dans leurs réductions d’effectifs : Amazon (14 000 postes), Microsoft (~15 000), Salesforce (4 000 postes de support client), IBM (8 000 postes RH). Le FMI estime qu’environ 40% de l’emploi mondial fait face à l’exposition à l’IA, avec environ la moitié des emplois exposés dans les économies avancées à risque de déplacement plutôt que d’augmentation. Le MIT Iceberg Index a constaté que l’IA peut déjà techniquement effectuer des tâches correspondant à 11,7% du marché du travail américain — environ 1 200 milliards de dollars en salaires.

Pourtant, les données agrégées du marché du travail refusent obstinément de montrer un apocalypse. L’analyse exhaustive du Yale Budget Lab n’a trouvé “aucune perturbation discernable” 33 mois après le lancement de ChatGPT.

L’argument de l’augmentation bénéficie du soutien empirique le plus fort. L’étude phare d’Erik Brynjolfsson a constaté que l’assistance de l’IA a augmenté la productivité du support client de 15%, avec les plus grands gains chez les travailleurs moins expérimentés — jusqu’à 34% d’amélioration pour les novices. À travers les études, les gains de productivité varient de 10% à 65% pour le codage, le conseil, le service client et la rédaction professionnelle. L’analyse de PwC d’environ un milliard d’offres d’emploi a constaté que la croissance de la productivité a presque quadruplé dans les industries exposées à l’IA depuis 2022, de 7% à 27%. La prime salariale pour les compétences en IA a atteint 56% en 2025.

L’enquête EY est peut-être la plus révélatrice : 96% des organisations signalent des gains de productivité grâce à l’IA, mais seulement 17% ont réduit leurs effectifs. La plupart ont réinvesti les gains dans de nouvelles capacités d’IA (47%), la cybersécurité (41%), la R&D (39%) ou la requalification (38%). Une étude du CEPR portant sur plus de 12 000 entreprises européennes a constaté que l’adoption de l’IA augmente la productivité du travail de 4% en moyenne sans preuve de réduction de l’emploi à court terme.

La vulnérabilité de l’argument de l’augmentation est temporelle : l’augmentation pourrait être une phase transitoire avant l’automatisation complète. Comme le soutient Daron Acemoglu, le lauréat du prix Nobel d’économie 2024, les gains de productivité expérimentaux sur des « tâches faciles à apprendre » ne peuvent pas être extrapolés à l’ensemble de l’économie — il projette un gain bien plus modeste de 0,53–0,66% de productivité totale des facteurs sur une décennie.

L’argument de la réinvention porte l’approbation de l’histoire. L’étude phare de David Autor a constaté que 60% des travailleurs actuels occupent des professions qui n’existaient pas en 1940, et plus de 85% de la croissance de l’emploi depuis 1940 a été tirée par la technologie créant de nouvelles catégories d’emploi. Les rôles spécifiques à l’IA croissent déjà à des taux extraordinaires : les offres d’Ingénieur IA ont augmenté de 143% en glissement annuel, Ingénieur Prompt de 136%, Architecte Solutions IA de 109%. Le WEF projette 170 millions de nouveaux rôles créés d’ici 2030, générant un gain net de 78 millions d’emplois après prise en compte des 92 millions déplacés.

Mais l’argument de la réinvention a une limitation critique : 77% des nouveaux emplois en IA exigent un master. Les vendeurs déplacés et les assistants administratifs ne peuvent pas facilement devenir ingénieurs en IA. Et les propres données d’Autor révèlent que depuis 1980, la création de nouveaux emplois s’est polarisée vers des rôles soit à haute qualification/haute rémunération, soit à faible qualification/faible rémunération, vidant la classe moyenne.

Ces trois dynamiques ne sont pas mutuellement exclusives — elles opèrent simultanément. Un même emploi peut être augmenté dans certaines tâches, en voir d’autres déplacées, et avoir de nouvelles responsabilités créées, le tout en même temps. La question n’est pas quel argument est juste. La question est : pendant la période de transition, qui en supporte le coût ?

Mesurer la Machine : Les Indices de Capacité

Une nouvelle génération d’outils de mesure a émergé pour suivre les capacités économiques de l’IA. Leur constat collectif est frappant : l’écart entre ce que l’IA peut théoriquement faire et ce qu’elle fait réellement en pratique reste énorme — mais il se réduit rapidement.

L’Office Work Capability Index (OWCI), publié par Bionic Advertising Systems, traduit des données de référence fragmentées en une échelle unique de 0 à 100 où 100 équivaut à la capacité de travail de bureau au niveau d’un expert humain. L’OWCI place les modèles de pointe actuels dans la plage de 70 à 80 — la frontière entre « analyste junior » et « professionnel compétent ». L’indice projette que les systèmes de pointe pourraient atteindre la parité avec les experts humains (OWCI 100) fin 2026, avec le groupe de pointe plus large atteignant ce niveau vers 2027.

Le benchmark GDPval d’OpenAI évalue la performance de l’IA sur 1 320 tâches du monde réel dans 44 professions contribuant environ 3 000 milliards de dollars annuellement en salaires américains. Les tâches sont construites à partir de produits de travail réels créés par des experts avec en moyenne 14+ années d’expérience. GPT-5.2 a atteint un taux de victoire ou d’égalité de 70,9% contre des experts humains de l’industrie tout en complétant les tâches 11 fois plus vite à moins de 1% du coût. La performance a plus que triplé de GPT-4o (printemps 2024) à GPT-5 (été 2025). Les critiques notent à juste titre que les tâches GDPval sont des exercices « précisément spécifiés » en un seul essai — rien à voir avec les flux de travail ambigus et multi-parties prenantes qui caractérisent l’emploi réel.

Les Indicateurs de Capacité IA de l’OCDE comparent l’IA aux capacités humaines dans neuf domaines sur une échelle de 1 à 5. L’IA actuelle est évaluée au Niveau 3 en langage, connaissance et créativité ; Niveau 2 en résolution de problèmes, métacognition et interaction sociale ; et à des niveaux inférieurs en manipulation physique et intelligence robotique. Le cadre révèle un coin critique : l’IA maîtrise rapidement le « travail cérébral » tout en luttant encore avec le « travail du cœur et des mains ».

La métrique d’Exposition Observée d’Anthropic cartographie environ un million de conversations réelles sur des tâches professionnelles et révèle un écart massif entre utilisation théorique et réelle. Les professions informatiques et mathématiques montrent 94,3% de capacité théorique mais seulement 35,8% d’exposition observée — un taux de réalisation de seulement 38%. Professions juridiques : 89% théorique, 20,4% observée. Les principales professions par exposition observée sont les programmeurs informatiques (74,5%), les représentants du service client (70,1%) et les opérateurs de saisie de données (67,1%). Pendant ce temps, 30% des travailleurs ont une couverture IA nulle. Une conclusion cruciale : les travailleurs dans les professions les plus exposées sont plus âgés, plus éduqués et gagnent 47% de plus que ceux dans les rôles à faible exposition — l’opposé démographique des vagues d’automatisation précédentes.

Le benchmark ARC Prize mesure l’intelligence fluide — la capacité à résoudre des problèmes nouveaux absents des données d’entraînement. Les humains obtiennent 100%. Jusqu’à récemment, les modèles d’IA obtenaient moins de 4%. Début 2026, Gemini 3 Deep Think a atteint 84,6% et GPT-5.4 Pro a atteint 83,3%.

Le Remote Labor Index de Scale AI fournit la vérification de réalité la plus ancrée. En testant des agents IA sur 240 projets freelance réels d’une durée moyenne de 28,9 heures de travail humain, le meilleur agent n’a atteint qu’un taux d’automatisation de 2,5%, gagnant seulement 1 720 $ sur 143 991 $ possibles. Les modes d’échec courants comprenaient l’incomplétude (36%), la qualité sous-professionnelle (46%) et les erreurs de fichiers (18%).

Et Stanford HAI documente l’accélération : les scores SWE-Bench sont passés de 4,4% à 71,7% en une seule année. Le coût de l’inférence au niveau GPT-3.5 s’est effondré de 20 $ à 0,07 $ par million de tokens — une réduction de 280 fois. L’investissement privé mondial dans l’IA a atteint 252,3 milliards de dollars en 2024.

L’image est claire : l’IA est impressionnante sur des tâches isolées, approchant le niveau expert sur le travail structuré, mais encore loin de remplacer la réalité désordonnée et multi-parties prenantes de la plupart des emplois. L’écart se réduit — la question est à quelle vitesse, et si c’est par l’augmentation ou l’automatisation.

Douze Secteurs, Douze Réalités

Finance et banque mènent la vague d’augmentation. JPMorgan a consacré 18 milliards de dollars en dépenses technologiques pour 2025, avec l’IA projetée pour générer 1,5–2,0 milliards de dollars de valeur annuelle. Plus de 200 000 employés de JPMorgan ont accès aux outils d’IA générative, et l’AI Debrief de Morgan Stanley a atteint 98% d’adoption parmi les équipes de conseillers financiers. Citigroup rapporte que 54% des emplois financiers ont un fort potentiel d’automatisation. Bloomberg Intelligence projette 200 000 emplois à Wall Street supprimés sur trois à cinq ans — pourtant les bénéfices avant impôts des banques devraient augmenter de 12–17% d’ici 2027 grâce à l’IA.

La santé raconte l’histoire la plus optimiste de l’IA. Plus de 1 247 dispositifs médicaux dotés d’IA ont reçu l’approbation de la FDA, dont 75% en radiologie. La transcription médicale est déjà automatisée à 99%. Mais les soins directs aux patients ne font face à aucun impact négatif projeté jusqu’en 2033. La pénurie mondiale de travailleurs de santé de 11 millions d’ici 2030 signifie que l’IA comble principalement des lacunes plutôt que de déplacer des travailleurs. L’IA double la détection de nodules malins lorsqu’elle est associée à des lecteurs humains. Les rôles d’infirmiers praticiens devraient croître de 52%.

Les services juridiques montrent une adoption rapide — 47,8% des avocats dans les grands cabinets ont utilisé l’IA en 2024, et Clifford Chance rapporte plus de 90% d’adoption quotidienne fin 2025. Les Am Law 100 ont vu une croissance de 13,3% du chiffre d’affaires avec les effectifs d’avocats en fait en hausse de 7,7%. Un avocat économisant 240 heures par an avec l’IA prend 15–20% de travail client supplémentaire, étendant la capacité plutôt que de réduire les effectifs.

L’éducation est fermement dans l’augmentation. Le marché a crû de 38,4% à 7,57 milliards de dollars en 2025. Une étude de Harvard a constaté que les étudiants utilisant un tuteur IA ont montré environ le double des gains d’apprentissage par rapport aux classes traditionnelles. Les enseignants utilisant l’IA économisent environ 5,9 heures par semaine — l’équivalent de six semaines supplémentaires par année scolaire.

L’industrie manufacturière fait face à la convergence physique-numérique. L’emploi sur les chaînes d’assemblage devrait passer de 2,1 millions (2024) à 1,0 million d’ici 2030. L’IA de maintenance prédictive réduit les coûts de 25% et diminue les temps d’arrêt imprévus de 30%. Pourtant, 500 000 emplois manufacturiers restent non pourvus en raison de lacunes de compétences — l’IA résout une pénurie de main-d’œuvre autant qu’elle en crée une.

Le commerce de détail connaît une automatisation progressive : l’emploi des caissiers en baisse de 11% jusqu’en 2033, les chatbots IA gérant 70–80% des demandes standard. Mais les magasins physiques devraient encore représenter 72% des revenus du commerce d’ici la fin de la décennie, et le libre-service a rencontré une résistance. Les tâches routinières s’automatisent ; les rôles en contact avec la clientèle persistent.

Le transport approche d’un point d’inflexion. Waymo a effectué 14 millions+ de trajets en 2025 dans 10 villes avec un chiffre d’affaires annualisé de 350 millions de dollars. Mais la conduite entièrement automatisée sans conducteurs de sécurité reste à des années. Le déplacement potentiel est énorme — environ 10 millions de travailleurs américains — mais le calendrier se mesure en décennies.

Les industries créatives font face à la crise d’identité la plus profonde. Le comté de Los Angeles a perdu 41 000 emplois dans le cinéma et la télévision en trois ans. La disponibilité des missions d’écriture a chuté de 42%. Goldman Sachs estime que l’IA peut automatiser 26% des tâches de travail créatif. Pourtant, les directeurs de création sont embauchés à des taux plus élevés même si les créateurs individuels sont réduits.

L’agriculture aborde principalement les pénuries chroniques de main-d’œuvre. L’équipement autonome et l’agriculture de précision augmentent les rendements jusqu’à 25% tout en réduisant la consommation d’eau de 25–30% et l’application de pesticides de 30%.

Le gouvernement a une adoption qui dépasse légèrement le secteur privé, avec 43% des employés utilisant l’IA au moins quelques fois par an et plus de 1 100 cas d’utilisation fédéraux actifs de l’IA. Domaines d’intervention : traitement de documents, détection de fraude (réduisant les arriérés de dossiers de plus de 40%) et services aux citoyens.

L’informatique fait face à l’ironie la plus profonde de l’IA : l’emploi des programmeurs aux États-Unis a chuté de 27,5% entre 2023 et 2025. GitHub Copilot écrit 46% du code moyen des développeurs. Les offres d’emploi tech de niveau débutant ont chuté de 60% entre 2022 et 2024. Pourtant, le secteur crée simultanément les rôles qui construisent et maintiennent les systèmes d’IA.

L’externalisation (Inde/Philippines) affronte son heure de vérité. L’Inde représente 52% du marché mondial de l’externalisation avec 4,5 millions de travailleurs informatiques. Les nouvelles embauches nettes de BPM en Inde sont tombées à moins de 17 000 par an, contre 130 000 en 2022–2023. L’industrie BPO des Philippines a paradoxalement ajouté 135 000 emplois en 2024, suggérant que l’augmentation pourrait précéder le déplacement même dans les secteurs fortement exposés.

Le Fossé du Développement

L’impact de l’IA se divise nettement selon les lignes de développement. Dans les économies avancées, environ 60% des emplois font face à une exposition significative à l’IA, concentrée parmi les travailleurs cognitifs hautement qualifiés qui paradoxalement ont la plus grande capacité d’adaptation. Dans les marchés émergents, l’exposition tombe à environ 40%, et dans les pays à faible revenu à seulement 26%.

Une exposition moindre offre un maigre réconfort quand cela signifie être contourné par les avantages de l’IA plutôt que protégé de ses perturbations.

Le secteur de l’externalisation en Inde fait face à son heure de vérité. Le secteur informatique indien contribue à 7,5% du PIB et emploie 4,5 millions de personnes. Jefferies a prédit un impact de 50% sur les revenus des centres d’appels et 35% pour les autres fonctions de back-office sur cinq ans. Les Philippines font face à des risques parallèles : le BPO contribue à 8,5% du PIB et emploie 1,7 million de personnes, les centres de contact représentant 83% des revenus — hautement vulnérables à l’IA conversationnelle. Le concept de « déprofessionnalisation prématurée » hante les deux nations : l’IA pourrait plafonner la part des emplois de cols blancs de haute qualité avant que les pays en développement n’atteignent un statut de revenu plus élevé. En Inde seule, on estime que 400 000 emplois de développeurs juniors font face à un risque de perturbation d’ici 2030.

L’infrastructure détermine tout. Les pays à revenu élevé (17% de la population mondiale) représentent 87% des modèles d’IA notables, 86% des startups IA et 91% du financement en capital-risque. Ils contrôlent 77% de la capacité mondiale des centres de données ; les pays à faible revenu détiennent moins de 0,1%. L’utilisation d’Internet est de 93% dans les nations à revenu élevé contre 27% dans les pays à faible revenu. Seuls 5% des populations dans les pays les plus pauvres possèdent des compétences numériques de base.

Pourtant, des points lumineux existent. Plus de 40% du trafic mondial de ChatGPT provient désormais de pays à revenu intermédiaire. Le marché de l’IA en Afrique devrait passer de 4,5 milliards à 16,5 milliards de dollars d’ici 2030. La plateforme de télémédecine Babyl au Rwanda a enregistré 62% de la population adulte et fourni plus de 5 millions de consultations virtuelles. Au Ghana, le tuteur de mathématiques IA Rori a fourni un apprentissage équivalent à une année supplémentaire de scolarité à 5 $ par élève via WhatsApp. En Éthiopie, 380 000 micro-entreprises ont accédé à 150 millions de dollars de crédit non garanti propulsé par l’IA.

Le rapport de décembre 2025 du PNUD avertit que sans une action politique forte, l’IA pourrait inverser des décennies de réduction des inégalités de développement. Le FMI projette que la croissance tirée par l’IA dans les économies avancées pourrait être plus du double de celle des pays à faible revenu. Le risque de « désindustrialisation prématurée » est réel : alors que l’automatisation alimentée par l’IA rend la relocalisation rentable, les pays en développement perdent l’avantage de la main-d’œuvre bon marché qui était leur principal chemin vers l’industrialisation.

Mais la « Petite IA » — des applications mobiles d’abord, à faible infrastructure, conçues pour les appareils du quotidien — représente peut-être la voie la plus prometteuse. Le modèle du saut technologique n’est pas hypothétique ; il se produit déjà dans la santé, l’éducation et les services financiers en Afrique et en Asie du Sud-Est.

La Confession d’une CEO

Je veux être honnête sur quelque chose que la plupart des dirigeants d’entreprise évitent de dire publiquement : la tension entre fournir des rendements et gérer cette transition de manière responsable n’est pas théorique pour moi. C’est la partie la plus difficile de mon travail.

Quand nous évaluons un déploiement d’IA chez Ibizai, nous regardons la VAN à 5 ans. Pas seulement la projection financière — quelle optionalité cela crée, qu’est-ce que cela ferme, et quel est l’effet composé si nous exécutons bien. Mais nous demandons aussi : qui en bénéficie et qui n’en bénéficie pas ?

Cette deuxième question n’est pas de l’altruisme. C’est de la gestion des risques. Les 55% des employeurs qui regrettent leurs coupes motivées par l’IA l’ont appris à leurs dépens. Ils ont optimisé pour le court terme — réduit les effectifs, capturé les gains d’efficacité — puis ont découvert qu’ils avaient perdu des connaissances institutionnelles, endommagé le moral et sapé l’adaptabilité même dont ils avaient besoin alors que la technologie continuait d’évoluer.

Ma conviction, affinée par la construction d’une fintech à São Paulo qui a servi 12 000 micro-entreprises et par les preuves rassemblées dans cet article, est que l’augmentation d’abord n’est pas seulement le choix éthique — c’est le choix stratégiquement supérieur. Les données d’EY le confirment : les organisations qui ont réinvesti les gains de l’IA plutôt que de réduire les effectifs sont celles qui construisent des avantages composés.

Mais je ne prétendrai pas que le choix est simple. Nous opérons sur des marchés concurrentiels. L’entreprise qui sous-investit dans l’efficacité de l’IA perd des parts de marché. L’entreprise qui déploie l’IA sans égard pour sa main-d’œuvre perd quelque chose de plus difficile à mesurer mais tout aussi essentiel : la confiance, la créativité et les connaissances institutionnelles qu’aucun modèle ne peut reproduire.

La discipline est de maintenir les deux simultanément — et d’accepter que la bonne réponse n’est pas toujours la confortable.

La Crise du Niveau Débutant

S’il y a une conclusion dans cette recherche qui m’empêche de dormir, c’est la crise du pipeline de niveau débutant.

Goldman Sachs a constaté que l’emploi des jeunes de 22 à 25 ans dans les professions exposées à l’IA a chuté de 16% de fin 2022 à mi-2025. Parmi les jeunes développeurs de logiciels spécifiquement, le déclin était de près de 20%. Le Burning Glass Institute a documenté que les offres de développement logiciel de niveau débutant exigeant trois ans ou moins d’expérience sont passées de 43% à 28% des annonces entre 2018 et 2024. Au Royaume-Uni, les postes tech pour diplômés ont été réduits de 46% entre 2023 et 2024, avec une baisse supplémentaire projetée de 53% d’ici fin 2026. Les diplômés en informatique font désormais face à 6,1% de chômage.

Ce n’est pas une correction du marché du travail. C’est un changement structurel dans la façon dont les carrières commencent.

Quand l’IA absorbe les tâches qui formaient traditionnellement les professionnels juniors — la recherche, la rédaction, l’analyse, le « travail de fond » qui construisait les compétences, le jugement et les réseaux professionnels — nous n’éliminons pas seulement des postes. Nous éliminons le parcours d’apprentissage à travers lequel la prochaine génération de professionnels seniors était forgée.

Et les nouveaux rôles que l’IA crée ne sont pas accessibles aux personnes déplacées. 77% des nouveaux emplois en IA exigent un master. Le vendeur déplacé, l’assistant administratif éliminé, le développeur junior dont le rôle a été absorbé par Copilot — ces travailleurs ne peuvent pas simplement se reconvertir en ingénierie IA.

Les données montrent un élargissement simultané de deux écarts : les organisations qui adoptent l’IA deviennent plus productives, tandis que le pipeline de travailleurs capables de soutenir et de faire progresser ces organisations à l’avenir s’amincit. C’est un problème à 5 ans déguisé en efficacité d’embauche. Nous le ressentirons quand la cohorte actuelle de professionnels en milieu de carrière atteindra des rôles de direction et découvrira qu’il n’y a pas de relève derrière eux.

Les Sociétés Peuvent-elles Réagir à Temps ?

La conclusion la plus sobre de toute la recherche est le décalage de vitesse entre l’avancement de l’IA et la réponse politique. Les processus législatifs et institutionnels évoluent linéairement tandis que les capacités de l’IA progressent exponentiellement.

Ce qui existe est prometteur mais insuffisant. L’Initiative SkillsFuture de Singapour a atteint plus de 600 000 individus, offrant des crédits à vie de S$500 pour tous les citoyens de plus de 25 ans plus S$4 000 supplémentaires pour les travailleurs de plus de 40 ans, avec des allocations de formation allant jusqu’à S$3 000 par mois pendant 24 mois lors des transitions de carrière. Les États-Unis ont activé plus de 90 actions de politique fédérale en IA. La loi européenne sur l’IA fournit le premier cadre juridique contraignant au monde. La France a engagé 10 milliards d’euros pour l’IA.

Les expériences de Revenu Universel de Base montrent des résultats majoritairement positifs. Le programme SEED de Stockton, Californie, a vu les bénéficiaires augmenter leur emploi à temps plein. Les essais de GiveDirectly au Kenya ont démontré une augmentation de l’activité entrepreneuriale. La Finlande a rapporté des améliorations du bien-être. Mais la mise à l’échelle reste le défi.

Le modèle mauricien offre une alternative convaincante : garantir aux travailleurs déplacés une requalification sur le tas aux frais de l’État, avec une assurance salariale couvrant tout écart de revenus pendant la transition. Le principe — protéger les travailleurs, pas les emplois — est exactement juste.

Ce qui manque est structurel. Aucun pays ne dispose d’une assurance sociale dédiée au « déplacement technologique ». Le développement de la main-d’œuvre aux États-Unis est « chroniquement sous-financé » par rapport aux nations pairs. 90% des enseignants n’ont jamais reçu de formation en IA. Les systèmes éducatifs fonctionnent encore sur un modèle hérité d’il y a plus d’un siècle. Les taxes sur les robots n’existent que dans un seul pays — la Corée du Sud, et seulement sous forme de déductions fiscales réduites.

L’avertissement de l’histoire est sobre. Pendant la Révolution Industrielle, les salaires réels ont stagné pendant des décennies même alors que la production par travailleur augmentait. La Rébellion Luddite a déplacé environ 50 000 travailleurs textiles. Les contrats sociaux stabilisateurs n’ont émergé qu’après près de 200 ans de bouleversements. La vague d’informatisation des années 1990–2000 a produit une « polarisation de l’emploi » qui a contribué à un estimé de 79 000 milliards de dollars de revenus allant des 90% les plus bas principalement vers le 1% supérieur.

L’IA pourrait comprimer ces délais — mais si de deux siècles à deux décennies ou deux ans reste incertain. Les contraintes d’adoption sont réelles : seulement 9,3% des entreprises américaines ont utilisé l’IA générative en production, seulement 1% des entreprises ont atteint un déploiement « mature », et le Remote Labor Index de Scale AI montre un taux d’automatisation de bout en bout de 2,5%. La phase « soudaine » est peut-être encore à des années — mais attendre qu’elle arrive n’est pas une stratégie.

Recommandations Pratiques pour les Individus

Les preuves pointent vers des actions claires que les professionnels peuvent entreprendre maintenant.

Développez la maîtrise de l’IA, pas seulement les compétences en IA. La demande de maîtrise de l’IA dans les offres d’emploi a été multipliée par sept en deux ans — d’environ 1 million de travailleurs en 2023 à 7 millions en 2025. Vous n’avez pas besoin de devenir ingénieur en IA. Vous devez comprendre comment les outils d’IA s’appliquent à votre domaine spécifique, où ils excellent et où ils échouent. La prime salariale pour les compétences en IA est de 56% et en hausse.

Investissez dans ce que l’IA ne peut pas faire. Le cadre de l’OCDE montre l’IA au Niveau 2 en interaction sociale, métacognition et manipulation physique. Le jugement complexe, l’intelligence émotionnelle, la gestion des parties prenantes, la nuance culturelle, la direction créative et le raisonnement éthique restent des avantages distinctement humains. Doublez la mise sur ces compétences.

Adoptez une approche portefeuille pour votre carrière. Les données de réinvention montrent que les nouveaux rôles émergent à l’intersection de l’expertise de domaine et de la capacité IA. Les professionnels qui combinent une connaissance approfondie de l’industrie avec la maîtrise de l’IA obtiendront la plus forte prime. N’abandonnez pas votre domaine — augmentez-le.

Documentez votre valeur en termes augmentés. Commencez à mesurer et communiquer votre productivité dans des flux de travail augmentés par l’IA. « Je produis X avec l’assistance de l’IA en moitié moins de temps » est le narratif professionnel de 2026. Les organisations qui suivent la productivité augmentée par l’IA récompenseront ceux qui la démontrent.

Développez des compétences de vérification et de supervision. À mesure que l’IA atteint la plage de capacité de 70–80% sur OWCI et GDPval, la prime passe de la production de travail à la validation, l’affinage et la contextualisation du travail généré par l’IA. Le rôle de « l’humain dans la boucle » devient une compétence professionnelle définie, pas un palliatif.

Construisez votre réseau délibérément. Si l’IA élimine le parcours d’apprentissage, les réseaux professionnels deviennent encore plus critiques pour le développement de carrière. Le mentorat, l’exposition interfonctionnelle et les communautés de l’industrie ne peuvent être remplacés par aucun modèle.

Recommandations Pratiques pour les Organisations

Adoptez une stratégie d’augmentation d’abord. Les données d’EY sont sans équivoque : 96% signalent des gains de productivité, seulement 17% ont réduit leurs effectifs, et 55% de ceux qui ont fait des coupes les regrettent. L’augmentation préserve les connaissances institutionnelles, maintient l’adaptabilité de la main-d’œuvre et construit des avantages composés. Le déplacement devrait être le dernier recours, pas le premier réflexe.

Mesurez les bonnes choses. Suivez la productivité augmentée par l’IA par rôle et par équipe, pas seulement la réduction des coûts agrégée. Surveillez les changements de composition de la main-d’œuvre — surtout au niveau débutant. Documentez les compétences développées parallèlement à celles qui sont automatisées.

Repensez le pipeline de niveau débutant. Si l’IA absorbe les tâches de niveau junior, les organisations doivent délibérément créer de nouvelles voies pour le développement de carrière précoce. Cela signifie des apprentissages structurés humain-IA, des programmes de rotation qui exposent le personnel junior au travail que l’IA ne peut pas faire, et des modèles de mentorat qui compensent la perte de l’apprentissage par la pratique.

Investissez dans la requalification avant d’en avoir besoin. Les organisations qui ont réinvesti les gains de l’IA dans la requalification (38% selon l’enquête EY) construisent la main-d’œuvre qui soutiendra leur avantage en IA. La requalification après le déplacement est coûteuse et lente. La requalification pendant l’augmentation est efficace et fidélise.

Calculez la VAN à 5 ans des décisions sur la main-d’œuvre. Supprimer 50 postes juniors économise de l’argent aujourd’hui. Mais qui gère les systèmes d’IA dans trois ans ? Qui fournit le jugement, le contexte et les connaissances institutionnelles qui rendent les résultats de l’IA fiables ? Les économies à court terme créent souvent des coûts à long terme qui n’apparaissent pas dans la diapositive trimestrielle.

Soyez honnête sur le calendrier. Goldman Sachs projette un calendrier d’adoption de 10 ans. Ce n’est pas un sprint. Les organisations qui rythment leur transition, communiquent de manière transparente avec leur main-d’œuvre et construisent une capacité d’ajustement surpasseront celles qui oscillent entre panique et inaction.

Recommandations Sectorielles

Finance :

• Déployez l’IA pour le traitement des transactions routinières et la détection de fraude, mais préservez le jugement humain pour les relations client et l’évaluation des risques complexes
• Préparez-vous à la restructuration de 200 000 emplois que projette Bloomberg Intelligence — commencez la planification de transition maintenant, pas quand les coupes seront annoncées
• Surveillez l’écart entre l’analyse générée par l’IA et le jugement senior qui l’interprète

Santé :

• Tirez parti de la pénurie de 11 millions de travailleurs comme cadre pour le déploiement de l’IA — positionnez l’IA comme comblant des lacunes, pas remplaçant des soignants
• Investissez dans les diagnostics assistés par l’IA (l’IA double les taux de détection de nodules malins) tout en maintenant la supervision clinique humaine
• Priorisez l’automatisation administrative (transcription médicale, codification, planification) pour libérer du temps clinique

Juridique :

• Utilisez les 240 heures annuelles économisées par les avocats assistés par l’IA pour élargir l’accès aux services juridiques, pas seulement pour augmenter le chiffre d’affaires par associé
• Repensez les rôles de parajuristes autour de la supervision de l’IA et de l’assurance qualité plutôt que de les éliminer
• Abordez systématiquement le problème des citations de cas hallucinées avant qu’il ne devienne un problème de responsabilité

Éducation :

• Déployez à grande échelle les modèles de tutorat par IA qui démontrent le double des gains d’apprentissage — mais comme compléments aux enseignants humains, pas comme remplaçants
• Redirigez les 5,9 heures par semaine économisées par les outils d’IA vers le mentorat, le soutien aux étudiants et le travail relationnel qui définit le grand enseignement
• Repensez les programmes pour développer les compétences humaines (jugement, créativité, empathie) que l’IA ne peut pas reproduire

Industrie manufacturière :

• Comblez les 500 000 emplois non pourvus avec une formation augmentée par l’IA et une collaboration humain-robot plutôt qu’une automatisation pure
• Investissez dans l’IA de maintenance prédictive (25% de réduction des coûts, 30% de temps d’arrêt en moins) comme point de départ à fort ROI
• Planifiez la baisse de la main-d’œuvre sur les chaînes d’assemblage de 2,1 millions à 1,0 million d’ici 2030 — lancez les programmes de transition maintenant

Commerce de détail :

• Déployez des chatbots IA pour les 70–80% de demandes standard qu’ils gèrent bien, mais investissez dans le personnel humain pour les interactions expérientielles et complexes qui fidélisent les clients
• Tirez les leçons de la résistance au libre-service : l’automatisation qui dégrade l’expérience client n’est pas un gain net
• Préparez-vous à la baisse de 11% des caissiers jusqu’en 2033 avec une reconversion vers des rôles d’expérience client et de logistique

Industries créatives :

• Investissez dans la direction créative augmentée par l’IA — les rôles qui croissent même alors que les postes de créateurs individuels déclinent
• Établissez des politiques claires sur l’utilisation de l’IA dans le travail créatif, suivant le précédent établi par les accords SAG-AFTRA et WGA
• Reconnaissez que 26% des tâches créatives peuvent être automatisées, mais le jugement créatif, la sensibilité culturelle et la vision originale restent des domaines humains

Liste des Meilleures Pratiques

Pour les Individus :

• Évaluez l’exposition à l’IA de votre rôle en utilisant le cadre d’Exposition Observée d’Anthropic — comprenez quelles tâches sont augmentées, lesquelles sont à risque et lesquelles sont uniquement humaines
• Développez une maîtrise pratique d’au moins deux outils d’IA pertinents pour votre domaine dans les 90 prochains jours
• Constituez un portfolio personnel démontrant une productivité augmentée par l’IA, pas seulement une production traditionnelle
• Investissez dans les compétences que le cadre de l’OCDE identifie comme Niveau 1–2 pour l’IA : intelligence sociale, métacognition, raisonnement éthique, nuance culturelle
• Rejoignez des communautés professionnelles axées sur l’adoption de l’IA dans votre industrie spécifique
• Si vous êtes en début de carrière, recherchez activement le mentorat et l’exposition interfonctionnelle pour compenser les opportunités d’apprentissage réduites

Pour les Organisations :

• Réalisez un audit d’exposition à l’IA de tous les rôles, en distinguant les tâches qui seront augmentées de celles qui pourraient être déplacées
• Établissez une politique d’augmentation d’abord avec des critères clairs pour déterminer quand le déplacement est justifié
• Repensez les rôles de niveau débutant pour inclure l’apprentissage collaboratif humain-IA, pas seulement la production automatisée par l’IA
• Allouez un pourcentage spécifique des gains d’efficacité de l’IA à la requalification de la main-d’œuvre (référence : 38% selon l’enquête EY)
• Créez des programmes internes de maîtrise de l’IA accessibles à tous les employés, pas seulement au personnel technique
• Surveillez la composition de la main-d’œuvre trimestriellement, avec une attention particulière à l’embauche de niveau débutant et à la rétention en milieu de carrière
• Effectuez des analyses de VAN à 5 ans sur toutes les propositions de réduction d’effectifs, incluant le coût des connaissances institutionnelles perdues

Pour les Dirigeants :

• Communiquez de manière transparente sur l’impact de l’IA dans votre organisation — le silence engendre l’anxiété et le turnover
• Participez aux discussions politiques sur la transition de la main-d’œuvre — le modèle mauricien de « protéger les travailleurs, pas les emplois » est un cadre qui mérite d’être promu
• Soutenez les initiatives de refonte de l’apprentissage à l’échelle de l’industrie — aucune entreprise ne peut résoudre seule la crise du pipeline de niveau débutant
• Mesurez et rapportez l’impact distributif de vos investissements en IA — qui en bénéficie, qui est à risque et ce que vous faites à ce sujet

Recommandations de Politique Publique

Repenser l’assurance sociale pour le déplacement technologique. Aucun pays ne dispose d’une assurance dédiée à la perturbation technologique structurelle. Les systèmes de chômage existants ont été conçus pour les pertes d’emploi cycliques. Nous avons besoin d’une assurance de transition qui couvre la requalification, les écarts de salaire et la mobilité géographique pour les travailleurs déplacés par l’IA — inspirée de l’approche mauricienne de protéger les travailleurs, pas les emplois.

Réformer l’éducation à tous les niveaux. Quand 90% des enseignants n’ont jamais reçu de formation en IA et que les systèmes éducatifs fonctionnent encore sur des modèles centenaires, le décalage est dangereux. La politique devrait financer l’alphabétisation en IA à tous les niveaux éducatifs, repenser les programmes pour mettre l’accent sur le jugement, la créativité et le raisonnement éthique, et créer des passerelles entre les rôles déplacés et émergents qui ne nécessitent pas de master.

Combler l’écart d’accessibilité des nouveaux rôles. Si 77% des nouveaux emplois en IA exigent un master, la transition calcifiera l’inégalité au lieu de la résoudre. Les gouvernements devraient financer des programmes d’accréditation accélérée, reconnaître l’apprentissage expérientiel et inciter les employeurs à créer des rôles en IA accessibles à plusieurs niveaux d’éducation.

Investir dans le pipeline de niveau débutant. Des incitations fiscales pour les entreprises qui maintiennent ou développent l’embauche de niveau débutant dans les professions exposées à l’IA. Des programmes d’apprentissage humain-IA subventionnés. Des partenariats public-privé qui créent les nouvelles voies d’apprentissage que le marché seul ne construira pas.

Aborder le fossé du développement de manière proactive. Quand les pays à revenu élevé contrôlent 87% des modèles d’IA, 86% des startups et 91% du capital-risque, le risque que l’IA élargisse les inégalités mondiales n’est pas théorique. La coordination internationale devrait se concentrer sur l’investissement dans l’infrastructure numérique, les accords de transfert de technologie et les initiatives de « Petite IA » conçues pour les environnements à faible infrastructure.

Taxer la transition, pas la technologie. Les économistes ont raison de dire que taxer l’infrastructure de l’IA serait contre-productif. Mais les gains exceptionnels de l’IA — les rendements disproportionnés capturés par les entreprises qui automatisent à grande échelle — devraient financer les coûts de transition supportés par les travailleurs et les communautés. Le principe : ceux qui bénéficient le plus de la transition devraient contribuer le plus à sa gestion.

Coordonner au niveau international. La fragmentation de la gouvernance de l’IA — les États-Unis et le Royaume-Uni refusant de signer la déclaration du Sommet de l’IA de Paris et la rivalité géopolitique fragmentant la coopération — sape toute autre réponse politique. L’impact de l’IA est mondial ; la réponse doit l’être aussi.

La Voie à Suivre

Je pense à cette transition à travers trois horizons temporels.

À court terme (2026–2028), la phase d’augmentation domine. La plupart des organisations déploient encore l’IA pour des gains d’efficacité au sein de flux de travail existants. Les contraintes d’adoption sont réelles — seulement 9,3% des entreprises en utilisation productive, seulement 1% en déploiement mature. L’opportunité est d’utiliser cette fenêtre pour construire la main-d’œuvre, les institutions et les politiques qui soutiendront la transition quand elle s’accélérera. Les organisations qui investissent dans des approches d’augmentation d’abord, de refonte du pipeline de niveau débutant et de requalification de la main-d’œuvre maintenant composeront leurs avantages.

À moyen terme (2028–2032), l’écart de capacité se réduit. À mesure que les scores OWCI et GDPval approchent et dépassent la parité avec les experts humains, la pression économique pour automatiser plutôt qu’augmenter s’intensifiera. C’est là que la crise du niveau débutant deviendra visible, que les économies en développement ressentiront toute la force de la relocalisation, et que l’adéquation des réponses politiques sera mise à l’épreuve. Les sociétés qui ont investi pendant la fenêtre d’augmentation navigueront cette phase. Celles qui ont attendu se précipiteront.

À long terme (2032+), la réinvention prend forme. Le schéma historique — 60% des travailleurs actuels dans des rôles qui n’existaient pas en 1940 — se réaffirmera, mais les nouveaux rôles exigeront des capacités que nous ne développons pas encore à grande échelle. Les gagnants à long terme seront les économies et les organisations qui ont traité cette transition comme un défi de conception, pas comme une crise à survivre.

Chez Ibizai, nous construisons pour les trois horizons. Notre mission — aider les entreprises à comprendre, adopter et bénéficier de l’IA — n’est pas neutre sur la question de comment cette adoption se produit. Nous prônons l’augmentation parce que les preuves montrent que ça fonctionne mieux. Nous nous concentrons sur l’accès parce que les données montrent que les coûts de la transition pèsent le plus lourdement sur ceux qui disposent de moins de ressources. Nous pensons en horizons temporels parce que les décisions prises aujourd’hui se composent pendant des décennies.

L’intelligence que nous construisons dans nos machines est extraordinaire. La question qui définit cette ère est de savoir si nous apportons une intelligence équivalente — stratégique, éthique, à long terme — aux décisions que nous prenons concernant les personnes que ces machines affectent.

Je crois que nous le pouvons. Mais croire ne suffit pas. Il faut le construire.

---

Lectures Recommandées

• World Economic Forum, Future of Jobs Report 2025 — L’enquête mondiale la plus complète sur les attentes des employeurs, projetant 170 millions de nouveaux rôles et 92 millions déplacés d’ici 2030. weforum.org

• Anthropic, Labor Market Impacts of AI: Observed Exposure — La première mesure à grande échelle de l’utilisation réelle de l’IA cartographiée sur des tâches professionnelles, révélant l’écart critique entre capacité et déploiement. anthropic.com

• Erik Brynjolfsson, Danielle Li, Lindsey R. Raymond, Generative AI at Work — L’étude empirique phare montrant des gains de productivité de 15% avec l’assistance de l’IA, les plus grands gains pour les travailleurs moins expérimentés.

• Brookings Institution, Measuring US Workers’ Capacity to Adapt to AI-Driven Job Displacement — Identifie 6,1 millions de travailleurs vulnérables et propose des interventions politiques ciblées. brookings.edu

• UNDP, The Next Great Divergence — Avertissement que l’IA pourrait inverser des décennies de réduction des inégalités de développement sans une action politique forte.

• David Autor, New Frontiers: The Origins and Content of New Work, 1940–2018 — La recherche fondatrice montrant que 60% de l’emploi actuel est dans des professions qui n’existaient pas en 1940.

• Scale AI, Remote Labor Index — La sobre vérification de réalité : les agents IA n’atteignent qu’un taux d’automatisation de 2,5% sur de vrais projets professionnels.

• Stanford University, HAI AI Index Report 2025 — Suivi exhaustif de l’avancement des capacités de l’IA, des investissements et des développements politiques dans le monde entier.