Ce que l'IA change dans les métiers, sans les prédictions
Quels métiers changent, lesquels résistent mieux qu'annoncé, et comment accompagner une équipe qui voit arriver l'automatisation.
Écrit par les consultants de Lick & Shannon Partners. Nous ne faisons pas de prospective : cette page décrit ce que nous observons dans les entreprises où nous intervenons, pas ce que les études annoncent à dix ans.
Les tâches se déplacent avant que les métiers disparaissent
Ce qui change d'abord, ce n'est pas le métier : c'est la répartition des tâches à l'intérieur du métier. Un comptable ne disparaît pas ; la part de saisie de son travail se réduit et la part d'analyse augmente.
Cette distinction n'est pas rassurante par principe. Elle a deux conséquences concrètes, et l'une des deux est difficile :
- Le métier devient plus exigeant. Ce qui reste, c'est ce qui demande du jugement. Une personne à l'aise sur l'exécution et moins sur l'analyse se retrouve en difficulté sur un poste qui porte le même nom.
- Les postes juniors se raréfient. Historiquement, on apprenait un métier en faisant les tâches simples. Quand elles sont automatisées, la porte d'entrée se ferme — et c'est un problème de transmission, pas seulement d'emploi.
Ce qui résiste le mieux
Trois caractéristiques rendent une activité durablement difficile à automatiser, et elles n'ont rien à voir avec le niveau de qualification :
- La variabilité physique du contexte. Un chantier, une intervention chez un client, un dépannage : chaque situation diffère et la perception compte autant que la décision.
- La responsabilité engagée. Quand quelqu'un doit répondre juridiquement ou moralement d'une décision, l'automatisation s'arrête à la préparation.
- La relation qui construit la confiance. Négocier, arbitrer un conflit, annoncer une mauvaise nouvelle. Ce n'est pas une question de capacité technique, c'est une question d'acceptabilité.
À l'inverse, les activités les plus exposées sont celles qui traitent de l'information standardisée, à distance, sans engagement de responsabilité — quelle que soit leur complexité apparente.
Ce que les équipes craignent, et ce qu'elles constatent
Ce que les équipes craignent, quand on leur demande : perdre leur emploi, d'abord ; puis être surveillées ; puis faire un travail moins intéressant.
Ce qu'elles constatent, six mois après un déploiement réussi : le travail pénible a diminué, la charge n'a pas baissé, et la crainte s'est déplacée vers la question de la compétence — « est-ce que je saurai encore faire ça dans deux ans ».
Cet écart est utile à connaître, parce qu'il indique où porter l'effort : la peur initiale se traite par la clarté sur l'emploi, la crainte durable se traite par la formation. Répondre à la seconde avec les arguments de la première ne marche pas.
Accompagner sans promettre l'impossible
La tentation est de rassurer largement. C'est la pire option : une promesse démentie six mois plus tard détruit la confiance pour tous les projets suivants.
- Dire ce qui est décidé, et seulement ça. Si aucune suppression de poste n'est envisagée, le dire clairement. Si ce n'est pas décidé, ne pas prétendre le contraire.
- Nommer ce qui change dans le travail réel. Les tâches qui disparaissent, celles qui apparaissent, ce que ça demande de nouveau.
- Ouvrir la formation avant le déploiement, pas après. Une formation proposée une fois l'outil en place est vécue comme un rattrapage.
- Associer ceux qui font le travail au cadrage. Ils savent où sont les cas particuliers qui feront échouer l'automatisation, et ils ne le diront pas si on ne le leur demande pas.
Ces observations sont générales. Elles ne disent pas quels postes sont concernés chez vous, ni comment votre organisation réagira — ça dépend de votre historique de projets et de ce que vos équipes en ont retenu. C'est le volet humain d'un cadrage.
Cadrer un cas d’usage sur votre périmètre
On prend une fonction, on regarde ce qui est automatisable, et on chiffre le gain avant d'outiller.
Pour aller plus loin