L’intelligence artificielle générale repose sur l’ambition de développer des systèmes autonomes capables de dépasser les capacités humaines dans la plupart des activités à valeur économique. Cette orientation influence les investissements et la conception des outils. La performance technologique tend alors à se mesurer au volume de tâches retirées aux salariés.
Cette trajectoire n’est pourtant pas inévitable. Deux outils fondés sur une technologie comparable peuvent produire des effets économiques opposés. Le premier automatise une expertise et réduit sa valeur sur le marché. Le second aide un professionnel à résoudre des problèmes plus complexes, à élargir son champ d’action ou à apprendre plus rapidement.
La notion d’IA « pro-travailleur » propose un autre critère de performance. Une technologie favorable aux actifs rend leurs compétences plus utiles, plus étendues et plus recherchées. Elle ne vise pas seulement une hausse de la production. Elle doit aussi renforcer la valeur du jugement, de l’expérience et du savoir-faire humain.
Cinq effets technologiques distincts
Le débat public oppose souvent innovation et emploi comme deux blocs homogènes. Cette lecture empêche de distinguer cinq effets économiques : l’augmentation du travail, l’augmentation du capital, l’automatisation, la diffusion de l’expertise et la création de nouvelles tâches.
Une technologie augmentant le travail permet au salarié de produire davantage. Son effet sur l’emploi reste ambigu : la productivité progresse, mais une éventuelle baisse des prix peut réduire la valeur de la production. Une technologie augmentant le capital améliore surtout le rendement des équipements sans nécessairement accroître la part versée aux actifs.
L’automatisation transfère une tâche auparavant réalisée par un salarié vers une machine. La diffusion de l’expertise permet à des profils moins expérimentés d’effectuer des missions réservées jusque-là à des spécialistes. La création de tâches ouvre, à l’inverse, un champ d’activité absent du marché ou techniquement inaccessible.
| Catégorie | Effet principal | Valeur de l’expertise | Part du travail | Bilan |
|---|---|---|---|---|
| Augmentation du travail | Productivité du salarié accrue | Variable | Plutôt stable | Ambigu |
| Augmentation du capital | Rendement des équipements accru | Variable | Plutôt stable | Ambigu |
| Automatisation | Tâches transférées aux machines | En baisse | En baisse | Défavorable |
| Diffusion de l’expertise | Tâches spécialisées plus accessibles | Variable | Variable | Ambigu |
| Création de tâches | Nouvelles activités humaines | En hausse | En hausse | Favorable |
Cette matrice montre pourquoi une hausse de la productivité ne suffit pas à qualifier une technologie de favorable aux salariés. Seule la création de tâches nouvelles augmente sans ambiguïté la demande de compétences humaines. Les quatre autres catégories comportent des gains possibles, mais aussi des risques de substitution, de déclassement ou de redistribution.
L’automatisation déplace la valeur
Lorsqu’une entreprise automatise une tâche, elle ne supprime pas nécessairement un poste complet. Elle modifie toutefois la répartition de la valeur entre le travail et le capital. Une partie de la production repose désormais sur un logiciel, un robot, une base de données ou une infrastructure détenue par l’organisation.
Ce transfert peut accroître la productivité globale tout en réduisant la part de la valeur ajoutée attribuée aux salariés. Les détenteurs des technologies captent une proportion plus importante du revenu. Les compétences remplacées perdent leur rareté et leur pouvoir de négociation. Même sans licenciements immédiats, la progression salariale peut ralentir et le contenu des postes s’appauvrir.
L’histoire industrielle illustre ce mécanisme. La mécanisation du textile a fortement augmenté la production, mais elle a aussi déplacé le pouvoir économique des artisans vers les propriétaires des machines. La remontée des salaires a surtout reposé sur l’apparition ultérieure de fonctions techniques, administratives et industrielles.
Les nouvelles tâches rééquilibrent le progrès
La création de nouvelles activités constitue le principal mécanisme de compensation face à l’automatisation. Elle génère une demande de travail dans des domaines auparavant inexistants : conception, maintenance, supervision, analyse, coordination ou services associés aux nouveaux équipements.
Le problème réside dans la répartition de ces possibilités. Une technologie peut supprimer des postes accessibles à des actifs peu diplômés tout en créant des métiers exigeant une formation supérieure. Le volume total d’emplois peut se stabiliser sans offrir de solution aux personnes directement touchées. La croissance masque alors une rupture dans les parcours professionnels.
| Trajectoire | Effet immédiat | Effet structurel | Risque principal |
|---|---|---|---|
| Automatisation seule | Réduction du travail humain | Érosion des compétences | Polarisation des revenus |
| Automatisation et reconversion limitée | Gains de productivité | Déplacement vers quelques métiers experts | Exclusion des profils intermédiaires |
| Diffusion de l’expertise | Accès élargi aux métiers | Concurrence accrue | Dévalorisation des savoir-faire |
| Création de tâches | Demande de compétences inédites | Nouveaux parcours | Besoin de formation |
| Collaboration humain-IA | Jugement renforcé | Montée en compétences | Déploiement plus complexe |
La qualité d’une transformation ne se mesure donc pas uniquement au solde net d’emplois. Elle dépend aussi du profil des bénéficiaires, de l’accessibilité des nouveaux métiers et des moyens consacrés à la reconversion. Des postes très qualifiés ne compensent pas automatiquement la disparition d’activités situées au milieu de l’échelle professionnelle.
La course à l’AGI favorise le remplacement
La recherche d’une intelligence artificielle générale encourage une représentation particulière du progrès : plus un système agit sans intervention humaine, plus il paraît avancé. L’autonomie devient une finalité. Dans cette logique, la collaboration entre un professionnel et un outil semble moins ambitieuse que le remplacement complet du professionnel.
Cette hiérarchie néglige les limites de l’IA dans les environnements marqués par l’incertitude, la responsabilité et le jugement. Un automate doit atteindre un niveau de fiabilité très élevé avant de remplacer un expert dans une décision médicale, industrielle, financière ou juridique. Une erreur rare peut suffire à provoquer des conséquences majeures.
Un outil collaboratif n’a pas besoin du même degré de perfection. Il peut rechercher des informations, comparer des scénarios, détecter des anomalies ou structurer des données, tandis que le professionnel conserve la décision. L’expertise humaine demeure alors au centre du processus.
Le jugement humain reste déterminant
La force distinctive de l’IA réside dans sa capacité à exploiter de grands volumes de données non structurées. Elle peut rapprocher des précédents, extraire des signaux faibles, formuler des hypothèses et restituer des informations adaptées à un contexte. Ces fonctions offrent une aide importante dans les métiers difficiles à réduire à des règles fixes.
Un technicien peut utiliser l’IA pour interpréter des données de diagnostic, identifier une panne rare et comparer plusieurs procédures de réparation. Un enseignant peut repérer les difficultés propres à chaque élève et adapter ses exercices. Un professionnel de santé peut réunir des informations dispersées avant de poser son appréciation clinique.
Dans ces situations, la machine ne rend pas l’expertise superflue. Elle en étend la portée. Le professionnel traite des problèmes plus complexes, réduit le temps consacré à la recherche et développe plus rapidement de nouvelles capacités. La technologie agit comme un multiplicateur du jugement humain.
La diffusion de l’expertise reste ambivalente
Une IA capable de guider un débutant vers un niveau de performance supérieur démocratise l’accès à certaines professions. Elle peut raccourcir la formation, réduire les barrières d’entrée et ouvrir des perspectives à des actifs auparavant exclus de métiers spécialisés.
Cette démocratisation comporte aussi un effet de dévalorisation. Si une compétence rare devient largement accessible grâce à un assistant numérique, sa rémunération peut diminuer. Les experts en poste font face à une concurrence accrue. Les employeurs peuvent remplacer des profils expérimentés par des collaborateurs moins qualifiés, étroitement guidés par l’outil.
L’effet dépend donc du modèle retenu. L’IA soutient le travail lorsqu’elle permet aux débutants d’apprendre, de gagner en autonomie et d’acquérir une expertise réelle. Elle appauvrit le poste lorsque le salarié reste un simple exécutant des recommandations produites par la machine.
Les incitations privilégient l’automatisation
Les entreprises disposent souvent d’un intérêt financier immédiat à automatiser. Un outil de substitution promet une réduction visible des coûts salariaux, un déploiement standardisé et un rendement facile à présenter. Une technologie collaborative demande davantage de formation, d’adaptation des processus et de participation des équipes.
Les développeurs suivent cette demande. Les financements privilégient les modèles capables de remplacer des fonctions complètes ou de servir un grand nombre d’entreprises sans personnalisation importante. Les outils propres à un métier, conçus avec les professionnels et intégrés à leur apprentissage, paraissent moins simples à industrialiser.
| Domaine | Logique d’automatisation | Approche pro-travailleur |
|---|---|---|
| Investissement | Réduire les coûts salariaux | Accroître la valeur des compétences |
| Conception | Remplacer une fonction | Soutenir une décision humaine |
| Organisation | Retirer des tâches | Créer des missions plus complexes |
| Formation | Maîtriser un logiciel | Développer expertise et jugement |
| Performance | Heures ou postes supprimés | Productivité, qualité et progression |
| Déploiement | Décision descendante | Participation des collaborateurs |
Cette synthèse place la gouvernance de l’IA au cœur de la stratégie sociale. Le choix décisif ne porte pas seulement sur le modèle technologique ou le fournisseur. Il concerne la finalité attribuée à chaque usage : substitution, contrôle, diffusion de l’expertise, apprentissage ou création d’activité.
La qualité du travail comme indicateur
Une trajectoire pro-travailleur suppose de revoir les critères appliqués aux projets d’IA. Les gains de productivité doivent être rapprochés de l’évolution des emplois, des salaires, des compétences et de l’autonomie. Une économie de temps sans enrichissement des missions peut simplement intensifier le travail ou préparer une réduction des effectifs.
Les représentants des salariés, les responsables opérationnels et les équipes de formation doivent participer à la conception des usages. Leur connaissance des situations réelles permet d’identifier les tâches à automatiser, celles à assister et celles à préserver. Elle révèle également les compétences nouvelles susceptibles d’élargir les métiers.
L’alternative ne se situe pas entre accepter ou refuser l’intelligence artificielle. Elle oppose deux directions du progrès. La première transforme le savoir humain en coût à réduire. La seconde utilise la puissance de calcul pour rendre ce savoir plus productif, plus accessible et applicable à de nouvelles activités. Le véritable enjeu économique tient moins à la capacité de l’IA à dépasser le salarié qu’à sa capacité à augmenter la valeur de son travail.
